科研之友
微信
新浪微博
Facebook
分享链接
摘要
通过建立预测模型对机床热误差进行补偿，是有效解决热误差造成机床精度下降问题的常用方法。本文提出一种基于正则化的数控机床热误差自适应稳健建模算法，能够在建模过程中自适应选择温度敏感点(TSPs),并具有高预测精度和稳健性。首先基于结构风险最小化原则对热误差建模稳健性机理进行分析，进而利用正则化算法中LASSO解的稀疏性实现自适应TSP选择。然后基于不同实验条件的热误差数据，分析所提建模算法的预测效果，并与常用的多元线性回归、BP神经网络和岭回归算法进行比对分析。结果表明，本文所提建模算法具有最高的预测精度和稳健性，分别为5.22和1.69μm。最后，利用所建立的预测模型进行热误差补偿实验，以验证本文所提建模算法的实际补偿效果。
- 单位
