李有堂,汤雷武,黄 华,吴荣荣

(兰州理工大学机电工程学院,甘肃 兰州 730050)

加工中心在加工过程中产生的误差严重影响了加工精度。随着机床结构的日益改进,热误差成为加工中心最大的误差源,最高达到总误差的70%[1]。因此,减小热误差是提高加工中心精度的首选路径。

热误差是由机床不同构件热效应耦合作用产生的热变形,由于各构件的结构、尺寸以及材料不同,导致构件有不同的热容量、热膨胀系数、导热系数。热变形具有非线性和时滞性等特性,使目前许多热误差建模方法(如经验公式法、数值计算法)存在时滞性、精度不高且外插值性不良等缺点。误差补偿法是软件补偿法的一种,通过对误差源的测量分析,利用数学方法或数学工具对数据进行计算,找出误差源之间的关系,从而建立误差预测的数学模型[2-3]。可以看出,采用误差补偿法对数控机床热误差进行补偿是一个减少成本、提高预测精度且缩短计算时间的优选方法。

在误差补偿法中,BP神经网络建模法具有很强的非线性映射能力和柔性网络结构等优点,许多学者都引用BP神经网络解决数控机床热误差建模问题。Guo等[4]建立了基于蚁群算法和人工鱼群算法优化BP神经网络的热误差预测模型,取得了不错的预测效果,但是BP神经网络未知参数只是进行了随机取值;Huang等[5]引入了遗传算法优化BP网络的初始权重和阈值,发现优化后的BP神经网络可以有效避免陷入局部最优的缺陷,且能够提高预测精度;Li等[6]利用改进的粒子群算法优化了BP神经网络的初始权值和阈值,虽然取得了不错的预测效果,然而并没有对BP神经网络隐含层神经元个数进行优化取值。……