导读:本文包含了网络误差论文开题报告文献综述及选题提纲参考文献，主要关键词:热误差,误差补偿,数控机床,小波神经网络
网络误差论文文献综述
李彬,张云,王立平,李学昆[1]（2019）在《基于遗传算法优化小波神经网络数控机床热误差建模》一文中研究指出数控机床的热误差已经成为影响其加工精度的一个关键因素,为最大限度提高数控机床热误差补偿的精度和效率,结合遗传算法自适应全局优化搜索能力和小波神经网络良好的时频局部特性的优点,提出一种基于遗传算法优化小波神经网络的机床热误差补偿模型。以某型号五轴摆动卧式加工中心为试验对象,以机床温度变量和热误差为数据输入样本,建立小波神经网络模型热误差预测模型,然后用遗传算法优化小波神经网络权值、阈值,最终建立热误差预测模型。通过与传统人工神经网络和普通小波神经网络进行对比分析及试验论证表明,该补偿模型具有精度高、抗扰动能力和鲁棒性强等优点,有望在实际加工场合的数控机床的热误差预测和补偿研究中得到更大的推广应用。(本文来源于《机械工程学报》期刊2019年21期）
王明强,奚浩,刘志强,纪飞飞[2]（2019）在《基于神经网络的宏/微双驱动运动平台误差预测及补偿技术研究》一文中研究指出宏/微双驱动平台是一种用于微切削加工的高精度切削平台,其定位精度受多种因素影响。为提高宏/微双驱动定位运动平台的定位精度,提出基于BP神经网络进行宏/微双驱动运动平台定位误差预测的方法。测量运动平台的定位精度,从而建立BP神经网络误差预测模型,并运用该模型对宏/微双驱动运动平台进行定位误差预测试验,最终证明BP神经网络定位误差预测模型精度高、抗变换性能好,适用于对宏/微双驱动运动平台的定位误差进行误差预测及补偿,使得宏/微双驱动平台达到10nm级精度设计要求。(本文来源于《机械设计与制造》期刊2019年11期）
张晋博,丁传红[3]（2019）在《基于神经网络的模数转换电路动态误差源识别系统设计》一文中研究指出为提升信号识别电路的电量采集精度,实现理想状态下的电力误差校准,设计基于神经网络的模数转换电路动态误差源识别系统。以CNN神经网络作为模数转换电路的物理依赖环境,通过合理选取动态识别元件的方式,实现误差源识别系统的硬件运行环境搭建。在此基础上,将模拟电流转化成数字信号,再将其完整存储于系统数据库中,利用既定数学运算公式对已存储的数字信号进行识别精度提纯处理,实现误差源识别系统的软件运行环境搭建,联合相关硬件执行设备,完成基于神经网络的模数转换电路动态误差源识别系统设计。实际应用结果表明,在加压环境下,新型误差源识别系统的电量采集精度达到90%,单位时间内的信号识别量超过7.5×109TB,理想状态下信号识别电路的电力误差校准能力得到有效保障。(本文来源于《现代电子技术》期刊2019年21期）
袁林,刘春光[4]（2019）在《基于神经网络算法的制导工具误差分离》一文中研究指出制导工具系统误差分离是飞行器精度评定中的重要问题,传统制导工具系统误差分离中往往受到环境函数的严重病态的困扰,而神经网络是被称为万能函数拟合器。文中提出利用神经网络算法来分离制导工具系统误差,利用神经网络拟合环境函数矩阵的逆矩阵,进而有效避免病态矩阵求逆。仿真算例结果表明,神经网络算法能很好地拟合遥外速度差,并高精度分离大部分制导工具系统误差系数。(本文来源于《数码世界》期刊2019年10期）
刘贵斌,邹先立,梁琪[5]（2019）在《矢量网络分析仪的测量误差分析与测量校准方法》一文中研究指出矢量网络分析仪的测量误差主要包括漂移误差、随机误差和系统误差。针对漂移误差和随机误差产生的原因,给出减小误差的措施;在深入分析系统误差产生机理的基础上,从校准件选用、校准类型选择和校准质量检查方面讨论如何进行测量校准;有助于初学者理解测量误差来源、更好地进行测量校准、提高测得值准确度。(本文来源于《计量与测试技术》期刊2019年08期）
陈绍坤[6]（2019）在《数控机床综合误差补偿中BP神经网络的应用研究》一文中研究指出工业加工领域广泛使用数控机床,其效用发挥的具体程度,与设备误差范围存在直接关系,机床档次评定当中的核心标准,就是数据机床加工精度。多轴数控机床在热影响下,经常出现加工精度衰减等现象,本文通过研究认为为了促使机床误差精度获得有效提升,有必要在数控机床误差补偿中应用BP神经网络,并对实际应用进行深入探究,促进数控机床定位精度的显着提高。(本文来源于《中国设备工程》期刊2019年16期）
辛宗霈,冯显英,杜付鑫,李慧,李沛刚[7]（2019）在《基于BP神经网络的机床热误差建模与分析》一文中研究指出针对机床进给系统热误差,提出了一种复合预测方法。首先使用神经网络对丝杠热变形量进行建模,然后以多项式拟合法来求得平台轴向热误差y与丝杠实际热变形量x之间的关系,建立平台轴向热误差预测模型,称作"两步法"。两步法与BP神经网络直接预测平台轴向热误差的方法(直接法)分别对实验进行预测,将两方法预测结果与实测平台轴向热误差对比。结果表明,实验过程中行程发生变化时,直接法预测得到的热误差残差在-5.4～6.6μm间波动,两步法预测得到的热误差残差在-3.1～2.2μm内波动,两步法预测精度比直接法高了约126%,有较强的工程应用价值。(本文来源于《组合机床与自动化加工技术》期刊2019年08期）
崔慧娟[8]（2019）在《采用RBF神经网络PID控制的液压挖掘机运动误差研究》一文中研究指出针对液压挖掘机手臂运动轨迹误差较大问题,采用RBF神经网络PID控制液压活塞运动,并对控制效果进行对比和分析。建立液压挖掘机手臂简图模型,给出液压伺服阀驱动活塞流量方程式。分析PID控制原理,给出PID控制方程式和控制流程。在传统PID控制基础上添加RBF神经网络结构,设计了RBF神经网络PID控制器,对液压挖掘机运动角位移误差进行仿真验证。结果显示:液压挖掘机采用PID控制器,角位移产生的最大误差为0.95×10~(-3)rad,跟踪误差较大;液压挖掘机采用RBF神经网络PID控制器,角位移产生的最大误差为0.19×10~(-3)rad,跟踪误差较小。采用RBF神经网络PID控制器,液压挖掘机活塞定位精度较高,能够完成挖掘机手臂执行高精度任务。(本文来源于《微型电脑应用》期刊2019年08期）
王晨[9]（2019）在《通讯网络控制系统误差值域控制方法分析》一文中研究指出为提供通讯网络系统利用率,需要采用更为科学的网络控制方法,使得系统更加稳定、占用资源比例降低。分析了误差值域系统的基本原理特征,探讨了绝对误差值域一致有界性,利用事件触发机制进行控制系统设计,并利用仿真分析验证设计的系统控制方法适应性。研究结果表明,所采用的事件触发机制原理及算法都较为简单,设计的控制系统较为稳定。(本文来源于《电子测试》期刊2019年15期）
祝鹏,余建波,郑小云,王永松,孙习武[10]（2019）在《机械装配过程的偏差传递网络建模与误差溯源》一文中研究指出为了保证机械产品及其装配过程符合规范,须对产品装配过程的偏差传递流进行建模,识别关键装配特征并对相应误差装配节点进行溯源及控制.提出基于复杂网络的自调节偏差传递网络建模方法与误差溯源方法,结合装配过程中的实测数据、特征表面信息以及装配工艺流程构建加权自调节偏差传递网络.利用改进的加权半局部中心性排序算法识别偏差传递网络中的关键特征.提出逆向回溯算法以及重要度排名(IR)指标,在加权自调节偏差传递网络中识别出关键特征的误差源,以确定须进行重点监控的装配面.以锥齿轮轴组件的多阶段装配过程为研究对象进行验证,结果表明利用所提出的方法可对多阶段装配过程中的偏差流进行有效建模,识别关键装配面,实施误差溯源.(本文来源于《浙江大学学报(工学版)》期刊2019年08期）
网络误差论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
宏/微双驱动平台是一种用于微切削加工的高精度切削平台,其定位精度受多种因素影响。为提高宏/微双驱动定位运动平台的定位精度,提出基于BP神经网络进行宏/微双驱动运动平台定位误差预测的方法。测量运动平台的定位精度,从而建立BP神经网络误差预测模型,并运用该模型对宏/微双驱动运动平台进行定位误差预测试验,最终证明BP神经网络定位误差预测模型精度高、抗变换性能好,适用于对宏/微双驱动运动平台的定位误差进行误差预测及补偿,使得宏/微双驱动平台达到10nm级精度设计要求。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
网络误差论文参考文献
[1].李彬,张云,王立平,李学昆.基于遗传算法优化小波神经网络数控机床热误差建模[J].机械工程学报.2019
[2].王明强,奚浩,刘志强,纪飞飞.基于神经网络的宏/微双驱动运动平台误差预测及补偿技术研究[J].机械设计与制造.2019
[3].张晋博,丁传红.基于神经网络的模数转换电路动态误差源识别系统设计[J].现代电子技术.2019
[4].袁林,刘春光.基于神经网络算法的制导工具误差分离[J].数码世界.2019
[5].刘贵斌,邹先立,梁琪.矢量网络分析仪的测量误差分析与测量校准方法[J].计量与测试技术.2019
[6].陈绍坤.数控机床综合误差补偿中BP神经网络的应用研究[J].中国设备工程.2019
[7].辛宗霈,冯显英,杜付鑫,李慧,李沛刚.基于BP神经网络的机床热误差建模与分析[J].组合机床与自动化加工技术.2019
[8].崔慧娟.采用RBF神经网络PID控制的液压挖掘机运动误差研究[J].微型电脑应用.2019
[9].王晨.通讯网络控制系统误差值域控制方法分析[J].电子测试.2019
[10].祝鹏,余建波,郑小云,王永松,孙习武.机械装配过程的偏差传递网络建模与误差溯源[J].浙江大学学报(工学版).2019