10.6041/j.issn.1000-1298.2019.01.049
基于时序深度学习的数控机床运动精度预测方法
由于数控机床精度演化规律难以通过数学建模分析,提出了一种基于时序深度学习网络的数控机床运动精度建模与预测方法.基于长短时记忆网络建立时序深度学习预测模型,利用相空间重构原理构建模型时序输入向量,采用多层网格搜索方法选择最优隐含层层数、隐含层节点数等模型参数,以BPTT方法训练模型;模型自动提取运动精度时间序列的时空特征,挖掘精度时间序列前后关联信息,对运动精度变化趋势进行预测.实验结果表明,基于时序深度学习网络的预测模型能够准确预测数控机床精度的衰退趋势,预测的最大相对误差不大于7.96%,优于传统方法.
数控机床、运动精度、预测、深度学习、神经网络
50
TH115
国家自然科学基金面上项目51775074;重庆市重点产业共性关键技术创新重点研发项目cstc2017zdcy-zdyfX0066、cstc2017zdcy-zdyfX0073;重庆市基础研究与前沿探索项目cstc2018jcyjAX0352
2019-03-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
421-426