基于PSO聚類和ELM神經(jīng)網(wǎng)絡(luò)機床主軸熱誤差建模.pdf

《基于PSO聚類和ELM神經(jīng)網(wǎng)絡(luò)機床主軸熱誤差建模.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第7期組合機床與自動化加工技術(shù)No．72015年7月ModularMachineTool&AutomaticManufacturingTechniqueJu1．2O15文章編號：1001—2265(2015)07—0069—05DOI：10．13462／j．cnki．mmtamt．2015．07．019基于PSO聚類和ELM神經(jīng)網(wǎng)絡(luò)機床主軸熱誤差建模術(shù)王續(xù)林，顧群英，楊昌祥，楊建國(上海交通大學機械與動力工程學院，上海200240)摘要：為使得數(shù)控機床熱誤差實時補償更有效，提出一種基于粒子群算法(ParticleSwarmOptimiza—tion，PSO)的溫度測點優(yōu)

2、選方法和基于極限學習機(extremelearningmachine，ELM)神經(jīng)網(wǎng)絡(luò)的機床熱誤差補償模型。利用PSO優(yōu)化K均值聚類方法，實現(xiàn)了機床上溫度測點的優(yōu)化篩選。利用ELM人工神經(jīng)網(wǎng)絡(luò)建立機床熱誤差補償模型，通過合理選取隱層神經(jīng)元數(shù)，從而實現(xiàn)更精確、更有效地對數(shù)控機床熱誤差進行實時補償控制。通過與傳統(tǒng)BP(BackPropagation)、RBF(RadialBasisFunction)神經(jīng)網(wǎng)絡(luò)進行對比分析，該補償模型具有計算簡便、預(yù)測精度高、結(jié)構(gòu)簡單等優(yōu)點，可有效應(yīng)用于數(shù)控機床熱誤差實時補償模型。關(guān)鍵詞：數(shù)控機床；PSO聚類分析；ELM神經(jīng)網(wǎng)絡(luò)；熱誤差建模中圖

3、分類號：TH165；TG659文獻標識碼：AModelingforMachineToolThermalErrorBasedonPSOClusteringAlgorithmandELMModelPreprocessingNeuralNetworkWANGXu—lin，GUQun·ying，YANGChang—xiang，YANGJian—guo(SchoolofMechanicalEngineering，ShanghaiJiaotongUniversity，Shanghai200240，China)Abstract：Inordertoimprovetheprecision

4、ofrealtimecompensationforthermalelroronNCmachinetool，thispaperproposedamethodwhichisbasedonthePSOtemperaturemeasuringpointclusteringandthemodelingofELMneuralnetworkforthermalerrorcompensationinNCmachinetools．K—meansclusteringisoptimizedbyPS0algorithmSOastodecreasethenumberofthetemperatur

5、esensors．AndthentheELMneuralnetworkiSestablishedthethermalerrormodelbasedonthemaintemperaturepointsSOthataNCmachinetooliSonlinecompensatedmoreeffectively．ComparedwithBP．RBFmethods．ELMneuralnetworkhasanadvan．tageofcalculationspeed．structureandprecisionwhichcouldbeusedtotherealcompensation

6、f0rNCmachinetools．Keywords：NCmachinetool；PSO—K1Tleansclustering；ELMneuralnetwork；thermalerrormodeling神經(jīng)網(wǎng)絡(luò)可以任意精度逼近非線性連續(xù)函數(shù)，使0引言之在熱誤差建模領(lǐng)域應(yīng)用十分廣泛。然而傳統(tǒng)的機床工作時，在內(nèi)外熱源的作用下，主軸系統(tǒng)各個網(wǎng)絡(luò)學習方法(如BP算法)又有訓練速度慢、容易陷部分都會產(chǎn)生不同程度的溫升后，主軸和機床其他部人局部極值、耗時長等諸多缺陷。因此，探索一種訓練件的空間相對位置和尺寸都將與溫升前不同，產(chǎn)生很速度快并且有良好泛化性能的訓練算法，是近年來的大差異

7、的溫度分布，進而產(chǎn)生不同程度的熱變形，主軸研究熱點及難點。本文提出一種單隱層神經(jīng)網(wǎng)絡(luò)建模熱變形引起的加工誤差由此產(chǎn)生。大量研究表明：精方法一基于PSO溫度測點優(yōu)化及ELM神經(jīng)網(wǎng)絡(luò)建模密加工中機床熱誤差是機床最大的誤差源，占機床總方法，可以隨機給定輸入層與隱含層間的連接權(quán)值及誤差的40％～70％”。所以，必須采取有效的措施減隱含層神經(jīng)元的閥值并在訓練過程中無需調(diào)整，只需小熱誤差。誤差補償是最常用的方法之一，其技術(shù)關(guān)要設(shè)置隱含層神經(jīng)元的個數(shù)，便可以獲得最優(yōu)解，結(jié)構(gòu)鍵是盡可能準確地進行熱誤差建模，即建立機床熱誤簡單而又高效。差和溫度之間的關(guān)系。