基于AVQ聚类和OIF-Elman神经网络的机床热误差建模

• 作者: 代贵松 朱小龙 杨建国
• 来源期刊: 上海交通大学学报
• 学科: 工学
• 关键词: 数控机床 自适应矢量量化网络 输出-输入反馈Elman神经网络 热误差建模
• 年，卷（期）: 2014,（1）
• 页码范围: 16-21
• 分类号: TH161
• 语种: 中文

摘要

针对数控机床热误差补偿技术中温度布点选取的问题,提出了基于前馈神经网络的自适应矢量量化(AVQ)网络聚类的方法,将AVQ网络聚类法应用于一台加工中心并将18个测点减少到3个,基于输出-输入反馈Elman(OIF-Elman)神经网络模型建立了机床热误差与关键测点温度之间的关系.结果表明,采用基于AVQ网络聚类法和OIF-Elman神经网络预测模型,能够降低机床温度测点之间耦合作用的影响,提高热误差建模的准确性与鲁棒性.

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	朱小龙	上海交通大学机械与动力工程学院	3	33	3.0	3.0
3	代贵松	上海交通大学机械与动力工程学院	4	40	4.0	4.0