机床热误差非线性组合预测模型研究

• 作者: 刘洪侠 屈力刚 李铭 邢宇飞
• 来源期刊: 机床与液压
• 学科: 工学
• 关键词: 热误差补偿 非线性组合预测模型 广义回归神经网络 灰色关联度
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 试验与研究
• 页码范围: 42-46,68
• 页数: 6页
• 分类号: TH16|TP161
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3881.2021.01.009

摘要

在精密及超精密加工过程中,数控机床热误差是影响加工精度的一项重要误差源,最经济和有效地减少热误差的方法是热误差补偿技术.针对热误差补偿预测模型的预测精度问题,提出一种非线性组合预测模型.该预测模型利用灰色关联度方法对单项预测模型进行筛选,对筛选出的单项预测模型基于不同优化准则进行线性组合,通过广义回归神经网络对该线性组合模型进行非线性组合,得到非线性组合预测模型.误差预测结果表明:对比典型的BP神经网络预测模型,非线性组合预测模型的预测精度更高,最大误差由4.78μm减小到0.7μm.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	屈力刚		57	197	8.0	12.0
2	邢宇飞		6	4	2.0	2.0
3	刘洪侠		3	0	0.0	0.0
4	李铭		2	0	0.0	0.0