[发明专利]基于神经网络的进给系统模型训练和预测方法及其系统有效
| 申请号： | 201811119041.7 | 申请日： | 2018-09-21 |
| 公开（公告）号： | CN109447235B | 公开（公告）日： | 2021-02-02 |
| 发明（设计）人： | 周会成;蒋亚坤;陈吉红;聂鹏;王俊翔 | 申请（专利权）人： | 华中科技大学 |
| 主分类号： | G06N3/02 | 分类号： | G06N3/02 |
| 代理公司： | 上海一平知识产权代理有限公司 31266 | 代理人： | 成春荣;竺云 |
| 地址： | 430074 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请涉及数控系统领域，公开了一种基于神经网络的进给系统模型训练和预测方法及其系统，可以通过输入单轴运动指令时间序列精准预测出实际响应时间序列。本申请中，对进给系统中的至少一个单轴，执行以下步骤：为单轴的N个运动状态分别设置N个神经网络子模型，其中N＝1；从历史数据中获取单轴的单轴运动指令时间序列和实际响应时间序列作为样本数据；根据单轴运动指令时间序列为样本数据标记运动状态；将样本数据按照运动状态分类，分别训练对应运动状态的神经网络子模型，其中神经网络子模型的输入包括单轴运动指令时间序列，神经网络子模型的输出包括实际响应时间序列。 | ||
| 搜索关键词： | 基于 神经网络 进给 系统 模型 训练 预测 方法 及其 | ||
【主权项】：
1.一种基于神经网络的进给系统模型训练方法，其特征在于，对进给系统的至少一个单轴，执行以下步骤：为所述单轴的N个运动状态分别设置N个神经网络子模型，其中N>＝1；从历史数据中获取所述单轴的单轴运动指令时间序列和实际响应时间序列作为样本数据；根据所述单轴运动指令时间序列为所述样本数据标记运动状态；将所述样本数据按照运动状态分类，分别训练对应运动状态的神经网络子模型，其中所述神经网络子模型的输入包括所述单轴运动指令时间序列，所述神经网络子模型的输出包括所述实际响应时间序列。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华中科技大学，未经华中科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811119041.7/，转载请声明来源钻瓜专利网。
