摘 要: | 针对磨削表面粗糙度声发射预测精度和可靠性较低的问题,对球墨铸铁磨削表面粗糙度的声发射智能预测进行了研究。在球墨铸铁QT700-2平面磨削表面粗糙度声发射预测实验200组数据的基础上,提取了包含磨削声发射信号经验模态分解4个本征模函数的相关系数,和磨削声发射信号波形幅值、均方根值、方差、峰值频率、频谱峰值、功率谱峰值、峭度、偏度、AE信息熵等13个磨削声发射信号特征参数;建立了遗传优化的支持向量回归机GA-SVR和粒子群优化的支持向量回归机PSO-SVR这2个预测模型;在这200组磨削表面粗糙度声发射实验数据中,把随机提取的13个声发射信号特征参数输入到这2个预测模型中,进行了反复训练和预测,以提高其可靠性。研究结果表明:GA-SVR和PSO-SVR的磨削表面粗糙度声发射预测精度较高;这为磨削声发射在线智能监测汽车发动机球墨铸铁QT700-2曲轴磨削表面粗糙度打下了基础。
|