【摘要】：本文以实现建立支持向量机数控机床热误差模型为主要内容。在分析当前国内外机床热误差补偿建模现状的基础上，，提出了用最小二乘支持向量机进行热误差建模的方法。 全文围绕用最小二乘支持向量机进行数控机床热误差建模展开论述。首先论述了统计学习理论和支持向量机的一般理论知识，在把支持向量机引进回归估计领域的基础上，进一步提出了标准支持向量机的改进思路；然后详细论述了最小二乘支持向量机的理论内容，针对最小二乘支持向量机自身的不足之处，介绍了具有稀疏性和鲁棒性的最小二乘支持向量机，并提出了用网格法进行模型参数的选择；接下来介绍了针对CK6140CG数控机床的热误差综合实验，对实验数据进行了简要分析：最后，在Matlab平台上实现了最小二乘支持向量机热误差建模的全过程，并通过对建模数据的残差分析和最小二乘支持向量机模型与最小二乘法模型的对比，验证了最小二乘支持向量机进行热误差建模的优越性。本文的主要内容如下： 第一章，阐述了论文研究背景和意义。在介绍国内外数控机床误差补偿建模研究现状的基础上，分析了当前热误差模型的主要类型和待解决的问题，提出了用支持向量机进行热误差建模的思路；最后概述了课题的来源和主要研究内容。 第二章，主要介绍了统计学习理论和支持向量机。首先介绍了机器学习的基础知识；然后详细阐述了统计学习理论的基本理论，包括VC维理论、推广性的界和结构风险最小化；接下来介绍了最优超平面及其构造；然后论述了支持向量回归机以及核函数的相关知识；最后提出了标准支持向量机的改进思路。 第三章，论述了标准支持向量机的重要变种——最小二乘支持向量机。首先给出了最小二乘支持向量机理论，分析了其特性；然后深入论述了具有稀疏性和鲁棒性的最小二乘支持向量机；最后给出了最小二乘支持向量机参数选择的方法，并提出了用网格法进行参数自动寻优。 第四章，主要论述了数控机床热误差实验。首先介绍了实验设备，包括数控机床、温度采集系统和微位移传感器；然后论述了实验方案，并给出了实验数据。 第五章，本章主要是在Matlab平台上，用程序实现了数控机床热误差建模的全过程。首先采用网格法解决了参数选择问题；然后实现了最小二乘支持向量机的热误差模型，包括初始模型、鲁棒性模型、稀疏性模型和最终模型；接下来进行了模型的数据分析，并通过与最小二乘法模型的对比，验证了最小二乘支持向量机热误差模型的优越性。 第六章，对本文的研究工作和研究成果进行了总结，并对将来的研究工作做出了一定的展望。
【图文】：
网格法进行第二次迭代
网格法参教迭择的运行结果
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：TH161.4
【引证文献】
相关期刊论文 前2条
1 韩璞;李大中;王臻;;生物质气化过程最小二乘支持向量机建模探讨[J];节能技术;2008年01期
2 赵昌龙;关雪松;;数控机床主轴热误差建模参数优化[J];组合机床与自动化加工技术;2013年06期
相关博士学位论文 前2条
1 尹玲;机床热误差鲁棒补偿技术研究[D];华中科技大学;2011年
2 相恒富;CO_2激光直写聚合物微流控芯片的理论与实验研究[D];浙江大学;2007年
相关硕士学位论文 前10条
1 阳江源;数控机床热误差检测与建模研究[D];大连理工大学;2010年
2 秦攀攀;基于最小二乘支持向量机方法的复杂人机系统操作员功能状态建模与预测[D];华东理工大学;2011年
3 王玮;火电厂耗差分析优化目标值确定方法的研究[D];华北电力大学;2011年
4 朱文杰;生物质压缩成型工况研究[D];华北电力大学;2011年
5 郑学刚;数控机床误差补偿技术若干问题研究[D];南京航空航天大学;2010年
6 徐雅洁;营养液多组分检测的关键技术研究[D];中国科学技术大学;2011年
7 朱经纲;基于最小二乘支持向量机的球团矿质量分类建模[D];东北大学;2009年
8 邱立伟;多轴数控机床综合误差建模与补偿的研究[D];长春工业大学;2011年
9 胡喜梅;基于双VQ-SVM的说话人识别系统研究[D];华北电力大学（河北）;2008年
10 黄戈;基于最小二乘支持向量机的水轮发电机组振动故障诊断方法研究[D];西安理工大学;2009年
本文编号：
2619459
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/2619459.html
