热误差是影响高精密数控机床加工精度的重要因素。为了提高机床加工精度和性能,减少机床运行中产生的热误差,文章提出一种基于热图像的灰狼优化算法(grey wolf optimization algorithm,GWOA)和双向长短期记忆神经网络(bidirectional lon...热误差是影响高精密数控机床加工精度的重要因素。为了提高机床加工精度和性能,减少机床运行中产生的热误差,文章提出一种基于热图像的灰狼优化算法(grey wolf optimization algorithm,GWOA)和双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)混合的热误差预测模型。首先,采用热成像仪获取机床主轴区域的温度场信息;其次,利用DBSCAN聚类(density-based spatial clustering of applications with noise)算法和相关系数法筛选出温度敏感点;然后,通过模拟灰狼群体捕食行为,在参数空间中进行搜索以找到BiLSTM所需的最优参数;最后,使用获得的机床温度敏感点和热位移数据进行热误差预测,并在试验机床上进行验证。实验结果表明,使用GWOA优化BiLSTM神经网络的预测模型相比BiLSTM神经网络预测模型的均方根误差(root mean square error,RMSE)和平均绝对误差(mean absolute error,MAE)分别减小了约0.5180、0.3823μm,决定系数R^(2)提升了0.0578。与BiLSTM神经网络模型相比,利用GWOA优化后的模型具有更加优良的预测性能。展开更多
在当今数字化和智能化的时代背景下,人工智能(artificial intelligence,AI)已成为科技创新的重要引擎,总结探讨AI研究的最新趋势和未来发展方向具有重要的研究和现实意义.为此,对2021—2023年间在中国计算机学会(CCF)推荐的AI领域CCF-A...在当今数字化和智能化的时代背景下,人工智能(artificial intelligence,AI)已成为科技创新的重要引擎,总结探讨AI研究的最新趋势和未来发展方向具有重要的研究和现实意义.为此,对2021—2023年间在中国计算机学会(CCF)推荐的AI领域CCF-A类国际会议和期刊所发表论文的研究成果进行收集,并在此基础上采用文献计量学的方法论来通过关键词对研究热点进行分析,进行基于高频关键词分析研究热点、基于新增关键词分析研究趋势、基于引用量加权的关键词分析高影响力研究,可以梳理AI研究的主流方向、发现AI主要研究方向的相互联系和交叉融合的特点.此外,对当前研究热点如大语言模型(large language model,LLM)、AI驱动的科学研究(AI for Science)和视觉生成相关论文的关联热点进行分析,可以挖掘技术路径和方法论的演变,展现技术创新背后的科学理论和应用前景,从而进一步揭示AI研究的最新趋势和发展前景.展开更多
文摘热误差是影响高精密数控机床加工精度的重要因素。为了提高机床加工精度和性能,减少机床运行中产生的热误差,文章提出一种基于热图像的灰狼优化算法(grey wolf optimization algorithm,GWOA)和双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)混合的热误差预测模型。首先,采用热成像仪获取机床主轴区域的温度场信息;其次,利用DBSCAN聚类(density-based spatial clustering of applications with noise)算法和相关系数法筛选出温度敏感点;然后,通过模拟灰狼群体捕食行为,在参数空间中进行搜索以找到BiLSTM所需的最优参数;最后,使用获得的机床温度敏感点和热位移数据进行热误差预测,并在试验机床上进行验证。实验结果表明,使用GWOA优化BiLSTM神经网络的预测模型相比BiLSTM神经网络预测模型的均方根误差(root mean square error,RMSE)和平均绝对误差(mean absolute error,MAE)分别减小了约0.5180、0.3823μm,决定系数R^(2)提升了0.0578。与BiLSTM神经网络模型相比,利用GWOA优化后的模型具有更加优良的预测性能。
文摘在当今数字化和智能化的时代背景下,人工智能(artificial intelligence,AI)已成为科技创新的重要引擎,总结探讨AI研究的最新趋势和未来发展方向具有重要的研究和现实意义.为此,对2021—2023年间在中国计算机学会(CCF)推荐的AI领域CCF-A类国际会议和期刊所发表论文的研究成果进行收集,并在此基础上采用文献计量学的方法论来通过关键词对研究热点进行分析,进行基于高频关键词分析研究热点、基于新增关键词分析研究趋势、基于引用量加权的关键词分析高影响力研究,可以梳理AI研究的主流方向、发现AI主要研究方向的相互联系和交叉融合的特点.此外,对当前研究热点如大语言模型(large language model,LLM)、AI驱动的科学研究(AI for Science)和视觉生成相关论文的关联热点进行分析,可以挖掘技术路径和方法论的演变,展现技术创新背后的科学理论和应用前景,从而进一步揭示AI研究的最新趋势和发展前景.