基于RBF神经网络的数控车床热误差建模.pdf

　第 37 卷 第 1 期 上 海 交 通 大 学 学 报 V o l. 37 N o. 1　 　2003 年 1 月 JOU RNAL O F SHAN GHA I J IAO TON G UN IV ER S IT Y Jan. 2003　 　　文章编号:(2003) 基于RB F 神经网络的数控车床热误差建模 杜正春, 　杨建国, 　窦小龙, 　刘　行 (上海交通大学 机械与动力工程学院, 上海 200030) 摘　要: 对于数控车床而言, 热误差是其最大的误差源, 而其中最困难的是热误差建模. 现有BP 算 法的神经网络模型存在学习收敛速度慢, 容易陷入局部极小点的缺点. 文中使用径向基函数理论建 立了基于RBF 神经网络的数控机床热误差数学模型. 讨论了RBF 网络参数的初始化及学习; 给出 了两种建模方式的RBF 网络建模算例, 将其建模性能指标与经典最小二乘法建模指标进行综合对 比, 可知RBF 网络各项指标均优于经典最小二乘方法. 最后验证了RBF 网络建模的鲁棒性. 结果 表明: 径向基神经网络模型与经典最小二乘线性模型相比, 拟合性能更好, 预测补偿能力强且建模 时间短. 关键词: 热误差补偿; 径向基函数; 建模; 神经网络 中图分类号: T P 273　　　文献标识码: A The rm a l Erro r M ode ling of CNC Turning C e nte r Us ing Ra d ia l B a s is Func tion Ne ura l Ne tw o rk , 　 , 　 , 　 DU Z heng chun YA N G J ian g uo DOU X iao long L IU X ing (Schoo l of M echan ical and Pow er Eng. , Shanghai J iao tong U n iv. , Shanghai 200030, Ch ina) Abs tra c t: T he traditional BP neu ral netw o rk app roaches have som e draw back s such as low convergence . ( ) speed and local m in im al po in t A neu ral netw o rk based on radial basis function RBF w as u sed to p redict . and com pen sate the therm al erro r of a CN C tu rn ing cen ter T he in itialization and learn ing app roach of RBF neu ral netw o rk w as discu ssed. RBF neu ral netw o rk exam p les by tw o m odeling w ays w ere dem on strated. T he m odeling perfo rm ances of RBF app roach and LM S app roach w ere s