研究文章
刀具磨损监测与振动信号基于短时傅里叶变换和卷积神经网络在铣削
|
|
方法 |
梅(μ米) |
RMSE (μ米) |
|
| 浅模型 |
SVR |
7.5895±1.2076 |
9.3415±1.8597 |
| PSO-SVR |
7.3110±1.4746 |
9.0702±2.5839 |
| LSSVR |
6.5356±0.3992 |
8.0486±1.1529 |
| PSO-LSSVR |
5.9197±1.2968 |
7.3480±1.3760 |
|
| 深模型 |
美国有线电视新闻网(31日] |
6.8787±0.5309 |
9.3453±0.9282 |
| LSTM [31日] |
4.8640±1.1088 |
6.6390±1.6536 |
| LSTM-CNN [31日] |
1.9300±0.4160 |
2.7587±0.6213 |
| 我们建议的方法 |
1.3000±0.3720 |
1.9082±0.6568 |
|
|
