基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对数控机床热误差建模具有小样本、数据离散的特点,提出一种综合灰色预测和最小二乘支持向量机的热误差在线组合建模方法.根据机床温度和热误差的实验数据,分别建立热误差的灰色模型和最小二乘支持向量机模型,并通过加权系数将两者进行组合.以提高热误差的实测值和组合模型预测值之间的灰色综合关联度为目标,对模型的加权系数进行优化.在一台高架桥式龙门加工中心上进行建模实验,结果表明数控机床热误差最优权系数组合建模方法精度高、泛化能力强,优于灰色预测、最小二乘支持向量机和多元线性回归3种建模方法.利用该方法构建的预测模型进行机床热误差在线补偿,可有效减小热误差对机床加工精度的影响.
推荐文章
数控机床热误差实时补偿
数控机床
热误差
多元线性回归方程
误差补偿技术
数控机床产生的误差分析及补偿
热误差
螺距
摩擦力
数控机床
基于BP神经网络的数控机床综合误差补偿方法
BP神经网络
陡度因子
放大因子
误差补偿
数控机床的螺距误差检测及补偿
数控机床
螺距误差
检测
补偿
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于最优权系数组合建模的数控机床热误差在线补偿
来源期刊 农业机械学报 学科 工学
关键词 数控机床 热误差 在线补偿 灰色预测 最小二乘支持向量机 灰色综合关联度
年,卷(期) 2012,(5) 所属期刊栏目 先进制造技术及基础理论
研究方向 页码范围 216-221
页数 分类号 TP205
字数 5012字 语种 中文
DOI 10.6041/j.issn.1000-1298.2012.05.037
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 殷国富 四川大学制造科学与工程学院 617 5927 35.0 50.0
2 张珣 四川大学制造科学与工程学院 15 49 4.0 7.0
3 刘立新 7 128 6.0 7.0
4 李昭平 2 39 2.0 2.0
5 阳红 四川大学制造科学与工程学院 10 136 7.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (30)
共引文献  (83)
参考文献  (9)
节点文献
引证文献  (24)
同被引文献  (82)
二级引证文献  (72)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2010(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(5)
  • 引证文献(5)
  • 二级引证文献(0)
2014(6)
  • 引证文献(1)
  • 二级引证文献(5)
2015(8)
  • 引证文献(3)
  • 二级引证文献(5)
2016(10)
  • 引证文献(3)
  • 二级引证文献(7)
2017(13)
  • 引证文献(3)
  • 二级引证文献(10)
2018(13)
  • 引证文献(7)
  • 二级引证文献(6)
2019(31)
  • 引证文献(1)
  • 二级引证文献(30)
2020(10)
  • 引证文献(1)
  • 二级引证文献(9)
研究主题发展历程
节点文献
数控机床
热误差
在线补偿
灰色预测
最小二乘支持向量机
灰色综合关联度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
农业机械学报
月刊
1000-1298
11-1964/S
大16开
北京德外北沙滩1号6信箱
2-363
1957
chi
出版文献量(篇)
11867
总下载数(次)
31
总被引数(次)
174483
论文1v1指导