改进粒子群优化BP的数控机床热误差预测研究.pdfVIP

2015年 7月 机床与液压 Ju1．2015 第43卷 第 13期 MACHINE TO0L HYDRAULICS Vo1．43No．13 DOI：10．3969／j．issn．1001—3881．2015．13．015 改进粒子群优化 BP的数控机床热误差预测研究 袁媛 ，秦波 r，秦岩。，王春暖 ，吴庆朝 ，张文兴 (1．包头职业技术学院，内蒙古包头014010； 2．内蒙古科技大学机械工程学院，内蒙古包头014030； 3．浙江大学信息学部控制科学与工程学系，浙江杭州 3to0oo) 摘要：由于BP存在网络结构选取基于经验、易陷入局部最优、收敛速度慢等缺陷，致使基于BP的数控机床热误差预 测模型精度不高，对此提出了一种改进粒子群优化BP的数控机床热误差预测建模的新方法。通过改进标准粒子群算法中 粒子的位置与速度更新策略，以此寻找BP神经网络最优的阈值和权值，在此基础上建立数控机床热误差预测模型。仿真 实验结果表明：与标准的BP神经网络和支持向量机相比，改进粒子群优化BP神经网络的数控机床热误差预测模型精度更 高、泛化能力更强。 关键词：改进粒子群算法；BP神经网络；数控机床；热误差预测 中图分类号：TP18 文献标志码：A 文章编号：1001—3881(2015)13-063-4 StudyinThermalErrorPredictionofNC M achineToolBasedon Improved ParticleSwarm Algorithm OptimizedBackPropagation YUANYuan，QINBo ，QINYan，WANGChunnuan，WUQingchao，ZHANGWenxing (1．BaotouVocationalTechnologyCollege，BaotouInnerMongolia014010，China；2．SchoolofMechanical Engineering，InnerMongoliaUniversityofScienceandTechnology，BaotouInnerMongolia014030，China； 3．DepartmentofInformation，ControlScienceandEngineering，ZhejiangUniversity， HangzhouZhejiang310000，China) Abstract：Sincetheselectionmeansofstructuresofbackpropagation (BP)neuralnetworkhavingsomedrawbackssuchas， heavilybasedonhuman experience，low convergencerate，easytofallintolocal optimization andslow speed ofcovergency，which causedlowthermalelrorpredictiveaccuracytoexistinnumericalcontrol(NC)machinetoolbasedontheBP，therefor，anewpredie- tiveell~rmodellingmethodbasedonimprovedparticleswarmoptimizedBPneuralnetworkwasproposed．Byaupdatingstrategyofpar- ticlepositionandspeedbasedontheimprovedstnadardparticleswarlTIalogrithm，theoptimizedthresholdandweightoftheBP neural networkwerefound．Onbasisofit，thethermal errorpredictivemodelforNCmachinetoolWas built．Thesimulatio