基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度智能预测

• Published in: 南京航空航天大学学报 Vol. 55; no. 3; pp. 401 - 409
• Main Authors: 郭力, 郑良瑞, 冯浪
• Format: Journal Article
• Language: Chinese
• Published: 湖南大学机械与运载工程学院/国家高效磨削工程技术研究中心,长沙 410082 01.06.2023
• Subjects: correlation analysis; 部分稳定氧化锆; 相关性分析; partially stabilized zirconia; surface roughness prediction; 卷积-双向长短期记忆神经网络; grinding acoustic emission; 磨削声发射; 表面粗糙度预测; convolution-bidirectional long short term memory(CNN-BiLSTM)
• ISSN: 1005-2615
• DOI: 10.16356/j.1005-2615.2023.03.004

TG58; 部分稳定氧化锆(Partially stabilized zirconia,PSZ)陶瓷因其优越的性能在航空航天工业等领域有广泛的应用.表面粗糙度是评价PSZ陶瓷磨削加工水平的关键指标,为了降低磨削表面粗糙度的预测误差,提出了一种基于相关性分析与卷积-双向长短期记忆神经网络(Convolution-bidirectional long short term memory neural network,CNN-BiLSTM)的PSZ陶瓷磨削表面粗糙度声发射预测模型.通过分析磨削声发射信号特征值与磨削表面粗糙度值之间相关性,筛选出磨削声发射信号与磨削表面粗糙度之间的最相关频段和特征矩阵,作为CNN-BiLSTM神经网络的输入参数以降低磨削表面粗糙度声发射预测的误差.研究结果表明,基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度的平均预测误差低于3.92％.