基于模糊神經網絡的銑床熱誤差預測模型研究

李耀貴，伍先明

（廣東理工學院，廣東，肇慶 526100）

0 引言

數控機床是機械加工的重要設備。隨著智能化和信息化的不斷發展，機械加工正朝著高精度方向發展。我國長三角地區機械加工廠很多，在加工過程中，由于精度不達標，導致零部件尺寸不合格，甚至出現報廢現象。影響機床加工的誤差包括以下幾種：1）機床幾何誤差；2）機床熱誤差；3）切削力誤差；4）刀具磨損誤差；5）其它誤差。其中，熱誤差是影響數控機床加工精度的主要因素，限制了數控機床的發展[1]。為了提高機床加工精度，目前采用的方法主要包括以下兩種[2]：1）誤差防止法；2）誤差補償法。誤差防止法是通過優化機床結構，提高裝配精度，從而提高機床加工精度。但是，該方法需要成本太大，受到了限制。誤差補償法采用預測誤差來抵消機床產生的誤差，該方法成本較低，得到了迅速發展。因此，如何降低數控機床加工誤差，是學術界和工業急需解決的重大問題。

當前，學術界從不同角度對數控機床熱誤差展開了研究，產生了多種方法和理論。例如：文獻[3]研究了機床熱誤差徑向基函數神經網絡建模方法，討論了RBF神經網絡建模方法，給出了RBF神經網絡預測熱誤差模型，通過機床實際測量值驗證誤差模型的效果，結果顯示，可以采用RBF神經網絡預測數據對數控機床進行在線補償；文獻[4]研究了機床熱誤差不同神經網絡預測模型，通過比較 BP神經網絡、級聯神經網絡、徑向基函數神經網絡和廣義回歸神經網絡模型，以機床上熱誤差測量值進行比較和分析，四種網絡預測模型都有各自的優缺點，常規神經網絡模型熱誤差泛化能力較差?！?br>