文档介绍：神经网络技术在数控机床热误差补偿中的应用
Application of work for thermal pensation c machine tool
聂学俊1,2,杨洋1
NIE Xue-jun1,2, YANG Yang1
(1. 北京工商大学机械工程学院,北京 100048;2. 北京理工大学机械与车辆工程学院,北京 100081)
摘要:热误差补偿是提高数控机床加工精度的一种重要手段,而神经网络技术又是热误差建模和热误
差补偿的主要工具。本文介绍了各种神经网络技术在数控机床热误差建模和补偿中的应用,
并且通过实例说明了神经网络技术的作用。
关键词:数控机床;热误差;神经网络;建模;补偿
中图分类号:TH161;TP13 文献标识码:A 文章编号:1009-0134(2011)6(上)-0047-04
Doi: .1009-(上).14
0 引言 1 神经网络技术在数控机床加工热误
随着数控机床结构设计及制造技术日益完差补偿上的应用
善,机床几何误差已得到有效控制,致使机床热 RBF神经网络的应用
变形引起的误差比重更加凸现,已占总误差的70% RBF神经网络即径向基函数(Radical Basis
左右。因此,如何补偿控制热误差已成为机床误 Function)神经网络。径向基函数神经网络是一种
差补偿的主要研究方向之一。近年来,国内外研高效的前馈式神经网络,它具有其他前向网络所
究者为了不断改进误差模型的精度和鲁棒性,一不具有的最佳逼近性能和全局最优特性,并且结
方面将神经网络、模糊控制、灰度理论等人工智构简单,训练速度快,建模训练时间短。同时,
能方法用于机床误差建模中;另一方面, 从建模它也是一种可以广泛应用于模式识别、非线性函
策略入手,提出在线建模和自动建模等方法以提数逼近等领域的神经网络模型。
高模型的鲁棒性。 RBF网络的结构为3层,第1层是输入层,由
人工神经网络(Artificial work, 信号源节点组成;第2 层为隐含层,神经元个数
ANN)简称神经网络,是模拟人脑思维功能和组由所描述的问题确定,神经元的变换函数是中心
织结构建立起来的数学模型。其最大特点是具有点径向对称且衰减的非负非线性函数;第3层为输
自学习功能。人工神经网络是由多个非常简单的出层,可对输入模式做出响应。张宏韬等人将神
处理单元彼此按某种方式相互连接而形成的计算经网络理论与在线建模方法结合,提出新的误差
机系统,该系统靠其状态对外部输入信息的动态模型和补偿策略,以适应工况发生较大变化情况
响应来处理信息。神经网络建模是通过设定特定的机床热误差实时补偿[1]。他们应用RBF神经网络
的网络结构和神经元之间的权值及阈值矩阵,建模型的学习性能,对一台数控加工中心的主轴温
立一个反映该系统特性的非线性模型。神经网络度与主轴径向热误差关系进行了在线建模研究,
建模的方法很多,以下介绍的是其在数控机床热并将建模方法用于实例分析。热误差建模是在同
误差建模和补偿上的应用。一台机床上采集3组主轴温度与主轴径向热误差数
收稿日期:2011-01-15
基金项目:北京市教委面上项目:基于智能控制的数控铣床加工过