On-line prediction of ultrasonic elliptical vibration cutting surface roughness of tungsten heavy alloy based on deep learning

Die Oberflächengüte schwerer Wolframlegierungsteile hat einen wichtigen Einfluss auf ihre Serviceleistung. Die präzise Online-Vorhersage der Oberflächenrauheit beim ultrapräzisen Schneiden schwerer Wolframlegierungen war schon immer die Schwierigkeit der Forschung. In diesem Aufsatz wird die Ultraschall-elliptische Schwingungsschneidtechnologie für die Ultrapräzisionsbearbeitung schwerer Wolfram-Legierungen verwendet. Basierend auf der Idee des tiefen Lernens wird die Oberflächenrauheit diskreditiert und das Passungsproblem bei der Rauheit der Oberfläche wird in ein Klassifizierungsproblem umgewandelt. Die Verallgemeinerungsfähigkeit des Vorhersagemodells wird durch die Einführung von Stapelstandardisierung und Dropout verbessert. Die Beziehung zwischen dem Vibrationssignal und der Rauheit der Oberfläche wird etabliert. Experimentelle Ergebnisse zeigen, dass das Modell eine Online-Vorhersage der Rauheit der Schnittfläche erreichen kann. Die Vorhersagegenauigkeit kann um mehr als 10% im Vergleich zur direkten Montagemethode verbessert werden.