基于模拟退火遗传算法优化BP网络数控机床温度布点优化和热误差建模.pdf

２０１４年１２月 机床与液压 Ｄｅｃ２０１４ 第４２卷 第２３期 ＭＡＣＨＩＮＥ ＴＯＯＬ ＆ ＨＹＤＲＡＵＬＩＣＳ Ｖｏｌ４２ Ｎｏ２３ － ＤＯＩ：１０．３９６９／ ｊｉｓｓｎ１００１ ３８８１２０１４２３００１ 基于模拟退火遗传算法优化 ＢＰ 网络的数控机床温度 布点优化及热误差建模 张景然， 沈牧文，杨建国 （上海交通大学机械与动力工程学院， 上海２００２４０） 摘要： 在热误差建模中， 温度测点的优化选择至关重要。 提出了运用相关性方法， 分析测点温度与主轴热漂移之间的 关系， 找到相关性较高的测点位置， 实现温度布点的优化选择。 在此基础上采用模拟退火遗传算法 （ＧＳＡ） 优化ＢＰ 神经 网络的方法建立热误差模型， 并通过实验验证。 结果表明： 优化的热误差模型能够跳出局部最优而达到全局最优解， 得到 的误差模型拟合值更加接近实测误差值； 基于ＧＳＡ优化的ＢＰ 网络模型较传统的神经网络模型有较高的精度及更强鲁棒性。 关键词： 数控机床； 温度布点优化； 主轴热漂移； 热误差建模 － － － 中图分类号： ＴＨ１６１　 　 文献标识码： Ａ　 　 文章编号： １００１ ３８８１ （２０１４） ２３ ００１ ４ ＣＮＣＭａｃｈｉｎｅ Ｔｏｏｌ Ｔｅｍｐｅｒａｔｕｒｅ Ｍｅａｓｕｒｉｎｇ Ｐｏｉｎｔ Ｏｐｔｉｍｉｚａｔｉｏｎ ａｎｄ Ｔｈｅｒｍａｌ Ｅｒｒｏｒ Ｍｏｄｅｌｉｎｇ Ｂａｓｅｄ ｏｎ ＳｔｉｍｕｌａｔｅｄＡｎｎｅａｌｉｎｇ ａｎｄ ＯｐｔｉｍｉｚｅｄＢＰ Ｎｅｔｗｏｒｋ ｂｙ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ＺＨＡＮＧＪｉｎｇｒａｎ，ＳＨＥＮ Ｍｕｗｅｎ，ＹＡＮＧＪｉａｎｇｕｏ （Ｓｃｈｏｏｌ ｏｆ Ｍｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｓｈａｎｇｈａｉ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｓｈａｎｇｈａｉ ２００２４０， Ｃｈｉｎａ） 　 　 Ａｂｓｔｒａｃｔ： Ｏｐｔｉｍｉｚａｔｉｏｎ ｓｅｌｅｃｔｉｏｎ ｏｆ ｔｈｅ ｔｅｍｐｅｒａｔｕｒｅ ｍｅａｓｕｒｉｎｇ ｐｏｉｎｔ ｉｓ ｃｒｕｃｉａｌ ｄｕｒｉｎｇ ｔｈｅｒｍａｌ ｅｒｒｏｒ ｍｏｄｅｌｉｎｇ． Ａ ｍｅｔｈｏｄ ｕｓｉｎｇ ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓｗａｓ ｐｒｅｓｅｎｔｔｏａｎａｌｙｚｅｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅｓｐｉｎｄｌｅｔｈｅｒｍａｌｄｒｉｆｔａｎｄｐｏｉｎｔｔｅｍｐｅｒａｔｕｒｅｏｆ ｍｅａｓｕｒｅｍｅｎｔ．Ｔｈｅ ｔｅｍｐｅｒａｔｕｒｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｐｏｉｎｔｓ ｏｆ ｔｈｅｏｐｔｉｍａｌ ｃｈｏｉｃｅｗｅｒｅａｃｈｉｅｖｅｄｂｙｆｉｎｄｉｎｇａｈｉｇｈｅｒ ｃｏｒｒｅｌａｔｉｏｎｍｅａｓｕｒｉｎｇｐｏｉｎｔ ｏｆ ｌｏｃａｔｉｏｎ． Ｏｎｂａｓｉｓ ｏｆ ｔｈｉｓ，ｂｙ ｕｓｉｎｇ ｓｉｍｕｌａｔｅｄ ａｎｎｅａｌｉｎｇ ａｎｄ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ （ＧＳＡ）ｏｐｔｉｍｉｚｅｄ ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｍｅｔｈｏｄ，ｔｈｅｔｈｅｒｍａｌ ｅｒｒｏｒ ｍｏｄｅｌｗａｓ ｅｓｔａｂｌｉｓｈｅｄ，ａｎｄｗａｓｖｅｒｉｆｉｅｄｂｙｅｘｐｅｒｉｍｅｎｔｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｏｐｔｉｍｉｚｅｄｔｈｅｒｍａｌｅｒｒｏｒｍｏｄｅｌｃａｎｅｓｃａｐｅｆｒｏｍｌｏｃａｌｏｐｔｉｍａｌａｎｄａｃｈｉｅｖｅ ｇｌｏｂａｌ ｏｐｔｉｍａｌ ｓｏｌｕｔｉｏｎ．Ｔｈｅｒｅｓｕｌｔｉｎｇｅｒｒｏｒｍｏｄｅｌｃａｎｆｉｔｖａｌｕｅｓｍｏｒｅｃｌｏｓｅｒｔｏｔｈｅａｃｔｕａｌｍｅａｓｕｒｅｄｅｒｒｏｒｖａｌｕｅｓ．Ｂａｓｅｄｏｎｓｉｍｕｌａｔｅｄａｎ⁃ ｎｅａｌｉｎｇ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ （ＧＳＡ） ｏｐｔｉｍｉｚａｔｉｏｎ，ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒ