基于贝叶斯神经网络的机床热误差建模
Manufacturing Technology & Machine Tool（2022）
摘要
热误差严重影响着机床的加工精度,对机床关键部件进行热特性分析是开发精密机床的重要环节.通过测量包括数控机床的特殊位置温度和定位误差在内的热特性,研究了温升与定位误差之间的关系,提出了一种基于贝叶斯神经网络的热误差建模方法.通过K-means聚类和相关系数法来选择温度敏感点,可以有效地抑制温度测量点之间的多重共线性问题.结果表明:通过使用贝叶斯神经网络能提高机床88.015 9％的精度,比BP神经网络高出15.763 8％,与BP神经网络模型相比,贝叶斯神经网络具有更加优良预测性能.贝叶斯神经网络模型为降低机床热误差的影响提供了新思路.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要