摘要
本发明公开了多物理场协同的冲压装备滑块下死点动态精度保障方法,通过采集冲压装备主轴承温度、冲压力、冲次和滑块下死点位移等物理场因素的实时监测数据,构建训练和测试数据集;基于径向基函数神经网络建立物理场因素与滑块下死点误差间近似模型,采用贝叶斯方法求解模型参数;以冲次和主轴承温度等为控制变量,滑块下死点误差最小化为目标,构建滑块下死点精度补偿器,执行滑块下死点精度补偿器获得最优控制量;将最优控制量传递至冲压装备的控制系统,实时补偿滑块下死点精度。本发明考虑了冲压装备多物理场对滑块下死点动态精度的协同影响机制,通过冲压装备滑块下死点动态精度的实时补偿,有效保障了滑块下死点动态精度。
技术关键词
径向基函数神经网络
保障方法
高斯径向基函数
装备
滑块
多物理场协同
实时监测数据
精度
驱动控制系统
动态
非线性映射关系
参数
蒙特卡洛方法
贝叶斯方法
控制执行器
补偿器
观测误差
轴承
系统为您推荐了相关专利信息
芯片测试装置
传输轮
驱动单元
传输模块
调节组件
直升机智能
设备系统
信号监控系统
原位检测系统
半实物仿真平台