基于GM-LS-SVM层级模型的数控机床热误差建模

• 作者: 殷勤 殷国富 王亮 董冠华 谭峰
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 数控机床 热误差建模 灰色模型 最小二乘支持向量机 BP神经网络
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 机械工程 ? 控制科学与工程
• 页码范围: 4027-4033
• 页数: 7页
• 分类号: TH161
• 字数: 5408字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2016.12.010

摘要

为了更精确地对数控机床热误差进行预测及补偿以提高其加工精度，针对单独使用灰色模型或最小二乘支持向量机模型进行机床热误差建模的不足，并利用这2种模型在数据不同处理阶段的优点，提出一种基于灰色模型和最小二乘支持向量机层级模型的数控机床热误差建模方法。根据机床关键点温度数据和热误差数据，首先建立多个不同数据序列长度的机床热误差灰色模型作为前处理层，然后把经过前处理层前处理的热误差和实测热误差分别作为最小二乘支持向量机模型的输入和输出，作为后处理层，以进行预测精度校正。利用该方法在一台精密卧式加工中心上进行建模实验，并与单独使用灰色模型、最小二乘支持向量机模型和BP神经网络模型进行预测精度对比分析。研究结果表明：基于灰色模型和最小二乘支持向量机层级模型的数控机床热误差建模方法具有更高的预测精度和更强的泛化能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷国富	四川大学制造科学与工程学院	617	5927	35.0	50.0
2	王亮	四川大学制造科学与工程学院	46	364	10.0	17.0
3	谭峰	四川大学制造科学与工程学院	11	89	5.0	9.0
4	殷勤	四川大学制造科学与工程学院	9	42	4.0	6.0
5	董冠华	四川大学制造科学与工程学院	14	80	6.0	8.0