基于SMO-SVM的丝杠表面磨削质量预测

王蓝博，李郝林，迟玉伦

(上海理工大学 机械工程学院，上海 200093)

基于SMO-SVM的丝杠表面磨削质量预测

王蓝博，李郝林，迟玉伦

(上海理工大学 机械工程学院，上海 200093)

针对滚珠丝杠磨削过程在线监测困难的问题，使用支持向量机建立智能模型。模型本身针对颤振分类和粗糙度预测的不同问题，选用基于串行优化算法的支持向量分类机和支持向量回归机，并使用交叉验证法对模型参数进行优化。基于滚珠丝杠表面波纹度理论和粗糙度理论，对磨削过程中的振动信号进行特征提取，结合加工参数作为模型输入，先进行颤振的判别，在判断未颤振的情况下对表面质量进行预测。实验结果表明，该模型可以对颤振分类及粗糙度预测进行较好的在线监测。

滚珠丝杠；支持向量机；串行优化算法；振动信号

滚珠丝杠被广泛应用于各种工业设备和精密仪器，其加工精度直接影响设备和仪器的传动精度。磨削是加工高精度滚珠丝杠的关键环节。在磨削加工中，如何更好的监测丝杠磨削过程并预测工件表面质量是整个工艺中的重点和难点。监测问题作为表面质量控制的手段之一，有着重要的研究意义。

丝杠的表面质量包括波纹度和粗糙度。为了解决丝杠磨削加工中各种因素高度耦合的问题，选择使用智能模型对丝杠磨削的加工进行预测，以达到在线评估丝杠质量的目的。对于常见的智能模型，一般的统计过程法或实验回归法对训练样本本身分类较准确，对未知样本则误差较大[1-2]；……