機床商務(wù)網(wǎng)技術(shù)文章
改進 RBF 網(wǎng)絡(luò)的加工中心主軸熱誤差建模
閱讀：113 發(fā)布時間：2020-8-101 引言
隨著生產(chǎn)自動化水平的不斷提高 , 各行各業(yè)對機床性能提出了越來越高的要求。數(shù)控機床在機械制造領(lǐng)域運用廣泛 , 隨著機械制造對精度要求的提高 , 各種有關(guān)影響機床精度的問題以及相應(yīng)的解決方法也越來越引起人們的重視并對它展開研究。大量研究表明: 熱誤差對機床加工精度的影響較大, 由其引起的加工誤差約占機床總體誤差的 40% ～ 70%[1-2]。現(xiàn)階段 , 熱誤差預(yù)測法和補償法是解決熱誤差問題的兩大主要方法 [3]。預(yù)測法是通過優(yōu)化機床結(jié)構(gòu)、提高機床零部件精度或以隔離熱源等方法降低誤差 , 但是所需成本較大且耗費時間長。而補償法則是通過測量機床誤差并使用各種方法進行補償 , 從而減少機床誤差 , 這種方法成本低 , 應(yīng)用性強 , 使得以低成本制造高精度機床成為可能。建模是誤差補償技術(shù)中重要的一部分 , 其精度將對后的結(jié)果產(chǎn)生直接影響。目前 , 常用的熱誤差建模方法有 : 神經(jīng)網(wǎng)絡(luò)、狀態(tài)估計、多元回歸、組合建模等 [4]。
徑向基函數(shù) (Radial Basis Function,RBF) 神經(jīng)網(wǎng)絡(luò)是近發(fā)展起來的一種高效的前饋式網(wǎng)絡(luò) [5]。其結(jié)構(gòu)簡單、訓(xùn)練速度快 , 在模式識別等領(lǐng)域被廣泛使用。但RBF 神經(jīng)網(wǎng)絡(luò)還是存在信息丟失以及在數(shù)據(jù)不充分時網(wǎng)絡(luò)無法工作等問題 , 且其預(yù)測精度也有待提高 , 另外隱層基函數(shù)中心選擇存在任意性 , 隱層節(jié)點數(shù)目、中心和寬度的選定在實際系統(tǒng)中也存在難度。
因此 , 本文采用改進 PSO 算法優(yōu)化的 RBF 神經(jīng)網(wǎng)絡(luò)構(gòu)建熱誤差預(yù)測模型 , 通過改進的 PSO 優(yōu)化 RBF 神經(jīng)網(wǎng)絡(luò)的重要參數(shù)來提高模型的預(yù)測精度 , 結(jié)果表明 ,改進的模型能夠得到更優(yōu)異的預(yù)測效果。