偏最小二乘神经网络在机床热误差建模中的应用
本文提出了一种数控机床热误差建模的偏最小二乘神经网络方法，这种方法采用神经网络的学习算法代替传统偏最小二乘回归方法中的线性算法来获得偏最小二乘回归参数以克服建模中温度变量的共线性和热误差的非线性问题。文章给出了这种方法的基本原理和网络结构，并对一台数控机床的热误差测量结果进行了建模。通过重新测量两组误差数据对模型的预测能力进行了检验，并和其它5种方法的建模结果进行了模型性能的比较，结果证明偏最小二乘神经网络建模方法具有良好的预测性能和鲁棒性。
数控机床 机床热误差 误差预测 神经网络
沈金华 杨建国
上海交通大学机械与动力工程学院 上海 200240
国内会议
哈尔滨
中文
1-4
2008-07-22（万方平台首次上网日期，不代表论文的发表时间）