论文摘要
针对机床主轴热性能对加工精度产生影响的问题,对机床主轴热误差建模方向进行了试验研究。以数控磨床主轴为研究对象,通过热特性试验获得了阶梯转速下的温度变化数据和热误差数据,对温度数据进行了模糊聚类分组,并采用相关系数法选出了温度敏感测点;通过对灰色神经网络初始参数进行优化,建立了遗传算法(GA)优化的灰色神经网络热误差预测模型;在该模型中,以灰色神经网络的预测输出和实际值的绝对误差作为遗传算法适应度函数,以平均相对误差作为预测模型的评价标准,并与灰色神经网络、BP神经网络预测结果进行了对比。研究结果表明:该预测模型具有更高的预测精度,通过GA对灰色神经网络的初始参数进行优化,可有效地提高网络的预测精度,更好地用于热误差补偿系统。
论文目录
文章来源
类型: 期刊论文
作者: 郑金勇,刘保国,冯伟
关键词: 数控机床,热误差,灰色神经网络,遗传算法,模糊聚类分组
来源: 机电工程 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技
专业: 金属学及金属工艺,自动化技术
单位: 河南工业大学机电工程学院,河南工业大学河南省超硬磨料磨削装备重点实验室
基金: NSFC-河南联合基金重点资助项目(U1604254),河南工业大学高层次人才科研启动基金资助项目(2017BS010),河南省属高校基本科研业务费专项基金资助项目(2018QNJH04)
分类号: TG502;TP18
页码: 602-607
总页数: 6
文件大小: 696K
下载量: 345