基于铣削力—工件振动—主轴振动特征融合的表面粗糙度预测
来源：计算机集成制造系统杂志2026年第4期北京时间：
作者：靳岚, 李锦祥, 韩珺熠, 叶明智
单位：兰州理工大学机电工程学院
摘要：TC4钛合金优良的表面粗糙度能给予更悠长的使用寿命,精准地预测表面粗糙度可以进一步提高TC4钛合金对疲劳断裂、应力集中等失效形式的抗性。就切削三要素与表面粗糙度的离线关系,及铣削过程中繁冗影响因素难以考虑周全造成的表面粗糙度预测模型结构简单、预测结果不稳定等问题,基于皮尔逊相关性理论和灰色关联度理论,提出了一种以切削三要素为基底、铣削力工件振动主轴振动融合特征为主要输入数据集,具有在线功能的长短期记忆模型误差反向传播神经网络(LSTM-BPNN)表面粗糙度预测模型。经实验验证,相比以切削三要素结合任一融合特征为输入数据集的预测模型,预测精度分别提升了1.62%、3.21%、3.29%,相比仅以切削三要素为输入数据集的预测模型,预测精度提高了10.87%,为表面粗糙度智能在线预测提供了理论依据。
关键词：铣削力—工件振动—主轴振动,特征融合,长短期记忆模型误差反向传播神经网络,表面粗糙度预测
基金资助：甘肃省重点研发计划资助项目(21YF5GA080)。
