基于ResNet多特征圖融合的鉆削表面粗糙度分類方法

摘要： 傳統(tǒng)五面復(fù)合數(shù)控(CNC)鉆削表面粗糙度測(cè)量工作復(fù)雜，采用人工測(cè)量存在較大人為誤差。傳統(tǒng)多元回歸、多項(xiàng)式擬合方法僅采用轉(zhuǎn)速和進(jìn)給速度參數(shù)，數(shù)據(jù)利用率低且噪聲敏感性強(qiáng)；用傳統(tǒng)機(jī)器學(xué)習(xí)方法無法有效提取信號(hào)的深層復(fù)雜特征。針對(duì)上述問題，提出了一種基于ResNet模型、頻譜圖特征與時(shí)頻圖特征融合的鉆削表面粗糙度分類預(yù)測(cè)方法。首先，根據(jù)CNC鉆削加工理論和企業(yè)實(shí)際CNC鉆削經(jīng)驗(yàn)確定了CN... （共15頁）