基于自适应粒子群优化BP神经网络的高速电主轴温度预测模型

基于自适应粒子群优化BP神经网络的高速电主轴温度预测模型

TH-39; 为精确地预测电主轴高速运转时内部温升的变化情况,提出了 一种基于自适应粒子群优化BP神经网络的电主轴温度预测模型(APSO-BPNN).该模型在PSO-BPNN算法的基础上,引入自适应惯性权重,使权重跟随粒子适应度的变化而变化;采用自适应学习因子,在算法的初期和后期获得不同的搜索能力;融入变异算子,增加种群的多样性,避免算法的早熟收敛等缺点.然后,分别采用BPNN、PSO-BPNN和APSO-BPNN预测模型对电主轴不同测温点的温度进行预测.实验结果表明,与传统的BP神经网络和PSO-BPNN预测方法相比,所提APSO-BPNN模型预测精度最高,鲁棒性最强,可为电主轴及机床温升的...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:东南大学学报（英文版） 2022, Vol.38 (3), p.235-241
Hauptverfasser: 雷春丽, 赵明齐, 刘凯, 宋瑞哲, 张护强
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 241
container_issue 3
container_start_page 235
container_title 东南大学学报（英文版）
container_volume 38
creator 雷春丽
赵明齐
刘凯
宋瑞哲
张护强
description TH-39; 为精确地预测电主轴高速运转时内部温升的变化情况,提出了 一种基于自适应粒子群优化BP神经网络的电主轴温度预测模型(APSO-BPNN).该模型在PSO-BPNN算法的基础上,引入自适应惯性权重,使权重跟随粒子适应度的变化而变化;采用自适应学习因子,在算法的初期和后期获得不同的搜索能力;融入变异算子,增加种群的多样性,避免算法的早熟收敛等缺点.然后,分别采用BPNN、PSO-BPNN和APSO-BPNN预测模型对电主轴不同测温点的温度进行预测.实验结果表明,与传统的BP神经网络和PSO-BPNN预测方法相比,所提APSO-BPNN模型预测精度最高,鲁棒性最强,可为电主轴及机床温升的智能控制和早期预警系统开发提供理论依据.
doi_str_mv 10.3969/j.issn.1003-7985.2022.03.004
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_dndxxb_e202203004</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>dndxxb_e202203004</wanfj_id><sourcerecordid>dndxxb_e202203004</sourcerecordid><originalsourceid>FETCH-wanfang_journals_dndxxb_e2022030043</originalsourceid><addsrcrecordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw1jW3tDDVMzIwMtIzMNYzMDBhYeCEi3MwcBUXZwEFDYxNzDgZAp7O3_VkV9-L9lUvG5qe7pryfNOkp2snPN-35MmeGU97pjkFPF867_nu_ud7Jz7fPef5rJaXq2e8bJj_fMrWJzt2v9i75dmOlU93LXu5qOXZ1u5nKxY-ndfNw8CalphTnMoLpbkZNN1cQ5w9dMsT89IS89Ljs_JLi_KAMvEpeSkVFUnxqSCHGhgDXWRMiloA9_tmnQ</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于自适应粒子群优化BP神经网络的高速电主轴温度预测模型</title><source>Alma/SFX Local Collection</source><creator>雷春丽 ; 赵明齐 ; 刘凯 ; 宋瑞哲 ; 张护强</creator><creatorcontrib>雷春丽 ; 赵明齐 ; 刘凯 ; 宋瑞哲 ; 张护强</creatorcontrib><description>TH-39; 为精确地预测电主轴高速运转时内部温升的变化情况,提出了 一种基于自适应粒子群优化BP神经网络的电主轴温度预测模型(APSO-BPNN).该模型在PSO-BPNN算法的基础上,引入自适应惯性权重,使权重跟随粒子适应度的变化而变化;采用自适应学习因子,在算法的初期和后期获得不同的搜索能力;融入变异算子,增加种群的多样性,避免算法的早熟收敛等缺点.然后,分别采用BPNN、PSO-BPNN和APSO-BPNN预测模型对电主轴不同测温点的温度进行预测.实验结果表明,与传统的BP神经网络和PSO-BPNN预测方法相比,所提APSO-BPNN模型预测精度最高,鲁棒性最强,可为电主轴及机床温升的智能控制和早期预警系统开发提供理论依据.</description><identifier>ISSN: 1003-7985</identifier><identifier>DOI: 10.3969/j.issn.1003-7985.2022.03.004</identifier><language>chi</language><publisher>兰州理工大学机电工程学院,兰州730050</publisher><ispartof>东南大学学报（英文版）, 2022, Vol.38 (3), p.235-241</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/dndxxb-e/dndxxb-e.jpg</thumbnail><link.rule.ids>314,777,781,4010,27904,27905,27906</link.rule.ids></links><search><creatorcontrib>雷春丽</creatorcontrib><creatorcontrib>赵明齐</creatorcontrib><creatorcontrib>刘凯</creatorcontrib><creatorcontrib>宋瑞哲</creatorcontrib><creatorcontrib>张护强</creatorcontrib><title>基于自适应粒子群优化BP神经网络的高速电主轴温度预测模型</title><title>东南大学学报（英文版）</title><description>TH-39; 为精确地预测电主轴高速运转时内部温升的变化情况,提出了 一种基于自适应粒子群优化BP神经网络的电主轴温度预测模型(APSO-BPNN).该模型在PSO-BPNN算法的基础上,引入自适应惯性权重,使权重跟随粒子适应度的变化而变化;采用自适应学习因子,在算法的初期和后期获得不同的搜索能力;融入变异算子,增加种群的多样性,避免算法的早熟收敛等缺点.然后,分别采用BPNN、PSO-BPNN和APSO-BPNN预测模型对电主轴不同测温点的温度进行预测.实验结果表明,与传统的BP神经网络和PSO-BPNN预测方法相比,所提APSO-BPNN模型预测精度最高,鲁棒性最强,可为电主轴及机床温升的智能控制和早期预警系统开发提供理论依据.</description><issn>1003-7985</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2022</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw1jW3tDDVMzIwMtIzMNYzMDBhYeCEi3MwcBUXZwEFDYxNzDgZAp7O3_VkV9-L9lUvG5qe7pryfNOkp2snPN-35MmeGU97pjkFPF867_nu_ud7Jz7fPef5rJaXq2e8bJj_fMrWJzt2v9i75dmOlU93LXu5qOXZ1u5nKxY-ndfNw8CalphTnMoLpbkZNN1cQ5w9dMsT89IS89Ljs_JLi_KAMvEpeSkVFUnxqSCHGhgDXWRMiloA9_tmnQ</recordid><startdate>2022</startdate><enddate>2022</enddate><creator>雷春丽</creator><creator>赵明齐</creator><creator>刘凯</creator><creator>宋瑞哲</creator><creator>张护强</creator><general>兰州理工大学机电工程学院,兰州730050</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2022</creationdate><title>基于自适应粒子群优化BP神经网络的高速电主轴温度预测模型</title><author>雷春丽 ; 赵明齐 ; 刘凯 ; 宋瑞哲 ; 张护强</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_dndxxb_e2022030043</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2022</creationdate><toplevel>online_resources</toplevel><creatorcontrib>雷春丽</creatorcontrib><creatorcontrib>赵明齐</creatorcontrib><creatorcontrib>刘凯</creatorcontrib><creatorcontrib>宋瑞哲</creatorcontrib><creatorcontrib>张护强</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>东南大学学报（英文版）</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>雷春丽</au><au>赵明齐</au><au>刘凯</au><au>宋瑞哲</au><au>张护强</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于自适应粒子群优化BP神经网络的高速电主轴温度预测模型</atitle><jtitle>东南大学学报（英文版）</jtitle><date>2022</date><risdate>2022</risdate><volume>38</volume><issue>3</issue><spage>235</spage><epage>241</epage><pages>235-241</pages><issn>1003-7985</issn><abstract>TH-39; 为精确地预测电主轴高速运转时内部温升的变化情况,提出了 一种基于自适应粒子群优化BP神经网络的电主轴温度预测模型(APSO-BPNN).该模型在PSO-BPNN算法的基础上,引入自适应惯性权重,使权重跟随粒子适应度的变化而变化;采用自适应学习因子,在算法的初期和后期获得不同的搜索能力;融入变异算子,增加种群的多样性,避免算法的早熟收敛等缺点.然后,分别采用BPNN、PSO-BPNN和APSO-BPNN预测模型对电主轴不同测温点的温度进行预测.实验结果表明,与传统的BP神经网络和PSO-BPNN预测方法相比,所提APSO-BPNN模型预测精度最高,鲁棒性最强,可为电主轴及机床温升的智能控制和早期预警系统开发提供理论依据.</abstract><pub>兰州理工大学机电工程学院,兰州730050</pub><doi>10.3969/j.issn.1003-7985.2022.03.004</doi></addata></record>
fulltext fulltext
identifier ISSN: 1003-7985
ispartof 东南大学学报（英文版）, 2022, Vol.38 (3), p.235-241
issn 1003-7985
language chi
recordid cdi_wanfang_journals_dndxxb_e202203004
source Alma/SFX Local Collection
title 基于自适应粒子群优化BP神经网络的高速电主轴温度预测模型
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-17T20%3A17%3A44IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E8%87%AA%E9%80%82%E5%BA%94%E7%B2%92%E5%AD%90%E7%BE%A4%E4%BC%98%E5%8C%96BP%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E9%AB%98%E9%80%9F%E7%94%B5%E4%B8%BB%E8%BD%B4%E6%B8%A9%E5%BA%A6%E9%A2%84%E6%B5%8B%E6%A8%A1%E5%9E%8B&rft.jtitle=%E4%B8%9C%E5%8D%97%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5%EF%BC%88%E8%8B%B1%E6%96%87%E7%89%88%EF%BC%89&rft.au=%E9%9B%B7%E6%98%A5%E4%B8%BD&rft.date=2022&rft.volume=38&rft.issue=3&rft.spage=235&rft.epage=241&rft.pages=235-241&rft.issn=1003-7985&rft_id=info:doi/10.3969/j.issn.1003-7985.2022.03.004&rft_dat=%3Cwanfang_jour%3Edndxxb_e202203004%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=dndxxb_e202203004&rfr_iscdi=true