基于GA-WPT-ELM的6061铝合金表面粗糙度预测

摘要

为了提高工件表面粗糙度预测的准确性,针对振动信号特征识别和表面粗糙度预测建模时多个参数难以同步优化和人工经验调优误差较大的问题,提出基于遗传算法(GA)的信号特征识别和表面粗糙度预测的优化算法.对采集的6061铝合金铣削振动信号进行小波包变换(WPT)和多个特征提取,利用GA优化WPT母小波和特征向量;将信号特征向量和表面粗糙度分别作为极限学习机(ELM)的输入和输出,对预测模型训练的同时,利用GA优化ELM隐含层的神经元个数;对训练好的预测模型进行测试.实验结果表明,通过GA对振动信号识别和表面粗糙度预测的3类参数同步优化,获得了最佳的信号特征和较高的表面粗糙度预测精度,节省了建模分析计算成本.