作者:林伟青,傅建中,许亚洲,陈子辰 单位:中国科学院长春光机所;中国仪器仪表学会 出版:《光学精密工程》2008年第09期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFGXJM2008090250 DOC编号:DOCGXJM2008090259 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于灰色模糊聚类和LS-SVM加工中心的热误差补偿模型》PDF+DOC2011年第05期 苏铁明,叶三排,孙伟,马跃 《数控机床热误差补偿实验平台的设计》PDF+DOC2016年第09期 郭丰,刘康,王江,张志鹏 《基于动态自适应LS-SVM的数控机床热误差建模研究》PDF+DOC2017年第06期 范秋凤,翟雁,邢春芳,石峰 《数控机床热误差测试中的温度传感器研究》PDF+DOC2014年第02期 姚晓栋,杨建国,罗文君,薛波 《神经网络理论在数控机床热误差建模中的应用》PDF+DOC2005年第08期 刘国良,张宏涛,曹洪涛,赵海涛,杨建国 《基于LS-SVM的飞控系统传感器故障诊断》PDF+DOC2011年第03期 胡良谋,曹克强,苏新兵,李小刚 《基于最小二乘支持向量机的车用铂电阻温度传感器非线性校正》PDF+DOC2008年第05期 蒋寿生,鄂加强,刘云卿,龚金科 《基于改进的LS-SVM测量油气两相流空隙率》PDF+DOC2008年第01期 彭珍瑞,王保良,黄志尧,李海青 《LS-SVM构造FLANN逆系统的传感器动态补偿方法》PDF+DOC2007年第03期 吴德会 《基于LS-SVM逆系统方法的传感器非线性校正方法研究》PDF+DOC2013年第06期 雷烨,黄鲁江
  • 提出了一种在数控机床热误差辨识建模过程中利用最小二乘支持向量机结合遗传算法对温度传感器进行筛选与优化的新方法,对布置在一台数控车床上的温度传感器进行了优化。根据热模态理论,对传感器进行分组,利用最小二乘支持向量机方法构建数控机床热误差辨识模型,再根据遗传算法对其进行传感器优化布置。结果表明,遗传算法与最小二乘支持向量机方法的结合,很好地避免了温度测点的相互影响,保证了模型精度。该台数控车床的轴向建模平均绝对百分比误差为1.89%,径向建模平均绝对百分比误差为2.04%。传感器使用数量减少,节约了硬件成本,提高了辨识建模速度。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。