APP下载

基于模糊神经网络的铣床热误差预测模型研究

2019-09-09李耀贵伍先明

关键词:测量模型

李耀贵,伍先明

(广东理工学院,广东,肇庆 526100)

0 引言

数控机床是机械加工的重要设备。随着智能化和信息化的不断发展,机械加工正朝着高精度方向发展。我国长三角地区机械加工厂很多,在加工过程中,由于精度不达标,导致零部件尺寸不合格,甚至出现报废现象。影响机床加工的误差包括以下几种:1)机床几何误差;2)机床热误差;3)切削力误差;4)刀具磨损误差;5)其它误差。其中,热误差是影响数控机床加工精度的主要因素,限制了数控机床的发展[1]。为了提高机床加工精度,目前采用的方法主要包括以下两种[2]:1)误差防止法;2)误差补偿法。误差防止法是通过优化机床结构,提高装配精度,从而提高机床加工精度。但是,该方法需要成本太大,受到了限制。误差补偿法采用预测误差来抵消机床产生的误差,该方法成本较低,得到了迅速发展。因此,如何降低数控机床加工误差,是学术界和工业急需解决的重大问题。

当前,学术界从不同角度对数控机床热误差展开了研究,产生了多种方法和理论。例如:文献[3]研究了机床热误差径向基函数神经网络建模方法,讨论了RBF神经网络建模方法,给出了RBF神经网络预测热误差模型,通过机床实际测量值验证误差模型的效果,结果显示,可以采用RBF神经网络预测数据对数控机床进行在线补偿;文献[4]研究了机床热误差不同神经网络预测模型,通过比较 BP神经网络、级联神经网络、径向基函数神经网络和广义回归神经网络模型,以机床上热误差测量值进行比较和分析,四种网络预测模型都有各自的优缺点,常规神经网络模型热误差泛化能力较差。……

登录APP查看全文

猜你喜欢

测量模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
测量的乐趣
3D打印中的模型分割与打包
测量
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用