您的位置: 专家智库 > >

顾群英

作品数:2 被引量:12H指数:2
供职机构:上海交通大学机械与动力工程学院更多>>
发文基金:国家自然科学基金国家科技重大专项更多>>
相关领域:机械工程金属学及工艺更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇金属学及工艺
  • 2篇机械工程

主题

  • 2篇热误差
  • 2篇热误差建模
  • 2篇主轴
  • 1篇神经网
  • 1篇神经网络
  • 1篇时间序列
  • 1篇数控
  • 1篇数控机
  • 1篇数控机床
  • 1篇误差补偿
  • 1篇聚类分析
  • 1篇机床
  • 1篇机床主轴
  • 1篇PSO

机构

  • 2篇上海交通大学

作者

  • 2篇杨建国
  • 2篇顾群英
  • 1篇李自汉
  • 1篇李兴达

传媒

  • 2篇组合机床与自...

年份

  • 2篇2015
2 条 记 录,以下是 1-2
排序方式:
基于时间序列和神经网络的主轴热误差建模被引量:3
2015年
为了减小主轴热误差影响,提高机床的加工精度,提出了基于时间序列和神经网络的主轴热误差综合模型。选用VM850立式加工中心为试验对象,对主轴的关键点温度和热误差数据进行采集,并将温度数据作为神经网络的输入变量,历史热误差和温度数据作为时间序列的输入变量,通过调整权重系数建立主轴热误差的综合预测模型。将综合预测模型和传统的时间序列模型以及神经网络模型进行对比试验,结果表明:该综合预测模型减少了关键温度点的数量,并且获得了较高的建模精度和模型鲁棒性。
李兴达顾群英李自汉杨建国
关键词:时间序列神经网络热误差建模误差补偿
基于PSO聚类和ELM神经网络机床主轴热误差建模被引量:9
2015年
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(Particle Swarm Optimization,PSO)的温度测点优选方法和基于极限学习机(extreme learning machine,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(Back Propagation)、RBF(Radial Basis Function)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。
王续林顾群英杨昌祥杨建国
关键词:数控机床热误差建模
共1页<1>
聚类工具0