10.3969/j.issn.1001-3881.2022.06.003
基于改进模糊聚类和最大信息系数的数控机床温度测点选取
在加工过程中,机床会因热变形而产生误差,这将严重影响加工精度.减少加工过程的热误差是提高加工精度的有效途径,而确定关键温度测点不仅能提高计算效率,还可避免温度数据间复共线性问题,提高热误差模型的预测精度.提出基于改进模糊聚类和最大信息系数(MIC)的温度测点选择方法,通过改进模糊聚类对温度测点进行分类;根据MIC方法选择每类温度数据中的关键温度测点;使用BP神经网络对热误差进行建模.结果表明:与传统温度测点选择方法相比,利用所提方法改进的热误差模型精度更高.
温度测点、模糊聚类、最大信息系数(MIC)
50
TG502.15(金属切削加工及机床)
武汉市科技局应用基础前沿专项2020010601012176
2022-05-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
16-20