期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于PSO聚类和ELM神经网络机床主轴热误差建模 被引量:9
1
作者 王续林 顾群英 +1 位作者 杨昌祥 杨建国 《组合机床与自动化加工技术》 北大核心 2015年第7期69-73,共5页
为使得数控机床热误差实时补偿更有效,提出一种基于粒子群算法(Particle Swarm Optimization,PSO)的温度测点优选方法和基于极限学习机(extreme learning machine,ELM)神经网络的机床热误差补偿模型。利用PSO优化K均值聚类方法,实现了... 为使得数控机床热误差实时补偿更有效,提出一种基于粒子群算法(Particle Swarm Optimization,PSO)的温度测点优选方法和基于极限学习机(extreme learning machine,ELM)神经网络的机床热误差补偿模型。利用PSO优化K均值聚类方法,实现了机床上温度测点的优化筛选。利用ELM人工神经网络建立机床热误差补偿模型,通过合理选取隐层神经元数,从而实现更精确、更有效地对数控机床热误差进行实时补偿控制。通过与传统BP(Back Propagation)、RBF(Radial Basis Function)神经网络进行对比分析,该补偿模型具有计算简便、预测精度高、结构简单等优点,可有效应用于数控机床热误差实时补偿模型。 展开更多
关键词 数控机床 PSO聚类分析 ELM神经网络 热误差建模
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部