共查询到10条相似文献,搜索用时 343 毫秒
1.
数控切削加工表面粗糙度RBF神经网络预测模型 总被引:2,自引:0,他引:2
针对数控切削加工表面粗糙度存在预测精度不高的问题,采用径向基(RBF)神经网络技术,以多组实际加工试验数据作为样本,建立了以转速n、进给速度vf、背吃力量ap为自变量的切削表面粗糙度预测模型。试验及预测结果表明:切削表面粗糙度RBF神经网络预测模型的预测相对误差小于2.7%,而回归分析预测值的相对误差在7.1%~14.0%变动。充分说明数控切削加工表面粗糙度RBF神经网络预测模型的预测精度高,可满足数控切削加工表面粗糙度实时在线预测的要求。 相似文献
2.
针对小样本数据条件下预测硫化铜精矿品位的问题,提出了基于灰色理论的铜精矿品位预测模型。该模型通过试验所得的小样本数据,动态改变建模数据的初始值和背景值,结合灰色理论建立了硫化铜精矿品位的GM(1,1)预测模型,统计预测模型的平均相对误差。结果表明:基于灰色理论的预测模型精度较高,最小的平均相对误差为1. 88%,模型的预测效果较好,可作为预测铜精矿品位的一种新方式。 相似文献
3.
主轴的运转精度、平稳性以及使用寿命都与摩擦力矩相关。轴承摩擦力矩太大会导致轴承内部温度上升,进而导致润滑剂劣化,导致磨损加剧。因此,摩擦力矩这项性能指标对轴承来说显得极为重要。设计的球轴承摩擦力矩测量仪,利用上、下定位卡盘分别将轴承的内、外圈固定住。开发的轴承摩擦力矩测量仪结构简单,稳定性好,测量数据可靠性高,能够准确反映被测轴承在一定条件下的摩擦力矩,对进一步研究轴承摩擦力矩测量仪具有极其重要的参考价值。 相似文献
4.
5.
为了提高矿井防尘用水量预测的精确度,提出了基于小波分析理论与灰色预测模型(GM(1,1))、自回归滑动平均模型(ARMA(p,q))组合的预测模型。运用小波分析将用水量时间序列做不同尺度分解,并将低频信号和高频信号采用GM(1,1)和ARMA(p,q)进行预测,最终经小波重构得到预测结果。以林南仓矿为研究背景,使用该组合模型预测2014年各月份的用水量,通过与实际数据对比,残差检验相对误差不超过2.5%。结果表明:矿井防尘用水量在总体上逐年缓慢增加,每年内呈周期性的变化;基于小波分析与GM(1,1)-ARMA(p,q)组合的预测模型具有较高的预测精度。 相似文献
6.
矿井通风摩擦阻力系数在矿井通风管理和设计中有着重要的作用,为准确预测巷道摩擦阻力系数,以实测数据为研究对象,提出2种机器学习预测模型。以锚杆间排距、锚杆外露长度、巷道周长、巷道长度、巷道断面积、巷道负压、巷道风速和巷道摩擦阻力系数为输入参数,对巷道摩擦阻力系数进行了预测。研究结果表明,巷道周长与巷道断面积、巷道风速相关性分别为0.99,0.54,巷道长度与巷道负压的相关性为0.53,巷道断面积与巷道风速的相关性为0.54,巷道摩擦阻力系数与其余因素之间的相关性较弱。随机森林、Ada Boost预测模型,预测误差率最大分别为3.0%、2.950%,最大相对误差分别为0.03,0.0295,平均相对误差分别为0.64%、0.65%。2种算法预测准确率均为97%以上,对矿井巷道摩擦阻力系数预测具有良好的适用性和可靠性。 相似文献
7.
8.
针对非线性预测问题,提出了小波神经网络算法,建立了小波神经网络的趋势预测模型,通过对钢丝绳磨损度的时间序列预测,实现了故障预报。实践表明:小波网络具有更快的收敛速度和更高的预报精度,仿真结果与实测数据相比最大相对误差为4.23%,预报精度满足要求。 相似文献
9.