摘要
基于深度学习的加工表面粗糙度预测方法及系统,解决了如何在提高加工表面粗糙度预测的同时尽量的使用传感器的问题,属于机器人加工的技术领域。本发明基于深度学习网络构建相互交叉融合预测模型,利用机器人内部关节扭矩和外部振动信号预测加工表面粗糙度;预测模型包括依次连接的特征降维模块、多通道特征增强模块和相互融合模块;特征降维模块对输入进行降维,获得各个通道的低维特征,多通道特征增强模块对各通道的低维特征实现不同通道特征之间的动态交互,获得多通道扭矩增强特征和多通道振动增强特征,相互融合模块对多通道扭矩增强特征和多通道振动增强特征进行双向融合,得到融合特征,根据融合特征预测出加工表面粗糙度。
技术关键词
多通道特征
融合特征
机器人
粗糙度
深度学习网络
模块
关节
交叉注意力机制
度量
存储设备
数据
信号
模糊集合
符号
预测装置
分支
系统为您推荐了相关专利信息
采摘机器人
新鲜果蔬
气动夹持器
球形齿轮
滑动组件
大地电磁反演方法
融合深度学习
雅可比矩阵
多通道
反演技术
智能配电网故障
数字孪生建模
时空融合特征
数字孪生模型
云端大数据分析