一种加工表面粗糙度预测方法

为解决现有表面粗糙度检测与预测方法存在的实时性差、预测精度较低、泛化能力差、难以在复杂加工条件下稳定应用的问题，本发明提供了一种加工表面粗糙度预测方法。本发明构建并训练了基于SE‑ResNet的深度神经网络模型，并建立了振动信号段与测量区间及其表面粗糙度之间的时空关系映射、测量区间及其表面粗糙度与粗糙度区间的双向映射表，从而实现振动信号与粗糙度区间的双向映射。实际使用时只需监测机床加工期间的振动信号，利用基于SE‑ResNet的深度神经网络模型预测概率最高的粗糙度区间的索引号，再根据索引号从事先建立的分类索引与粗糙度区间的双向映射表中查询预测的粗糙度区间，实现加工表面粗糙度的高效精准在线预测。