计算机集成制造系统
計算機集成製造繫統
계산궤집성제조계통
COMPUTER INTEGRATED MANUFACTURING SYSTEMS
2013年
11期
2824-2833
,共10页
故障诊断%概率神经网络%自适应误差修正%数控机床
故障診斷%概率神經網絡%自適應誤差脩正%數控機床
고장진단%개솔신경망락%자괄응오차수정%수공궤상
failure diagnosis%probabilistic neural network%adaptive error correction%computer numerical control machine
针对数控机床自身复杂性对故障诊断模型的需求,借助人工神经网络在故障诊断领域的优势,提出一种基于自适应误差修正模型的概率神经网络,以实现数控机床机械故障的实时诊断.针对概率神经网络由于未考虑模式间交错影响而导致判决界面有偏的问题,在概率神经网络的基础上设计自适应误差修正模型,通过对同类别错误分类样本进行自适应聚类并批量修正的过程,实现判决界面的重新规划.对双螺旋分类问题、IRIS分类问题的实验结果表明,该方法在分类准确率和模型泛化能力方面均优于概率神经网络方法和径向基概率神经网络方法,且训练速度和测试速度满足分类实时性需求.在数控机床故障诊断领域的应用表明,所提方法的故障模式识别准确率高,具有可行性和有效性.
針對數控機床自身複雜性對故障診斷模型的需求,藉助人工神經網絡在故障診斷領域的優勢,提齣一種基于自適應誤差脩正模型的概率神經網絡,以實現數控機床機械故障的實時診斷.針對概率神經網絡由于未攷慮模式間交錯影響而導緻判決界麵有偏的問題,在概率神經網絡的基礎上設計自適應誤差脩正模型,通過對同類彆錯誤分類樣本進行自適應聚類併批量脩正的過程,實現判決界麵的重新規劃.對雙螺鏇分類問題、IRIS分類問題的實驗結果錶明,該方法在分類準確率和模型汎化能力方麵均優于概率神經網絡方法和徑嚮基概率神經網絡方法,且訓練速度和測試速度滿足分類實時性需求.在數控機床故障診斷領域的應用錶明,所提方法的故障模式識彆準確率高,具有可行性和有效性.
침대수공궤상자신복잡성대고장진단모형적수구,차조인공신경망락재고장진단영역적우세,제출일충기우자괄응오차수정모형적개솔신경망락,이실현수공궤상궤계고장적실시진단.침대개솔신경망락유우미고필모식간교착영향이도치판결계면유편적문제,재개솔신경망락적기출상설계자괄응오차수정모형,통과대동유별착오분류양본진행자괄응취류병비량수정적과정,실현판결계면적중신규화.대쌍라선분류문제、IRIS분류문제적실험결과표명,해방법재분류준학솔화모형범화능력방면균우우개솔신경망락방법화경향기개솔신경망락방법,차훈련속도화측시속도만족분류실시성수구.재수공궤상고장진단영역적응용표명,소제방법적고장모식식별준학솔고,구유가행성화유효성.
