《表4 预测精度与训练时间结果》
表4给出了不同训练时间、隐藏层数目、标签间隔下的LSTM网络训练准确度与训练时间,可以看出训练时间随迭代周期数、标签数目和隐藏层数目的增加而增加.随着迭代周期数的增加,预测精度并没有线性增加,在迭代周期数为300时,更是出现预测精度下降的现象;标签划分的数目越小,网络训练的时间越短,标签预测的准确度也越好,但标签间隔过大也会造成系统精度变差,出现如图10中的基于原信号的LSTM预测结果“跳跃”问题;当隐藏层达到100时,预测精度不再提高,出现起伏变化现象.因此选择合理的网络参数对回转精度预测精度至关重要.根据预测精度与实际预测点在回转精度峰值处的预测效果,选择隐藏层数150,迭代周期数200,标签间隔0.1μm进行LSTM网络训练,最终得到93.15%的预测结果.
图表编号 | XD00162215600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.20 |
作者 | 陈代伟、吴军、王立平、梁建红、宫秀梅、孔维森 |
绘制单位 | 清华大学机械工程系、精密超精密制造装备及控制北京市重点实验室、清华大学机械工程系、精密超精密制造装备及控制北京市重点实验室、清华大学机械工程系、精密超精密制造装备及控制北京市重点实验室、西南科技大学信息工程学院、航天工程装备(苏州)有限公司、上海航天设备制造总厂有限公司 |
更多格式 | 高清、无水印(增值服务) |