數(shù)控機床溫度測點選取及熱誤差補償建模.pdf

1、對于數(shù)控機床而言，熱誤差是其最大的加工精度誤差源，可達機床加工精度總誤差的70％<'[1]>。要提高加工精度，減少熱誤差，就必須對其進行有效的補償。而如何選擇最佳的溫度測點及如何建立有效的熱誤差補償模型是進行熱誤差補償時需要解決的兩個關(guān)鍵問題。本文針對這兩方面的問題開展相應(yīng)的研究工作。 本文針對最佳溫度測點的選取，提出了運用有限元和Kohonen神經(jīng)網(wǎng)絡(luò)相結(jié)合的新方法來選取最佳溫度測點。首先運用有限元分析軟件ANSYS對研究對象

2、進行有限元實體建模，用有限元節(jié)點溫度變化來表示研究對象所有位置的溫度變化情況，并通過熱——結(jié)構(gòu)耦合分析，計算出實體模型整體的熱變形量；然后將ANSYS分析所得的各節(jié)點溫度值和主軸頭部的熱變形量作為數(shù)據(jù)樣本，再結(jié)合Kohonen神經(jīng)網(wǎng)絡(luò)進行選點。結(jié)果表明運用此方法進行最佳溫度測點的選擇，選點過程簡單且較容易實現(xiàn)。本文運用此方法結(jié)合具體的一臺CK6132數(shù)控車床進行測點分析，證明了此方法的可行性和有效性，為今后在數(shù)控機床上布置溫度傳感器提供

3、了理論的指導(dǎo)和依據(jù)。 本文針對如何建立有效的數(shù)控機床熱誤差補償模型，提出了基于Kohonen競爭學(xué)習(xí)規(guī)則的RBF神經(jīng)網(wǎng)絡(luò)，即采用Kohonen自組織學(xué)習(xí)規(guī)則來確定RBF神經(jīng)網(wǎng)絡(luò)隱層中心向量，該算法具有簡單有效，運算量小，程序運行時間短的特點，提高了RBF網(wǎng)絡(luò)的工作性能。然后運用此RBF網(wǎng)絡(luò)建立數(shù)控機床熱誤差補償模型，并將該模型的預(yù)報結(jié)果與GRNN網(wǎng)絡(luò)、BP網(wǎng)絡(luò)、多元線性回歸的建模效果進行比較。結(jié)果表明，基于Kohonen競爭學(xué)習(xí)