基于核主成分分析的热误差模型自变量优化

为了改善主成分分析对温度场的非线性数据提取能力不足的问题,提出一种核主成分温测点优化法。引入非线性映射函数,将输入的温度数据向特征空间映射,选择高斯径向基为核函数,将特征空间的内积运算变换为输入空间的核函数运算,求出特征值和核特征向量,建立综合自变量。在一台数控加工中心上进行试验,将提出方法建立的预测模型和主成分分析获得的预测模型进行比较,均方根误差降低约36%,最大残差降低29%,结果表明,采用核主成分法建模,能更好提取温度数据特征,可以使试验机床进给系统的热误差预测能力显著提升。

自变量优化的一元线性回归

一元线性回归是应用最为广泛的参数估计方法之一。文中提出一元线性回归的自变量在等差级数的基础上进行双向黄金分割,提高两端点观测值的多余观测分量,缩小观测值之间多余观测分量的差异,在不增加观测值数量和不改变观测值精度的前提下,提高稳健估计方法消除或减弱粗差的能力。