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)五面復合數(shù)控(CNC)鉆削表面粗糙度測量工作復雜，采用人工測量存在較大人為誤差。傳統(tǒng)多元回歸、多項式擬合方法僅采用轉(zhuǎn)速和進給速度參數(shù)，數(shù)據(jù)利用率低且噪聲敏感性強；用傳統(tǒng)機器學習方法無法有效提取信號的深層復雜特征。針對上述問題，提出了一種基于ResNet模型、頻譜圖特征與時頻圖特征融合的鉆削表面粗糙度分類預測方法。首先，根據(jù)CNC鉆削加工理論和企業(yè)實際CNC鉆削經(jīng)驗確定了CN...