您的位置: 专家智库 > >

安徽省高校省级自然科学研究项目(kj2013a092)

作品数:1 被引量:4H指数:1
相关作者:杨洪涛丁小瑞禹斌耿金华更多>>
相关机构:安徽理工大学更多>>
发文基金:安徽省高校省级自然科学研究项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 1篇中文期刊文章

领域

  • 1篇自动化与计算...

主题

  • 1篇优化算法
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇数控
  • 1篇数控机
  • 1篇数控机床
  • 1篇子群
  • 1篇向量
  • 1篇向量机
  • 1篇粒子群
  • 1篇粒子群优化
  • 1篇粒子群优化算...
  • 1篇机床
  • 1篇PSO-SV...

机构

  • 1篇安徽理工大学

作者

  • 1篇耿金华
  • 1篇禹斌
  • 1篇丁小瑞
  • 1篇杨洪涛

传媒

  • 1篇应用科学学报

年份

  • 1篇2014
1 条 记 录,以下是 1-1
排序方式:
数控机床力-几何误差的PSO-SVM建模被引量:4
2014年
为了提高数控机床几何误差建模精度,改进补偿效果,先用测力环等仪器模拟施加并测量机床主切削力,再用激光干涉仪同步测量机床俯仰角和偏摆角误差.根据粒子群优化算法(particle swatm optimization,PSO)优化支持向量机(support vectormachine,SVM)的相应参数,并以实际测量数据进行训练,从而建立了PSO-SVM力-几何误差预测模型.实际试验表明,PSO-SVM误差预测模型输出的偏摆角误差预测值与实测数据的最大差值仅为0.6μrad,俯仰角误差预测值与实测数据的最大差值仅为0.21μrad,远小于利用BP神经网络以及常规方法优化的SVM所建立的力-几何误差预测模型的误差,因此该模型可用于数控机床几何误差的高精度实时补偿.
杨洪涛耿金华丁小瑞喻曹丰禹斌
关键词:数控机床PSO-SVM支持向量机粒子群优化算法
共1页<1>
聚类工具0