机械工程学报

作者：刘国梁, 余建波

单位：同济大学机械与能源工程学院 上海 201804

关键词：表面粗糙度,深度学习,深度置信网络,知识发现,模式识别；

基金：国家自然科学基金（51375290，71777173）、中央高校基本科研业务和上海科委创新科技行动计划（17511109204）资助项目。

深度神经网络是一种具有复杂结构和多个非线性处理单元的模型，目前也已逐步被应用在工业生产过程中。但由于神经网络不可解释，不可控制的"黑箱"问题，以及海量的数据需求问题，使得深度学习在工业领域的应用仍有巨大的障碍。提出一种新的深度神经网络模型：知识深度置信网络（Knowledge-based deep belief network，KBDBN）。这种逻辑符号语言与深度神经网络的结合，不仅使得模型具有良好的模式识别性能，还可自适应地确定网络模型并具有可解释和可视化特性。进一步提出基于KBDBN的工件表面粗糙度加工过程的预测模型，实现了精确预测且有效地提取了制造过程的关键知识。试验结果证明：相较于传统机器学习器，KBDBN的网络性能更加优越，具有可解释性，可应用性更强。创新性的将符号规则与深度学习相结合并建立加工粗糙度预测模型，可以在精准预测的前提下提取工艺知识，指导加工工艺优化。

来源：2019年第20期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2019年第20期