来源：期刊VIP网 时间：
作者：聂鹏;崔志伟;冯薪霖;潘五九;
单位：沈阳航空航天大学机电工程学院;飞行器快速试制技术研究教育部重点实验室;航空制造工艺数字化国防重点学科实验室;
摘要：针对现有的工件表面粗糙度预测方法缺少优化算法以及传统机器学习网络结构预测精度不够高的问题，提出一种融合表面图像和振动信号的表面粗糙度预测方法。开展铣削实验，采集铣削过程中的振动信号和工件表面图像，通过连续小波变换将采集振动信号转换为小波尺度谱，搭建双流卷积网络结构，通过两个残差网络分支分别对数据处理后的图像和振动信号进行特征提取。将提取到的特征进行拼接，对工件表面粗糙度进行预测。结果表明，CBAM优化的双流卷积网络可以通过通道和空间加权增强网络性能，综合振动信号和图像信息特征，优化后的网络模型预测相对误差基本都在5%以内，决定系数R~2为0.981 7。
关键词：表面粗糙度;;信号处理;;注意力机制;;双流卷积网络
基金资助：国家自然科学基金面上项目（52375113）
