仪器仪表学报

作者：陈佳琳，尚志武，张 雷

单位：陈佳琳,1. 天津工业大学天津市现代机电装备技术重点实验室,,尚志武,1. 天津工业大学天津市现代机电装备技术重点实验室,,张 雷,2. 天津商业大学机械工程学院，3. 天津市天森智能设备有限公司,

关键词：粗糙度预测;深度残差收缩网络;Inception模块;自适应特征提取;双向长短时记忆网络

基金：天津市高等学校科技发展基金(2021KJ176)、天津市自然科学基金重点项目(21JCZDJC00770)资助

针对传统的表面粗糙度预测方法过度依赖人工提取特征以及预测精度较低的问题,提出一种基于Inception模块改进的深度残差收缩网络(IDRSN)和双向长短时记忆网络(BiLSTM)的表面粗糙度预测方法。首先,利用深度残差收缩网络(DRSN)中软阈值化结构和注意力机制对输入信号进行降噪处理。其次,引入Inception模块构建IDRSN以提升网络的多尺度信息获取能力,实现自适应多尺度特征提取。然后,引入反向长短期记忆(LSTM)构建BiLSTM预测网络,利用正反两个LSTM提高网络捕捉历史和未来完整信息的能力。最后,进行实验验证,分别对比IDRSN、DRSN、BiLSTM和人工提取特征4种方法的提取特征效果,以及BiLSTM、卷积神经网络(CNN)、DRSN和CNN-LSTM4种表面粗糙度预测模型的预测精度。结果表明所提方法具有较高的预测精度,为铣削加工表面粗糙度预测奠定了方法基础。

来源：2024年第4期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第4期