CN119472502A 基于深度神经网络的车床热误差自适应补偿方法及系统 （陕西高端机床创新研究有限公司）_第1页
CN119472502A 基于深度神经网络的车床热误差自适应补偿方法及系统 （陕西高端机床创新研究有限公司）_第2页
CN119472502A 基于深度神经网络的车床热误差自适应补偿方法及系统 （陕西高端机床创新研究有限公司）_第3页
CN119472502A 基于深度神经网络的车床热误差自适应补偿方法及系统 （陕西高端机床创新研究有限公司）_第4页
CN119472502A 基于深度神经网络的车床热误差自适应补偿方法及系统 （陕西高端机床创新研究有限公司）_第5页
已阅读5页，还剩15页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于深度神经网络的车床热误差自适应补本发明公开了基于深度神经网络的车床热开了基于深度神经网络的车床热误差自适应补2步骤1，数据采集与预处理；在车床的运行过程中，实时采集Tballi,=f(x;w,b)(3);3v,=B,y,+(1-B,)s,"(6):6.实现如权利要求1_5任一项所述的基于深度神经网络的车床热误差自适应补偿方法深度神经网络模型训练模块，基于采集的数据预测各运动轴的定补偿控制模块，将深度神经网络模型预测的误差补偿值反馈至数控系统4网络(DNN)来建立热误差模型，并通过自适应学习功能，根据用户反馈的数据动态更新模[0003]中国专利(申请号：201810936815.9，公开号：CN108803486B，公开日：[0004]中国专利(申请号：202010391543.6，公开号：CN111596612A，公开日：知器神经网络构建基于工件尺寸检测数据的数控机床热误差模型，进而得到运动补偿量，[0007]本发明所采用的技术方案是，基于深度神经网络的车床5[0014]深度神经网络模型的输入特征向量如式(2)所示，输出为各运动轴的定位误差预[0016]i,=f(x;w,b)[0018]深度神经网络模型通过均方误差(MSE)作为损失函数，损失函数的计算公式如式6[0045]图4是车床在加工工件时的工序循环多点温度测试结果及深度神经网络模型的预[0049]本发明基于深度神经网络的车床热误差自适应补偿方法，具体按照以下步骤实7[0061]i,=f(x;w,b)(3);8预测误差的对比不断调整和优化。这种自适应学习机制可以让模型更好地适应当前工况，9练好的深度神经网络模型中，模型预测出各运动轴的定位误差为[0.01mm,_0.02mm,[0104]图4是车床在4000r/min加工工件时的工序循环多点温度测试结果及深度神经网

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论