基于PSO聚类和ELM神经网络机床主轴热误差建模.pdf

基于PSO聚类和ELM神经网络机床主轴热误差建模.pdf

ID:52971065

大小:419.32 KB

页数:5页

时间:2020-04-05

基于PSO聚类和ELM神经网络机床主轴热误差建模.pdf_第1页
基于PSO聚类和ELM神经网络机床主轴热误差建模.pdf_第2页
基于PSO聚类和ELM神经网络机床主轴热误差建模.pdf_第3页
基于PSO聚类和ELM神经网络机床主轴热误差建模.pdf_第4页
基于PSO聚类和ELM神经网络机床主轴热误差建模.pdf_第5页
资源描述:

《基于PSO聚类和ELM神经网络机床主轴热误差建模.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第7期组合机床与自动化加工技术No.72015年7月ModularMachineTool&AutomaticManufacturingTechniqueJu1.2O15文章编号:1001—2265(2015)07—0069—05DOI:10.13462/j.cnki.mmtamt.2015.07.019基于PSO聚类和ELM神经网络机床主轴热误差建模术王续林,顾群英,杨昌祥,杨建国(上海交通大学机械与动力工程学院,上海200240)摘要: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(ParticleSwarmOptimiza—tion,PSO)的温度测点优

2、选方法和基于极限学习机(extremelearningmachine,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(BackPropagation)、RBF(RadialBasisFunction)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;热误差建模中图

3、分类号:TH165;TG659文献标识码:AModelingforMachineToolThermalErrorBasedonPSOClusteringAlgorithmandELMModelPreprocessingNeuralNetworkWANGXu—lin,GUQun·ying,YANGChang—xiang,YANGJian—guo(SchoolofMechanicalEngineering,ShanghaiJiaotongUniversity,Shanghai200240,China)Abstract:Inordertoimprovetheprecision

4、ofrealtimecompensationforthermalelroronNCmachinetool,thispaperproposedamethodwhichisbasedonthePSOtemperaturemeasuringpointclusteringandthemodelingofELMneuralnetworkforthermalerrorcompensationinNCmachinetools.K—meansclusteringisoptimizedbyPS0algorithmSOastodecreasethenumberofthetemperatur

5、esensors.AndthentheELMneuralnetworkiSestablishedthethermalerrormodelbasedonthemaintemperaturepointsSOthataNCmachinetooliSonlinecompensatedmoreeffectively.ComparedwithBP.RBFmethods.ELMneuralnetworkhasanadvan.tageofcalculationspeed.structureandprecisionwhichcouldbeusedtotherealcompensation

6、f0rNCmachinetools.Keywords:NCmachinetool;PSO—K1Tleansclustering;ELMneuralnetwork;thermalerrormodeling神经网络可以任意精度逼近非线性连续函数,使0引言之在热误差建模领域应用十分广泛。然而传统的机床工作时,在内外热源的作用下,主轴系统各个网络学习方法(如BP算法)又有训练速度慢、容易陷部分都会产生不同程度的温升后,主轴和机床其他部人局部极值、耗时长等诸多缺陷。因此,探索一种训练件的空间相对位置和尺寸都将与温升前不同,产生很速度快并且有良好泛化性能的训练算法,是近年来的大差异

7、的温度分布,进而产生不同程度的热变形,主轴研究热点及难点。本文提出一种单隐层神经网络建模热变形引起的加工误差由此产生。大量研究表明:精方法一基于PSO温度测点优化及ELM神经网络建模密加工中机床热误差是机床最大的误差源,占机床总方法,可以随机给定输入层与隐含层间的连接权值及误差的40%~70%”。所以,必须采取有效的措施减隐含层神经元的阀值并在训练过程中无需调整,只需小热误差。误差补偿是最常用的方法之一,其技术关要设置隐含层神经元的个数,便可以获得最优解,结构键是尽可能准确地进行热误差建模,即建立机床热误简单而又高效。差和温度之间的关系。

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。