来源：期刊VIP网 时间：
作者：王二化;赵宇航;刘颉;
单位：常州信息职业技术学院常州市高端制造装备智能化技术重点实验室;华中科技大学水电与数字化工程学院;
摘要：这里提出了一种基于振动信号的微铣削表面粗糙度预测方法，首先提取微铣削振动信号小波包系数的均方根、峭度、偏度以及小波包能量比作为表面粗糙度的特征，并构建特征库。然后利用基于粒子群优化算法（Particle Swarm Optimization,PSO）的支持向量机（Support Vector Machine,SVM）模型实现微铣削表面粗糙度的预测，其中，PSO用来优化SVM模型的关键参数，避免这些关键参数选择的不合适所带来的过拟合和局部最优问题。这里提出的微铣削表面粗糙度预测方法精度较高，平均预测误差为2.37%。
关键词：微铣削;;表面粗糙度;;小波包分解;;支持向量机;;粒子群优化
基金资助：国家973项目——难加工航空零件数字化制造的基础研究（2011CB706803）;; 常州市高端制造装备智能化技术重点实验室（CM20183004）;; 2022年江苏省高职院校教师专业带头人高端研修（团队访学）“基于自主软件（CAXA CAE）课程建设及创新应用研究”（2022TDFX001）
