-
题名基于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
杨昌祥
杨建国
-
机构
上海交通大学机械与动力工程学院
-
出处
《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
-
基金
国家自然科学基金项目(51275305)
2013年度上海市引进技术的吸收与创新技术项目(13XI-07)
+1 种基金
辽宁省科技创新重大专项(201301001)
国家科技重大专项课题(2011ZX04015-31)
-
文摘
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。
-
关键词
数控机床
pso聚类分析
ELM神经网络
热误差建模
-
Keywords
NC machine tool
pso-Kmeans clustering
ELM neural network
thermal error modeling
-
分类号
TH165
[机械工程—机械制造及自动化]
TG659
[金属学及工艺—金属切削加工及机床]
-
-
题名地铁区间盾构施工进度与投资智能控制方法研究
被引量：2
- 2
-
-
作者
段晓晨
赵辰光
李明
施振东
-
机构
石家庄铁道大学
中铁建昆仑地铁投资建设管理有限公司
-
出处
《铁道工程学报》
EI
CSCD
北大核心
2023年第1期109-115,共7页
-
基金
国家自然科学基金面上项目(72071133)
河北省自然科学基金(G2019210226)
+1 种基金
河北大地园林有限公司项目(横20220209)
中铁建昆仑地铁投资建设管理有限公司开发项目(KLTZ-KX01-2020)
-
文摘
研究目的:盾构施工作为城市地铁建设中的重要方法,其施工进度与投资控制具有非常显著的复杂系统特点,并受到盾构自身因素、建设条件、施工组织管理、工程内容、技术标准、融资特征等繁复多变的影响因素的影响,故实际控制过程中存在诸多问题。为优化进度与投资控制体系,本文拟进行分析建模并论证。研究结论:(1)对已完成工程的历史数据处理和分析,建立地铁区间施工进度与投资信息资料数据库;(2)运用PSO聚类分析、BPNN等非线性智能方法可以有效估算盾构施工进度与投资目标;(3)综合PDCA、预警等管理方法建立模型,可实现盾构施工进度与投资的动态优化控制管理;(4)将动态优化控制模型在实际地铁区间盾构施工中进行应用,实现了地铁区间的智能化、信息化管理;(5)本研究成果可为地铁区间盾构施工的进度与投资控制提供可行性方案。
-
关键词
盾构施工
进度控制
投资控制
pso聚类分析
BPNN
-
Keywords
shield construction
schedule control
investment control
pso cluster analysis
BPNN
-
分类号
U231.2
[交通运输工程—道路与铁道工程]
-
