笔墨传神 唐光元山水画赏析

唐光元，字云轩，又字牧溪，号五溪山民，涤尘子，心然居士。1961年生，湖南怀化市人。毕业于中国人民大学“首届书法研究生班”。曾修业于中国艺术研究院美术高级研究班。传略载入《世界名人录》《中国艺术名家》，获“世界华人杰出艺术家”称号。作品曾多次参加国内外重大展览。曾被《中国文化报》《中国书画报》等国内十余家艺术专业报刊杂志专题评价。2011年《中外文化交流》杂志第一期对其进行了专访。

唐光元山水画赏析

唐光元字云轩，号五溪山民，涤尘子，心然居士，斋号：穹庐。1957年生，湖南怀化市人。毕业于中国人民大学“首届书法研究生班”。曾修业于中国艺术研究院美术高级研修班。传略载入《世界名人录》《中国艺术名家》，获“世界华人杰出艺术家”称号，曾被国内数十家报刊杂志等媒体专题评价，作品被多家艺术机构及国内外友人收藏。

融合时间的单温度敏感点机床热误差建模方法

针对敏感点变动性和敏感点共线性对热误差预测模型的预测精度和稳健性的影响,提出融合时间的单温度敏感点建模方法,将隐性参数时间显性化,进一步明确温度变量、时间变量与热误差之间的关系,提升热误差模型的预测精度和稳健性,降低温度敏感点的选择难度。在采用半年数控机床热误差实验数据时,仅选用一个温度测点作为敏感点,建立温度、时间与热误差之间的多元回归预测模型;与传统的选择多温度敏感点的多元回归热误差预测模型进行比对分析,验证所提方法的有效性。研究结果表明:对数控机床的Y向热误差,所提出建模方法的平均预测精度为2.57μm,模型稳健性为1.37μm,相较于传统的热误差预测模型,预测精度和稳健性提高了28.0%和47.1%;对数控机床的Z向热误差,所提出建模方法的平均预测精度为5.30μm,模型稳健性为3.40μm,相较于传统的热误差预测模型,预测精度和稳健性提高了45.1%和57.7%;能较好地降低温度敏感点的选择难度,提高热误差模型的预测精度和稳健性。

基于PLS-BP神经网络的数控机床热误差建模研究

针对BP神经网络在机床热误差建模中具有拟合非线性数据的特性、但存在稳健性较差的缺陷,提出一种PLS-BP神经网络建模方法,能有效提高模型的预测精度和稳健性。通过偏最小二乘法对温度数据降维处理提取主成分,消除其所包含的冗余信息,基于BP神经网络与热误差建立回归映射模型,并与传统BP模型的预测效果对比分析。研究结果表明:所提出PLS-BP建模方法具有较高的预测精度和稳健性,可将多组预测结果残余标准差的最大均值、残余标准差的最大标准差分别控制在3.13和1.32μm以内,相比传统BP模型具有显著优势。

基于PCA-BP神经网络数控机床热误差建模研究

针对BP神经网络算法在机床热误差补偿建模中存在稳健性较差的问题,提出一种PCA-BP神经网络建模算法。该方法是在BP神经网络建模的基础上增加PCA的数据前处理过程,用主成分变量参与BP建模,反映原始数据中的大部分信息,保留主要的特征属性。为验证该方法性能,建立了Vcenter-55型数控加工中心的PCA-BP热误差模型,进行多组热误差交叉预测实验,并与传统BP神经网络模型进行性能对比。结果表明,所提PCA-BP模型相比常规的BP模型稳健性显著提高,可将多组预测结果均方根误差的最大均值和最大标准差分别控制在3.64μm和1.68μm以内。研究结果对提高热误差模型的精度及稳健性具有理论指导意义。

数控机床“对称映射”热稳健性建模方法研究

针对数控机床温度敏感点存在随着季节变化而变动,导致预测模型的精度与稳健性随之变动的问题,提出了使用K-means聚类算法结合灰色关联度的方法,优选出稳健性较高的温度敏感点,有效降低其变动性,提高了模型的精度和稳健性。针对不同型号机械结构不同的机床热特性差异,导致直接使用常用的多元线性回归(MLR)算法建立的模型预测效果不佳的问题,提出了“对称映射”稳健性建模预测方法,有效提高了模型的预测精度与稳健性。同时,以Vcenter-55数控加工中心与leaderway-450数控加工中心为研究对象,结合全年的实验数据并以Z轴方向热误差数据为例,最终建立Z轴方向热误差预测模型,其MLR模型残余标准差平均值由数据处理前的8μm降低到4.27μm,提升了46.6%的精度。模型随着温度敏感点变动性的减弱,应用周期提升至6个月有效期,极大提高了模型的稳健性。