混合神经网络用于滚珠丝杠热误差预测

混合神经网络用于滚珠丝杠热误差预测
孙廷英;张义民;李铁军
【期刊名称】《机械设计与制造》
【年(卷),期】2024()1
【摘要】为了减小数控机床热致定位误差影响,提高机床加工精度,这里建立了径向基神经网络(RBFNN)和时间序列(ARIMA)混合模型的变权值热误差预测方法。

综合两个单一模型对数控机床热误差进行预测,利用逆向辨识优化算法分别获取两个单一模型的优化权值,得到变权值混合模型,使得热误差预测精度得到提高。

将这里混合模型与RBFNN模型和ARIMA模型分别进行对比分析,结果表明混合模型(RBFNN-ARIMA)的预测精度明显优于单一RBFNN和单一ARIMA模型,证明了此算法的有效性。

【总页数】3页(P58-60)
【作者】孙廷英;张义民;李铁军
【作者单位】沈阳化工大学装备可靠性研究所;沈阳化工大学计算机科学与技术学院
【正文语种】中文
【中图分类】TH16;TH133.33
【相关文献】
1.基于神经网络系统的滚珠丝杠热误差建模
2.单热源作用下滚珠丝杠的温度场建模与热误差预测
3.基于GA-BP神经网络系统的滚珠丝杠热误差建模
4.机床滚珠丝杠
进给系统热误差研究现状与发展趋势5.基于红外成像与卷积神经网络的滚珠丝杠进给系统热误差动态补偿方法
因版权原因，仅展示原文概要，查看原文内容请购买。