基于RBF神经网络的数控车床热误差建模

被引：96

作者：

杜正春

杨建国

窦小龙

刘行

机构：

[1] 上海交通大学机械与动力工程学院,上海交通大学机械与动力工程学院,上海交通大学机械与动力工程学院,上海交通大学机械与动力工程学院上海,上海,上海,上海

来源：

上海交通大学学报 | 2003年 / 01期

关键词：

热误差补偿; 径向基函数; 建模; 神经网络;

D O I：

暂无

中图分类号：

TP273.5 [];

学科分类号：

摘要：

对于数控车床而言 ,热误差是其最大的误差源 ,而其中最困难的是热误差建模 .现有 BP算法的神经网络模型存在学习收敛速度慢 ,容易陷入局部极小点的缺点 .文中使用径向基函数理论建立了基于 RBF神经网络的数控机床热误差数学模型 .讨论了 RBF网络参数的初始化及学习 ;给出了两种建模方式的 RBF网络建模算例 ,将其建模性能指标与经典最小二乘法建模指标进行综合对比 ,可知 RBF网络各项指标均优于经典最小二乘方法 .最后验证了 RBF网络建模的鲁棒性 .结果表明 :径向基神经网络模型与经典最小二乘线性模型相比 ,拟合性能更好 ,预测补偿能力强且建模时间短

引用

页码：26 / 29

页数：4