基于改进卷积神经网络的数控铣床能效等级预测

来源：机床与液压杂志2021年第8期北京时间：

作者：瞿华，张华，鄢威，马峰

单位：武汉科技大学冶金装备及其控制教育部重点实验室,武汉科技大学机械传动与制造工程湖北省重点实验室；武汉科技大学冶金装备及其控制教育部重点实验室,武汉科技大学机械传动与制造工程湖北省重点实验室,武汉科技大学绿色制造工程研究院；武汉科技大学冶金装备及其控制教育部重点实验室;武汉科技大学绿色制造工程研究院；武汉科技大学机械传动与制造工程湖北省重点实验室;武汉科技大学绿色制造工程研究院

摘要：针对数控铣床能效影响要素多、要素间关联关系复杂而导致的机床能效等级预测问题，提出一种基于卷积神经网络的数控铣床能效等级预测方法。通过数控机床运行过程能效影响要素分析，从设备、工艺、工件、刀具的维度对影响要素进行了分类；依据不同维度数据的来源，提出数控铣床多维数据的采集与预处理方法；提出基于LeNet-5改进卷积神经网络的数控铣床能效等级预测方法。并通过案例验证了方法的可行性和适用性，最终的训练准确度达到97.29%，在测试集上的准确度达到93.32%，预测结果较好，可以指导设备以及可控参数的选择，有较好的应用前景。

关键词：数控铣床;多维数据;改进卷积神经网络;能效等级预测

基金资助：国家自然科学基金项目(51975432;51905392;51775392)；湖北省教育厅科学技术研究计划青年人才项目（Q20191106）