基于支持向量机的磨削表面烧伤识别研究

磨削加工是机械加工中的重要工艺之一,磨削烧伤对工件的各方面的性能有很大影响.因此,需要对磨削烧伤进行分级并识别以提高工件品质.论文采用支持向量机法对采集的磨削烧伤图像的颜色以及纹理特征进行深入地分析和研究.研究结果表明,随着数据量的变化,支持向量机模型对不同烧伤类型的识别准确率并不相同,当数据量为500时,支持向量机的类型识别准确率最高为94.02％.基本满足实际工程中对磨削烧伤识别的准确率要求,并具有一定的实际推广意义.     

基于卷积神经网络的平面磨削温度预测

为了减少磨削温度过高给零件带来热损伤等的负面影响,并提高零件产量、质量,本文建立了基于卷积神经网络的平面磨削温度预测模型.首先通过有限元仿真获得温度数据,并进行预处理,然后利用Google开源深度学习工具TensorFlow编写卷积神经网络程序,最后得到预测结果并与仿真值进行比较.结果表明,本文提出的基于卷积神经网络的磨削温度预测模型具有很强的学习能力以及非线性拟合能力,大大提高了磨削温度预测精度.     

基于进化BP神经网络的磨削温度预测研究

磨削过程中,过高的磨削温度会对零件产生热损伤等负面影响,为了能够掌握并控制磨削温度,对磨削温度场进行了仿真和预测研究.首先,利用有限元法对磨削温度进行仿真;随后,分别采用BP和遗传算法优化BP神经网络进行仿真结果预测.最后,将两种神经网络预测结果分别与仿真结果进行比较.结果显示,遗传算法优化BP神经网络性能更优,预测值更接近仿真值.