作者：刘康; 余玲; 杨大志热误差神经网误差补偿
摘要：对同一台加工中心主轴在不同环境下进行热误差实验,基于Matlab工具箱,利用几种常用人工神经网络建立热误差模型,对模型的预测结果进行了对比分析。同时,对基于神经网络的主轴热误差模型的建立和泛化性能等进行了讨论。实验结果和分析讨论表明,影响神经网络泛化问题的众多因素中,网络结构的复杂性和样本的复杂性起着重要作用。在网络结构方面,达到相同训练精度的网络中,结构越简单,泛化能力越好;在样本复杂性方面,样本分布越能体现总体的真实分布,则样本质量越好,但采样难度很大。因此,常规的神经网络整体热误差模型具有较差的泛化能力。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
