仪器仪表学报

作者：孙兴伟，杨铜铜，杨赫然，董祉序，刘 寅

单位：孙兴伟,1. 沈阳工业大学机械工程学院，2. 辽宁省复杂曲面数控制造技术重点实验室,,杨铜铜,1. 沈阳工业大学机械工程学院，2. 辽宁省复杂曲面数控制造技术重点实验室,,杨赫然,1. 沈阳工业大学机械工程学院，2. 辽宁省复杂曲面数控制造技术重点实验室,,董祉序,1. 沈阳工业大学机械工程学院，2. 辽宁省复杂曲面数控制造技术重点实验室,,刘 寅,1. 沈阳工业大学机械工程学院，2. 辽宁省复杂曲面数控制造技术重点实验室,

关键词：模糊C均值聚类;灰色关联度分析;进给系统;温度敏感点;误差预测

基金：辽宁省应用基础研究计划项目(2022JH2 / 101300214)、2022 年度辽宁省教育厅高等学校基本科研项目面上项目(LJKMZ20220459)资助

热变形引起的误差是影响数控机床精度的主要因素之一。为了减小热误差对数控机床精度的影响,提出一种基于CNNGRU组合神经网络的热误差预测方法。通过热误差实验,采集螺旋曲面专用数控机床直线进给系统的温升数据和热误差数据;利用模糊C均值聚类和灰色关联度分析筛选进给系统温度敏感点;以温度敏感点的温升数据和进给系统热误差为数据样本,建立CNN-GRU热误差预测模型。为验证模型的准确性和实用性,与基于CNN-LSTM和基于LSTM的传统热误差预测模型进行预测对比分析,结果表明CNN-GRU模型预测结果的平均绝对误差、均方根误差和决定系数均优于CNN-LSTM模型和LSTM模型,具有较高的预测精度和鲁棒性。提供的热误差模型可为后续误差补偿奠定基础,为数控机床的热误差预测提供思路。

来源：2023年第10期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第10期