机械设计与制造
機械設計與製造
궤계설계여제조
MACHINERY DESIGN & MANUFACTURE
2009年
12期
186-188
,共3页
加工误差%最小二乘支持向量机%预测模型
加工誤差%最小二乘支持嚮量機%預測模型
가공오차%최소이승지지향량궤%예측모형
提出一种基于最小二乘支持向量机(LS-SVM)的机床加工误差回归模型和预测方法,给出了相应的步骤和算法.通过与BP神经网络和RBF神经网络预测方法比较,仿真结果表明,在较少的误差数据条件下,该模型能够有效的描述和预测加工误差的变化,且模型预测误差比神经网络模型小60%左右;应用该预测模型预测机床加工误差有更高的预测精度,对其实施补偿和控制,将有效提高机床的加工精度.
提齣一種基于最小二乘支持嚮量機(LS-SVM)的機床加工誤差迴歸模型和預測方法,給齣瞭相應的步驟和算法.通過與BP神經網絡和RBF神經網絡預測方法比較,倣真結果錶明,在較少的誤差數據條件下,該模型能夠有效的描述和預測加工誤差的變化,且模型預測誤差比神經網絡模型小60%左右;應用該預測模型預測機床加工誤差有更高的預測精度,對其實施補償和控製,將有效提高機床的加工精度.
제출일충기우최소이승지지향량궤(LS-SVM)적궤상가공오차회귀모형화예측방법,급출료상응적보취화산법.통과여BP신경망락화RBF신경망락예측방법비교,방진결과표명,재교소적오차수거조건하,해모형능구유효적묘술화예측가공오차적변화,차모형예측오차비신경망락모형소60%좌우;응용해예측모형예측궤상가공오차유경고적예측정도,대기실시보상화공제,장유효제고궤상적가공정도.
