基于最优权系数组合建模的数控机床热误差在线补偿

针对数控机床热误差建模具有小样本、数据离散的特点,提出一种综合灰色预测和最小二乘支持向量机的热误差在线组合建模方法。根据机床温度和热误差的实验数据,分别建立热误差的灰色模型和最小二乘支持向量机模型,并通过加权系数将两者进行组合。以提高热误差的实测值和组合模型预测值之间的灰色综合关联度为目标,对模型的加权系数进行优化。在一台高架桥式龙门加工中心上进行建模实验,结果表明数控机床热误差最优权系数组合建模方法精度高、泛化能力强,优于灰色预测、最小二乘支持向量机和多元线性回归3种建模方法。利用该方法构建的预测模型进行机床热误差在线补偿,可有效减小热误差对机床加工精度的影响。     

基于环境温度模型库分段式加权的数控机床热误差建模

针对环境温度变化较大时常用的热误差模型预测精度低的问题,提出了一种基于环境温度的模型库分段式加权的热误差建模方法,以UPM120型数控铣床为实验对象,通过跨季度的7批次数据,完成了环境温度15～35℃的分段式加权模型建模和预测精度分析。结果表明,环境温度变化在5℃以内时,多元线性回归模型的预测精度优于BP神经网络模型、分布滞后模型、灰色理论模型和支持向量机模型,可以将其作为分段式加权模型库中的基础模型。当环境温度变化较小时,基于多元线性回归的分段式加权模型预测精度为1.39μm;当环境温度变化较大时,其预测精度为1.51μm,均远高于单一环境温度样本的回归模型、多环境温度样本的回归模型和泛化能力强的支持向量机模型的预测精度。     

基于深度自编码器的大型龙门加工中心热误差建模方法

为提高热误差模型的预测能力,提出一种基于深度学习方法的数控机床热误差建模方法。利用模糊聚类法和灰色关联度分析法选取温度变量的热敏感点,采用深度自编码器（Stacked automatic encoder, SAE）网络从选出的输入样本中提取特征,构建特征集,然后使用遗传优化算法（Genetic optimization algorithm, GA）对BP神经网络参数进行寻优,从而提出一种基于SAE-GA-BP的数控机床热误差建模方法。以某大型龙门五面加工中心为实验对象,研究并选择了加工中心加工过程中的主要误差源——主轴热误差进行补偿,对主轴热误差深度学习模型和多元回归模型进行了分析对比。结果表明,在预测精度方面所提出的建模方法优于传统多元回归模型,从而验证了该建模方法的可行性和有效性。     

电极法检测土壤硝态氮的干扰因素与测量模型研究

基于电极法的土壤硝态氮检测中,共存氯离子、温度变化、土壤水分是影响检测精度的重要因素。为消除干扰因素影响,进行测量模型的研究,基于电极检测原理与最小二乘法多元线性回归进行建模的理论分析,并研究考虑土壤水分影响后湿土直测的校正方法;开展建模集溶液检测实验,探讨各干扰因素对检测结果的影响,并根据建模集64个观测值分别建立25℃的一元线性回归模型(基础模型)、25℃的多元线性回归模型(硝酸根与氯离子浓度同时测量)和5~30℃的多元温度校正模型(温度变化较大时硝酸根与氯离子浓度同时测量);开展验证集溶液检测实验,验证并比较3种模型的可适用性;并开展不同含水率的湿土直测实验,验证湿土直测校正公式的准确性。结果表明,在温度变化、氯离子共存的条件下,25℃的多元线性回归模型效果最佳(硝酸根离子与氯离子浓度的测量误差分别在-8.37%和-12.03%内),满足多组分现场速测的精度要求;用湿土直测校正公式代替繁琐费时的土壤前处理,可有效减小土壤水分引起的误差。因此,利用多元线性回归模型结合湿土直测校正公式进行电极法土壤硝态氮的检测,可减小干扰因素影响、有效提高现场检测的时效性与准确性。     

基于PLS和改进CVR的数控机床热误差建模

为提高支持向量回归(SVR)模型的预测能力,将核心向量回归(Core vector regression,CVR)方法引入到数控机床热误差建模中,并采用偏最小二乘(Partial least squares,PLS)算法从输入样本提取主成分,构建特征集,然后使用改进的粒子群优化(Improved particle swam optimization,IPSO)算法对CVR的模型参数进行寻优,从而提出一种基于PLS-IPSO-CVR的数控机床热误差建模方法。仿真实验表明,所提出的建模方法在预测精度和速度方面优于传统SVR模型和BP神经网络模型,从而验证了组合建模方法的可行性和有效性。     

基于注意力机制的时空卷积数控机床热误差模型研究

为了提高数控机床热误差模型的精度与泛化性,提出了基于注意力机制的长短时记忆卷积神经网络(Long short term memory convolutional neural network based on attention mechanism, AM-CNN-LSTM)热误差模型。利用卷积神经网络提取高维数据空间状态特征的能力和长短时记忆网络提取长时间序列状态特征的能力,构建具有2个支路的热误差模型,分别提取特征后输入到注意力机制中进行特征重要性重构,建立原始数据与热误差的特征映射,最后通过全连接层进行热误差预测。采用G460L型数控机床进行实验数据采集,将不同季节采集到的温度数据和热误差作为模型输入,采用循环学习率与正则化优化方法对模型进行训练。与LSTM、ConvLSTM和CNN-LSTM热误差模型对比,结果表明,AM-CNN-LSTM模型对特征还原能力最强,残差波动范围最小,其残差范围较最大值下降62.09%,模型预测精度在2.4μm以内。     

基于切比雪夫多项式的数控机床几何误差参数化建模

为了快速精确地建立机床几何误差项数学模型,提出了一种基于切比雪夫多项式的参数化建模方法。首先针对测量得到的机床基本几何项数据,将机床相应运动轴进给量转化为切比雪夫变量。其次将切比雪夫变量代入不同阶次的切比雪夫多项式得到相应的值。然后根据切比雪夫基函数值和切比雪夫变量用多元线性回归方法获得相应的系数,得到关于切比雪夫基函数的数学模型。最后将运动轴进给量与切比雪夫变量之间的转化关系代入得到基本几何误差项的数学模型。建模过程简单且易程序化,切比雪夫多项式的高逼近精度使得建立的模型精度高。将所有几何误差项参数化模型代入机床几何误差模型综合数学模型,从而可得到机床工作空间几何误差场分布。以MV-5A三轴立式加工中心为例,将各个几何误差项参数化模型代入机床几何误差模型中得到该机床综合几何误差数学模型,进而得到该机床工作空间几何误差场分布,为机床设计和误差补偿提供了理论依据。     

建立作物水分生产函数的稳健回归方法

针对作物水分生产函数建立中存在对异常值抵抗能力较弱的问题,采用稳健回归方法建立作物水分生产函数的Jensen模型。基于北京永乐店试验站1998~1999和1999~2000年度的冬小麦灌溉试验资料,将Jensen模型线性化后利用稳健回归方法求得各阶段的水分敏感指数,并与常规的多元线性回归方法进行了比较。结果表明,对于Jensen模型的建立,稳健回归方法精度较高、抵抗数据污染的能力较强,优于传统的多元线性回归方法。     

土壤入渗模型参数的多元线性预测模型精度的对比分析

基于黄土高原大田耕作土壤的入渗试验数据,利用多元线性回归法建立了Kostiakov二参数、三参数以及Philip入渗模型参数的线性预测模型,进行了3种模型参数平均误差的比较以及给定时间的累积入渗量误差的比较,提出了便于应用又具有较高精度的土壤水分入渗参数多元线性预报模型。结果表明,Kostiakov二参数模型的平均误差低于三参数入渗模型和Philip入渗模型,能将平均误差控制在15%以下,低于其他2种入渗模型。因此用Kostiakov二参数入渗模型对土壤水分入渗能力进行预测较好。     

数控机床误差测量、建模及网络群控实时补偿系统研究

随着科学技术水平的提高,数控机床的系统应用要求也在提高,通过误差补偿技术的科学应用,能提高数控机床加工的整体精度。本文主要对数控机床误差的测量以及建模加以阐述,然后对数控机床网络群控实时补偿系统工作的流程以及补偿实验进行探究,希望能在此次的理论研究下,对数控机床的补偿系统的应用发挥起到促进作用。     

喷雾模型的发展及其在内燃机CFD中的应用

喷雾模型是内燃机CFD软件中重要的组成部分,而喷雾模型是由多种子模型组成的。正确设定喷嘴出口的边界条件和选择恰当的喷雾子模型成为成功分析和优化柴油机和汽油机高压喷雾的先决条件。本文主要讨论了喷嘴流动模型、液膜雾化模型和喷雾碰壁模型在CFD软件中的应用现状。     

陕西关中冬油菜生长发育不同模型模拟精度研究

在陕西关中地区进行了连续6年(2009年9月—2015年5月)的冬油菜非充分灌溉试验,利用STICS、DSSAT和APSIM 3种不同模型对冬油菜物候期和产量等进行模拟,比较了3种不同模型的模拟精度。结果表明,3种模型中STICS模拟精度最高,平均RARE为3. 24%,APSIM模型次之,平均RARE为8. 79%,DSSAT模型最差,平均RARE为11. 38%。其中STICS模型对物候期和产量的模拟精度均为最高,DSSAT模型对物候期的模拟精度高于APSIM模型,而APSIM模型对产量相关指标的模拟精度高于DSSAT模型。由于2012—2013年生育期内降水量较低,3种模型的模拟精度均较低,说明3个模型对干旱胁迫条件下的作物生长模拟均存在一定不足。综合比较,STICS模型的模拟精度高于DSSAT和APSIM模型,因此推荐STICS模型为关中地区冬油菜生长发育和产量形成模拟的适宜模型。     

基于灰色理论及BP神经网络的尿素水解预测模型研究

研究根据室内尿素水解试验资料,建立了以温度、水分、时间为输入因子,尿素态氮含量为输出因子,拓扑结构为3-2-1的BP神经网络预测模型,以及Verhulst灰色预测模型和零级动力学模型,并分析比较了三种模型的预测效果。结果表明:3种预测模型均能满足模拟精度要求,所建立BP神经网络模型模拟值与实测值的平均相对误差、相关系数和决定系数分别为2.39%、0.992 4和0.984 5,具有较高的预测精度和良好的稳定性,并且模拟效果明显优于Verhulst灰色预测模型和零级动力学模型,可以较好地描述尿素水解动态变化过程,为尿素水解定量研究提供了精确的科学依据。     

三种作物水分生产函数模型的适用性比较

通过幂级数展开等代数变换发现,3种作物水分生产函数Jensen模型、Rao模型和Stewart模型可以近似相互转化,其各自水分敏感指数近似等价。通过在各阶段均匀受旱的特殊情况下对模型模拟的相对产量随相对蒸散发量变化过程的对比,从理论上分析了3个模型的适用性。研究发现,当作物受旱较轻微时,Rao模型和Stewart模型与Jensen模型统一具有较好模拟效果,但是当作物受旱较严重时,Rao模型和Stewart模型的模拟效果不好。通过不同气候区域不同作物田间试验的数据进行了验证计算,由于水分亏缺不十分严重,参数优化后3个模型都具有较好模拟效果,而Jensen模型模拟效果更好一些,优化得到的3种模型水分敏感指数近似相同,而采用Jensen模型水分敏感指数后,Rao模型和Stewart模型的模拟效果稍有降低。     

Shuttleworth-Wallace模型模拟陕北枣林蒸散适用性分析

在生态脆弱的陕北黄土丘陵区,林地耗水是生态学者长期关注的热点问题,准确测算植物耗水量是环境水分研究的关键。根据陕北山地枣林的立地条件和蒸散过程特点,结合2012年的实测资料,确定了相关模型参数,实现了Shuttleworth-Wallace(SW)和Penman-Monteith(PM)模型对枣林蒸散量的模拟,并利用2013年茎流计监测的蒸腾量和水量平衡原理推求的蒸散量,对这2个模型进行了比较和检验。结果表明:就整个枣树生育期10 d尺度蒸散量而言,SW模型模拟精度优于PM模型。此外,2模型精度随枣树生育期变化而变化,且萌芽展叶期精度均最低。SW模型日蒸腾量模拟精度满足要求,但易受到天气状况影响,晴天模型精度优于雨天。SW模型精度在陕北山地枣林里得到验证,是半干旱区山地枣林耗水规律研究的有效工具。     

Field installation of a model for transient simulation of canal flow

A computerized hydraulic model developed at Utah State University was installed at a large-scale irrigation project in Northeast Thailand with the objective of improving water management in the supply and distribution system. The model was calibrated for measured field conditions by determining discharge coefficients for flow control structures, measuring seepage loss rates, and calculating hydraulic roughness coefficients. The logistical and technical problems associated with the model installation, and the respective solutions, are presented in this paper.     

常温土壤导热系数模型评价及改进

导热系数是土壤热传递的基本参数,在许多领域发挥着重要作用。土壤导热系数的获得需要耗费大量的时间和精力,为了方便准确地获得土壤导热系数,将5种土壤导热系数实测值与Campbell、Johansen、C?té-Konrad以及Lu-Ren导热系数模型计算值进行了比较,并且引入了一个与土壤质地有关的参数F对误差较大的Campbell模型进行了改进。改进后的模型其NES、RMSE和PBISA范围为0.938~0.996、0.039~0.084,-0.067~0.016,明显优于原模型0.632~0.975、0.089~0.217、-0.011~0.252。然后,利用其他地区10种土壤的导热系数对改进后模型进行了验证。结果表明,土壤导热系数预测值稳定分布在1∶1线附近,修正后模型也能准确地计算其他地区土壤导热系数。     

基于格子玻尔兹曼法的TOPMODEL建模与应用

依据Freeze和Harlan的水文模型蓝图思想改进TOPMODEL,在模型构建过程中利用格子玻尔兹曼法(LBM)建立汇流过程的数值模型,采用达西公式数值模型求解饱和区土壤水运动方程,运用LBM法五速模型求解非饱和区理查兹运动方程,进而构建基于栅格的分布式LBMGTOPMODEL。模型的产流方法融合了蓄满产流理论和超渗产流理论,考虑了土壤水分剖面、土壤各向异性和地形坡度等对流域产流的影响;模型的汇流方法利用地貌水文学理论,寻求水文过程与流域地形地貌的相互作用及定量关系,此模型在汇流过程中将地貌因素与水动力扩散相结合以描述坡面水流运动,解决了坡面水流的流量分配问题。以中汤流域为对象进行水文模拟应用研究,验证得到确定性系数在0.547~0.883之间,平均值为0.725,结果良好,说明模型较为可靠。     

农业干旱程度评估指标的量化分析

在指出目前各评估指标不足的基础上,提出了农业干旱评估指标最重要的是应正确反映干旱给农业造成的损失大小的思想,并以此建立了农业干旱评估指标的量化模型,即农业干旱评估指标的静态模型和动态模型,该指标不仅能定量计算而且能较准确的反映干旱给农业造成的损失。     

物理模型构建在教学中的重要性探讨

物理是研究自然界物质的基本结构、基本运动形式及相互规律的学科.现在物理试题已结合生产实践活动,学生在解决这类题目时需要把一个复杂的实际问题转化为物理过程,即物理模型的构建.物理模型能使复杂问题得到简化处理,还可利用模型训练学生发散的逻辑思维、帮助学生建立正确的求解思路. 可见,教学过程中物理模型构建的重要性.