王战中， 孙少华

(石家庄铁道大学 机械工程学院，河北 石家庄 050043)

基于SOM神经网络和复相关系数结合的机床主轴温度测点的优化筛选

王战中， 孙少华

(石家庄铁道大学 机械工程学院，河北 石家庄 050043)

提出了基于SOM神经网络和复相关系数相结合的温度测点的优化算法，并应用于SV-48立式加工中心主轴测温点优化筛选。首先，在主轴上模拟布置温度传感器和Z轴位移传感器，在有限元分析的基础上得到了一系列温度和Z轴热位移仿真数据；然后，将温度数据输入到SOM神经网络聚类分组；最后利用复相关程度法将聚类的温度值与主轴Z轴热误差拟合，确定出机床热敏感点。研究结果表明，该方法简明易懂，有效减少了测温点的数量。

SOM神经网络；复相关系数；热敏感点；优化算法

0 引言

高精度是制造业永久的追求目标，被称作“工作母机”的机床承担着提高加工精度的重要使命。研究表明机床主轴的热误差是影响加工精度的关键因素之一[1]。机床热误差补偿技术能将实时采集的温度和热位移数据输入到预测模型中进而预测机床误差[2]。借助温度传感器可以采集温度和热位移数据，温度传感器布置越多越能准确的反映出机床主轴复杂的温度场变化，但会加大热误差测量和计算量，同时增加了投入成本；布置太少又难以准确反映温度场的变化情况，影响热误差补偿模型的精度，所以，温度传感器的布局直接影响到机床热误差补偿效率。温度测点的优化筛选是机床热误差补偿技术研究的侧重点之一[3]。……