基于整体调整策略神经网络的热误差建模算法

发布时间：2021-01-04 06:55

　　针对神经网络算法在机床热误差建模中的优化策略进行研究,以提升模型的预测精度。经分析,热误差建模应用中的特殊性使得神经网络BP算法中对新数据的独立参数调整能力无法发挥作用,因此在舍弃独立调整能力后,针对热误差建模提出了基于整体调整策略的神经网络建模算法。提出的算法以整体数据的误差平方和达到极小作为目标,能够提升模型的预测精度。经过实际热误差测量数据的验证,相对于传统的神经网络BP算法,整体调整策略神经网络建模算法能够将热误差预测精度提升50%。 

【文章来源】：重庆理工大学学报(自然科学). 2020年09期 北大核心

【文章页数】：9 页

【部分图文】：

神经网络模型结构形式示意图

图1 神经网络模型结构形式示意图图2中，示意了一个位于m层的节点Nodeim，工作时，其首先对上一层节点的输出按照权值进行加权求和，并减去阈值θim得到活化值Uim，之后代入激活函数f(U)求取节点Nodeim的输出Oim，传给下一层节点，直到到达输出层。

对于不需要根据新数据进行调整的建模应用，可以通过舍弃数据的独立调整能力，将独立调整策略转换为整体调整策略进行建模。对于整体调整策略，即使得整体数据的误差平方和趋于最小。根据式(5)，如果对E关于所有连接权值Wm i,j和阈值θm i求全微分，可得对于每次调整神经网络的参数，令权值和阈值的调整量分别为:

【参考文献】：
期刊论文
[1]机床电主轴热特性卷积建模研究[J]. 颜宗卓,陶涛,侯瑞生,杜宏洋,梅雪松.  西安交通大学学报. 2019(06)
[2]基于集成BP神经网络的数控机床主轴热误差建模[J]. 谭峰,殷鸣,彭骥,卫亚斌,殷国富.  计算机集成制造系统. 2018(06)
[3]基于粗糙集与偏相关分析的机床热误差温度测点约简[J]. 蔡力钢,李广朋,程强,李伟硕.  北京工业大学学报. 2016(07)
[4]嵌入式数控机床热误差补偿装置设计与实现[J]. 葛济宾,周祖徳,娄平,徐智强.  武汉理工大学学报. 2016(06)
[5]基于模糊聚类测点优化与向量机的坐标镗床热误差建模[J]. 杨军,梅雪松,赵亮,马驰,冯斌,施虎.  上海交通大学学报. 2014(08)
[6]机床热补偿中温度变量分组优化建模[J]. 杨建国,邓卫国,任永强,李院生,窦小龙.  中国机械工程. 2004(06)

硕士论文
[1]高速电主轴非线性热态特性及实验研究[D]. 许文治.沈阳建筑大学 2018
[2]机床主轴温度测点布置优化及测点数据异常自修复技术[D]. 刘国.华中科技大学 2012
[3]数控机床热误差补偿技术研究[D]. 王兴文.中北大学 2010



本文编号：2956359