基于深度神经网络的滑动结合面参数识别研究

摘要

为了解决机床滑动结合面传统建模方法建模精度低和其动态特性参数难确定的问题,提出了一种基于深度神经网络(Deep Neural Network,DNN)的结合面参数识别方法.以M7120D/H卧轴矩台平面磨床的砂轮箱-滑座滑动结合面为研究对象,利用深度神经网络模型预测值和模态分析实验值的相对误差建立目标函数,采用布谷鸟(Cuckoo Search,CS)算法对结合面的刚度、阻尼进行识别研究.结果显示,该方法得到的有限元模型计算值和实验测试值之间的相对误差在3％以内,具有较高的识别精度,表明该方法是正确的、有效的.