陈 卓，李自汉，杨建国，姚晓栋

(上海交通大学 机械与动力工程学院，上海 200240)



基于SOM神经网络聚类以及支持向量机的数控机床热误差建模方法的研究

陈 卓，李自汉，杨建国，姚晓栋

(上海交通大学 机械与动力工程学院，上海 200240)

为了减小主轴季节性热误差影响，提高机床的加工精度，提出了基于针对机床热源进行SOM神经网络预聚类后的支持向量回归机的主轴热误差综合模型。针对一台型号为HTM40100h的车铣复合中心，对主轴的关键温度测点进行了内外热源的划分，并在冬夏两个季节对所有测温点温度和热误差数据进行采集，将外部热源温度数据作为SOM网络的输入变量进行季节性聚类，聚类后的外部热源温度数据连同同时刻的内部热源温度数据一起作为不同季节支持向量回归机模型的输入变量，得到热误差拟合值。将通过聚类预处理的方法与未经聚类的方法进行了对比试验，结果表明：该综合预测模型在冬夏两个季节均获得了较高的建模精度和鲁棒性。

机床热误差建模；SOM神经网络；支持向量回归机；季节性预聚类

0 引言

数控机床在加工工件的过程中，会产生加工误差。按照原因的不同，这些误差包括热误差、几何误差、切削力误差等[1]。其中由机床热变形引起的误差占到了总误差的40%以上。因此，机床热误差的实时补偿技术的研究对于工程实践而言显得极为迫切而重要。而在热误差补偿技术中，机床热误差建模又是所有问题中最重要的一环，不仅仅是因为它高度概括地将生产实践中的实际问题抽象为了数学模型，使得工程技术人员可以采用信息化手段着手解决，也因为要得到一个具有好的鲁棒性和稳定性的热误差模型是极为困难且难以实现的。……