基于模糊聚类测点优化与向量机的坐标镗床热误差建模

作者：杨军; 梅雪松; 赵亮; 马驰; 冯斌; 施虎

来源：上海交通大学学报, 2014, 48(08): 1175-1188.

DOI：10.16183/j.cnki.jsjtu.2014.08.021

• 坐标镗床电主轴
• 热误差建模
• 模糊聚类分析
• 最小二乘支持向量机
• 多元线性回归分析

为了研究电主轴系统热特性对机床精度的影响,建立了主轴轴向及径向热误差模型.以精密坐标镗床为对象,采用五点法对主轴热误差进行测量,并分析了转速对主轴热误差及温度场的影响规律.利用模糊聚类分析法对温度变量进行分组优化,选出对热误差敏感的温度变量,建立主轴轴向热伸长及径向热倾角的最小二乘支持向量机(LS-SVM)以及多元线性回归(MLRA)的综合热误差模型,并设定了预测优度评价标准.结果表明:模糊聚类分组法能有效降低温度变量间的多重共线性,并提高模型的稳定性;LS-SVM模型具备全局寻优的特点,可实现不同工况的高精度预测,预测精度可达90%,且比传统的MLRA模型有更好的通用性以及更强的泛化能力,可作为后期热误差的补偿模型.

• 单位
  西安交通大学机械制造系统工程国家重点实验室