1 复旦大学 光科学与工程系 上海超精密光学制造工程技术研究中心, 上海 200433
2 中国科学院长春光学精密机械与物理研究所 应用光学国家重点实验室, 吉林 长春 130033
提出了一种基于深度神经网络的提高材料去除模型精度的策略。提出一种具有特征选择能力的深度学习算法。在机器人抛光的材料去除率模型的基础上, 生成由材料去除率和相应的抛光参数组成的一系列仿真样本。深度学习算法学习了仿真样本和实际样本, 建立了深度学习模型。通过使用所提出的深度学习模型, 根据抛光参数, 估测测试样本的材料去除深度, 并计算估测了测试样本的材料去除深度与实际的测试样本的材料去除深度之间的误差。结果表明: 改进后的模型可以获得比传统模型更高的精度。
机器人抛光 材料去除 机器学习 深度神经网络 建模与仿真 robot polishing material removal machine learning deep neural networks modelling and simulation 红外与激光工程
2019, 48(3): 0317005
