BP神经网络局部最优缺陷的数控机床热稳健性建模研究

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：针对BP神经网络热误差建模对网络初始值依赖度高、容易陷入局部最优解,导致预测模型灵敏度高而稳健性不足的问题,提出了利用鲸鱼优化算法(whale optimization algo-rithm,WOA)优化BP神经网络的权值阈值,在一定程度上解决了BP神经网络热误差建模对于网络初始值敏感度高、易陷入局部最优解的问题.以某台Vcenter-55型号三轴立式加工中心为例,进行热误差实验,利用模糊聚类与灰色关联度筛选出2个温度敏感点,再以其Z轴热误差为例建立WOA-BP神经网络预测模型.结果表明:该预测模型相较于BP模型,稳健性预测精度平均提高3.35μm,具有工程应用价值.

外文标题：Thermal robustness modeling of CNC machine tools with BP neural network local optimal defects

外文关键词：

BP neural networkwhale optimization algorithmthermal errorrobustness

作者：

周庆兵、苗恩铭、王文辉、谭瑞林

展开 >

作者单位：

重庆理工大学机械工程学院,重庆 400054

关键词：

BP神经网络鲸鱼优化算法热误差稳健性

基金：

国家重点研发计划项目重庆市技术创新与应用发展专项重点项目重庆市技术创新与应用发展专项重点项目

项目编号：

2019YFB1703700cstc2019jscxmbdxX0045cstc2019jscxmbdxX0016

出版年：

2023

DOI：

10.3969/j.issn.1674-8425(z).2023.12.022

重庆理工大学学报

重庆理工大学

重庆理工大学学报

CSTPCD北大核心

影响因子：0.567

ISSN：1674-8425

年,卷(期)：2023.37(23)

参考文献量8