基于深度神经网络的立式机床热误差建模研究

作者:李波; 马帅; 刘强; 李行; 毛杰
来源:组合机床与自动化加工技术, 2023, (05): 160-163.
DOI:10.13462/j.cnki.mmtamt.2023.05.037

摘要

现有热误差预测多基于温度数据建模,特征维度单一,且热误差非线性和耦合性特点,导致预测模型适应性较弱,预测精度较低。针对上述问题,设计了一种多源异构数据采集方案,建立基于多维温度、能耗数据和深度神经网络的立式机床热误差预测模型。搭建了实验平台,进行了支持向量和随机森林回归模型预测精度的对比。对比分析可知:DNN模型相比于传统回归模型,适应性较强,预测精度较高,Z向热误差平均绝对误差为0.973μm,在提高预测模型适应性的同时,显著提高了热误差预测精度。

全文