期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于优化的BP神经网络的机床主轴热误差建模方法研究
1
作者 周梦洁 尹玲 +3 位作者 张丽娟 张斐 宋加雷 叶正伟 《机床与液压》 北大核心 2024年第23期136-142,共7页
针对传统单一温度测点在监测数控机床主轴温度变化方面的局限性,以及基于反向传播神经网络(BP)的热误差模型在精度、收敛性及鲁棒性上存在的不足,提出一种基于多温度传感器的自适应粒子群优化反向传播神经网络(IAPSO-BP)模型,旨在提高... 针对传统单一温度测点在监测数控机床主轴温度变化方面的局限性,以及基于反向传播神经网络(BP)的热误差模型在精度、收敛性及鲁棒性上存在的不足,提出一种基于多温度传感器的自适应粒子群优化反向传播神经网络(IAPSO-BP)模型,旨在提高主轴热误差的辨识精度。引入多个温度传感器,以全面监测主轴的温度信息。自适应粒子群算法的应用减少了人工参数调整的需求,并提高了模型的泛化能力。以特定型号的机床为例,通过实切加工实验建立主轴热误差模型,并对其有效性及鲁棒性进行验证。结果表明:与传统BP神经网络预测模型相比,所提IAPSO-BP模型的均方误差降低67.45%,最大绝对残差减少69.62%,拟合优度提升4.29%,证明了模型的优越性。 展开更多
关键词 机床主轴 粒子群算法 BP神经网络 热误差模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部