机床热误差非线性组合预测模型研究

摘要：

在精密及超精密加工过程中,数控机床热误差是影响加工精度的一项重要误差源,最经济和有效地减少热误差的方法是热误差补偿技术.针对热误差补偿预测模型的预测精度问题,提出一种非线性组合预测模型.该预测模型利用灰色关联度方法对单项预测模型进行筛选,对筛选出的单项预测模型基于不同优化准则进行线性组合,通过广义回归神经网络对该线性组合模型进行非线性组合,得到非线性组合预测模型.误差预测结果表明:对比典型的BP神经网络预测模型,非线性组合预测模型的预测精度更高,最大误差由4.78μm减小到0.7μm.

关键词：热误差补偿、非线性组合预测模型、广义回归神经网络、灰色关联度

所属期刊栏目：49

分类号：TH16;TP161

资助基金：辽宁省教育厅一般项目 ;航空制造工艺数字化国防重点实验室开放基金项目

在线出版日期：2021-01-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：42-46,68