基于RBF神经网络的数控车床热误差建模

• 作者: 刘行 杜正春 杨建国 窦小龙
• 来源期刊: 上海交通大学学报
• 学科: 工学
• 关键词: 热误差补偿 径向基函数 建模 神经网络
• 年，卷（期）: 2003,（1）
• 所属期刊栏目: 自动化技术、计算机技术
• 页码范围: 26-29
• 页数: 4页
• 分类号: TP273
• 字数: 2554字
• 语种: 中文
• DOI: 10.3321/j.issn:1006-2467.2003.01.007

摘要

对于数控车床而言,热误差是其最大的误差源,而其中最困难的是热误差建模.现有BP算法的神经网络模型存在学习收敛速度慢,容易陷入局部极小点的缺点.文中使用径向基函数理论建立了基于RBF神经网络的数控机床热误差数学模型.讨论了RBF网络参数的初始化及学习;给出了两种建模方式的RBF网络建模算例,将其建模性能指标与经典最小二乘法建模指标进行综合对比,可知RBF网络各项指标均优于经典最小二乘方法.最后验证了RBF网络建模的鲁棒性.结果表明:径向基神经网络模型与经典最小二乘线性模型相比,拟合性能更好,预测补偿能力强且建模时间短.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨建国	上海交通大学机械与动力工程学院	179	3656	33.0	53.0
2	杜正春	上海交通大学机械与动力工程学院	49	505	11.0	21.0
3	刘行	上海交通大学机械与动力工程学院	3	129	3.0	3.0
4	窦小龙	上海交通大学机械与动力工程学院	9	536	8.0	9.0