论文部分内容阅读
提出了一种基于松散型小波网络的切削表面粗糙度预测方法。结合切削参数和切削振动理论，建立了预测网络结构，为避免频域混叠，采用小波包改进算法来实现振动信号去噪。根据振动加速度及切削参数，利用Elman网络的非线性映射和学习机制，实现切削表面粗糙度的实时在线预测。为减少训练时间，用遗传算法对网络权重进行预先优化。实验表明，该方法的预测误差小于3％。