机床热误差神经网络建模对比实验研究

• 作者: 余玲 刘康 杨大志
• 来源期刊: 四川理工学院学报（自然科学版）
• 学科: 工学
• 关键词: 热误差 神经网 误差补偿
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 机械、电子及计算机科学
• 页码范围: 21-26
• 页数: 6页
• 分类号: TH161
• 字数: 3748字
• 语种: 中文
• DOI: 10.11863/j.suse.2018.02.04

摘要

对同一台加工中心主轴在不同环境下进行热误差实验,基于Matlab工具箱,利用几种常用人工神经网络建立热误差模型,对模型的预测结果进行了对比分析.同时,对基于神经网络的主轴热误差模型的建立和泛化性能等进行了讨论.实验结果和分析讨论表明,影响神经网络泛化问题的众多因素中,网络结构的复杂性和样本的复杂性起着重要作用.在网络结构方面,达到相同训练精度的网络中,结构越简单,泛化能力越好;在样本复杂性方面,样本分布越能体现总体的真实分布,则样本质量越好,但采样难度很大.因此,常规的神经网络整体热误差模型具有较差的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘康	四川理工学院机械工程学院	53	139	6.0	9.0
2	杨大志	四川理工学院机械工程学院	37	75	4.0	7.0
3	余玲	四川理工学院机械工程学院	10	22	3.0	4.0