仪器仪表学报

作者：肖捷，王志永，于水琴，张宇，薛芮

单位：肖捷,中南林业科技大学机械与智能制造学院长沙410004,1079013524@qq.com,王志永,中南林业科技大学机械与智能制造学院长沙410004,wangzy@csuft.edu.cn,于水琴,中南林业科技大学机械与智能制造学院长沙410004,,张宇,中南林业科技大学机械与智能制造学院长沙410004,,薛芮,合肥工业大学机械工程学院合肥230009,

关键词：热误差预测;进给系统;特征选择;霜冰算法;神经网络

基金：国家自然科学基金企业创新发展联合基金项目（U22B2084）、湖南省重点研发计划项目（2023GK2053）、湖南省自然科学基金项目（2024JJ5643）资助

为了减少热致误差对数控机床进给系统定位精度的影响，提高被加工产品的一致性，提出一种基于霜冰算法（RIME）优化后的BP神经网络热误差预测模型。在不同工况下，布置温度传感器和激光干涉仪以采集温度和丝杆热误差数据。结合模糊C均值聚类和灰色关联度算法对温度样本进行特征选择，筛选出关键温度特征点。以温度和丝杆位置坐标作为输入，丝杆热误差作为输出，构建RIME-BP热误差预测模型。针对H650GA型磨齿机，利用K折交叉验证法对该模型预测精度进行实例验证，并与GA-BP、BP和SVM模型进行对比。结果表明，该模型的平均决定系数R2高达0.995，相对于GA-BP、BP和SVM模型，分别提高了3.54%、9.58%和17.75%。所提出方法为热误差补偿提供了理论和技术指导，具有工程应用价值。

来源：2024年第11期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第11期