-
题名基于卷积神经网络的三维表面分形维数识别
- 1
-
-
作者
汪刘群
雷声
王子杰
-
机构
中南民族大学计算机科学学院
-
出处
《润滑与密封》
CAS
CSCD
北大核心
2024年第10期108-116,共9页
-
基金
国家自然科学基金项目(52105135)
湖北省自然科学基金项目(2020CFB174)。
-
文摘
分形维数作为机械加工表面形貌的重要参数,可用于接触表面的摩擦特性分析。然而,现有的分形维数计算方法大多需要选择多组尺度计算相应的测度,这不仅影响分形维数的计算速度和精度,也增加了计算的复杂度。针对机加工表面的三维分形维数测量问题,提出一种基于卷积神经网络的分形维数的识别方法。采用Weierstrass-Mandelbrot分形函数构建一个包含不同分形维数的三维粗糙表面数据集,利用单因素实验法分析网络参数(网络深度、滤波器大小、滤波器数量)对三维分形维数识别精度的影响,以找到最优的神经网络参数组合。通过与差分盒维数法、三角棱镜表面积法和分形布朗运动法3种方法进行对比,验证卷积神经网络法识别三维分形维数的有效性。实验结果表明:基于卷积神经网络方法计算的分形维数平均绝对百分比误差可控制在1.5%以下;该方法在分形维数全动态范围内都表现出较小的误差,可用于计算三维表面轮廓分形维数。
-
关键词
分形维数
卷积神经网络
三维W-M函数
深度学习
接触表面
-
Keywords
fractal dimension
convolutional neural network
3D W-M function
deep learning
contact surface
-
分类号
TH117
[机械工程—机械设计及理论]
-
