本文關(guān)鍵詞：數(shù)控機(jī)床多源能量流的系統(tǒng)數(shù)學(xué)模型，由筆耕文化傳播整理發(fā)布。

機(jī)械設(shè)計與制造

Ｍａｃｈｉｎｅｒｙ

Ｄｅｓｉｇｎ

＆

Ｍａｎｕｆａｃｔｕｒｅ

第１１期２０１４年１１月

基于支持向量機(jī)數(shù)控機(jī)床切削能耗預(yù)測方法研究

陳薇薇１，張華２，向琴１，張業(yè)祥１

（１．武漢科技大學(xué)機(jī)械自動化學(xué)院，湖北武漢４３００８１；２．武漢科技大學(xué)綠色制造與節(jié)能減排科技研究中心，湖北武漢４３００８１）

摘要：數(shù)控機(jī)床在制造業(yè)中耗能比例大，研究其耗能至關(guān)重要。在數(shù)控機(jī)床切削過程中，切削參數(shù)的不同直接影響數(shù)控機(jī)床切削能耗大小�；诖朔治銮邢鬟^程中切削速度、進(jìn)給量和切削深度等切削參數(shù)對數(shù)控機(jī)床切削能耗的影響，搭建基于支持向量機(jī)數(shù)控機(jī)床能耗與切削參數(shù)的模型。實(shí)例對比驗證了基于支持向量機(jī)數(shù)控機(jī)床能耗預(yù)測方法的可行性，簡化了傳統(tǒng)經(jīng)驗公式繁瑣的計算過程，相對于ＢＰ神經(jīng)網(wǎng)絡(luò)法比較精確，為數(shù)控機(jī)床節(jié)能問題、能耗定額等實(shí)際問題提供了基礎(chǔ)理論依據(jù)。

關(guān)鍵詞：數(shù)控機(jī)床；支持向量機(jī)；ＢＰ神經(jīng)網(wǎng)絡(luò)；切削參數(shù)；能耗預(yù)測中圖分類號：ＴＨｌ６

文獻(xiàn)標(biāo)識碼：Ａ

文章編號：１００１—３９９７（２０１４）１１一００５４—０３

Ｒｅｓｅａｒｃｈ

Ｏｎ

ＣＮＣｍａＣｈｉｎｅＴＯＯＩＣｕｔｔｉｎｇＥｎｅｒｇＶＣ０ｎｓｕｍｐｔｉＯｎ

Ｏｎ

ＰｒｅｄｉＣｔｉＯｎＢａｓｅｄＳｕｐｐＯｒｔＶｅｃｔＯｒＭａｃｈｉｎｅ

ＣＨＥＮＷｅｉ—ｗｅｉｌ，ＺＨＡＮＧＨｕａ２，ＸＩＡＮＧＱｉｎｌ，ＺＨＡＮＧＹｅ—ｘｉａｎ９１

（１．ＭｅｃｈａｎｉｃａｌＡｕ￡ｏｍａｔｉｏｎＩｎｓｔｉｔｕｔｅ，ＷｕｈａｎＵｎｊｖｅｒｓｉ￡ｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨｕｂｅｉＷｕｈａｎ４３００８ｌ，Ｃｈｉｎａ；２．Ｇｒｅｅｎ

ＭａｎｕｆａｃｔｕｒｉｎｇａｎｄＥｎｅＩ？ｇｙＣｏｎｓｅｒｖａｔｉｏｎａｎｄＥｍｉｓｓｉｏｎｓＲｅｄｕｃｔｉｏｎＴｅｃｈｎｏｌｏｇｙＲｅｓｅａｒｃｈＣｅｎｔｅｒ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｆ；ｙ，ＨｕｂｅｉＷｕｈａｎ

４３００８１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｚ危ｅ

ＣＮＣ，ｎ伽＾ｉｎｅ￡ｏｏｂ協(xié)ｍ冊．地觸ｔＭｒｉ，曙ｅ，地ｒ霉ｙｄ蠡ｓ咖越幻凡ｒ磁抽蠡Ｚｎｒｇｅｒ，帆ｄ

蠡口ｅ∥ｉ唧。療刪．脅￡ｋｐｒｏｃ哪礦ＣＮＣ，艘危ｉ船ｃｕ撕昭，ｄ派ｒｅｍ

ｃｕ托ｉ，轡ｅ珊喲‘ｃｏ瑚ｕ，印￡；ｏ幾吼ｅｉ，班聊聊ｅ礦ｃ眥ｚｉ凡ｇ�。澹澹洌猓澹溆。澹澹�，ｃＭｆ￡ｉ增ｄｅｐ琥ｏｎｃｏ瑚ｕ，，妒￡ｌ【０凡塒ｅｒｅ凹ｌⅡ蜘ｅ正？矗ｅ玎砌ｄｅｚ曠ｃＮｃ，，ｌ伽＾ｉ，地幻ｏｆｅ，圮增ｙｃｏｍⅡ，，驢ｆ幻兒帆ｄ

ＳＶＭ硯ｅ

ｃ以ｆ垤ｐ刪把巧出ｒｅｃ咖雅ｃ￡ｅｄＣＮＣ，唧＾ｉ聊幻ｏＺ

ｃｕ捌昭ｅ凡ｅ聊，

ｃ以ｆｉ，曙ｐ刪￡ｅ乃塒∞６“ｉ缸６珊ｅｄ

ｔ＾ｅ

ｒｅｓｅｏｒｃ＾ｉｎｇ泌ｅ，配ｒｇｙｃＤｍｕ，，妒ｆ幻ｎ

ＣＮＣ，ｎ伽五ｉ聊￡ｏｏＺ

Ｄｎ

ｅ戈研妒如５口ｅ咖ｄ￡ｋ聲∞曲垅砂礦￡＾ｅ

ｍｏ如ｆ曠ｃＮｃ，ｎｎｃ＾ｉ聊￡ｏｏＺｃⅡ托ｉ增ｅ船慟，ｃｏ琊ｕ，印砌ｎｐｒｅｄ把砌ｎ，

ｃｏ，�。睿颍澹浣校轫裨唬�，圯“ｒ耐ｎｅ￡訓(xùn)。以．

ｆ＾ｅｏ∥６珊如．

ｓｉ，，妒Ｚ班ｅｄ￡ｋ￡，謝如抽ｎ以ｅ，ｒ驢ｉｒ如耐如幾禮ｕｋ拋ｄ如ｗｃ以ｃｕ腸￡幻ｎｐｒｏｃｅｓｓ，伽ｄ缸加∞ｎｃｃ“刪ｅ

，１０ｒＣＮＣｍｎｃ＾ｉｎｅ協(xié)ｏｆ∞以ｅ，地增ｙｓ刪ｉｎｇ，ｅｎｅ增ｙｃｏ琊Ｍ，印￡幻ｎ

ｒ眥幻幾Ⅱ以。琥ｅｒｐｒｎｃ￡如以ｐｒ０６如，瑚ｐ，例ｉｄｅ

ＫｅｙＷｏｒｄｓ：ＣＮＣＭａｃｌｌｉ恥；ＳⅥ訌；ＢＰＮｅ叫ａｌＮｅｔｗＤｒｋ；ＣｕｔｔｉｎｇＰａｒ鋤ｅｔｅｒｓ；ＥｎｅｒｇｙＣｏ璐砌ｐｔｉｏｎＰｒｅｄｉｃ廿ｏｎ

１引言

隨著數(shù)控機(jī)床逐漸廣泛使用，其能耗問題成為當(dāng)今研究的熱門。以機(jī)床為主體的機(jī)械加工系統(tǒng)量大面廣，節(jié)能潛力和環(huán)境減排潛力很大；機(jī)床的能耗預(yù)測是機(jī)床加工過程中能量消耗問題的重要組成部分，對于能耗定額制定、切削工藝參數(shù)節(jié)能性優(yōu)化等一系列問題均有著重要支持作用。目前，對機(jī)床能量特性的研究非常活躍。許多學(xué)者從不同的角度進(jìn)行了研究分析。文獻(xiàn)四提出，機(jī)床由若干個能量源構(gòu)成，根據(jù)這些能量源的消耗特性可以將機(jī)床的能耗歸為兩類：（１）固定能耗；（２）可變能耗。文獻(xiàn)【咀基于數(shù)控機(jī)床的能量流多源、能流環(huán)節(jié)多、能流過程復(fù)雜等特點(diǎn)出發(fā)，對數(shù)控機(jī)床多源能量流的系統(tǒng)數(shù)學(xué)模型進(jìn)行了研究�；谝陨涎芯�，數(shù)控機(jī)床作為一個系統(tǒng)，伴隨著復(fù)雜的物料信息、能量流程以及工藝流程等系統(tǒng)集合、系統(tǒng)相關(guān)等特性，使機(jī)床能耗預(yù)測問題分析和建模變得非常復(fù)雜。文獻(xiàn)閻提出基于ＢＰ神經(jīng)網(wǎng)絡(luò)對加工過程的切削參數(shù)與數(shù)控機(jī)床能耗關(guān)系來建立模型，通過獲取的切

來稿日期：２０１４一０５一１５

基金項目：國家自然科學(xué)基金資助項目（５１２７５３６５）

削實(shí)驗數(shù)據(jù)進(jìn)行訓(xùn)練，最后得到目標(biāo)函數(shù)，然后用遺傳算法尋找最優(yōu)方案，為加工過程能耗提供一個良好的方案。文獻(xiàn)吼基于支持向量機(jī)能夠解決對于小樣本條件下不足問題，利用ｓｖＭ理論建立風(fēng)速預(yù)測模型對風(fēng)速進(jìn)行短期預(yù)測，驗證了支持向量機(jī)預(yù)測模

型在風(fēng)速預(yù)測中的可售陛。支持向量機(jī)在訓(xùn)練時，懲罰參數(shù)和核

函數(shù)參數(shù)的選擇對預(yù)測的準(zhǔn)確率影響非常大。文獻(xiàn)噻于網(wǎng)格尋

優(yōu)方法選擇最佳參數(shù)。將支持向量機(jī)（ｓｖＭ）引人數(shù)控機(jī)床能耗預(yù)測的研究中。利用支持向量機(jī)對加工過程中的切削參數(shù)與數(shù)控機(jī)床切削能耗關(guān)系建立模型，對比神經(jīng)網(wǎng)絡(luò)，驗證了支持向量機(jī)方法在解決小樣本問題上的精確性，為數(shù)控機(jī)床能耗預(yù)測提供了一個良好的方案。

２數(shù)控機(jī)床切削過程能耗分析

數(shù)控機(jī)床在實(shí)際加工過程中，機(jī)床加工零件整個過程中的能耗可分為與負(fù)載有關(guān)的能耗和與負(fù)載無關(guān)的能耗這兩個部分。

Ｅ＝ＥＫ＋Ｅｓ

（１）

作者簡介：陳薇薇，（１９９０－），女，湖北潛江人，碩士研究生，主要研究方向：綠色制造

張華，，（１９６４一），女，廣東蕉嶺人，博士，教授，主要研究方向：綠色制造

第１１期

床的負(fù)載無關(guān)能耗。

陳薇薇等：基于支持向量機(jī)數(shù)控機(jī)床切削能耗預(yù)測方法研究

５５

式中：肛機(jī)床設(shè)備的總能耗；Ｅ�！獧C(jī)床的負(fù)載無關(guān)能耗；Ｂ—機(jī)

２．１負(fù)載無關(guān)能耗

風(fēng)扇電機(jī)、伺服系統(tǒng)、冷卻泵和換刀電機(jī)等機(jī)床部件在運(yùn)行過程中消耗固定的功率，因此，這些機(jī)床部件的能耗可以歸類到負(fù)載無關(guān)能耗，而且這類能耗只受開，停狀態(tài)的影響，其能耗表達(dá)

（２）式如式（２）所示。�。剑拧埃敕帕釁s＋‰刀

核函數(shù)Ｋ（氣，菇）＝（妒（簟），砂（戈）），它是滿足Ｍｅｒｃｅｒ條件的任

意對稱函數(shù)。偏置６可以通過ＫＴＴ（Ｋａｍｓｈ—ＫｕＩｌＩＩ—ｔＩｌｃｋ－ｅｒ）條件計算�；谥С窒蛄繖C(jī)建立數(shù)控機(jī)床切削能耗預(yù)測模型，采用ＭＡ’ｒＬＡＢ軟件中支持向量機(jī)工具箱編寫程序得出預(yù)測結(jié)果。ＭＡ—ＴＬＡＢ系統(tǒng)只要包括以下幾個部分：ＭＡ，１１ＡＢ開發(fā)環(huán)境ＭＡＴＬＡＢ語言、ＭＡ７ＩＬＡＢ工具箱和ＭＡＴＬＡＢ的ＡＰＩ，主要利用支持向量機(jī)工具箱進(jìn)行仿真模擬，具體流程，如圖１所示。

式中：＆—胡．床的與負(fù)載無關(guān)能耗；‰—風(fēng)扇電機(jī)的能耗；‰服一

伺服系統(tǒng)的能耗；Ｅ冷卻—冷卻電機(jī)的能耗；‰—換刀電機(jī)。

２．２負(fù)載相關(guān)能耗

負(fù)載相關(guān)能耗主要分為主傳動系統(tǒng)的空載能耗、附加能耗和切削能耗。主軸電機(jī)和進(jìn)給電機(jī)的能耗包括了主傳動系統(tǒng)的空載能耗、附加能耗和切削能耗。其中空載能耗和附加能耗是受機(jī)床的運(yùn)行參數(shù)的影響如主軸需要保持在一定轉(zhuǎn)動速度下運(yùn)行，切削能耗主要受工藝參數(shù)和工件材料的影響。因此，該部分的能耗

子模型可以建立成公式：致＋Ｂ＝Ｅ主軸＋％給酬口，哞’，’，舢ｔ）

（３）

式中：Ｅ主軸一主軸電機(jī)能耗；Ｅ進(jìn)給—進(jìn)給軸電機(jī)能耗；口，％√。工

藝參數(shù)；ｍａ卜前料特征。

故可知：肚取可（”，％＇廠’，刪）

（４）

由上述公式可知，不同的切削深度、切削速度使得機(jī)床的負(fù)荷不同，其能耗大小不同。就在加工過程中影響數(shù)控機(jī)床切削能耗的切削速度、進(jìn)給量、切削深度作為輸入，切削功率作為輸出建立能耗預(yù)測模型。

圖１支持向量機(jī)建模流程圖

Ｆｉ昏１ｓｕｐｐ０時Ｖｅｃｔｏｒ

３支持向量機(jī)（ＳＶＭ）的算法

支持向量機(jī)（ＳⅧ）的回歸有線性和非線性之分．用ＳｖＭ來估

計回歸函數(shù)，基本思想就是通過—個非線性映射西，將輸入空間的數(shù)據(jù)并映射到高維特征空間Ｇ中，并在這個空間進(jìn)行線性回歸。設(shè)

Ｍａｃｈｉｎｅ（ＳＶＭ）Ｍｏｄｅｂｎｇｎａｗｃｈａｒｔ

４

ＢＰ神經(jīng)網(wǎng)絡(luò)預(yù)測模型

ＢＰ神經(jīng)網(wǎng)絡(luò)通常采用三層結(jié)構(gòu)，一般由輸入層、隱含層和

輸出層組成。以切削速度、進(jìn)給速度、切削深度為神經(jīng)網(wǎng)絡(luò)的輸入變量，輸入層神經(jīng)元個數(shù)取３；機(jī)床切削功率為輸出變量，輸出層神經(jīng)元個數(shù)�。保浑[含層單元數(shù)由實(shí)際應(yīng)用經(jīng)驗公式來確定，該網(wǎng)絡(luò)模型的隱含層節(jié)點(diǎn)設(shè)定為２０個。建立的數(shù)控機(jī)床ＢＰ神經(jīng)網(wǎng)絡(luò)模型，如圖２所示。

訓(xùn)練懶Ｄ＝｛（簟，咒）１．扛ｌ，２，…，ｚ），氣∈尺“，ｙｆ∈尺，回歸函數(shù)用式

（５）所示線性方程來表示礦（茹）＝∑（呸｛）Ｋ（ｔ，茗）＋６

式中：ｑ，ｑ—拉格朗日乘子；６—偏置；Ｋ（算。乒）—核函數(shù)。

支持向量機(jī)回歸估計可描述為求解式（６）所示的優(yōu)化問題：

（５）

目標(biāo)函數(shù)：ｍｉｎ．啦｝ｆＩ塒Ｉ２＋ｃ∑（￡《）

約束條件：

（６）

ｓ．￡．（（塒’髫ｆ）＋６）—兒ｓｓ＋￡，ｉ＝１，２，…ｚ咒一（（塒≯ｉ）＋６）ｓｓ《，扛１，２，…ｚ

毒，毒≥０，扛１，２，…Ｚ

（７）

輸＾＼Ｊｒ；

隱岔ｆ，；

輸…ｊ，；

式中：８一回歸允許最大誤差，常數(shù)Ｃ＞Ｏ一函數(shù)廠（茹）的復(fù)雜度和樣

本擬精度之間的折衷。利用對偶原理、拉格朗日乘子法和核技術(shù)，上述優(yōu)化問題的對偶形式如下。目標(biāo)函數(shù)：

ｌ

ｆ

圖２基于ＢＰ神經(jīng)網(wǎng)絡(luò)數(shù)控機(jī)床能耗預(yù)測模型

Ｆｉ９２ＴｈｅＰｒｅｄｉｃｔｉｏｎ

Ｍ０ｄｄＢａｓｅｄ

０ｎ

ＢＰＮｅｕｒａｌ

Ｎｅｔ啪ｒｋ

０ｆ

ＣＮＣＭａｃｈｉｎｅＴ００ＩＥｎｅｒ舒Ｃ明ｓｕｍｐｔｉｏｎ

ｍ畸形一｝∑∑（嘎川：）（丐‘）Ｋ（如々）

ａ，ａ

５支持向量機(jī)預(yù)測模型

５．１訓(xùn)練與測試樣本的確定

（８）（９）（１０）（１１）

選擇ｃＫ６１３６ｉ數(shù)控車床為測試對象，為了獲取數(shù)控機(jī)床能耗與切削參數(shù)數(shù)據(jù)，實(shí)驗方案設(shè)計要簡潔同時便于操作，切削速度定為３檔，進(jìn)給量定為３檔，切削深度定為３檔。共６４組數(shù)據(jù)，隨機(jī)抽取２５組作為訓(xùn)練數(shù)據(jù)，如表１所示。在進(jìn)行支持向量機(jī)建模時，首先對數(shù)據(jù)進(jìn)行歸一化處理。

。

｜－Ｊ

Ｊ２Ｉ

ｌ

＋∑［ａ．（咒噌）川ｉ（咒＋ｓ）］

約束條件：５＾∑（ａ；以：）＝ｏ；ｏｓｑ，蠢ｓｃ，ｉ＝ｌ，２，…ｚ

最后支持向量機(jī)的輸出為：塒＝∑（理ｉ—ａ：）砂（誓）

“ｘ）＝∑（Ⅱｉ一蠢）Ｋ（ｔ乒）＋６

Ｎｏ．１１

５６

機(jī)械設(shè)計與制造

表１測試數(shù)據(jù)

Ｔａｂ．１

ＴｅｓｔＤａｌａ

Ｎｏｖ．２０１４

６結(jié)論

支持向量機(jī)算法以風(fēng)險最小化原理為基礎(chǔ)，能很好地解決

０．２９９１Ｏ．３７６８Ｏ．５３８７Ｏ．６７０５０．３１６８０－５８０２ｏ．８３７５

８０８０８０８０８０８０８０８０

Ｏ．０８Ｏ．０８０．０８Ｏ．０８０．１２Ｏ．１２ｏ．１２０．１２

Ｏ．８１．２１．５１．８Ｏ．８１．２１１５１．８

小樣本、非線性、局部極小點(diǎn)等實(shí)際問題。提出了基于支持向量機(jī)的數(shù)控機(jī)床切削能耗預(yù)測的方法，采用支持向量機(jī)的方法建立模型，得出了切削參數(shù)對數(shù)控機(jī)床能耗的影響。經(jīng)過分析對比驗證了支持向量機(jī)預(yù)測結(jié)果相對于神經(jīng)網(wǎng)絡(luò)更接近，驗證了支持向量機(jī)在數(shù)控機(jī)床能耗預(yù)測方面應(yīng)用的可行性和有效性，為數(shù)控機(jī)床的節(jié)能優(yōu)化、能耗定額制定等一系列實(shí)際問題的解決提供一種基礎(chǔ)支持。只是對部分切削工藝參數(shù)對數(shù)控機(jī)床切削能耗進(jìn)行了預(yù)測，影響數(shù)控機(jī)床切削能耗的因素尚有很多，數(shù)控機(jī)床能耗預(yù)測有待全面進(jìn)行。

１冊５

５．２核函數(shù)與模型參數(shù)的確定

支持向量機(jī)的參數(shù)包含核參數(shù)和懲罰參數(shù)。選取徑向基ＲＢＦ核函數(shù)作為數(shù)控機(jī)床切削能耗預(yù)測模型的核函數(shù)。核參數(shù)有兩個分別為和參數(shù)設(shè)置如下：ｃ．１００，占＝ｏ．０１，口＝ｌ。

參考文獻(xiàn)

［１］劉飛，徐宗俊，但斌．機(jī)械加工系統(tǒng)能量特性及其應(yīng)用［Ｍ］．北京：機(jī)械

工業(yè)出版社，１９９５．

（ＵｕＦｅｉ，ＸｕＺ０ｎｇ－ｊｕｎ，ＤａＩｌＢｉｎ．ＭａｃｈｉｎｉｎｇＳｙｓｔｅｍＥｎｅｒ盯Ｃ叨眥ｍｐｔｉｏｎ

５．３結(jié)果分析

利用所建立的ＳＶＭ預(yù)測模型，把切削速度、進(jìn)給速度、切削深度為樣本輸入，機(jī)床切削功率為樣本輸出。對表１中數(shù)據(jù)進(jìn)行預(yù)測，實(shí)際值圖預(yù)測值結(jié)果對比，如圖３所示�？芍皇窃谏贁�(shù)預(yù)測點(diǎn)的相對預(yù)測誤差較大，大部分預(yù)測點(diǎn)的相對預(yù)測誤差都較為

Ｃｈｍｃｔｅｒｉｓｔｉｃｓａｎｄ

１９９５．）

Ｉｔ８

Ａｐｐｌｉｃａｔｉｏｎ［Ｍ］．Ｂｅｉｊｉｎｇ：ＣｈｉｎａＭａｃｈｉｎｅＰｒｅｓｓ，

［２］柏占偉，謝志江，胡韶華．?dāng)?shù)控機(jī)床多能源模型及其應(yīng)用［Ｊ］．機(jī)械設(shè)計

與制造，２０１２（１２）．

（ＢａｉＺｈａＩｌ—ｗｅｉ，ⅪｅＺｈｉ－ｊｉａｎｇ，ＨｕＳｈａｏ＿ｈｕ＆Ｅｎｅｒｇｙ

ｆｏｒ

ｃｏｎｓｕｎｌｐｔｉｏｎｍｏｄｅｌ

理想，這個預(yù)測結(jié)果比較理想，從而驗證了支持向量機(jī)理論在數(shù)

控機(jī)床能耗預(yù)測中的可行性。相對于ＢＰ神經(jīng)網(wǎng)絡(luò)，其預(yù)測結(jié)果如圖４所示。由圖對比可知，支持向量機(jī)更適用于小樣本數(shù)據(jù)預(yù)測。支持向量機(jī)預(yù)測的切削功率與實(shí)際切削功率數(shù)據(jù)比較接近，比神經(jīng)網(wǎng)絡(luò)估算的精度高。

測試集預(yù)測結(jié)果對比（ＢＰ神經(jīng)網(wǎng)絡(luò)）

ｍｓｅ：ｏ．２７７８３

４５４

ｃＮｃ撇ｃｈｉｎｅ

ｔ００ｌｓｗｉｔｈｍｕｌｔｉｐｌｅｃｏｍｐｏｎｅｎｔｓａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎ［Ｊ］．

ＭａｃｈｉｎｅｒｙＤｅｓｉｇｎ＆Ｍａｎｕｆａｃｔｕｒｅ，２０１２（１２）．）

［３］王秋蓮，劉飛．數(shù)控機(jī)床多源能量流的系統(tǒng)數(shù)學(xué)模型［Ｊ］。機(jī)械工程學(xué)

Ｒ如４６８８９

膏

（Ｗ鋤ｇＱｉ姐－ｌｉ姐，“ｕＦｅｉ．Ｍａｌｈｅｍａｔｉｃａｌ

ｍｏｄｅｌｏｆ

ｏｆ

報，２０１３，４９（７）：５—１２．

Ｉｎｕｌｔ卜－哪ｕｒｃｅ

ｅｎｅｒｇｙ

３５

３２

么

５

２

。廣ｉ

王》

：Ｉ

聲。

鍋∥ｉ∥ｉ。∥

ｎｏｗｓｆｏｒｃＮｃⅡｍｃＩｌｉｎｅ

ｔ００１ｓ［Ｊ］Ｊｏ啪ａｌ

Ｍｅｃｈ蛐ｉｃａｌＥｎｇｉｎｅ甜ｎｇ，

２０１３，４９（７）：５一１２．）

ｔ

ｆ

｝ｏ

［４］ＫＯＲＤＯＮ０ｗＹＤ

Ｎ．Ａ

ｐｏｗｅｒ髂∞ｓｓｍｅｎｔ０ｆｍａｃｈｉｎｉｎｇｔ００ｌｓ［Ｄ］．ｃ蛐ｂｒ—

ｉｄｇｅ：Ｍ８ａ鵲ｃｈｕｓｅｎｓＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，２００３．

，５

ａ

Ｏ５Ｏ

：Ａ

‘

Ｖｒ鼉廠；

樣本編號

］Ｋ筍…

叫

［５］謝東，陳國榮，施金良．基于ＢＰ神經(jīng)網(wǎng)絡(luò)數(shù)控機(jī)床切削能耗的研究

［Ｊ］．機(jī)床與液壓，２０１２，４０（１）．

（）【ｉｅＤ傭ｇ，ＣｈｅｎＧｕｏ—ｒｏｎｇ，ＳｈｉＪｉｎ“ａＩｌｇ．Ｒｅｓｅａｒｃｈ

ｃｕｔｔｉｎｇｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎｂ鵲ｅｄ

ｏｎ

ｏｎ

ＣＮＣ咖ｃｈｉｎｅ

ｔ∞ｌ

ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ

［Ｊ］．Ｍａｃｈｉｎｅ

‰ｌ＆Ｈｙｄｒ肌ｌｉｃｓ，２０１２，４Ｊ０（１）．）

［６］張華，曾杰．基于支持向量機(jī)的風(fēng)速預(yù)測模型研究［Ｊ］．太陽能學(xué)報，

２０１０，３１（７）．

（ｚｈ鋤ｇＨｕａ，ｚｅｎｇＪｉｅ．１ｈｅｗｉｎｄｓｐｅｅｄｆｏｒｅｃ鵲ｔｉｎｇｍｏｄｅｌｂ鵲ｅｄｏｎ鯽ｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ［Ｊ］．ＡｃｔａＥｎｅ曬神Ｓ０ｌ積ｓｓｉｎｉｃａ，２０１０，３１（７））．［７］Ｂｉｎｇ

ｔｏ

圖３實(shí)際值與預(yù)測值分布圖（支持向量機(jī)）

Ｆｉｇ．３

Ａｃｔｕａｌ

Ｖａｌｕｅ卸ｄｔｌｌｅＰｒｅｄｉｃｔｅｄＶａｌｕｅ

Ｖｅｃｔｏｒ

ＤｉｓｔＩｉｂｕｔｉｏｎ（Ｓｕｐｐｏｒｔ

Ｍ∞ｈｉｎｅ）

Ｄｏｎｇ，ＣｈｅｎｇＣ∞，ＳｉｅｗＥ�。�

ｋ．Ａｐｐｌｙｉｎｇｓｕｐｐｏｒｔｖｅｃｔｏｒ腿ｃｈｉｎｅｓ

ａｎｄ

ｐｒｅｄｉｃｔｂｕｉｌｄｉｎｇｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎｉｎｔｍｐｉｃａｌｒｅｇｉｏｎ［Ｊ］．Ｅｎｅｒｇｙ

Ｂｕｉｌｄｉｎｇｓ，２００５（３７）：５４５—５５３．

［８］高尚，楊靜宇基于主成分分析和支持向量機(jī)的效能評定［Ｊ］．系統(tǒng)工程

與電子技術(shù)，２００６，２８（６）．

（Ｇ∞Ｓｈ粕ｇ，ＹａＩｌｇＪｉｎｇ—ｙ１１．Ａｓｓｅｓｓｉｎｇｔ｜ｌｅｅ雎ｃｔｉｖｅｎｅｓｓｂａｓｅｄｏｎｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔ鋤ａｌｙｓｉｓ鋤ｄｓｕｐｐｏｎ∞ｄＥｌｅｃｔｒｏｎｉｃｓ，２００６，２８（６）．）

［９］林升梁，劉志．基于ＲＢＦ核函數(shù)的支持向量機(jī)參數(shù)選擇［Ｊ］．浙江工業(yè)

洋木編號

ｖｅｃｔｏｒ

ｍａｃｈｉｎｅ［Ｊ］ｓｙｓｔｅ瑚Ｅ曬ｎｅｅｒｉｎｇ

圖４實(shí)際值與預(yù)測值的分布圖（ＢＰ神經(jīng)網(wǎng)絡(luò)）Ｆｉｇ－４ＴｈｅＡｃｔｕａｌＶａｌｕｅ�。洌恚澹校颍澹洌椋悖簦澹�

Ｖａｌｕｅ

大學(xué)學(xué)報，２００８（２）．

（“ｎＳｈｅｎｇ－ｌｉ明ｇ，ｌｉｕ

Ｚｈｉ．Ｐａｒ哪ｅｔｅｒ

ｓｅｌｅｃｔｉｏｎｉｎＳＶＭｗｉｔｈＲＢＦｋｅｍｅｌ

Ｄｉｓｔｒｉｂｕｔｉｏｎ（ＢＰＮｅｕ瑁ｌＮｅｈｒｏｒｋ）

ｆｈｎｃｔｉｏｎ【Ｊ］Ｊｏ啪ａｌｏｆＺｈｅｊｉａｎｇＵＴＩｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，２００８（２）．）

基于支持向量機(jī)數(shù)控機(jī)床切削能耗預(yù)測方法研究

作者：作者單位：刊名：英文刊名：年，卷(期)：

陳薇薇， 張華， 向琴， 張業(yè)祥， CHEN Wei-wei， ZHANG Hua， XIANG Qin， ZHANG Ye-xiang

陳薇薇,向琴,張業(yè)祥,CHEN Wei-wei,XIANG Qin,ZHANG Ye-xiang(武漢科技大學(xué)機(jī)械自動化學(xué)院,湖北武漢,430081)， 張華,ZHANG Hua(武漢科技大學(xué)綠色制造與節(jié)能減排科技研究中心,湖北武漢,430081)機(jī)械設(shè)計與制造

Machinery Design & Manufacture2014(11)

引用本文格式：陳薇薇.張華.向琴.張業(yè)祥.CHEN Wei-wei.ZHANG Hua.XIANG Qin.ZHANG Ye-xiang 基于支持向量機(jī)數(shù)控機(jī)床切削能耗預(yù)測方法研究[期刊論文]-機(jī)械設(shè)計與制造 2014(11)

筆耕文化傳播（http://www.bigengculture.com）包含總結(jié)匯報、IT計算機(jī)、專業(yè)文獻(xiàn)、旅游景點(diǎn)、外語學(xué)習(xí)、辦公文檔、計劃方案、出國留學(xué)以及基于支持向量機(jī)數(shù)控機(jī)床切削能耗預(yù)測方法研究_圖文等內(nèi)容。

  本文關(guān)鍵詞：數(shù)控機(jī)床多源能量流的系統(tǒng)數(shù)學(xué)模型，由筆耕文化傳播整理發(fā)布。

本文編號：234827