基于小波變換與支持向量機的數(shù)控加工誤差分析

1、基于小波變換與支持向量機的數(shù)控加工誤差分析        【摘 要】本文通過分析數(shù)控加工不確定性誤差的特征，提出了一種基于小波分析與支持向量機的數(shù)控加工誤差預測模型，小波分析可以清晰地提取加工誤差的特征，而多輸入多輸出支持向量機更適合于多個輸出變量之間有較強關(guān)聯(lián)性的情況。通過合理地選擇和設(shè)定模型的輸入和輸出，較好地實現(xiàn)了對不確定性誤差的分析和預測建模。 【關(guān)鍵詞】不確定性；小波分析；支持向量機 一、數(shù)控加工不確定性誤差預測建模 （1）建模方案。由于誤差來源的不確定性及可能的影響因素太復雜，傳統(tǒng)的考慮單一或少量影響因

2、素的精確預測模型并不適合，只能采用智能預測模型，采用具有自適應性和自學習能力的模型結(jié)構(gòu)，而且不能單純基于因果關(guān)系來建模。模型要揭示的是在不同參數(shù)選取下，加工誤差的預測結(jié)果及其隨時間變化的規(guī)律。因此，這里設(shè)立研究目標為：建立一個系統(tǒng)，在其它切削條件一定時，輸入一組加工參數(shù)（如工藝系統(tǒng)剛度、切削用量等）和少量歷史誤差數(shù)據(jù)，模型的預測輸出不是一個值，而是一條曲線，反映出在該加工條件下誤差變化的趨勢，使操作員對接下來的加工過程了然于胸?；谝陨戏治觯賹ΜF(xiàn)有的預測技術(shù)進行比較，考慮選用支持向量機來進行誤差預測建模。為了方便進一步提取誤差特征，引入小波變換。（2）模型的輸入和輸出。加工后的零件誤差與毛坯

3、原有誤差、切削用量、工藝系統(tǒng)剛度、工件硬度等因素呈復雜的非線性關(guān)系。當切削條件一定時，毛坯的誤差、工藝系統(tǒng)剛度、工件材料表面硬度等都是不可改變的，可以選擇的只有切削用量。所以我們這里把切削用量的選擇作為研究的主要內(nèi)容，實際操作中還考慮了走刀次數(shù)及毛坯原有誤差?；谝陨戏治?，本文提出了一種基于小波變換和支持向量機的數(shù)控加工不確定性誤差預測模型。輸入變量為一組系統(tǒng)參數(shù)（包括進給量、走刀次數(shù)（體現(xiàn)為每次切削量占總切削量的百分比）及毛坯原有誤差）和一組歷史誤差數(shù)據(jù)序列，輸出變量為一組經(jīng)過小波分解和單支重構(gòu)得到的誤差分支序列，是一個N維向量，因此是多輸入多輸出系統(tǒng)，構(gòu)成一個多維支持向量回歸機。（3）數(shù)控

4、加工誤差預測模型的建立。本文預測模型的建立分為三個階段：對原始數(shù)據(jù)進行預處理；對各誤差序列分別進行小波變換；提取各分支誤差序列的特征向量，與切削參數(shù)一起組成樣本數(shù)據(jù)；采用多維支持向量機對各分量進行預測；將支持向量機預測結(jié)果重建生成誤差序列的最終預報。 二、小波分析在誤差預測中的應用 （1）利用小波分析工具，對提取出的已有加工數(shù)據(jù)中的高、低頻分量進行分析、處理，從中提取包含在加工數(shù)據(jù)中的系統(tǒng)性誤差和隨機性誤差，分析誤差變化趨勢，對是否會出現(xiàn)超差進行預測，從而決定若是所有切削條件不變，繼續(xù)對工件進行下一次加工是否可行。這有助于及時了解工藝系統(tǒng)的狀況，對其進行必要的調(diào)整、補償提供依據(jù)。（2）對不同切

5、削條件下的各加工誤差序列分別進行一維離散小波變換，經(jīng)過單支重構(gòu)，得到該單支誤差序列的特征向量，作為支持向量機數(shù)據(jù)樣本的輸出值。（3）測試過程中，各支持向量機的輸出值即為對應于給定系統(tǒng)參數(shù)的各單支預測特征向量，經(jīng)過小波信號重建，就可得到預測的誤差序列。設(shè)對誤差序列S進行n階分解，然后進行單支重構(gòu)，可以得到S的一個近似分量An和多個細節(jié)分量D1，D2，Dn，滿足如下關(guān)系：S=A1+D1=A2+D2+D1=An+Dn+Dn-1+D1。按照此算法可以得到原誤差序列的一個近似分量和多個細節(jié)分量。它們和原誤差序列長度一樣，而且反映了原誤差序列中不同的頻率分量，近似分量反映了原誤差序列中基本保持不變的誤差，

6、如系統(tǒng)誤差，細節(jié)分量反映了原誤差序列中隨時間不斷變化的誤差部分，如隨機誤差。 三、多維支持向量回歸機（M-SVR） 支持向量機大體上分為支持向量分類機和支持向量回歸機兩大類。傳統(tǒng)的支持向量回歸機僅適用于單輸出系統(tǒng)，即輸出變量為標量的情況，在處理輸出值是向量的系統(tǒng)時多采用構(gòu)造一系列標量輸出支持向量機模型的方法，即對每一個輸出分量用1個支持向量回歸機進行1次回歸。本文中多個輸出變量按時間先后順序依次排列，體現(xiàn)出誤差變動的趨勢，相互之間具有很強的關(guān)聯(lián)性，用多個單輸出支持向量回歸來估計，精確性較差，而且計算工作量很大、效率低下。多輸出支持向量回歸算法是針對輸出變量y是一個向量（即yRn,n1）而提出的

7、一種算法。它主要是對單輸出支持向量回歸算法中的損失函數(shù)進行了改進。用定義在超球上的損失函數(shù)代替定義在超立方體上的損失函數(shù)，優(yōu)點在于考慮了各分量的回歸誤差，使目標函數(shù)與各分量的誤差有關(guān)，從而達到整體優(yōu)化的目的。 參    考    文    獻 1陳小異小波變換在加工誤差分析中的應用研究J工藝與裝備2006（1）：8591 2胡蓉多輸出支持向量回歸算法J華東交通大學學報2007，24（1）：129132       &

8、#160;                            本文為全文原貌 未安裝用戶請先下載安裝                                      (責