基于集成BP神经网络的数控机床主轴热误差建模

摘要：

为了解决单一BP神经网络模型预测性能不稳定的问题,提出一种集成BP神经网络的数控机床主轴热误差建模方法.采用模糊c均值聚类法筛选温度敏感点,消除了冗余温度变量间的多重共线性.从机器学习的角度出发,分别采用平均法、中位数法和普通最小二乘法将几种具有弱预测性能的典型BP神经网络模型进行集成.以THM6380卧式加工中心为研究对象进行了主轴热误差实验,热误差预测性能分析结果表明,集成模型的预测精度和泛化能力优于单一BP神经网络模型,为机床主轴热误差建模及后续热误差补偿提供了新的思路.

关键词：主轴热误差、BP神经网络、模糊c均值聚类、普通最小二乘法、集成模型

所属期刊栏目：24

分类号：TH161;TG659

资助基金：国家科技重大专项课题资助项目2017ZX04020001-005;四川省科技支撑计划资助项目2018GZ0109

在线出版日期：2018-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1383-1390