一种基于优化广义回归神经网络预测工件表面质量的方法

摘要

本发明涉及一种基于优化广义回归神经网络预测工件表面质量的方法，包括：搭建铣削力、铣削振动、工件表面纹理及粗糙度采集系统，获取铣削过程中的力和振动的时域信号及工件表面粗糙度值和纹理图像；从三向铣削力和三向铣削振动加速度的时域信号中提取出降维铣削力均方根和降维铣削振动加速度均方根作为特征值，利用灰色共生矩阵获得工件表面纹理特征值：能量、对比度、相关性、同质性和熵；基于试验数据和粒子群优化广义回归神经网络建立以一维特征及二维特征值为输入参数，粗糙度为输出结果的多维特征预测模型。本发明的方法可预测铣削过程中的工件表面粗糙度，拓展了科学检测铣削过程中工件表面粗糙度的方式。