基于时序深度学习的数控机床运动精度预测方法

论文摘要

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。

论文目录

• 0 引言
• 1 基于LSTM的时序深度学习网络
• 2 基于时序深度学习网络的数控机床精度预测方法
•   2.1 基于LSTM无限深度学习网络的运动精度预测模型
•   2.2 基于相空间重构的模型输入向量构建
•   2.3 深度学习预测模型训练方法
• 3 实验
• 4 结束语

文章来源

类型: 期刊论文

作者: 余永维,杜柳青,易小波,陈罡

关键词: 数控机床,运动精度,预测,深度学习,神经网络

来源: 农业机械学报 2019年01期

年度: 2019

分类: 农业科技,工程科技Ⅰ辑,信息科技

专业: 金属学及金属工艺,自动化技术

单位: 重庆理工大学机械工程学院,重庆高金实业有限公司

基金: 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)

分类号: TG659;TP18

页码: 421-426

总页数: 6

文件大小: 204K

下载量: 552