数控机床热误差补偿模型应用.pdf

年 月 机床与液压 第 卷 第 期 数控机床热误差补偿模型的应用 刘光磊 刘康 张志鹏 杨海栗 四川理工学院机械工程学院 四川自贡 摘要 为提高机床加工精度 研究并选择最佳模型对立式加工中心主轴热误差进行补偿 以立式加工中心为 实验对象 根据秋季数据对主轴热误差建立了多元线性回归 神经网络和支持向量机模型 将同一台机床和另一台同类型 机床所测得的冬季数据分别代入 种模型计算各模型补偿精度 根据 种模型的精度变化规律比较三者的精确性 鲁棒性 和通用性 实验结果表明 种模型都有各自的优势 但支持向量机模型能在不同的环境温度和机床条件下保证较高的精 度 综合性能最好 关键词 热误差 多元线性回归 神经网络 支持向量机 立式加工中心 中图分类号 文献标志码 文章编号 前言 不同环境温度下的热误差 通常只是采用某一次实 在数控机床加工过程中 由于温度场的温度变 验数据建立热误差模型 没有对机床在不同环境温 化引起机床自身变形 从而产生热误差 在影响机 度或环境温度变化较大的条件下模型本身的鲁棒性 床加工精度稳定性的因素中 机床热误差已成为主 以及不同机床热误差模型的通用性进行探讨 作者 要误差源 通过建立数学模型对热误差进行补偿是 分别利用多元线性回归 广义回归神经网 络 和最小二乘支持向量回机 目前最常采用的减少热误差影响的方法 以往人 们一般采用多元线性回归和神经网络 现在很多人 建立数学模型 并将它们用于热误差补偿 旨在通 过不同环境温度和机床条件下对各模型的精确性 开始采用支持向量机 这些模型一般将热误差作 为因变量 各温度关键点