本文提出一种新的数据驱动建模思路及方法,即面向建模误差概率密度函数(Probability density function,PDF)形状与趋势拟合优度(相似度)的动态过程多目标优化建模方法.首先,针对均方根误差(Root mean square error,RMSE)等常规一维性能...本文提出一种新的数据驱动建模思路及方法,即面向建模误差概率密度函数(Probability density function,PDF)形状与趋势拟合优度(相似度)的动态过程多目标优化建模方法.首先,针对均方根误差(Root mean square error,RMSE)等常规一维性能指标不能完全刻画建模误差在时间和空间二维随机动态特性的问题,引入PDF指标来对动态过程的建模误差在时间和空间进行二维尺度的全面刻画和评价,并采用核密度估计技术对关于时间的建模误差序列的PDF进行估计;其次,为了刻画动态过程数据建模的拟合趋势,进一步引入趋势拟合优度指标,从而构造综合描述数据建模误差PDF形状与趋势拟合相似性的多目标性能指标;在此基础上,采用NSGA-II算法优化数据模型的参数集,获取一大类满足上述多目标性能优化的智能模型参数解.数值仿真及工业数据验证表明,所提方法的建模误差PDF逼近设定的期望PDF,并且模型输出与样本数据拟合趋势接近,好于常规最小化一维RMSE指标的数据建模方法.展开更多
大型龙门五轴机床的热变形是影响加工精度的重要因素之一。文章探讨了环境温度变化对机床热变形的影响规律。为提升大型龙门数控机床环境综合热误差预测精度,设计了一种基于带卷积的灰色长短期记忆神经网络(grey long short-term memory...大型龙门五轴机床的热变形是影响加工精度的重要因素之一。文章探讨了环境温度变化对机床热变形的影响规律。为提升大型龙门数控机床环境综合热误差预测精度,设计了一种基于带卷积的灰色长短期记忆神经网络(grey long short-term memory neural network, CNN-GreyLSTM)的热误差预测模型。以某大型龙门机床为研究对象,使用有限元仿真与试验相结合的方式分析了环境温度变化引起的刀尖点热漂移误差。分别采用CNN-Grey-LSTM、CNNLSTM和带卷积积分的灰色神经网络模型(GNNMCI(1,N))建立热误差模型并进行对比分析。结果表明,与常见的神经网络相比,CNN-Grey-LSTM模型能更好适应复杂多变的数据特征和时间序列预测问题,体现出更好的预测精度与鲁棒性。展开更多
文摘本文提出一种新的数据驱动建模思路及方法,即面向建模误差概率密度函数(Probability density function,PDF)形状与趋势拟合优度(相似度)的动态过程多目标优化建模方法.首先,针对均方根误差(Root mean square error,RMSE)等常规一维性能指标不能完全刻画建模误差在时间和空间二维随机动态特性的问题,引入PDF指标来对动态过程的建模误差在时间和空间进行二维尺度的全面刻画和评价,并采用核密度估计技术对关于时间的建模误差序列的PDF进行估计;其次,为了刻画动态过程数据建模的拟合趋势,进一步引入趋势拟合优度指标,从而构造综合描述数据建模误差PDF形状与趋势拟合相似性的多目标性能指标;在此基础上,采用NSGA-II算法优化数据模型的参数集,获取一大类满足上述多目标性能优化的智能模型参数解.数值仿真及工业数据验证表明,所提方法的建模误差PDF逼近设定的期望PDF,并且模型输出与样本数据拟合趋势接近,好于常规最小化一维RMSE指标的数据建模方法.
