排序方式: 共有13条查询结果,搜索用时 734 毫秒
1.
针对进给轴热误差建模中忽略电控数据和时间序列影响的问题,提出一种考虑温度变化与电控数据的长短期记忆(Long-Short Term Memory,LSTM)神经网络热误差预测模型.以三轴立式加工中心为试验对象,首先对进给轴进行热变形分析,再以温度变化、电控数据为输入样本,建立了LSTM神经网络热误差预测模型,随后通过与仅考虑温度变化的LSTM神经网络,以及同时考虑温度变化与电控数据的BP神经网络进行对比分析,试验论证表明,对数控机床进给轴进行热误差建模时,在考虑温度变化的基础上,进一步考虑电控数据可以提高模型的预测精度和鲁棒性,且在同样输入条件下,LSTM神经网络热误差预测模型相较于BP神经网络有更好的预测精度和鲁棒性. 相似文献
2.
磁记忆法是检测铁磁性金属材料应力集中情况的有效方法。目前,虽然磁记忆检测技术在工程领域的应用较为成功,但不同应力集中程度下的磁记忆信号特征尚不明确。本文为了研究应力作用下钢板表面的磁记忆信号规律,设计了基于磁记忆法的钢板信号检测实验。研究结果表明,在外部载荷作用下,随应力增加,磁记忆法与应力呈现良好的线性一一对应关系。 相似文献
3.
4.
高通量天然气管道在使用过程中由于增压将引发局部变形,对管道材料的服役安全性会产生不利的影响。目前对于预变形引发硬化现象的研究主要集中在母材区域或焊缝区域,而对于含焊缝区域管线钢的研究则甚少。为此,以含焊缝区域的X80管线钢为研究对象,采用不同拉伸预变形量来模拟管道增压形成的单向拉应力,以此为基础研究焊缝和母材协同应变引起的加工硬化对管线钢拉伸性能的影响规律。研究结果表明:(1)在拉应力的作用下,焊缝区域和母材区域均发生应变响应;(2)焊缝区域较大晶粒尺寸可以有效增加晶界与内部位错的流动阻力,具有较高的应变硬化能力,使得再次变形时焊缝区屈服强度高于母材区,因此拉伸过程主要集中在母材区域;(3)预变形量越大,应变硬化现象越显著;(4)焊缝区的强应变响应能力导致断裂发生在母材区域并且断口形貌由微孔聚集型向准解理型断裂转变。结论认为,该研究成果可以为X80管线钢焊接工艺设计及高通量条件下的天然气管道安全评价提供理论基础和实验依据。 相似文献
5.
为了提高永磁同步电动机转速控制的性能,抑制其稳态下的转速波动,设计了一种并联于传统速度PI控制器的自适应迭代学习控制器,用于对转速波动进行补偿。针对传统迭代学习控制器对非周期信号抗扰能力差的问题,提出了Fal函数与迭代学习控制器结合的方法,保证了系统在调速时仍具备良好的响应特性;针对迭代学习控制器迭代增益系数的整定问题,提出了一种控制参数自适应的迭代学习控制方法。实验结果表明,所提出的Fal函数与迭代学习控制器结合的方法能有效提升系统的抗扰能力;同时,提出的参数自适应方案也能提升迭代学习控制器对转速波动抑制的能力。 相似文献
6.
7.
8.
9.
在线辨识永磁同步电机的参数可以实现PI控制器的实时整定,有利于电机的解耦控制以及弱磁的计算。针对模型参考自适应法在辨识永磁同步电机参数时出现的波动问题,本文引入了电机参数变化趋势的惯性因子,使参数辨识值在迭代更新时,更符合参数的变化趋势。针对永磁同步电机电气参数辨识的方程欠秩问题,本文重新设计了分步辨识的步骤,减少了定子电阻误差对永磁体磁链辨识的影响。仿真实验显示,改进后的模型参考自适应算法无噪音条件下电感、磁链、电阻辨识的绝对误差分别为改进前的30.30%、19.77%、14.12%;噪音条件下,电感辨识精度接近,磁链、电阻绝对误差分别为改进前的24.17%、37.42%,表明改进后算法辨识精度得到提升。 相似文献
10.
针对进给轴热误差建模中忽略电控数据和时间序列影响的问题,提出一种考虑温度变化与电控数据的长短期记忆(Long-Short Term Memory,LSTM)神经网络热误差预测模型.以三轴立式加工中心为试验对象,首先对进给轴进行热变形分析,再以温度变化、电控数据为输入样本,建立了LSTM神经网络热误差预测模型,随后通过与仅考虑温度变化的LSTM神经网络,以及同时考虑温度变化与电控数据的BP神经网络进行对比分析,试验论证表明,对数控机床进给轴进行热误差建模时,在考虑温度变化的基础上,进一步考虑电控数据可以提高模型的预测精度和鲁棒性,且在同样输入条件下,LSTM神经网络热误差预测模型相较于BP神经网络有更好的预测精度和鲁棒性. 相似文献