基于神经网络系统的滚珠丝杠热误差建模.pdf

《基于神经网络系统的滚珠丝杠热误差建模.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第1期组合机床与自动化加工技术NO．12012年1月ModularMachineTool&AutomaticManufacturingTechniqueJan．2012文章编号：1001—2265(2012)01—0001—04基于神经网络系统的滚珠丝杠热误差建模出口2，3靳增锋，王口口(1．中国科学院研究生院，北京100049；2．中国科学院沈阳计算技术研究所，沈阳110168；3．沈阳高精数控技术有限公司，沈阳110168)摘要：在追求高精度加工的现代数控系统中，热误差的消除具有重要的意义。文章首先简述了神经网络系统的特性及训练方法，成功地将

2、神经网络模型应用于对数控机床直线进给系统的热误差进行建模，并取得了预期的成果，使最大预测误差降低到2m，为进一步的热误差补偿奠定了基础。详细阐述了实际建模流程，根据训练数据的具体特征提出了一种新的数据预处理方法，使这些数据能更有效地应用于模型训练，是论文的一个创新点。关键词：热误差；人工神经网络；后向传播算法中图分类号：TH16；TG65文献标识码：ANeuralNetwork—basedThermalErrorModellinginBallScrewJINZeng—feng’，WANGPin’(1．GraduateUniversityofChi

3、neseAcademyofSciences，Beijing100049，China：2．ShenyangInstituteofComputingTechnology，ChineseAcademyofSciences，Shenyang110168，China)Abstract：InthepursuitofhighprecisioninamodernCNCmachiningsystem，itissignificanttoelimi—natethermalerror．Thepaperfirstmakesabriefoutlineofthecharact

4、eristicsandthetrainingmethodsofneuralnetworks．AnditissuccessfultoapplytheneuralnetworkmodeltomodelingthethermalerrorintheCNCmachinelinearfeedsystem．Theexpectedresultsisachievedthatthemaximumpredictionerrorreducedto2m，layingafurtherfoundationforthermalerrorcompensation．Thetext

5、describestheactualmodelingprocessindetail．Andanewmethodofdataprocessingiscomeupwithaccordingtothespe—cificcharacteristicsoftrainingdata．Itisaninnovativepointofthispapertoapplythemethodtomodeltrainingbetter．Keywords：thermalerror；ANN；BPalgorithmO引言基本假设是：机床误差是由温度分布，位置以及轴运动方向确定的函

6、数。在获得这些信息后就可以构建在追求高精度的现代数控系统中，热误差即热一个温度与其相应的误差的模型，然后通过这个模变形误差越来越受到人们的重视。根据研究表明：型误差项可以被预测，进而将其实时补偿到加工过热变形误差已经是数控机床最主要的误差来源，达程中，从而提高工件加工的精度’。到总误差的40％～70％。由于机床内部热源较目前，国内外在对热误差进行建模过程中比较多，在传热和散热时彼此又相互影响，再加上其他因常用的建模方法是利用数据拟合的方法来构建离散素，使得对热误差的建模变得很困难。为了尽量减温度点和热误差之问的经验关系。其中基于神经少这些误差对加

7、工精度的影响，大量的基于误差补网络的建模方法得到了广泛的研究。这些方法偿的方法得到了充分研究和发展，]。这些方法的大多对机床的主轴进行了热误差建模，在本论文中收稿日期：201l—O6—20；修回日期：201l一06—30基金项目：国家重点基础研究发展计划资助(973项目，2011CB302400)作者简介：靳增锋(1984一)男，河北邯郸人，中国科学院沈阳计算技术研究所硕士研究生，研究方向为数控技术，(E—mail)jinzengfeng@gmail．coin。·2·组合机床与自动化加工技术第1期着重讨论其在机床的直线进给系统滚珠丝杠热误差2．2

8、学习过程建模中的应用，根据训练数据集的特征引进了一种通过训练样本的校正，对各个层的权重进行校数据预处理的方法，最后实验结果表明神经网络系