摘要
本发明公开一种基于小样本实验数据集和域适应极限学习机的切削力建模方法,涉及机械加工领域,将域适应极限学习机算法引入到小样本条件下的切削力建模过程中,解决切削力建模过程中遇到的大样本切削力实验数据集获取成本高、难度大,而在小样本条件下建立的切削力预测神经网络模型又会出现过拟合、泛化能力不强等问题,建立小样本条件下切削力精确预测模型。本发明的有益效果:本发明提供了一种利用域适应极限学习机算法建立切削力精确预测模型的方法,解决了在小样本条件下建立的切削力预测神经网络模型出现的过拟合、泛化能力不强等问题,具有巨大的应用价值和推广价值。
技术关键词
极限学习机算法
切削力建模方法
切削力预测模型
样本
神经网络模型
数据
数值仿真模型
前馈神经网络
预测误差
带标签
参数
方程
理论
矩阵
系统为您推荐了相关专利信息
锻造炉
电能调节装置
静止同步补偿器
循环神经网络模型
谐波电流分量
运动想象脑机接口
卷积神经网络模型
卷积神经网络模块
分类方法
分类准确率
风力发电设备
功率预测装置
风向传感器
风速传感器
卡尔曼滤波算法