-
Patent Agency Ranking
公开(公告)号：CN113297723A
公开(公告)日：2021-08-24
申请号：CN202110435877.3
申请日：2021-04-22
Applicant: 哈尔滨理工大学
IPC: G06F30/20 , G06K9/62 , G06F119/08
Abstract: 本发明公开了一种基于均值漂移聚类算法(MS)和灰色关联分析算法(GRA)相结合的电主轴温度测点优化方法，对温度变量进行了筛选，包括如下步骤：首先，介绍了均值漂移算法，表明了均值漂移算法的可靠性，将温度测点分类，消除了温度测点的共线性问题；其次，采用灰色关联分析算法计算了每组实验数据中温度变量和热位移变量的灰色关联度，并进行了排序；最后，将均值漂移算法的聚类结果和灰色关联分析算法的排序结果结合考虑后选择最优温度测点，减少了温度测点的数量，完成了测点优化。本发明有效保证了高速电主轴热误差预测模型输入的温度变量的质量，使热误差预测模型的准确性和鲁棒性得到了显著提高。
-
公开(公告)号：CN113297723B
公开(公告)日：2022-11-08
申请号：CN202110435877.3
申请日：2021-04-22
Applicant: 哈尔滨理工大学
IPC: G06F30/20 , G06K9/62 , G06F119/08
Abstract: 本发明公开了一种基于均值漂移聚类算法(MS)和灰色关联分析算法(GRA)相结合的电主轴温度测点优化方法，对温度变量进行了筛选，包括如下步骤：首先，介绍了均值漂移算法，表明了均值漂移算法的可靠性，将温度测点分类，消除了温度测点的共线性问题；其次，采用灰色关联分析算法计算了每组实验数据中温度变量和热位移变量的灰色关联度，并进行了排序；最后，将均值漂移算法的聚类结果和灰色关联分析算法的排序结果结合考虑后选择最优温度测点，减少了温度测点的数量，完成了测点优化。本发明有效保证了高速电主轴热误差预测模型输入的温度变量的质量，使热误差预测模型的准确性和鲁棒性得到了显著提高。
-
公开(公告)号：CN113721548A
公开(公告)日：2021-11-30
申请号：CN202111040927.4
申请日：2021-09-06
Applicant: 哈尔滨理工大学
IPC: G05B19/404
Abstract: 本发明公开了一种数控铣头热误差补偿方法及系统，考虑了无误差情况和实际状态下铣头的热误差，并通过建立热误差补偿数学模型，得到了实际加工情况下各误差补偿量；通过将所建立的数学模型导入到热误差补偿系统中，基于温度传感器采集的数据经模/数转换器模块传递到铣头控制系统，分析计算热误差补偿值，进而对铣头实际工作中的热误差进行补偿；通过编写执行程序，经循环加工以满足精度要求，实现了实际条件下的铣头热误差实时补偿和有效控制，有效提高了数控铣头的加工精度。
-
公开(公告)号：CN113721548B
公开(公告)日：2022-05-03
申请号：CN202111040927.4
申请日：2021-09-06
Applicant: 哈尔滨理工大学
IPC: G05B19/404
Abstract: 本发明公开了一种数控铣头热误差补偿方法及系统，考虑了无误差情况和实际状态下铣头的热误差，并通过建立热误差补偿数学模型，得到了实际加工情况下各误差补偿量；通过将所建立的数学模型导入到热误差补偿系统中，基于温度传感器采集的数据经模/数转换器模块传递到铣头控制系统，分析计算热误差补偿值，进而对铣头实际工作中的热误差进行补偿；通过编写执行程序，经循环加工以满足精度要求，实现了实际条件下的铣头热误差实时补偿和有效控制，有效提高了数控铣头的加工精度。
-
公开(公告)号：CN113138555A
公开(公告)日：2021-07-20
申请号：CN202110436517.5
申请日：2021-04-22
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于遗传算法优化的GRNN电主轴热误差建模方法，通过建立四层广义回归神经网络(GRNN)结构，利用遗传算法全局搜索广义回归神经网络光滑因子σ，简单准确的找到全局最小值；采用随机初始化种群的方式，初始化广义回归神经网络光滑因子σ，构造遗传算法(GA)的适应度函数并计算个体适应度，对种群执行自然操作，对个体进行选择、交叉、遗传；搭建GRNN框架，对样本进行训练，使种群进化逐渐达到训练精度，最后采用不同转速的实验数据验证遗传算法优化的广义回归神经网络(GA‑GRNN)的泛化性；本发明利用遗传算法对广义回归神经网络光滑因子σ进行全局最优搜索，提高了GRNN的预测精度和泛化能力。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
