摘要
本发明涉及齿面波纹度预测领域,公开了一种连续展成磨削齿面波纹度预测方法,首先获取齿面波纹度数据集;通过可分离多尺度卷积和通道注意力机制,实现高效时序特征提取,并通过多头注意力机制捕捉序列中不同位置之间的依赖关系,提升全局特征建模能力,得到输出特征得到特征提取层;构建得到Convformer‑SE模型;以齿面波纹度训练集数据和齿面波纹度验证集数据作为输入,对Convformer‑SE模型进行训练,得到训练完成的Convformer‑SE模型;采用训练完成的Convformer‑SE模型进行齿面波纹度预测;本发明通过引入SENet提升通道间信息的建模能力,同时结合Transformer增强信号全局依赖关系的建模能力,实现齿面波纹度局部与全局特征的联合提取。
技术关键词
度预测方法
磨削齿面
通道注意力机制
训练集数据
矩阵
多尺度
多头注意力机制
表达式
输出特征
ReLU函数
全局平均池化
噪声
稳定特征
压缩特征
分支
序列
神经网络模型
系统为您推荐了相关专利信息
光伏逆变器
无功控制方法
集群控制系统
节点
有功功率
生成对抗网络
图像生成方法
多模态
图像生成技术
像素点