[发明专利]基于均值漂移-灰色关联分析的电主轴温度测点优化方法

权利要求书

1.一种基于均值漂移-灰色关联分析的电主轴温度测点优化方法，其特征在于：包括以下步骤：

(一)均值漂移聚类算法计算，包括以下步骤：

通过将滑动窗口的中心移动到滑动窗口内所有点的均值处，使得滑动窗口移动到更密集区域，不断迭代找到数据中心，对于给定的d维空间R_d有n个样本x_i(i＝1,2,...,n)，选择一个样本点x作为窗口中心，那么窗口移动的方向和距离可由均值偏移向量表示，其中，均值偏移向量M_r(x)为

其中，K表示有K个样本在S_r中，S_r(x)所表示的是半径为r，以样本点x为中心的一个球形窗口区域，对于球型窗口中的样本点，每一个样本点对于M_r(x)的贡献程度应该有所不同，所以通过引入内核函数对均值偏移向量进行改进，

其中，G[(x_i-x/h_i)]为高斯核函数；

(二)灰色关联度分析算法计算，其实现步骤如下：

步骤一，确定特征序列和相关序列，在电主轴温度测点优化技术中，特征序列为电主轴热误差序列，即Y＝{Y(t)|t＝1,2,...,T}；相关序列为温度测点序列X＝{X_i(t)|t＝1,2,...,m；t＝1,2,...,T}；

步骤二，数据归一化，因为电主轴温度测点序列和热位移序列的单位不相同，对于单位不同的数据进行运算是没有意义的，所以在进行计算之前需要将数据进行去量纲化，也叫归一化，采用区间法对数据进行归一化，

其中，为归一化序列；

步骤三，计算灰色关联系数；

步骤四，计算灰色关联度；

(三)结合均值漂移聚类算法与灰色关联分析算法求得的结果对温度测点进行筛选和排序；

(四)选取符合实际的最优温度测点，完成对测点的优化；

(五)由均值漂移-灰色关联分析算法筛选的温度测点存在两种筛选结果，并从中选取最终温度测点；

所述步骤三中，计算归一化后的温度测点序列和热误差序列Y^*(t)的灰色关联系数ξ_i(t)，如(4)所示：

其中，Y^*(t)、Xi^*(t)分别为热误差序列、温度测点序列的归一化序列；ρ为大于0，小于1的可调参数，ρ越小，序列的区分度越大，取ρ＝0.5；

所述步骤四中，对于归一化后的灰色关联系数是一个T维的向量，表示单个温度测点与热位移在每一个时刻t上的关联程度，不易于比较每个温度测点与热位移之间相关程度的大小，为了保证在全部时间域上温度测点与热位移之间的关联程度，所以求取每个温度测点的灰色关联系数的平均值，

其中，r_i为灰色关联度。