基于多元混沌时间序列的数控机床运动精度预测

发布时间：2018-04-15 01:38

  本文选题：数控机床 + 运动精度　； 参考：《农业机械学报》2017年03期

【摘要】：为了解决有限长度且含有噪声时的单元精度时间序列相空间重构中的信息丢失问题,提出了基于多元混沌时间序列的数控机床运动精度预测方法。首先,引入多元相空间技术,将多个精度特征量时间序列映射到高维相空间,建立多元精度状态空间。然后采用主成分分析法,对高维相空间实现降维,去除冗余。最后,构建一种小波神经网络模型,将重构信息输入到预测模型中训练,实现对数控机床运动精度的预测。实验表明,该方法能够很好地分析数控机床运动精度变化规律,比单元混沌时间序列方法有更好的预测效果,且适应性和实用性更强。
[Abstract]:In order to solve the problem of information loss in phase space reconstruction of unit precision time series with finite length and noise, a method for predicting the motion accuracy of NC machine tools based on multivariate chaotic time series is proposed.Firstly, the multivariate phase space technique is introduced to map the time series of multiple precision characteristic variables to the high dimensional phase space, and the multivariate precision state space is established.Then the principal component analysis is used to reduce the dimensionality and eliminate redundancy in high dimensional phase space.Finally, a wavelet neural network model is constructed, and the reconstruction information is input into the prediction model to realize the prediction of the motion accuracy of NC machine tools.The experimental results show that the method can well analyze the motion accuracy of NC machine tools, and has better prediction effect than the chaotic time series method, and is more adaptable and practical than the method of unit chaotic time series.
【作者单位】： 重庆理工大学机械工程学院;
【基金】：国家自然科学基金项目(51305476)
【分类号】：TG659

【参考文献】

相关期刊论文 前10条

1 李君;陈佳文;廖伟丽;高传昌;;基于小波神经网络的轴流泵性能预测[J];农业工程学报;2016年10期

2 马军旭;赵万华;张根保;;国产数控机床精度保持性分析及研究现状[J];中国机械工程;2015年22期

3 要小鹏;殷国富;李光明;;数控机床进给轴综合误差解耦建模与补偿研究[J];机械工程学报;2016年01期

4 杜柳青;殷国富;余永维;;基于混沌相空间重构的数控机床运动精度演化分析[J];仪器仪表学报;2015年08期

5 杜柳青;殷国富;余永维;;基于混沌相空间重构的数控机床运动精度预测[J];农业机械学报;2015年10期

6 杜柳青;周武;;基于图形识别的数控机床误差溯因方法[J];农业机械学报;2015年10期

7 王贺;胡志坚;陈珍;仉梦林;贺建波;李晨;;基于集合经验模态分解和小波神经网络的短期风功率组合预测[J];电工技术学报;2013年09期

8 杨兆军;陈传海;陈菲;李国发;;数控机床可靠性技术的研究进展[J];机械工程学报;2013年20期

9 刘岩;王金东;郭建华;李西兵;;基于参量优化的多变量相空间重构方法[J];机械传动;2013年06期

10 胡瑜;陈涛;;基于C-C算法的混沌吸引子的相空间重构技术[J];电子测量与仪器学报;2012年05期

【共引文献】

相关期刊论文 前10条

1 彭帅;;一种可移动式悬臂压力机的制作及应用[J];机床与液压;2017年04期

2 仇晓燕;;数控机床五轴变换系统设计与研究[J];机床与液压;2017年04期

3 王弘鹏;高翔;戴惠良;;网格近似法在数控机床贝叶斯可靠性评估中的应用[J];制造业自动化;2017年02期

4 杜柳青;曾翠兰;余永维;;基于多元混沌时间序列的数控机床运动精度预测[J];农业机械学报;2017年03期

5 张强;李耀庄;刘保华;徐志胜;;秸秆灰混凝土力学性能试验及强度预测[J];农业工程学报;2017年02期

6 范久臣;孙雪梅;王帅;吴东东;阚英男;;线切割机床工具电极的可靠性建模与评估[J];北华大学学报(自然科学版);2017年01期

7 贾逸伦;龚庆武;李俊雄;占劲松;;基于CEEMDAN与量子粒子支持向量机的电力负荷组合预测[J];电测与仪表;2017年01期

8 张国智;;机床中冗余结构随机失效机理研究[J];制造技术与机床;2017年01期

9 李少海;;薄壁零件结构改进与性能优化[J];食品与机械;2016年12期

10 张玉伟;陈鑫;;论高速精密数控机床可靠性技术[J];时代农机;2016年12期

【二级参考文献】

相关期刊论文 前10条

1 吴文嘉;王军;张辉杰;孙军;;基于小波神经网络的主轴热误差预测研究[J];组合机床与自动化加工技术;2015年08期

2 曹爱武;顾圣平;何露;国栋;;基于小波神经网络的水库泥沙预测[J];江南大学学报(自然科学版);2015年03期

3 张鹏;井哲;赵鸿森;;基于小波神经网络的航空通信盲均衡方法[J];科学技术与工程;2015年14期

4 段容宜;刘英;夏桂书;;极低温SMD器件S参数提取技术研究[J];科学技术与工程;2015年14期

5 王海同;李铁民;王立平;李逢春;;机床热误差建模研究综述[J];机械工程学报;2015年09期

6 贺文;齐爽;李国庆;陈厚合;;基于小波神经网络的太阳辐照强度预测[J];可再生能源;2015年03期

7 李君;曹永梅;高传昌;;低扬程轴流泵及其泵站装置性能预测研究[J];中国农村水利水电;2015年03期

8 谭雁清;张连洪;王凯峰;胡亚辉;;基于表面磨损的机床导轨副精度保持性模型[J];农业机械学报;2015年02期

9 冯刚;夏晨晖;孙磊;傅建中;;基于非线性预测的机床主轴温升特性快速辨识[J];农业机械学报;2015年06期

10 毕国玲;赵建;续志军;孙强;;基于角点和局部特征描述子的快速匹配算法[J];光电工程;2014年09期

【相似文献】

相关期刊论文 前9条

1 赵小梅;;混沌时间序列的局域区间预测[J];陕西科技大学学报;2006年01期

2 李爱国,覃征;积单元神经网络预测噪声环境的混沌时间序列[J];西安科技学院学报;2003年03期

3 蒋卫东,李夕兵;灰色混沌时间序列方法及其应用[J];矿冶工程;2003年04期

4 杨瑞成;王彬;张天云;;基于MATLAB的混沌时间序列算法对材料腐蚀行为的预测[J];兰州理工大学学报;2009年05期

5 蔡志远;赵长征;马少华;于丽丽;;基于混沌时间序列分析的感光式火灾识别算法[J];火灾科学;2008年04期

6 葛根;王洪礼;许佳;;小波分频技术和混沌时间序列在国际石油价格预测中的应用[J];系统工程理论与实践;2009年07期

7 高雷阜;陈斌;;基于混沌时序的WTI价格系统预测[J];辽宁工程技术大学学报(自然科学版);2009年06期

8 汤龙坤;梁建莉;;利用最大Lyapunov指数检验混沌时序降噪效果[J];重庆科技学院学报(自然科学版);2011年02期

9 ;[J];;年期

相关会议论文 前7条

1 张森;肖先赐;;基于连分式的混沌时间序列全局预测新方法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

2 黄志全;王安明;王思敬;;边坡变形预测的混沌时间序列全局近似方法[A];第一届全国水工岩石力学学术会议论文集[C];2005年

3 李鹤;;基于径向基神经网络的混沌时间序列嵌入维数识别[A];第二届全国动力学与控制青年学者研讨会论文摘要集[C];2008年

4 黄志全;刘汉东;王安明;;基于混沌时间序列的边坡变形预测方法[A];和谐地球上的水工岩石力学——第三届全国水工岩石力学学术会议论文集[C];2010年

5 赵志宏;杨绍普;;基于SVM的混沌时间序列分析[A];第八届全国动力学与控制学术会议论文集[C];2008年

6 张鹏;王智伟;王金东;杨松山;;基于混沌时间序列的往复机械状态预测研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

7 吕瑞华;张世英;;基于ANN-GA的混沌时间序列预测方法研究[A];2004年中国管理科学学术会议论文集[C];2004年

相关博士学位论文 前7条

1 杜宝祥;混沌时间序列的预测与改进方法研究[D];黑龙江大学;2014年

2 卜云;混沌时间序列自适应预测算法研究[D];电子科技大学;2010年

3 席剑辉;混沌时间序列的长期预测方法研究[D];大连理工大学;2005年

4 吴华稳;混沌时间序列分析及在铁路货运量预测中的应用研究[D];中国铁道科学研究院;2014年

5 赵小梅;混沌预测与混沌优化理论与算法研究[D];浙江大学;2002年

6 姚天亮;混沌时间序列的Lyapunov指数和噪声水平估计及其在湍流射流中的应用[D];华东理工大学;2013年

7 汪金菊;贝叶斯模型及其在混沌序列分析中的应用研究[D];合肥工业大学;2008年

相关硕士学位论文 前10条

1 祁稳杰;混沌时间序列自适应预测方法研究[D];天津理工大学;2015年

2 李晨龙;基于自回归模型的混沌时间序列预测与应用[D];重庆理工大学;2015年

3 边继飞;基于混沌时间序列的风电场短期风速预测研究[D];华北电力大学;2015年

4 吕倩;基于混沌时间序列的高速铁路环境成本估算研究[D];石家庄铁道大学;2016年

5 张丙江;基于混沌时间序列的短期风电功率组合预测方法研究[D];湖南大学;2016年

6 刘文博;混沌时间序列分析与计算方法及应用研究[D];大连理工大学;2008年

7 袁昌茂;基于混沌时间序列的变形分析和预测[D];桂林理工大学;2010年

8 梁景波;混沌时间序列一种长期预测方法研究[D];辽宁科技大学;2012年

9 张亚琦;基于改进回声状态网络的混沌时间序列多步预测[D];兰州大学;2010年

10 霍思宇;混沌时间序列的预测方法研究[D];电子科技大学;2010年

，

本文编号：1751972