数控机床热误差建模和补偿.pdfVIP

学兔兔 l 匐 似 数控机床热误差建模与补偿 ThermaI error modeling and compensation of numerical control machine tools 龚凌云，陈泽宇 GONG Ling—yun．CHEN Ze．yu (广州铁路职业技术学院，广州510430) 摘 要：数控机床热变形误差对零件加工精度有重大影响。基于GA-SVR(遗传算法一支持向量回归机) 的数控机床热误差建模方法要点有三：其一是数据采样，用不同传感器测量机床关键点的温 度与机床主轴变形量。其二是数据训I练，把获得的数据进行支持向量回归机建模训I练，同时 使用遗传算法寻找支持向量回归机相关参数的最优值。其三是数据建模，建立机床热误差模 型，并验证模型的准确度。仿真及实验结果表明，基于GA—SVR的数控机床热误差建模方法具 有精度高和鲁棒性强的特点。并依此算法建立了以DsP~eA／D为核心的热误差补差补偿器。 关键词：遗传算法一支持向量回归机；热变形误差；热误差建模；热误差补偿 中图分类号：TP205 文献标识码：A 文章编号：1 009—01 34(201 2)01(上)-0042-04 Doi：1 0．3969／i．issn．1 009-01 34．201 2．01(I-)．1 5 0 引言 体”的一代代不断进化，包括复制、交叉、变异 研究显示数控机床热变形所引起的误差占机 等操作，最终收敛到 “最适应环境”的个体， 床总制造误差的40％-70％…。热变形误差补偿控 从而求得问题的最优解或满意解 。本文根据作 制设备已成为现代高档数控机床必备的智能模 者实验研究所得，种群规模N=100，交叉概率 块，是提高数控机床加工精度的关键设备之一。 Pc=0．85，变异概率Pm=0．02，迭代次数n=50。 目前减少热变形误差有硬补偿和软补偿二种方 1．2 支持向量回归机 (SVR-SUPpo rt Vecto r 法，硬补偿性价比低；软补偿通过建立数控机床 Regression) 热误差数学模型来实现，已成为最经济有效解决 设输入的训练样本集为D={( ，y )，k=l，2，…，1}， 热变形误差的方法 。 其中x：E ，yk E R。通过输入样本的训练，得到 人工神经网络建模 、模糊理论建模 和最小 一 个决策函数。决策函数是根据结构风险最小化原 二乘法建模 等都是常用的数控机床热误差建模方 则，并引进惩罚参数C和松弛变量E )，对样本外的 法。这些方法都有一定的价值，也有一些应用成功 数据也能适应，精确估计出相应的输出 。支持向 的案例，但所建模型精度和鲁棒性较差。基于此， 量回归机通常构造原始最优化问题为： 本文提出了基于GA-SVR(遗传算法一支持向量回归 机)的数控机床热误差建模，采用遗传算法优化支 去【_∞ +c∑( +￡．) ( ) 持向量回归机的参数选取，来建立数控机床热误差 补偿模型。结果表明，利用该