基于遗传算法优化elman神经网络机床热误差建模.pdf

第期组合机床与自动化加工技术.
年月.
文章编号:——:./.... .
基于遗传算法优化神经网络的
机床热误差建模水
黄玉春,田建平,杨海栗,胡勇,张良栋
四川理工学院机械工程学院,四川自贡
摘要:为了提高数控机床热误差模型的预测精度,以某型号立式加工中心为实验对象,采用模糊聚类
与灰色综合关联度相结合的方法对机床测温点进行优化,将测温点从个减少到个。利用遗传算
法优化的神经网络建立了主轴热漂移误差预测模型,通过实例比较了—神经网
络模型与普通神经网络模型的预测效果。结果表明,与普通神经网络所建的预测模型
相比,—神经网络模型对主轴轴向热漂移误差的预测精度较高,残差较小,网络的泛化能力
较好。
关键词:立式加工中心;热误差;神经网络;遗传算法优化
中图分类号:; 文献标识码:


—,—,,,—
, ,,

: , —
.
. 砀—
..
..
.
,
,
.
:; ;;
神经网络、神经网络、神经网络。
引言
神经网络是在神经网络的基础上改进而来,具有
近年来,机床热误差补偿技术作为一种经济有效局部的反馈结构,处理动态信息的能力较好。但由于
的提高机床加工精度的措施得以迅速发展和推广,成神经网络也采用神经网络的算法进行权值
为现代精密工程的重要技术支柱之一。机床热误差的修正,同样存在学习速度较慢,易陷入局部极小值
补偿技术的关键在于机床测温点的优化和热误差预测等缺陷。韩丽等采用遗传算法优化神经网络
模型的建立。机床热误差具有非线性的时变特性。模型的初始权值和阈值,较好地预测了电池的劣化程
人工神经网络具有自组织、自适应和自学习的特点,可度。崔东文基于遗传算法优化的神经网络建
以以任意精度逼近任意非线性连续函数,因而在机床立了一种预测效果较好的需水预测模型。
热误差补偿建模方面得到广泛应用。为了研究遗传算法优化的神经网络模型对
在机床热误差建模方面,应用较广的神经网络有机床热误差的预测效果,本文以某型号立式加工中心
收稿日期:——;修回日期:——
基金项目:人工智能四川省重点实验室;四川理工学院研究生仓新基金;四川省教育厅重点项目;自贡市科
技局重点项目
作者简介:黄玉春一,男,河南信阳人,四川理工学院硕士研究生,研究方向为结构设计与机床热误差补偿,—.
年月黄玉春,等:基于遗传算法优化神经网络的机床热误差建模· ·
为研究对象,。同时在机床工作台上安置一个千分表
型与普通神经网络模型对机床主轴轴向热漂移用来测量主轴的轴向热漂移误差。机床主轴空转,前
误差的预测精度和网络的泛化能力。阶段每间隔分钟采集一次温度数据和同时刻的主轴
热误差数据,后阶段间隔分钟采集实验数据。实验
结合模糊聚类分析与灰色综合关联度分析
进行了个小时,机床达到热稳态,共采集组温度
选择温度变量
和主轴轴向热误差数据。
. 温度变量的模糊聚类分析
模糊聚类分组是依据各温度变量间的模糊关系来
对温度变量进行分组。其具体步骤如下:
设, ,⋯,。为个温度变量的集合,
,⋯, ,,,⋯,;,,⋯,为
第个温度传感