针对进给轴热误差建模中忽略电控数据和时间序列影响的问题,提出一种考虑温度变化与电控数据的长短期记忆(Long-Short Term Memory,LSTM)神经网络热误差预测模型。以三轴立式加工中心为试验对象,首先对进给轴进行热变形分析,再以温度变...针对进给轴热误差建模中忽略电控数据和时间序列影响的问题,提出一种考虑温度变化与电控数据的长短期记忆(Long-Short Term Memory,LSTM)神经网络热误差预测模型。以三轴立式加工中心为试验对象,首先对进给轴进行热变形分析,再以温度变化、电控数据为输入样本,建立了LSTM神经网络热误差预测模型,随后通过与仅考虑温度变化的LSTM神经网络,以及同时考虑温度变化与电控数据的BP神经网络进行对比分析,试验论证表明,对数控机床进给轴进行热误差建模时,在考虑温度变化的基础上,进一步考虑电控数据可以提高模型的预测精度和鲁棒性,且在同样输入条件下,LSTM神经网络热误差预测模型相较于BP神经网络有更好的预测精度和鲁棒性。展开更多
在实际的使用过程中,声发射信号中存在散布于有效信号频带内的高能峰,难以通过连续通带滤波器去除噪声,进而得到有效的信号成分。为解决该问题,将散布的高能峰概括为一种离散的频率分布,并将其视为特征频率,设计了一种去除离散频率分布...在实际的使用过程中,声发射信号中存在散布于有效信号频带内的高能峰,难以通过连续通带滤波器去除噪声,进而得到有效的信号成分。为解决该问题,将散布的高能峰概括为一种离散的频率分布,并将其视为特征频率,设计了一种去除离散频率分布噪声的算法——基于特征频率筛选的去噪算法(Denoising Algorithm based on Characteristic Frequency Selection,DCFS):采用基于去噪特征频率窗口滑动的频谱筛选方法实现频谱有效成分的提取,进一步对有效成分采用基于iFFT的去噪信号重构方法得到去噪信号。为验证算法的性能,采用互相关函数作为算法性能评价指标,对不同的刀具和材料的声发射信号进行实验,并与通用的带阻滤波算法和LMS(Least Mean Square)-自适应滤波算法进行去噪效果比较,结果显示DCFS的去噪效果更优。展开更多
文摘针对进给轴热误差建模中忽略电控数据和时间序列影响的问题,提出一种考虑温度变化与电控数据的长短期记忆(Long-Short Term Memory,LSTM)神经网络热误差预测模型。以三轴立式加工中心为试验对象,首先对进给轴进行热变形分析,再以温度变化、电控数据为输入样本,建立了LSTM神经网络热误差预测模型,随后通过与仅考虑温度变化的LSTM神经网络,以及同时考虑温度变化与电控数据的BP神经网络进行对比分析,试验论证表明,对数控机床进给轴进行热误差建模时,在考虑温度变化的基础上,进一步考虑电控数据可以提高模型的预测精度和鲁棒性,且在同样输入条件下,LSTM神经网络热误差预测模型相较于BP神经网络有更好的预测精度和鲁棒性。
文摘在实际的使用过程中,声发射信号中存在散布于有效信号频带内的高能峰,难以通过连续通带滤波器去除噪声,进而得到有效的信号成分。为解决该问题,将散布的高能峰概括为一种离散的频率分布,并将其视为特征频率,设计了一种去除离散频率分布噪声的算法——基于特征频率筛选的去噪算法(Denoising Algorithm based on Characteristic Frequency Selection,DCFS):采用基于去噪特征频率窗口滑动的频谱筛选方法实现频谱有效成分的提取,进一步对有效成分采用基于iFFT的去噪信号重构方法得到去噪信号。为验证算法的性能,采用互相关函数作为算法性能评价指标,对不同的刀具和材料的声发射信号进行实验,并与通用的带阻滤波算法和LMS(Least Mean Square)-自适应滤波算法进行去噪效果比较,结果显示DCFS的去噪效果更优。