基于并联深度信念网络的数控机床热误差预测方法

• 作者: 余永维 杜柳青
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 数控机床 热误差 预测模型 并联深度信念网络 深度学习
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 机械设计制造及其自动化
• 页码范围: 414-419
• 页数: 6页
• 分类号: TG659|TH115
• 字数: 3148字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2020.08.047

摘要

针对基于传统浅层网络理论的热误差数学模型存在适应性、鲁棒性差的问题,提出一种基于并联深度信念网络的数控机床热误差预测与补偿方法.建立一种基于3个子深度信念网络并联的深度学习预测模型,各子深度信念网络具有相同的网络结构、不同的权值参数,并共享输入层的限制玻尔兹曼机;构建基于预测误差的并联深度网络结构,确定每个RBM隐含层的神经元数量;提出初始权值共享的并联深度网络训练方法,采用对数散度无监督学习方法预训练模型中的1个深度信念网络,其他深度信念网络共享该初始权值,并用反向传播算法分别微调生成各子深度信念网络的最优权值.实验结果表明,预测的主轴热误差均方根误差为2.2μm,在提高预测准确性的同时,显著提高了热误差补偿的适应性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜柳青	重庆理工大学机械工程学院	44	255	8.0	15.0
2	余永维	重庆理工大学机械工程学院	34	283	8.0	16.0