误差预测

摘要： 针对传统孔道磨损误差预测方法中预测精度低的问题,提出基于光栅传感技术的桥梁预应力孔道磨损误差预测方法。根据桥梁预应力孔道的实际结构,搭建相应的有限元模型。在该模型下设置测点,安装光栅传感器设备从而采集预应力数据,得出桥梁预应力孔道磨损的实际监测数据。估算桥梁有效预应力和磨损量,通过与监测数据的相减计算,得出孔道磨损误差的预测结果。通过对比试验得出结论:与传统孔道磨损误差预测方法相比,设计预测方法的磨损量预测误差降低了0.55 MJ,即在预测精度方面更具优势。

摘要： 针对空心线圈电流互感器长期可靠性和稳定性不高的问题,文中首先利用皮尔逊相关系数和基于弹性网络因子筛选的方法,得到影响空心线圈电流互感器误差的主导因素是环境参量温度和电气参量负荷;再利用机器学习的线性回归模型弹性网络对空心线圈电流互感器进行误差预测,同时为避免陷入局部最小值和过拟合的问题,使用了交叉验证的方法。在此基础上,将所提模型的预测结果与传统SVM和KNN算法的预测结果进行了对比分析,实例结果表明弹性网络对误差的预测有更高的准确性、稳定性和解释性。

摘要： 电离层延迟误差是全球导航卫星系统(global navigation satellite system,GNSS)中的重要误差源之一.目前在电离层延迟改正模型中,应用最广泛的是Klobuchar参数模型,但是该模型的改正率仅能达到60％左右,无法满足日益增长的精度需求.将国际GNSS监测评估系统(international GNSS monitoring&assessment system,iGMAS)发布的高精度电离层格网数据作为对照,对Klobuchar电离层模型误差进行计算和分析,结果发现在中纬度区域误差存在明显的周期性特征.为进一步提高Klobuchar电离层模型在中纬度区域的改正精度,建立了基于粒子群优化反向传播(back propagation,BP)神经网络的Klobuchar电离层误差预测模型,并以2019年10月的采样数据为例进行误差预测.结果表明,用该模型对中纬度区域电离层延迟提供误差补偿,可将精度提高到90％左右.

摘要： 电子式电压互感器目前的主要问题是长期运行后的准确度退化问题.现行的方法有定期离线校验和在线校验,前者不利于及时发现互感器的误差变化,后者需要标准器并网运行,无法大规模应用.基于这一现象,文中提出了基于传递熵和小波神经网络的电子式电压互感器误差预测方法.先根据传递熵分别选取比差和角差的主要影响因素,然后将筛选所得的因素作为输入量,建立小波神经网络的误差预测模型,并对其仿真测试.实验表明,对比差的预测误差低于5％,对角差的预测误差低于10％,文章方法能够实现较长时间的互感器状态监测.

摘要： 我国经济发展离不开工业进步,而作为工业生产重要工具,五轴机床生产加工的零件轮廓如果产生较大误差,将会直接影响后续产品质量。所以,需要对五轴机床加工零件轮廓误差预测方法探讨,从而摸索降低轮廓误差有效方案。利用侦测意特利五轴联动数控机床的进给轴与待加工零件相关信息,构建误差预测方案,可以实现对生产零件外部轮廓预测误差,对于提升零部件生产质量具有重要意义。

摘要： 为了准确分析五轴联动轨迹误差,从而提升零件加工效率,提出了考虑几何误差和跟随误差的五轴联动轨迹误差预测方法,在加工前或加工中预测在某选定机床上加工某轨迹的轨迹误差,提前判断选定机床是否能够满足零件轮廓误差的要求,保证零件的加工精度,提高加工效率.所提方法将位置相关的30项几何误差表征为函数,将位置无关的11项几何误差表征为常量,读取各轴指令位置序列和光栅检测位置序列,合成了包含跟随误差和41项几何误差的刀轴矢量轨迹,实现了五轴刀心位置轨迹误差及刀轴姿态轨迹误差的预测,并选用AC双转台立式五轴机床加工S形试件,对所提五轴联动轨迹误差预测方法进行实验验证.结果表明:指令轨迹和预测轨迹均呈现出S形,预测轨迹相对于指令轨迹存在一定偏差,呈现了几何误差和跟随误差的影响;实测轨迹与预测轨迹具有相同的变化趋势,两曲线均反映出部分尖峰特征,说明预测算法的正确性.

摘要： 加工精度作为数控机床工作性能的重要衡量指标之一,极易受到伺服系统性能、机床结构、工艺参数或外界环境等因素的影响.本文以多轴多工位数控机床为研究对象,设计一种加工精度误差预测方法.实验结果表明:该方法不仅能够精准地预测出数控机床加工精度误差,且预测效果会随着误差的增加而提高.

摘要： 我国经济发展离不开工业进步,而作为工业生产重要工具,五轴机床生产加工的零件轮廓如果产生较大误差,将会直接影响后续产品质量.所以,需要对五轴机床加工零件轮廓误差预测方法探讨,从而摸索降低轮廓误差有效方案.利用侦测意特利五轴联动数控机床的进给轴与待加工零件相关信息,构建误差预测方案,可以实现对生产零件外部轮廓预测误差,对于提升零部件生产质量具有重要意义.

摘要： 为了更精确地对精密数控机床进给系统热误差进行高性能预测以提高其准静态精度,提出了一种基于混合蛙跳算法优化支持向量机(SFLA–SVM)方法,对进给系统热误差模型的关键参数进行寻优.首先,采用谱系聚类法和相对熵提取对进给轴热误差作用较大的测点,实现关键敏感测点优化;其次,基于SFLA的SVM关键参数精准快速寻优,建立SFLA–SVM的热误差预测模型;最后,在精密三轴数控机床上进行预测模型性能对比验证,试验结果显示,相对遗传算法支持向量机(GA–SVM)和遗传算法及BP网络(GA–BP)方法,基于SFLA–SVM预测的热误差均方根误差分别减少58.53％和66.0％.

摘要： 针对薄壁件镜像铣加工过程中,铣削侧和支撑侧的相对位置和方向误差严重影响工件加工精度的问题,提出一种由误差预测模型和误差补偿策略组成的同步运动精度补偿算法.误差预测过程应用了一种基于形函数的插值算法,能够预测镜像铣工作空间中任意期望位置的相对位置和方向误差.误差补偿过程将铣削侧的刀位作为参考,对支撑侧的刀位进行补偿,然后分别生成数控(NC)代码.经过加工测量实验,补偿后的相对位置和方向精度分别提高了73％和60％,验证了所提算法的有效性.

摘要： 涡轮叶片是航空发动机上的关键部件之一,为了提高涡轮叶片的铸造精度,采用有限元法对叶片铸造过程中的位移场进行计算,确定涡轮叶片各截面的收缩量.本文在实测基础上,以三坐标测量机测量的原始设计模型数据点和铸造后的对应数据点的变形量为训练样本,提出了一种基于BP神经网络的误差预测算法,利用该算法对样本进行寻优,预测设计数据点的变形量.仿真计算结果显示,此方法能够精确预测涡轮叶片各点的收缩量误差,为涡轮叶片模具的虚拟修模提供依据.

摘要： 比值系统中直接受控的是副流量,而作为过程模型的输入量的比值并不直接可控,因此当主流量未知且副流量存在约束时,普通约束广义预测控制无法直接应用于比值系统.论文分析了比值系统的特点,根据主流量的预测模型,给出了比值系统的约束条件,将约束广义预测控制推广到比值系统,并运用误差预测修正办法实现了对约束条件的校正.仿真结果表明了该控制方法的有效性.

摘要： 零售价格作为影响需求的一个重要因素，在企业的决策中，占据着重要的地位。本文从传统的报童模型出发，研究了依赖于价格和订货点的随机需求分布，提出了需求预测误差的概念，探讨了需求预测误差与价格及订货点的关系，从理论及数值分析角度，分析了三者对决策的影响，并得出了对实践有指导意义的结论。

摘要： 零售价格作为影响需求的一个重要因素，在企业的决策中，占据着重要的地位。本文从传统的报童模型出发，研究了依赖于价格和订货点的随机需求分布，提出了需求预测误差的概念，探讨了需求预测误差与价格及订货点的关系，从理论及数值分析角度，分析了三者对决策的影响，并得出了对实践有指导意义的结论。

摘要： 零售价格作为影响需求的一个重要因素，在企业的决策中，占据着重要的地位。本文从传统的报童模型出发，研究了依赖于价格和订货点的随机需求分布，提出了需求预测误差的概念，探讨了需求预测误差与价格及订货点的关系，从理论及数值分析角度，分析了三者对决策的影响，并得出了对实践有指导意义的结论。

摘要： 零售价格作为影响需求的一个重要因素，在企业的决策中，占据着重要的地位。本文从传统的报童模型出发，研究了依赖于价格和订货点的随机需求分布，提出了需求预测误差的概念，探讨了需求预测误差与价格及订货点的关系，从理论及数值分析角度，分析了三者对决策的影响，并得出了对实践有指导意义的结论。

摘要： 零售价格作为影响需求的一个重要因素，在企业的决策中，占据着重要的地位。本文从传统的报童模型出发，研究了依赖于价格和订货点的随机需求分布，提出了需求预测误差的概念，探讨了需求预测误差与价格及订货点的关系，从理论及数值分析角度，分析了三者对决策的影响，并得出了对实践有指导意义的结论。

摘要： 零售价格作为影响需求的一个重要因素，在企业的决策中，占据着重要的地位。本文从传统的报童模型出发，研究了依赖于价格和订货点的随机需求分布，提出了需求预测误差的概念，探讨了需求预测误差与价格及订货点的关系，从理论及数值分析角度，分析了三者对决策的影响，并得出了对实践有指导意义的结论。

摘要： 根据放电状态的时间序列信息,通过线性分析,对不同加工阶段的加工能力进行了分析.根据线性分析的结果,论证有效加工阶段的动态特性,用数据替代的方法进行非线性分析论证,得出了该阶段具有确定性的非线性特性这一重要结论.为避免有害加工阶段的出现,采用交互预测误差的方法,在有效加工阶段提前10s多的时间探测出有害加工阶段的信号,为使加工顺利进行,提供了可检测的信号.

摘要： 根据放电状态的时间序列信息,通过线性分析,对不同加工阶段的加工能力进行了分析.根据线性分析的结果,论证有效加工阶段的动态特性,用数据替代的方法进行非线性分析论证,得出了该阶段具有确定性的非线性特性这一重要结论.为避免有害加工阶段的出现,采用交互预测误差的方法,在有效加工阶段提前10s多的时间探测出有害加工阶段的信号,为使加工顺利进行,提供了可检测的信号.

摘要： 本发明公开了基于综合形状误差和时间误差的长期电力负荷预测方法,包括：采集原始数据，基于所述原始数据进行数据预处理，获取训练集和测试集，基于所述训练集和所述测试集分别进行数据归一化处理，获得归一化处理后的归一化训练集和归一化测试集；构建负荷预测模型，将所述归一化训练集输入到所述负荷预测模型中进行训练，获得训练好的负荷预测模型；将所述归一化测试集输入到所述训练好的负荷预测模型中，获得预测结果。本发明缓解长期预测累积的误差，减少对外部信息的依赖，降低模型偏差，提高预测精度的长期负荷预测方法，并最终将预测结果应用于电网规划，满足电网的可靠运行需求。

摘要： 本发明涉及机床误差检测设备技术领域，提出了五轴机床旋转轴几何误差在机检测装置及误差场预测方法。包含接触式测头在线测量系统，测头安装在机床主轴上，能够对标准球及标准S形试件上的测量点进行X、Y和Z三个方向实时测量并记录。四个相同尺寸的标准球以圆形分布在工作台上，圆的中心和工作台的中心重合，标准球及标准S形试件的空间位置误差反映了两个旋转轴的几何误差；根据得出的各项几何误差，建立五轴机床旋转轴几何误差空间误差场，可以预测机床加工空间内各位置点的误差值。

摘要： 本发明公开了一种基于误差场特征点的数控机床空间误差预测方法，包括步骤：a.测量机床三个运动轴误差及垂直度误差，获取三轴误差数据项；b.根据三轴误差数据计算机床误差场特征点空间三项误差，并存储在数控系统中；c.根据立方体8个顶点特征点误差数据预测机床空间非特征点误差补偿值。其通过测量机床三个运动轴误差及垂直度度误差数据，根据这些三轴误差数据计算获得机床空间特征点三项误差，然后根据立方体8个顶点特征点误差数据来预测位于该立方体中的非特征点任意位置的误差。该方法将具有测量数据量少、运算量小、补偿实时性高、精度可靠等优点。

摘要： 一种机床热误差自学习预测模型建模方法，包括如下步骤：1)输入机床热误差数据，初始化机床热误差数据并构建D1：t＝{(x1，y1)，(x2，yx)…，(xt，yt)}；2)构建概率分布模型；3)最大化AC函数以获得下一个评估点，并最小化目标函数和真实函数之间的总损失；4)评估目标函数以获得；5)判断是否达到最大迭代次数：若是，则输出参数集；若否，则将(xx+1，yt+1)添加到概率分布模型内以更新概率分布模型，返回步骤3)并重复上述步骤，直至获得最优解；6)将通过BOA算法获得的最佳超参数用于Bayesian‑LSTM神经网络模型，并使用Bayesian‑LSTM神经网络模型训练自学习误差预测模型，输出预测的热误差。本发明还公开了一种基于数字孪生的机床热误差控制方法。

摘要： 一种基于Mist‑边缘‑雾‑云计算的热误差预测系统，包括Mist计算层、边缘计算层、雾计算层和云计算层；Mist计算层包括：树莓派(RPi)，用于将传感器采集得到的电流、电压信号转换为热误差数据；边缘计算层包括：过滤器；放大器；路由器；微型数据中心，用于存储最近的热误差数据并判断设备运行状态是否正常并在设备运行状态异常时快速响应；雾计算层包括：服务器；热误差预测单元，预测热误差得到热误差预测值；云计算层包括：数据库；训练单元，根据数据库内存储的热误差数据训练热误差预测模型、并将训练得到的热误差预测模型传输至热误差预测单元以更新热误差预测单元内的热误差预测模型。本发明还提出了一种基于Mist‑边缘‑雾‑云计算的热误差补偿系统。

摘要： 本发明公开了一种主轴系统热误差建模方法，包括如下步骤：1)以改进的BA算法构建IBA‑GRU模型的结构；2)以GRU神经网络的时间窗口大小，批处理大小和单元数量作为优化变量，初始化蝙蝠种群；3)采用改进的BA算法优化IBA‑GRU模型；4)将优化得到的最优超参数用于IBA‑GRU模型，得到主轴系统热误差模型并用于预测主轴系统的热误差。本发明还公开了一种主轴系统动态热误差预测系统、热误差控制方法和云雾计算系统。本发明的主轴系统热误差建模方法、误差预测系统、误差控制系统、误差控制方法及云雾计算系统，具有出色预测性能和鲁棒性，能够反映热误差机制并具有自学习能力。

摘要： 本发明提供一种预测接收机中本振频率和接收信号的载波频率的频率误差的频率误差预测装置,包括：频率误差预测器(11),根据输入均衡滤波器(23)的滤波器系数来抑制在接收信号中包含的噪声成分,根据该滤波器的输出来预测频率误差;滤波器系数决定器(12),根据第一符号间的频率误差的预测值的差分,运算滤波器系数,使该滤波器的特性变化。在接收机中的频率误差的预测处理中,不损害对多普勒频率的时间变动的跟踪性,而能够确保较高的预测精度。

摘要： 本发明公开了一种热误差预测模型创建方法，包括如下步骤：步骤一：利用极端梯度提升算法对输入变量的特征重要性进行排序，从所有特征中选出前k个构成特征组合；将前k个特征根据其重要性进行加权，得到每个特征的权重，以每个特征及其权重的乘积作为模型的输入变量；步骤二：对LSTMNN模型的内部神经元特征进行排序，将层次结构整合到LSTMNN模型中，得到ON‑LSTMNN模型，再引入双向机制，构建BiON‑LSTMNN模型；步骤三：训练BiON‑LSTMNN模型，以ISFO算法优化BiON‑LSTMNN模型的批量大小和隐藏神经元数量，直至满足适应度函数的预设要求；步骤四：以优化得到的批量大小和隐藏神经元数量作为BiON‑LSTMNN模型的超参数，构建得到热误差预测模型。本发明还公开了一种基于关键误差的物理‑边‑雾‑云误差控制系统。

摘要： 本发明公开了一种基于ONT‑GCN时空模型的热误差预测模型及其建模方法和霾‑边‑雾‑云误差补偿系统。本发明基于ONT‑GCN时空模型的热误差预测模型，利用LSTMN神经网络捕捉传感器收集的数据的时间依赖性，利用GCN神经网络捕捉拓扑结构的空间特征，可以将捕获的空间特征和时序特征保留在ONT‑GCN单元中；ONT‑GCN单元的独特排序特性允许保留重要的热误差信息，因此，ONT‑GCN单元可以有序地传递热误差的时间和空间特征，从而提高热误差的预测精度。本发明的霾‑边‑雾‑云误差补偿系统，云计算具有强大的计算能力，用于解决耗时问题；通过设置雾计算层和边缘层等分布式计算层，可缓解工业互联网的带宽压力；通过霾计算层以加快信息获取过程，从而以保证系统执行效率和机床的加工精度。

摘要： 本发明公开了一种Conv1D‑MGU热误差预测模型，包括依次设置的输入层、MGU层、全连接层和输出层；所述输入层与所述MGU层之间设有残差块，所述残差块包括主路和捷径支路，所述主路和捷径支路的一端分别与所述输入层相连、另一端与累加层相连；所述主路上设有位于所述输入层与所述累加层之间的一维卷积池化单元和一维卷积层Ⅱ，所述一维卷积池化单元串联设为至少一个，所述一维卷积池化单元包括依次设置的一维卷积层Ⅰ、一维池化层和激活函数层Ⅰ；所述累加层与所述MGU层之间设有激活函数层Ⅱ，所述激活函数层Ⅱ与所述MGU层之间设有展平层；所述捷径支路上设有下采样。本发明还公开了一种基于物理‑数据‑边缘‑云构架的热误差控制系统。