典型文献
基于正则化的机床热误差自适应稳健建模算法
文献摘要：
通过建立预测模型对机床热误差进行补偿,是有效解决热误差造成机床精度下降问题的常用方法.本文提出一种基于正则化的数控机床热误差自适应稳健建模算法,能够在建模过程中自适应选择温度敏感点(TSPs),并具有高预测精度和稳健性.首先基于结构风险最小化原则对热误差建模稳健性机理进行分析,进而利用正则化算法中LASSO解的稀疏性实现自适应TSP选择.然后基于不同实验条件的热误差数据,分析所提建模算法的预测效果,并与常用的多元线性回归、BP神经网络和岭回归算法进行比对分析.结果表明,本文所提建模算法具有最高的预测精度和稳健性,分别为5.22和1.69 μm.最后,利用所建立的预测模型进行热误差补偿实验,以验证本文所提建模算法的实际补偿效果.
文献关键词：
热误差;预测模型;正则化;稳健性;自适应
中图分类号：
作者姓名：
魏新园;钱牧云;赵洋洋;潘巧生;苗恩铭
作者机构：
安徽工业大学电气与信息工程学院 马鞍山 243032;合肥工业大学仪器科学与光电工程学院 合肥 230009;重庆理工大学机械工程学院 重庆 400054
文献出处：
引用格式：
[1]魏新园;钱牧云;赵洋洋;潘巧生;苗恩铭-.基于正则化的机床热误差自适应稳健建模算法)[J].仪器仪表学报,2022(05):77-85
A类：
TSPs
B类：
建模算法,机床精度,常用方法,数控机床,自适应选择,温度敏感,敏感点,结构风险最小化原则,热误差建模,正则化算法,LASSO,稀疏性,实验条件,差数,岭回归算法,比对分析,误差补偿
AB值：
0.237694
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
