机械工程学报

作者：赵阳, 王中任, 史铁林, 谭孟, 张文, 李文喜

单位：1. 湖北文理学院机械工程学院 襄阳 441053;2. 华中科技大学机械科学与工程学院 武汉 430074;3. 襄阳博亚精工装备股份有限公司 襄阳 441004

关键词：磨削表面,粗糙度,精密辊轴,深度学习,纹理特征；

基金：湖北省自然科学基金联合基金(2022CFD080);湖北文理学院研究生创新计划(YCX202411)资助项目

传统的机器学习方法进行粗糙度预测时需要采集不同模态的机床信号，且针对不同磨削阶段需要设计不同的预测模型，过程繁琐且预测精度不高。因此，针对外圆磨床磨削过程提出一种基于Swin-IMSA的表面粗糙度预测方法。首先建立磨床在机视觉采集系统获取磨削表面显微图像，通过Fast GLCM计算灰度共生矩阵得到纹理特征图；其次根据粗糙度等级将特征图分为不同的类别，并经过数据增强以提升模型的泛化能力；最后使用改进的Swin-IMSA粗糙度预测网络从纹理特征中提取特征用于训练模型。实验结果表明，该模型在Ra值为0.1 μm至1.2 μm的范围内，在测试集上的预测准确率为97.56%，在磨削辊轴样件预测中的平均误差为0.035 μm，证明了该方法的有效性。

来源：2025年第23期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第23期