CN117066972B 基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法 （杭州电子科技大学）_第1页
CN117066972B 基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法 （杭州电子科技大学）_第2页
CN117066972B 基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法 （杭州电子科技大学）_第3页
CN117066972B 基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法 （杭州电子科技大学）_第4页
CN117066972B 基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法 （杭州电子科技大学）_第5页
已阅读5页，还剩9页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于数据推理的涡轮叶片叶根槽铣削出口本发明公开了基于数据推理的涡轮叶片叶2步骤一：利用声音传感器和三轴加速度传感器，采步骤二：对时频分析后的信号进行多层最大重叠离散步骤三：将得到的短时能量加入到自适应权值分配步骤四：将最大重叠离散小波包变换倒谱数据作为步骤五：比较预测出的刀具磨损率与刀具磨损率真实步骤八：将得到的结果与实际测量的毛刺长度进行比较多维残差卷积网络中设置了两个残差结构，每个残差结经过Relu激活函数后传输给最后一个卷积层经过ReLu激活函数处理后输入到全连接层中，2.根据权利要求1所述基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法，其特3.根据权利要求1所述基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法，其特的3种不同尺度卷积层中得到不同尺度特征，将不同尺度的特征进行融合得到多级深度特34.根据权利要求3所述基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法，其特5.根据权利要求4所述基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法，其特4[0003]按照面铣削中毛刺形成的位置将毛刺分为入口毛刺与出口毛刺。相比于出口毛的最大尺寸，同时直接决定了产线去毛刺工序去毛刺的时间以及毛刷去除毛刺的磨损量。[0004]本发明针对涡轮叶片叶根槽铣削过程中受刀具和机床状失函数作为双特征融合卷积神经网络(DFCNN)的损伤函数，通过反向传播进一步优化多特5[0014]步骤八：将得到的结果与实际测量的毛刺长度进行比较(结果中各时刻数据与对神经网络的3种不同尺度卷积层中得到不同尺度特征，将不同尺度的特征进行融合得到多6[0042]步骤六：将步骤四中得到的MODWPTC数据输入到多特征卷积神经网络设计的不同7失函数作为DFCNN(双特征融合卷积神经网络)的损伤函数，通过反向传播进一步优化多特后传输给最后一个卷积层经过ReLu激活函数处理后输入到全连接层(本实施例设置全连接[0051]其中xl_1(j)代表第l_1层(这里层数代表卷积层的深度)的第j个神经元输入，代表第l_1层的第i条数据的第j个神经元输入，Fk表示卷积核大小为k的卷积，yl(j)代表第l层的第j个神经元输入，wl_1和bl_1分别代表第l_1层的权重和偏[0056]上述具体实施

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论