摘要
本发明提供了一种考虑颤振的高速铣削表面粗糙度预测方法及系统,涉及铣削加工技术领域,本发明通过铣削工作台上配置的力传感器,持续采集力信号,通过铣削工作台上配置的加速度传感器,持续采集振动信号,进而提取力信号和振动信号的多维细粒度的特征,从而得到表征铣削过程中由固有工艺和颤振作用引起的表面粗糙度的详细信息,进而通过细粒度特征融合网络来有效融合周期信号和颤振信号的多维细粒度特征,实现表面粗糙度的预测,由此本发明采集了振动信号,并结合力信号进行表面粗糙度的预测,减少由于高速铣削加工中颤振现象导致表面粗糙度预测不准确的情况。
技术关键词
细粒度特征
粗糙度
信号
多尺度特征
融合特征
模型训练模块
周期
样本
深度特征提取
数据处理模块
构建训练集
数据采集模块
网络
颤振现象
批量
传感器
时域特征
蒙特卡洛
系统为您推荐了相关专利信息
原位检测装置
光电探测器
调控模型
信号采集模组
光信号
电机控制方法
幅值
解码精度
旋转变压器
初始电角度
电解质体系
非金属杂质
稀土
电解装置
等效电路模型
扭矩传感器模块
信号调理模块
数据处理模块
数据采集模块
温度补偿模块
手写字母识别方法
轨迹特征
雷达
双层长短期记忆网络
信号特征提取