基于PLS和改进CVR的数控机床热误差建模

摘要：

为提高支持向量回归(SVR)模型的预测能力,将核心向量回归(Core vector regression,CVR)方法引入到数控机床热误差建模中,并采用偏最小二乘(Partial least squares,PLS)算法从输入样本提取主成分,构建特征集,然后使用改进的粒子群优化(Improved particle swam optimization,IPSO)算法对CVR的模型参数进行寻优,从而提出一种基于PLS-IPSO-CVR的数控机床热误差建模方法.仿真实验表明,所提出的建模方法在预测精度和速度方面优于传统SVR模型和BP神经网络模型,从而验证了组合建模方法的可行性和有效性.

关键词：数控机床、热误差建模、偏最小二乘、特征提取、核心向量回归、改进粒子群优化

所属期刊栏目：46

分类号：TH161.4

资助基金：国家自然科学基金资助项目551105336、浙江省自然科学基金资助项目Y1100281、浙江省重点科技创新团队计划资助项目2009R50008和浙江省科技厅公益性应用研究计划资助项目2014C31089

在线出版日期：2015-04-20（万方平台首次上网日期，不代表论文的发表时间）

页码：357-364