对表面粗度的新方法 虚拟样本生成 解决超精密加工中小样本大小问题
1School of Mathematics and Physics, Lanzhou Jiaotong University, Lanzhou 730070, China.
Sensors (Basel, Switzerland)
|June 19, 2024
概括
本研究介绍了一种虚拟样本生成方案,用于超精密加工中的表面粗度预测. 该方法通过丰富小型数据集与多种虚拟样本来有效减少预测错误.
科学领域:
- 制造业 工程 制造工程
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 表面粗度是加工零件质量的关键指标.
- 获取用于超精密加工的广泛的表面粗度数据集是一项挑战.
- 小样本大小限制了预测模型的准确性.
研究的目的:
- 为了解决超精密加工表面粗度预测中的小样本问题.
- 开发一个新的虚拟样本生成方案.
- 为了提高表面粗度预测模型的准确性.
主要方法:
- 设计了一个虚拟样本生成方案 (PSOVSGBLS).
- 该方案将粒子群优化算法与广泛的学习系统相结合.
- 虚拟样本是为了填补小数据集中的信息空白而生成的.
主要成果:
- 拟议的PSOVSGBLS计划成功生成了多样化的虚拟样本.
- 超精确的微槽切割实验验证实了该计划的可行性.
- 在结合虚拟样本后,表面粗度预测模型误差显著减少.
结论:
- 该PSOVSGBLS方案有效地克服了超精密加工有限数据的挑战.
- 虚拟样本生成可以提高表面粗度模型的预测精度.
- 这种方法为改善精密制造中的质量控制提供了可行的解决方案.
