广义径向基函数神经网络在热误差建模中的应用

• 作者: 余治民 刘子云 刘子建 吕程
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 广义径向基函数 神经网络 热误差建模 聚类算法 泛化能力 鲁棒性 数控导轨磨床
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 信息科学
• 页码范围: 1705-1713
• 页数: 9页
• 分类号: TG596|TP183
• 字数: 4615字
• 语种: 中文
• DOI: 10.3788/OPE.20152306.1705

摘要

针对现有的热误差建模方法建模效率低,模型预测精度不理想等问题,提出了广义径向基函数神经网络(RBF)建模方法并将其应用于数控机床热误差建模中.讨论了采用广义RBF神经网络进行热误差建模的原理及步骤.以数控导轨磨床主轴箱系统为例,布置了12个主轴热误差的关键温度测点,测得了2组独立的主轴箱系统热误差数据.将测得的数据分别用于建立主轴箱系统热误差广义RBF神经网络预报模型和验证模型的准确性.研究结果表明,热误差广义RBF神经网络模型具有预测精度高及泛化能力强的优点;与传统的RBF神经网络建模方法相比,提出的广义RBF神经网络建模方法建模效率更高,模型鲁棒性及预测性能更好,是一种可以用于数控机床热误差实时补偿的有效建模方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘子建	湖南大学汽车车身先进设计制造国家重点实验室	114	1044	15.0	27.0
2	刘子云	湖南大学汽车车身先进设计制造国家重点实验室	3	18	2.0	3.0
3	吕程	湖南大学汽车车身先进设计制造国家重点实验室	13	88	6.0	9.0
4	余治民	湖南大学汽车车身先进设计制造国家重点实验室	9	129	6.0	9.0