資源描述:
《數(shù)控機床熱誤差灰色神經網絡補償應用研究.pdf》由會員上傳分享,免費在線閱讀,更多相關內容在行業(yè)資料-天天文庫。
1、機械設計與制造第7期236MachineryDesign&Manufacture2014年7月數(shù)控機床熱誤差灰色神經網絡補償應用研究汪樣興,王樹林,張云峰,張建紅,。(1.江蘇大學機械工程學院,江蘇鎮(zhèn)江212013;2.江蘇齊航數(shù)控機床有限責任公司,江蘇鎮(zhèn)江212009;3.江蘇希西維軸承有限公司,江蘇鎮(zhèn)江212009)摘要:針對數(shù)控機床熱誤差建模補償?shù)膯栴},提出了灰色神經網絡建模補償?shù)男路椒?。首先利用機床的溫度值建立了機床熱誤差的灰色系統(tǒng)預測模型,再由灰色模型預測值得到的殘差建立神經網絡預測模型。結合
2、灰色系統(tǒng)和神經網絡的優(yōu)點,建立了一種新的灰色系統(tǒng)和BP神經網絡組合熱誤差預測模型。最后以實測數(shù)據(jù)建模說明了灰色神經網絡模型預測效果明顯優(yōu)于各單項模型,方法優(yōu)異的預測性能對于具有復雜成分的動態(tài)數(shù)據(jù)序列的機床熱誤差建模也適用。關鍵詞:數(shù)控機床:熱誤差;灰色神經網絡;建模中圖分類號:TH16;TH161文獻標識碼:A文章編號:1001—3997(2014)07—0236—04ApplicationResearchandGreyNeuralNetworkCompensationtoThermalErrorMod
3、elingOfNCMachineToolsWANGYang—xing,WANGShu-lin’,ZHANGYun-feng,ZHANGJian—hong'(1.SchoolofMechanicalEngineering,JiangsuUniversity,JiangsuZhenjiang212013,China;2JiangsuQihangCNCMachineToolCo.,Ltd.,JiangsuZhenjiang212009,China;3JiangsuCCVIBearingIndustriesCo
4、.,Ltd.,JiangsuZhenjiang212009,China)Abstract:Anewmethodofgrayneu,networkforthermalerrorcompensationmodelingisputforward.BasedontemperatureofNCmachinetools,thegreysystemmodelusedinthermaleTrOTforecastingisproposed,andbuildsneuralnetworkforecastingmodelbyu
5、seofdataseriesfromgreysystempredictedvaluedecreaseoriginalvalue.Synthesizingtheadvantagesofgreysystemtheoryandneuralnetwork,anewpredictionmodelnamedGNNcombinedforecastingmodelisappliedtOpredictthetrendofthermalerrorsinmachinetools.Finally.efficiencyofGNN
6、forecastingmodelisdemonstratedby刪exampleandshoweshigherpredictionaccuracythanthesinglemodelWithexcellencepeOeormanceonprediction,thismethodisofsignificanceforsettingupthermalerrormodelingandbeingsuitableformodelingofdynamicdatasequencewithcomplicatedcomp
7、onents.KeyWords:NCMachineTools;ThermalError;GNN;Modeling1引言院提出了把前饋神經網絡與混合濾波器相結合的方法來建立機床熱誤差補償模型,提高了模型的預測精度,縮短了建模時間。在機械制造、儀器儀表等行業(yè),由溫度引起的熱變形是影響鑒于機床熱變形預測的種種困難及機床熱變形本身所具有的機器、儀器設備精度的重要因素,熱變形引起的誤差通??烧伎傠S機波動性牦,建立了熱誤差灰色GM(1,k)預測模型。由于神經誤差的1,3,而在精密加工中,熱變形引起的誤差在加工總誤差
8、中網絡良好的非線性動態(tài)特陛及自學習性能等,在熱誤差補償中得到所占比例可達(40~70)%,是熱點技術問題。對熱誤差進行數(shù)學了廣泛的應用。在由灰色系統(tǒng)模型得到的殘差序列的基礎上又建建模和補償是減少熱誤差對加工精度影響最經濟有效的辦法,國立了神經網絡模型。這兩種模型各有所長,能夠充分利用模型所提內外學者對此做了廣泛深入的研究,取得了一系列的進展。比如供的信息,得到更好的預測效果。最后,就機床熱誤差具有的時變Michigan大學的HongYang