利用改进卷积神经网络的螺杆砂带磨削表面粗糙度预测

摘要

为便捷、准确地预测磨削后螺杆转子的表面粗糙度，提出了一种基于自注意力卷积神经网络(SA-CNN)的磨削曲面粗糙度测量方法。通过正交试验获得螺杆转子的表面粗糙度以及粗糙度数值对应位置的表面图像，图像经自适应直方图均衡化、反锐化掩蔽等预处理后作为训练样本输入SA-CNN模型中。采用SA-CNN模型对磨削后的螺杆转子表面粗糙度值进行预测，并与经典网络ResNet、AlexNet、VGG-16、基础CNN以及图神经网络GNN预测结果进行对比。试验结果表明，SA-CNN模型的平均预测精度达到95.24%,均方根误差(RMSE)为0.0706μm,平均绝对百分比误差(MAPE)为7.4206%,均优于对比网络，且模型收敛较快，表现出较高的精度和良好的鲁棒性。

关键词

磨削 / 表面粗糙度 / 卷积神经网络 / 正交试验

基金资助

辽宁省教育厅2022年度高等学校基本科研项目(LJKMZ20220459); 辽宁省应用基础研究计划(2022JH2/101300214)