满忠伟 汪世益

(①山东山推机械有限公司，山东济宁 272023;②安徽工业大学机械工程学院，安徽马鞍山 243002)

机床热变形对工件加工精度的影响很大，热误差是最大的误差源，可达机床总误差的70%左右［1］。因此，控制热误差是提高机床加工精度的关键技术。误差补偿技术可以在不提高机床自身零部件精度的条件下，使工件的加工精度大幅度提高［2－3］。

机床热误差在有效补偿的前提下能够对某一温度场下的机床热误差进行准确的预报，然后根据预报值进行补偿。这就要求尽可能准确地进行热误差建模，即建立机床热误差与温度之间的关系，从而在实时补偿过程中用温度值来预报热误差。热误差建模的方法很多，选择不同的建模方法对误差补偿效果有非常大的影响。热误差很大程度上取决于加工条件、加工周期、冷却液的使用以及周围环境等诸多因素 ，因此热误差呈现非线性及交互作用。神经网络理论是利用工程技术手段模拟人脑神经网络结构和功能的一种非线性动力学系统［4］，它具有集体运算能力和自适应的学习能力，以及很强的容错性、鲁棒性，善于联想、综合和推广，目前以神经网络为代表的智能补偿技术已运用到误差建模中［5－6］。以往的热误差模型以机床为研究对象，忽略了工件的热变形对加工精度的影响。本文以机床－工件系统为研究对象，应用BP神经网络理论建立机床－工件系统的热误差模型，并在此基础上提出误差补偿策略。……