基于长短时记忆网络的磨削在线预测与补调

为解决在线测量时误差判断滞后及补调延迟的问题,利用长短时记忆网络对在线测量加工的尺寸进行预测,并根据预测值对误差进行补调。通过神经网络实时预测磨削尺寸,当预测值大于理论边界时调整工艺参数,避免了误差累积。设计并进行了基于长短时记忆网络的在线测量磨削加工实验,并通过实验结果对输入张量的维度与预测精度之间的关系进行分析。结果表明,长短时记忆网络能够准确预测磨削尺寸序列,且具有较好的普适性。利用实验结果进行小批量加工,统计分析表明,使用神经网络进行磨削在线预测及补调,加工精确度显著提高。