TensorFlow框架下的车削工件表面粗糙度预测方法
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
1.06 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
利用TensorFlow机器学习框架建立了前馈神经网络模型,以三个切削参数作为输入变量,分别是刀具切削深度ap、切削速度vc和进给量f,输出变量是表征工件表面粗糙度的三个指标,即轮廓算数平均偏差Ra、轮廓最大高度Ry或微观不平度十点高度Rz。利用数控车床加工数据对神经网络进行训练,训练好的网络可以用来预测工件的表面粗糙度。预测结果表明基于TensorFlow框架的表面粗糙度预测方法具有建模方便和精度高的特点,因此提出的方法对车削工艺的智能化编制有一定的参考价值。相关论文
- 2024-07-09复杂产品生产管理优化的研究综述和展望
- 2021-03-25华益精机 让中国装备用中国芯——访浙江华益精密机械有限公司总经理 陶小好
- 2020-07-15基于IE的双作用离合器柔性装配线优化设计
- 2020-11-07中国汽车工业的2009
- 2020-10-12极端制造开辟制造业蓝海
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。