神经网络补偿机床热变形误差的机器学习技术.pdfVIP

第36卷第l期 机 械 工 程 学 报 Vof 36 No．1 CHINESE JOURNAL OF MECHANICAL ENGINEERING Jan． 2 0 0 0 2 0 0 0年 1月 神经网络补偿机床热变形误差的 研控学 一粪究机习研～号了床技巨～ 、。 ． 神用和啡一陀络究数殳一们经来学嘎研习翘～ 一 j() I (北京机械工业学院机械系 北京 100085) 、 Ji Den J )C Venherck P Kruth J P C、／ (比利时鲁文大学) 件测归补一，软过括差一一 笾 『 O 前言 的关系。在机床工作过程中，用温度传感器检测机 床结构中的温度变化，数学模型实时计算对应于温 在制造工业中，由于机床结构中温度变化而严 度变化的热变形误差，由数控装置输出误差校正值 重影响加工精度的问题一直未能很好解决 。在数 补偿刀具的位移误差。 黜 稍 戢 玑 是 抬 数一 舭 控铣床上测量出的热变形误差可达到150 m(见图 神经网络是一种非参数化的智能模型，具有很 4和图5)。同样的热变形误差也出现在别的机床 强的非线性系统建模能力，国内外已有不少研究部 上。之所以在加工设备中热性能的改进情况不能令 门用它来建模补偿机床热变形误差l2 4 J。 人满意是因为机床的热行为非常复杂。 神经网络模型是训练出来的而不是编程实现 机床工作中不可避免的热源，特别是多内部热 的。训练神经网络的过程就是机器学习过程。学习 源，是使机床热行为复杂的一个原因。另一个问题 是获取经验和知识的过程，目的是提高将来的行为 是机床热变形的非线性，增加了用数学模型描述热 性能。训练一个热变形神经网络系统就是建立一个 行为的复杂性。机床中温度变化和变形之问关系的 知识学习系统 一。神经网络获取的热变形知识以调 一 非线性是由很多因素引起的。机床在传热和散热时 绍 整好的连接权的形式存储在网络结构中。根据学习 温度梯度的变化，由间隙，摩擦等引起的热滞现象， 数据训练出的网络就可以在温度变化时预报机床的 6 司 以及热应力和热记忆等都是影响机床热行为的因 热变形误差。预报精度取决学习数据的质量和网络 素。 结构。不同机床的热行为不同，其网络模型也要根 由于机床热行为的复杂性，改进提高热性能应 据各自的学习数据独立训练。为了获取高质量学习 该结合材料技术，机械设计和误差补偿技术，大幅度 数据，首先要了解机床的热行为。 降低机床的热变形误差。本文主要介绍以