科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着先进制造技术的发展,对数控系统的高速、高精、高效、智能化方面的要求越来越高,为此,实现热误差补偿在内的补偿技术具有重要的现实意义.热误差的非线性问题是实现误差补偿的难点之一,传统的补偿方法采用离线线性拟合的方法,造成较大的拟合误差且实时性很难保证,为此传统的基于精确模型的热误差补偿技术遇到了发展瓶颈,提出了采用数据驱动的方法实现机床热误差补偿,采用模糊神经网络作为学习模型,结合加工过程实时采集到的误差数据,提供最优的补偿策略,减小了拟合误差,提高热误差补偿的补偿精度,并通过试验进行测试,测试结果表明所提出的补偿方案相对于传统的方案,显著改善了拟合精度,从而验证了该方案的可行性.
- 单位
