期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
数控车床主轴热误差SHO–LSTM预测建模
被引量：
2
1
作者
陈庚
郭世杰
+2 位作者
丁强强
苏哲
唐术锋
《工程科学与技术》
EI
CAS
CSCD
北大核心
2024年第2期277-288,共12页
在高精度加工过程中,数控机床主轴误差对加工精度的影响较为严重。数控机床热误差占总误差比例高达40%~70%,是主要的误差源之一。为了提高热误差预测的精度,本文提出一种使用海马优化算法(SHO)优化时序预测网络(LSTM)的精密车床主轴热...
在高精度加工过程中,数控机床主轴误差对加工精度的影响较为严重。数控机床热误差占总误差比例高达40%~70%,是主要的误差源之一。为了提高热误差预测的精度,本文提出一种使用海马优化算法(SHO)优化时序预测网络(LSTM)的精密车床主轴热误差预测建模方法。首先,利用羚羊优化算法(GOA)对模糊C均值聚类(FCM)的模糊矩阵常数、最大迭代次数、迭代终止条件进行优化并结合皮尔逊(Person)、斯皮尔曼(Spearman)和肯德尔(Kendall)相关分析方法优化温度测点,使用手肘法确定最优分组规模,根据DB(Davies–Bouldin)、BWP(Bregman Within–class Projection)和Silhouette(Silhouette coefficient)聚类评估指标评估温度测点聚类效果。其次,以车床主轴五点法获取的热误差数据和优化后的温度数据作为输入,使用海马优化算法(SHO)对时序预测网络(LSTM)的隐含层节点、全连接层节点、学习率、L2正则化常数进行优化,并使用S折交叉试验方法确定最优分组规模,建立主轴热误差SHO–LSTM预测模型。再次,在不同转速下对构建的热误差模型对基于平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)的预测效果进行评估。最后,在CKA6163A型车床上进行实例验证,使用五点法进行测量辨识,同时测量主轴附近的温度。结果表明:本文所提出的温度测点优化算法相比未优化的模糊C均值聚类(FCM)的DB指标降低了89.00%,BWP和Silhouette分别提高了59.00%和8.17%,优化后的聚类算法可有效降低温度测点间的共线性,提高预测模型的预测效率。本文所提出的海马优化算法(SHO)优化时序预测网络(LSTM)与未优化的时序预测网络(LSTM)相比,均方根误差降低了42%,表明海马优化算法(SHO)可以提高时序预测网络(LSTM)的准确性;与天鹰(AO)优化卷积神经网络(CNN)、反向传播神经网络(BP)相比,本文所提出的预测网络的均方根误差分别降低了3%、57%,SHO–LSTM主轴热误差预测模型的鲁棒性和准确性更高。
展开更多
关键词
数控机床
主轴热误差
goa-fcm算法
热误差预测
SHO-LSTM网络
在线阅读
下载PDF
职称材料
题名
数控车床主轴热误差SHO–LSTM预测建模
被引量：
2
1
作者
陈庚
郭世杰
丁强强
苏哲
唐术锋
机构
内蒙古工业大学机械工程学院
内蒙古自治区特殊服役机器人重点实验室
出处
《工程科学与技术》
EI
CAS
CSCD
北大核心
2024年第2期277-288,共12页
基金
国家自然科学基金项目(52065053,52365058,52365064)
内蒙古自治区高等学校科学研究项目(NJZY21308)
+4 种基金
内蒙古自然科学基金项目(2022FX01,2023LHMS05017,2023LHMS05018)
内蒙古关键技术攻关项目(2021GG0255,2021GG0259)
内蒙古自治区高等学校创新团队发展支持计划(NMGIRT2213)
内蒙古自治区直属高校基本科研业务费项目(JY20230043,JY20220046)
内蒙古自治区高等学校青年科技英才支持计划(NJYT23043)。
文摘
在高精度加工过程中,数控机床主轴误差对加工精度的影响较为严重。数控机床热误差占总误差比例高达40%~70%,是主要的误差源之一。为了提高热误差预测的精度,本文提出一种使用海马优化算法(SHO)优化时序预测网络(LSTM)的精密车床主轴热误差预测建模方法。首先,利用羚羊优化算法(GOA)对模糊C均值聚类(FCM)的模糊矩阵常数、最大迭代次数、迭代终止条件进行优化并结合皮尔逊(Person)、斯皮尔曼(Spearman)和肯德尔(Kendall)相关分析方法优化温度测点,使用手肘法确定最优分组规模,根据DB(Davies–Bouldin)、BWP(Bregman Within–class Projection)和Silhouette(Silhouette coefficient)聚类评估指标评估温度测点聚类效果。其次,以车床主轴五点法获取的热误差数据和优化后的温度数据作为输入,使用海马优化算法(SHO)对时序预测网络(LSTM)的隐含层节点、全连接层节点、学习率、L2正则化常数进行优化,并使用S折交叉试验方法确定最优分组规模,建立主轴热误差SHO–LSTM预测模型。再次,在不同转速下对构建的热误差模型对基于平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)的预测效果进行评估。最后,在CKA6163A型车床上进行实例验证,使用五点法进行测量辨识,同时测量主轴附近的温度。结果表明:本文所提出的温度测点优化算法相比未优化的模糊C均值聚类(FCM)的DB指标降低了89.00%,BWP和Silhouette分别提高了59.00%和8.17%,优化后的聚类算法可有效降低温度测点间的共线性,提高预测模型的预测效率。本文所提出的海马优化算法(SHO)优化时序预测网络(LSTM)与未优化的时序预测网络(LSTM)相比,均方根误差降低了42%,表明海马优化算法(SHO)可以提高时序预测网络(LSTM)的准确性;与天鹰(AO)优化卷积神经网络(CNN)、反向传播神经网络(BP)相比,本文所提出的预测网络的均方根误差分别降低了3%、57%,SHO–LSTM主轴热误差预测模型的鲁棒性和准确性更高。
关键词
数控机床
主轴热误差
goa-fcm算法
热误差预测
SHO-LSTM网络
Keywords
CNC machine tools
spindle thermal error
goa-fcm
algorithm
thermal error prediction
SHO-LSTM network
分类号
TH161 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
数控车床主轴热误差SHO–LSTM预测建模
陈庚
郭世杰
丁强强
苏哲
唐术锋
《工程科学与技术》
EI
CAS
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
