Apriori算法及神经网络在数控机床中应用研究

摘要：

数控机床加工精度受到机床零部件、外部环境等因素的影响,从而需要添加适当的补偿参数确保加工精度的稳定性,另外,不同车床不同时刻的补偿参数实时变化.为此,提出一种基于关联规则及神经网络方法的智能误差补偿模型.以实际生产中产生的数据集为基础,通过Apriori算法对数据集进行筛选;对各个特征值与补偿参数进行归一化处理,以提高数据的收敛速度;利用神经网络模型为不同情形下的车床搜寻最佳补偿参数模型,从而构建起最佳的智能误差补偿模型;经过智能误差补偿后,对生产的物件进行图像识别,分析其是否符合精度要求.仿真测试结果表明:针对训练集数据和测试集数据,车床稳定性分别提高了 0.695 和 0.713.实测结果显示:利用上述方法,对 30 个产品进行雕刻,精度均符合要求.因此,智能误差补偿模型能够提高车床加工稳定性,提升产品合格率.

关键词：Apriori算法、神经网络、数控机床、智能误差补偿模型

所属期刊栏目：51

分类号：TP23(自动化技术及设备)

资助基金：湖南省自然科学基金项目;湖南省自然科学基金项目

在线出版日期：2023-11-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：67-73