【摘要】：為了避免基于反向傳播(BP)神經(jīng)網(wǎng)絡(luò)的主軸熱誤差模型精度低、通用性不強和收斂性較差等缺點,利用模糊聚類理論與相關(guān)分析法對溫度變量進行優(yōu)化,并且選取熱敏感點以挖掘溫度變量與熱誤差間的相關(guān)性,降低溫度變量間的耦合性.利用粒子群優(yōu)化算法(PSO)將預測輸出與期望輸出間誤差平方和的倒數(shù)作為個體適應度函數(shù),將個體頭部分與身體部分的表現(xiàn)碼分別映射為網(wǎng)絡(luò)的隱含層節(jié)點數(shù)、權(quán)值和閾值,實現(xiàn)了對BP網(wǎng)絡(luò)的拓撲結(jié)構(gòu)的有效優(yōu)化,通過跟蹤個體極值和全局極值實現(xiàn)了粒子群個體速度與位置的更新.分別建立了基于BP和PSO-BP網(wǎng)絡(luò)的熱誤差模型,以精密坐標鏜床主軸為研究對象,采用五點法對高速主軸熱誤差進行測量.結(jié)果表明,PSO-BP模型可實現(xiàn)不同工況下主軸空間位姿狀態(tài)的高精度預測,驗證了測量及建模方法的有效性.
[Abstract]:In order to avoid the shortcomings such as low accuracy, poor generality and poor convergence of the spindle thermal error model based on back-propagation (BP) neural network, the fuzzy clustering theory and correlation analysis are used to optimize the temperature variables. In order to reduce the coupling between the temperature variables and the temperature variables, the correlation between the temperature variables and the thermal errors is excavated by selecting the heat sensitive points. Using particle swarm optimization (PSO) algorithm, the reciprocal of square sum of error between predictive output and expected output is taken as individual fitness function, and the performance codes of individual head part and body part are mapped to the number of hidden layer nodes, weights and thresholds of the network, respectively. The topology of BP network is optimized effectively, and the individual velocity and position of PSO are updated by tracking individual extremum and global extremum. The thermal error models based on BP and PSO-BP networks are established respectively. Taking the spindle of precision coordinate boring machine as the research object, a five-point method is adopted to measure the thermal error of high-speed spindle. The results show that the PSO-BP model can be used to predict the spatial position and attitude of the spindle under different working conditions, and the validity of the measurement and modeling method is verified.
【作者單位】： 西安交通大學機械制造系統(tǒng)工程國家重點實驗室;
【基金】：國家科技重大專項資助項目(2014ZX04001051-07) 國家自然科學基金創(chuàng)新群體項目(51421004) 中國博士后科學基金特別資助項目(2014T70910)
【分類號】：TG502

【相似文獻】

相關(guān)期刊論文 前9條

1 陳杰;敘述禮;;基于粒子群算法的多質(zhì)量特性下的選裝優(yōu)化方法研究[J];中國機械工程;2013年18期

2 姜萬錄;梁建全;王益群;王靜;;基于改進粒子群算法的軋制負荷分配優(yōu)化[J];機床與液壓;2011年03期

3 李麗;王國勛;舒啟林;王軍;;加工參數(shù)優(yōu)化中自適應協(xié)同粒子群算法研究[J];工具技術(shù);2014年04期

4 郝培鋒;商景波;薛定宇;;基于粒子群算法的冷連軋張力優(yōu)化計算[J];鋼鐵研究學報;2014年06期

5 徐劍;林獻坤;韓世卓;;基于粒子群算法的雙工位切削參數(shù)優(yōu)化[J];制造業(yè)自動化;2011年17期

6 熊慧;李大衛(wèi);;兩階段法求解1.5維切割問題[J];機械設(shè)計與制造;2007年11期

7 陽劍;孟紅記;紀振平;謝植;;基于混沌粒子群算法的連鑄傳熱模型參數(shù)辨識[J];東北大學學報(自然科學版);2014年05期

8 任會禮;王沖;鐘懿;周浩;鄧創(chuàng)華;;基于改進粒子群算法的高強鋼Y-U本構(gòu)模型參數(shù)反演[J];機械強度;2014年04期

9 ;[J];;年期

相關(guān)碩士學位論文 前4條

1 王偉;大型螺紋旋風硬銑削數(shù)值模擬及工藝參數(shù)優(yōu)化[D];浙江大學;2016年

2 崔永華;基于粒子群算法的混合裝配線計劃調(diào)度系統(tǒng)研究[D];南京航空航天大學;2009年

3 李明皓;基于混合離散粒子群算法的焊接機器人路徑規(guī)劃[D];華東理工大學;2014年

4 彭超;基于粒子群算法的立式淬火爐傳感器優(yōu)化配置研究[D];中南大學;2014年

，

本文編號：2216420