欢迎来到天天文库
浏览记录
ID:52207567
大小:282.18 KB
页数:4页
时间:2020-03-24
《基于SVR的动平衡加工误差补偿方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、14传感器与微系统(TransducerandMicrosystemTechnologies)2010年第29卷第1O期基于SVR的动平衡加工误差补偿方法鲍可进,高飞(江苏大学计算机科学与通信工程学院,江苏镇江212013)摘要:针对动平衡加工误差补偿函数复杂的非线性特性,提出了基于支持向量回归机(SVR)的动平衡加工误差补偿方法。对实际转子的动平衡加工数据进行分析和处理,构造训练样本群作为SVR的输入进行训练,采用训练完毕后的SVR模型对误差补偿量进行预测。仿真结果验证了基于SVR的加工补偿方
2、法能够有效地预测动平衡加工误差,实现高效、灵活的误差补偿,从而有效地提高动平衡加工精度。关键词:支持向量回归机;动平衡;加工补偿;误差预测中图分类号:TP391文献标识码:A文章编号:1000-9787(2010)10-0014-04NewapproachofdynamicbalancemachiningerrorcompensationbasedonSVRBAOKe-jin.GAOFei(SchoolofComputerScienceandTelecommunicationEngineerin
3、g,JiangsuUniversity,Zhenjiang212013,China)Abstract:Aimingatthecomplexnonlinearcharacteristicsofthedynamicbalancemachiningerrorcompensationfimction,anewapproachofdynamicbalancemachiningerorcompensationbasedonsuppo~vectorregression(SVR)ispresented.Thed
4、ynamicbalancemachiningdataofrotorsareanalyzedandprocessed.ThetrainingsamplesisusedastheinputstopredicttheerrorcompensationvalueswiththetrainedSVRmode1.SimulationresultshowsthatthecompensationapproachbasedonSVRcouldpredictthedynamicbalancemachiningerr
5、orefectively.Theerrorcompensationisimplementedefficientlyandflexibly,SOitcanimprovetheprecisionofthedynamicbalancemachiningeffectively.Keywords:supportvectorregression(SVR);dynamicbalance;machiningcompensation;errorprediction0引言学习问题上具有独到的优越性。。本文将SVR应
6、用于动转子的不平衡是造成旋转机械产生振动和噪声的主要平衡加工补偿策略,对去重加工的误差补偿值进行预测,调原因,从而造成轴承、轴封等零件的磨损,降低机器的工作整加工参数,从而有效地实现误差补偿,并提高转子动平衡效率,有时甚至会引起各种严重的事故。为消除或减小加工的精度。机器旋转零部件因失衡而引起的不平衡惯性力,把机器的1SVR振动限制在允许的范围内,对旋转零部件进行动平衡校正在支持向量回归中,要将输入向量映射到l维特征空非常必要J。目前,国内已有少数研究单位对动平衡进行间,在l维特征空间中构造线性
7、回归函数来实现原空问中研究,在去重加工方面侧重于物理模型的分析。由于电的非线性回归函数。假设输入输出数据集为(。,Y)(i=l,⋯机转子的表面不光滑、存在加工凹槽,导致去重体积无法精,m),其中,x是第i个m维输入向量,Y是第i个目标值,m是训练样本数。构造出优化超平面为确计算,以及机床存在定位误差和形变误差(让刀量),导_厂(X)=wTxg()+6,(1)致依赖物理模型的加工方法存在较大误差。如何对加工误式中w为1维权重向量,g()为将映射到特征空间的映差进行预测和补偿成为需要解决的问题。射函
8、数,b为偏置项。系数和b可由最小化回归风险来支持向量回归机(SVR)是以统计学习理论为基础的一估计,回归风险为种机器学习算法,它具有严格的数学理论基础、直观的几何1m1解释和良好的泛化能力,可以任意精度逼近任意函数,并能RsvR(c)=c(,y+寺lIWll。,(2)有效避免神经网络欠学习和过学习的情况,在处理小样本式中C为常数,,J(,Y为不敏感损失函数。收稿日期:2010-02-04第10期鲍可进,等:基于SVR的动平衡加工误差补偿方法l5L。(,y一lY-f()l:IFlax(0,IY-f
此文档下载收益归作者所有