Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于长短时记忆网络的机床主轴时变热误差模型在线进化方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

摘要:本发明提供一种基于长短时记忆网络的机床主轴时变热误差模型在线进化方法,属于数控机床误差补偿技术领域,步骤如下:基于主轴温度变化速度和加速度建立主轴时变热伸长误差模型,计算主轴时变热伸长误差;基于长短时记忆网络建立主轴时变热伸长误差预测的数据驱动模型,预测主轴时变热伸长误差;判断主轴时变热伸长误差模型计算数据集和长短时记忆网络预测数据集的一致性;根据一致性判断结果实施模型在线更新机制,若一致,则更新用于主轴时变热伸长误差预测的长短时记忆网络,若不一致,则更新主轴时变热伸长误差模型。本发明使主轴时变热伸长误差模型具有在线进化能力,保证模型在长期运行中的准确性,提高时变热误差模型的鲁棒性。

主权项:1.一种基于长短时记忆网络的机床主轴时变热误差模型在线进化方法,其特征在于,所述的在线进化方法首先,基于主轴温度变化速度和加速度建立主轴时变热伸长误差模型,以主轴温度与环境温度作为模型输入,计算主轴时变热伸长误差;然后,基于长短时记忆网络建立主轴时变热伸长误差预测的数据驱动模型,以主轴温度与环境温度作为模型输入,预测主轴时变热伸长误差;之后,判断主轴时变热伸长误差模型计算数据集Ez和长短时记忆网络预测数据集Ez’的一致性;最后,根据一致性判断结果实施模型在线更新机制,若Ez和Ez’一致,则利用温度数据集TS、TE和误差数据集Ez更新用于主轴时变热伸长误差预测的长短时记忆网络,若Ez和Ez’不一致,则利用温度数据集TS、TE和误差数据集Ez’更新主轴时变热伸长误差模型;所述方法包括如下步骤:第一步,建立基于主轴温度变化速度和加速度的主轴时变热伸长误差模型;采用主轴温度变化速度和加速度计算主轴时变热伸长误差稳态值: 式中,Ezst是t时刻的主轴时变热伸长误差稳态值,λv是与主轴温度变化速度相关的系数,λa是与主轴温度变化加速度相关的系数,TSt和TS0分别是t时刻和初始时刻的主轴温度值,TEt和TE0分别是t时刻和初始时刻的环境温度值;Tt是t时刻主轴温度相比于环境温度的净增量;基于主轴温度变化速度和加速度的主轴时变热伸长误差计算公式写为:Ezt=Ezt-Δt+[Ezst-Ezt-Δt]·1-e-Δtτ2式中,Ezt是t时刻的主轴时变热伸长误差值,τ是主轴热惯性系数;采用非线性二次规划算法对与主轴温度变化速度相关的系数λv、与主轴温度变化加速度相关的系数λa和主轴热惯性系数τ进行辨识,目标函数为: 式中,Eztt是t时刻的主轴时变热伸长误差实测值,Ezt是t时刻的主轴时变热伸长误差计算值,τmin、λvmin和λamin分别为参数τ、λv和λa的约束条件下限,τmax、λvmax和λamax分别为系数τ、λv和λa的约束条件上限;第二步,建立用于主轴时变热伸长误差预测的长短时记忆网络;采用长短时记忆网络建立用于主轴时变热伸长误差预测的数据驱动模型,模型输入为主轴温度TSt与环境温度TEt,输出为主轴时变热伸长误差预测值Ez′t,模型形式如下:Ez′t=fK,TSt,TEt4式中,K为长短时记忆网络的权值矩阵和偏置向量参数,采用以主轴温度TSt与环境温度TEt测量值为训练数据、以主轴时变热伸长误差测量值Eztt为标签的训练集训练长短时记忆网络;第三步,判断主轴时变热伸长误差模型计算数据集Ez和预测数据集Ez’的一致性;主轴温度和环境温度的采集周期为t0,第一步中建立的主轴时变热伸长误差模型实时计算主轴时变热伸长误差,当时间达到一致性判断周期T0时,由主轴时变热伸长误差模型计算得到的数据集为Ez;将T0周期内得到的主轴温度和环境温度时间序列数据集TS和TE输入第二步建立的长短时记忆网络,得到主轴时变热伸长误差预测数据集Ez’;采用一致性评价方法,根据一致性判断周期T0内存储的主轴时变热伸长误差的模型计算数据集Ez和长短时记忆网络预测数据集Ez’之间差值的均值A和一致性边界间的宽度B,结合模型计算数据集与长短时记忆网络预测数据集之差均值的阈值A0以及一致性边界之间宽度的阈值B0,判断两组数据的一致性;基于主轴温度变化速度和加速度的主轴时变热伸长误差模型在工作过程中,当模型计算数据集Ez和长短时记忆网络预测数据集Ez’之间差值的均值A和一致性边界间的宽度B满足:A>A0或B>B0时,则认为模型计算数据集Ez和长短时记忆网络预测数据集Ez’的一致性变差,即认为主轴时变热伸长误差模型准确性变差;否则,认为模型计算数据集Ez和长短时记忆网络预测数据集Ez’的一致性好;第四步,根据一致性判断结果在线更新主轴时变热伸长误差模型;根据第三步的判断结果,如果Ez和Ez’一致性差,则利用该一致性判断周期T0时间内得到的主轴温度时间序列集TS、环境温度时间序列集TE和长短时记忆网络预测的时间序列集Ez’在线辨识主轴时变热伸长误差模型的参数λv、λa和τ;如果Ez和Ez’一致性好,则认为主轴时变热伸长误差模型准确,为保证该一致性判断周期T0时间内主轴温度、环境温度和主轴时变热伸长误差信息被记忆,则利用该T0时间内得到的主轴温度时间序列集TS、环境温度时间序列集TE和主轴时变热伸长误差模型计算数据集Ez组成的训练集,在线更新第二步得到的长短时记忆网络。

全文数据:

权利要求:

百度查询: 大连理工大学 基于长短时记忆网络的机床主轴时变热误差模型在线进化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。