基于模糊聚类测点优化与向量机的坐标镗床热误差建模

为了研究电主轴系统热特性对机床精度的影响,建立了主轴轴向及径向热误差模型.以精密坐标镗床为对象,采用五点法对主轴热误差进行测量,并分析了转速对主轴热误差及温度场的影响规律.利用模糊聚类分析法对温度变量进行分组优化,选出对热误差敏感的温度变量,建立主轴轴向热伸长及径向热倾角的最小二乘支持向量机(LS-SVM)以及多元线性回归(MLRA)的综合热误差模型,并设定了预测优度评价标准.结果表明:模糊聚类分组法能有效降低温度变量间的多重共线性,并提高模型的稳定性;LS-SVM模型具备全局寻优的特点,可实现不同工况的高精度预测,预测精度可达90%,且比传统的MLRA模型有更好的通用性以及更强的泛化能力,可作为后期热误差的补偿模型.     

聚类回归分析在滚齿机热误差建模中的应用

利用聚类回归分析方法的基本原理,研究了温度传感器在滚齿机上的优化布置策略,并将温度测点从原先的11个减少到4个,完成了温度变量的优选.利用优选的温度变量,采用最小二乘法进行回归建模,得到热误差模型,并利用该模型在Y3150K型滚齿机上进行热误差补偿实验.结果表明,该建模方法不但增强了热误差建模的鲁棒性,提高了齿轮加工精度,而且节省了工作量与成本.     

精密坐标镗床进给系统热误差分析与预测

为了预测数控机床运行时热误差对进给系统定位精度的影响,以精密坐标镗床为研究对象,采用红外热像仪和激光干涉仪分别测量进给系统在每个测点的丝杠温度和定位精度,提出进给系统热误差的最小二乘支持向量机(LS-SVM)预测方法,建立了关于温度与位置的预测模型。模型引入最小二乘支持向量机方法对机床进给系统热误差进行预测分析,较好地描述了进给轴热误差与温度、位置之间的非线性关系,且对样本的依赖度小,有很好的泛化能力,解决了目前线性拟合模型用特征平均温度替代当前测点温度进行计算而存在较大误差的问题。实验结果表明,与目前已经在数控机床上实际应用的线性预测模型相比,LS-SVM模型对进给系统热误差的预测精度可达90%,预测精度提高30%以上,取得了非常好的预测效果,具有较高的现实应用价值。     

基于优化最小二乘支持向量机的数控机床热误差建模分析

数控机床热误差是降低加工精度的主要因素之一.针对热误差建模问题, 结合布谷鸟算法的随机莱维飞行机制和最小二乘支持向量机结构风险最小化与线性规划等优点, 提出基于布谷鸟算法优化最小二乘支持向量机的热误差建模方法.在最小二乘支持向量机将低维非线性问题转化为高维线性问题时, 构建了混合核函数.同时,采用布谷鸟算法对最小二乘支持向量机惩罚因子γ、核宽度参数σ和混合核权值λ进行了优化.以GMC2000A机床为实验对象, 分别对热误差数据进行了聚类分析和建模分析.通过误差预测对比分析得出结论, 基于布谷鸟算法优化混合核最小二乘支持向量机建立的误差模型取得了良好的预测效果, 且明显优于BP神经网络模型和未优化的最小二乘支持向量机模型的预测效果.     

基于连续投影算法和最小二乘支持向量机的污水中NH3 N近红外光谱建模

通过扫描不同NH_3-N含量污水的近红外光谱,建立了水样中NH_3-N的定量分析模型。考虑到全谱高维数据建模较大的计算负担,采用连续投影算法(SPA)对水样光谱全谱进行特征波长筛选,将筛选后的特征变量采用最小二乘支持向量机(LS-SVM)进行建模;所建立的SPA和LS-SVM分析模型对污水中NH_3-N分析的预测均方根误差为3.210 8,相关系数为0.984 4,相对分析误差5.681 2;与全谱LS-SVM模型和全谱部分最小二乘(PLS)模型相比,此处的建模方法将全谱模型的512维数据压缩为28维特征光谱数据(计算量占全谱的5.47%),但模型分析精度与全谱LS-SVM模型相近,且高于全谱PLS模型;该方法对实现水样NH_3-N的快速检测以及低维度变量建模具有指导意义。     

基于最小二乘优化的高精度参数估计研究

研究了捕食者-被捕食者模型在不同观测误差条件下的非线性微分方程组参数估计问题.首先利用差分方法进行离散化,得到一个超定的线性方程组,进行最小二乘拟合优化;其次,考虑观测资料有误差而时间变量无误差的情况,通过利用周期取平均的方法,从而降低了数据的误差;最后针对时间变量也会有误差情况,对每个观测时刻的数据进行归整处理来降低时间上的观测误差,最后利用最小二乘拟合得到最优的参数值.     

LS-SVM在线误差补偿的导弹自适应逆控制律设计

为了提高导弹控制系统的鲁棒稳定性,提出一种基于最小二乘支持向量机(LS-SVM)在线误差补偿的导弹自适应逆控制律设计方法.将非线性导弹系统的内部不确定性和外部干扰视为综合误差项,设计LS-SVM误差补偿器逼近系统的综合误差,通过选取合适的权值调节律来提高LS-SVM的逼近精度,最后引入鲁棒控制项抑制逼近误差给系统带来的...     

基于人工鱼群优化LS-SVM的卫星钟差预报

针对导航卫星短期钟差预报精度不高的问题,提出了一种基于人工鱼群(AFSA)优化最小二乘支持向量机(LS-SVM)的卫星钟差预报方法。利用人工鱼群算法较强的全局寻优能力优化LS-SVM模型的惩罚参数和核宽度参数,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取IGS产品中4颗典型卫星的钟差数据,分别采用人工鱼群优化LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明:人工鱼群优化LS-SVM模型的预报精度优于其它2种模型,尤其是在铷钟方面,预报误差在0.5 ns内,运行时间在5 min内。     

基于加权最小二乘支持向量机的下水道可燃气体分析

下水道可燃气体分析是城市下水道可燃气体监测预警系统的重要组成部分.该文针对BP神经网络对下水道可燃混合气体分析存在速度慢、容易陷入局部最优,以及标准最小二乘支持向量机鲁棒性差的缺点,建立了一种基于加权最小二乘支持向量机(WLS-SVM)的下水道可燃气体分析模型.加权最小二乘支持向量机模型采用最小二乘线性系统,对误差变量进行权值设定,提高了学习速度和学习精度.仿真结果表明:基于WLS-SVM的下水道可燃气体分析模型优于所比较的BP神经网络和最小二乘支持向量回归机2种模型,具有优良的预测精度和鲁棒性.     

基于LS-SVM的捷联惯组误差系数预测

针对目前小样本容量的捷联惯组误差系数预测精度不高的问题,采用最小二乘支持向量机(LS-SVM)对捷联惯组误差系数进行了预测研究,并以某型捷联惯组的某项陀螺漂移误差系数的历史数据为例进行了预测.结果表明,最小二乘支持向量机具有优秀的小样本数据学习能力和预测能力.     

数控滚齿机热变形误差分析与补偿新方法

为了对数控滚齿机的热变形误差进行补偿,提高齿轮加工精度,利用聚类回归分析方法,优化选择了热误差补偿过程中的温度测量点.采用最小二乘回归方法建立了热误差模型,实验结果验证,该模型精度高.提出了一种热误差差动螺旋补偿方法,该方法完全采用外部硬件补偿,能够独立地实现对热变形误差的实时补偿.与其他补偿方法对比,该方法不受限于数控系统的开放性,通用性较强.     

基于灰色GM(1,4)模型的数控机床热误差补偿技术

为降低机床加工过程中温度场变化对机床加工精度的影响,分析了数控机床生产过程中热源组成及热误差产生机理,根据灰色关联度理论从原设定的8个温度测量点中计算选定4个机床温度关键测量点,建立了灰色GM(1,4)预测模型。该模型搭建了4个关键测温点的温度变化情况与机床热误差值之间的映射关系,能在生产过程通过获取关键点温度实时预测机床热误差值,再通过数控系统将预测值补偿到刀具进给位置,以此形成机床热误差补偿机制。最后,以精密卧式加工中心THM6380为实验对象,检验GM(1,4)模型预测结果与实际热误差值间的差距,拟合残差在±1μm以内,拟合效果良好。     

LS-SVM在状态监测数据趋势预测中的应用

介绍了最小二乘支持向量机（LS-SVM）回归算法的基本原理,并使用MATLAB6．5结合LS-SVM工具箱对某型雷达磁控管状态监测数据进行了预测。     

基于灰箱模型的LF精炼终点温度预测

以国内某钢厂一30 t LF精炼炉为研究对象,通过建立由传热机理模型和黑箱模型相结合的灰箱模型对LF精炼终点温度进行了预测。首先根据能量守恒定律建立了传热机理模型。针对包衬耐材的蓄热以及合金的热效应难以精确计算的问题,采用偏最小二乘黑箱模型对这一部分温度进行了处理,最后将两种模型相结合综合预测了LF钢包精炼的终点温度。结果表明,偏最小二乘法在预测包衬的耐材蓄热和合金热方面的温度误差在±5℃以内的命中率达到97%以上,总的灰箱模型预测LF精炼终点温度误差在±5、±8、±10℃以内的命中率分别达到88%、96%和99%,模型具有较高的预测精度。研究可为该钢厂的LF精炼工艺提供指导。     

机床热特性研究

机床热误差严重影响机床的加工精度,必须对其加以控制,在研究机床的热误差时,首先需要明确机床的热特性,该工作可以为后续热误差建模提供模型输入值.主要综述了机床热误差的来源、机床温度场的获取方法、温度传感器布置策略及常用温度测点优化方法,同时对上述研究中的方法进行了优缺点分析,并结合目前的研究现状,展望了未来的发展.     

机床热特性优化研究综述

随着精密加工技术的发展,探究机床各部件生热对精密加工的影响,以提升机床加工精度及精度稳定性成为当前研究重点。本文介绍了精密机床热特性的内、外环境影响因素及控制优化方法,从车间及其机床热环境、结构设计、冷却方式、热误差补偿技术4个方面展开,分析了现代精密机床中误差防止及误差补偿中使用的热设计措施,并针对现有机床温度分布不均、换热效果较差等特点,运用帕尔贴、碳纤维、相变微胶囊材料,结合传热学知识原理,提出了未来解决机床重要部件温升的可发展关键技术方案,以资参考。     

数控机床热误差变参数GM(1,1)的建模

为提高数控机床的加工精度,减少热误差对零件加工质量的影响,对热误差变参数灰色GM(1,1)在线预测模型进行研究.变参数灰色GM(1,1)在线预测模型能直接运用热误差时间序列值进行单序列建模,并给出模型参数的逐步迭代公式,根据不断输入的新数据,变参数模型能利用迭代公式,及时修正模型参数.以某精密卧式加工中心为研究对象,对所提出的变参数灰色GM(1,1)模型进行应用验证,并与传统的,1)模型和新陈代谢GM(1,1)模型进行对比研究.对比分析的结果表明:变参数灰色GM(1,1)模型很好地解决了传统的GM(1,1)模型难以预测大样本数据和非线性变化趋势的问题,且比新陈代谢GM(1,1)模型建模运算量小、求解时间短.变参数灰色GM(1,1)模型的预测值与实验结果对比表明,该模型预测精度高、通用性好,适用于机床热误差建模预测,进而提高机床的加工精度.     

基于3次样条插值的数控机床几何与热复合定位误差建模

通过分析机床整个温升直到热平衡的误差数据,总结误差分布的数学规律,将热误差和几何误差分离,运用基于压紧样条条件下的3次样条插值算法,以线性拟合后的余差为建模数据,建立了数控机床几何与热复合定位误差数学模型.实验结果表明,该数学模型能很好地拟合数控机床定位误差曲线,补偿后数控机床定位精度提高了80%以上.该方法可运用于不同时刻或不同机床温度下的机床定位误差补偿,建模原理明了、过程快速,模型适用性好.