基于FCM聚类和RBF神经网络机床热误差补偿建模.pdf

第 1O期 组 合 机 床 与 自动 化 加 工 技 术 NO．10 2011年 10月 ModularM achineTool AutomaticM anufacturingTechnique oct．2011 文章编号 ：1001—2265(2011)10—0001—04 基于 FCM聚类和 RBF神经网络的 机床热误差补偿建模 ；l： 苏铁 明，叶三排 ，孙伟 (大连理工大学 机械工程学院，辽宁 大连 116023) 摘要：热关键点的选择和热误差建模技术是决定热误差补偿是否有效的关键 ，对提高数控机床的加 工精度至关重要。为了实现对数控机床热误差的补偿控制 ，文章利用模糊 C均值 (FCM)聚类方法， 对机床上布置 的温度测点进行优化 筛选 ，将温度变量从 20个减少到 4个 ，然后给 出了基于 RBF热误 差补偿建模方法。通过建模实例表明，文章提 出的建模方法，在保证补偿模型精度 的同时有效减少 了温度测点 ，降低 了变量耦合影响，并提高了补偿模型的鲁棒性。 关键词 ：数控机床 ；热误差补偿 ；模糊 C均值聚类 ；RBF神经 网络 中图分类号 ：TH161 文献标识码 ：A ThermalErrorCompensationM odelingBasedon FuzzyC-m eansClusteringAlgorithm andRBF NeuralNetworkM odeling SU Tie—ming，YE San—pai，SUN W ei (SchoolofMechanicalEngineering，DalianUniversityofTechnology，DalianLiaoning116023，China) Abstract：Theselectionofthermalcriticalpointsandthermalerrorcompensationmodelingtechniqueare crucialindeciding theeffectivenessofthermalerrorcompensation and importantforimprovingmachining accuracyofnumericalcontrol(NC)machine．Inordertorealizethecompensationofthethermalerror ofNCmachine，thetemperaturemeasurementpointsareoptimizedbasedonthefuzzyC—means(FCM) clusteringalgorithm andthenumberoftemperaturemeasurementpointsiscutdownfrom 20 to4，then the thermalerrorcompensationmodelisestablishedbasedonRBF neuralnetwork．Theexperimentresult showsthatthemodelingmethod isproposedbythispapernotonlyensuretheprecisionofthemodel，re— duce themeasurementpointsandavoid thecorrelation ofthemeasurementpoints，butalso improve the robustnessofthermalerrormodeling． Keywords：NC machinetools；thermalerrorcompensation；fuzzyC—meansclustering；RBF neuralnet— work 在数控机床的热误差测量 、建模及补偿研究 中， 0 引言