《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于多过程信号的轧辊磨削表面粗糙度智能预测

作者：蔡恩磊,王立平,孙丽荣,等. 日期：2022-12-20/span> 浏览：1271 查看PDF文档

基于多过程信号的轧辊磨削表面粗糙度智能预测*

蔡恩磊1,王立平1,2,孙丽荣3,4,杨金光4,王冬2*,李学崑2

(1.电子科技大学机械与电气工程学院,四川成都 611731;2.清华大学机械工程系,北京 100084;

3.轧制技术及连轧自动化国家重点实验室,辽宁沈阳 110819;4.山东钢铁集团日照有限公司,山东日照 276806)

摘要:由于轧辊磨削表面粗糙度预测困难,且其预测精度不足,为此,笔者提出了一种基于多过程信号的轧辊磨削表面粗糙度智能预测方法。首先,以砂轮转速、磨削深度、拖板速度和头架转速为变量,对轧辊进行了全因素磨削实验,采集了磨削过程中的多过程信号,即声发射信号、振动信号和主轴电流信号,测量了磨后轧辊的表面粗糙度;对信号进行了分段处理,强化了信号与粗糙度的关联,并对粗糙度进行了离散化处理,将回归问题转化为分类问题;然后,提取了各类信号在时域和频域上的众多特征值,并利用主成分分析法(PCA)对其进行了特征降维融合,构建了多种类型的特征输入;最后,利用网格搜索法优化了多层感知机(MLP)网络,得到了粗糙度的预测模型,实现了对轧辊磨削表面粗糙度的智能预测。研究结果表明:相较于单信号方案,多信号方案能够提供更全面、准确的信息;基于PCA的降维融合特征能进一步提高MLP网络的预测效果,其准确率为78.16%,F1值为0.7776,平均偏离距离为0.29。

关键词:全因素磨削实验;声发射信号;网格搜索法;多过程信号;降维融合特征;主成分分析法;多层感知机网络;粗糙度预测模型

中图分类号:TH161.14;TG580
文献标识码:A文章编号:1001-4551(2022)10-1462-08

本文引用格式:

蔡恩磊,王立平,孙丽荣,等.基于多过程信号的轧辊磨削表面粗糙度智能预测［J］.机电工程,2022,39(10):1462-1469.

CAI En-lei, WANG Li-ping, SUN Li-rong, et al. Intelligent prediction of surface roughness in roller grinding based on multi-process signals［J］.Journal of Mechanical & Electrical Engineering, 2022,39(10):1462-1469.