机械工程学报
機械工程學報
궤계공정학보
CHINESE JOURNAL OF MECHANICAL ENGINEERING
2013年
15期
115-121
,共7页
姜辉%杨建国%姚晓栋%张余升%袁峰
薑輝%楊建國%姚曉棟%張餘升%袁峰
강휘%양건국%요효동%장여승%원봉
数控机床%主轴热漂移%建模%支持向量机%贝叶斯推断
數控機床%主軸熱漂移%建模%支持嚮量機%貝葉斯推斷
수공궤상%주축열표이%건모%지지향량궤%패협사추단
CNC machine tool%Spindle thermal distortion%Modeling%Support vector machine%Bayesian inference
针对数控(Computer numerical control,CNC)机床主轴热漂移误差建模及预测问题,提出一种基于贝叶斯推断的最小二乘支持向量机(Least squares support vector machine,LS-SVM)建模方法.以一台双转台五轴加工中心为研究对象,进行热误差测量试验,利用非接触式激光位移传感器及温度传感器同步测量机床主轴各运动方向热漂移误差及温度变化数值,获取建模数据.模型训练过程运用贝叶斯推断方法对LS-SVM的正规化参数、核函数参数进行优化选择,获取基于参数后验概率最大化的最优参数组合,进而构建可准确预测机床主轴热漂移误差的优化模型.分别利用基于贝叶斯推断的LS-SVM模型、传统LS-SVM模型以及BP神经网络(Back propagation artificial neural networks,BP-ANN)模型对机床变工况条件下主轴热漂移误差进行预测,通过预测效果对比,基于贝叶斯推断的LS-SVM模型具有更高的预测精度,在机床变工况条件下仍具有较高鲁棒性与泛化能力,可以很好地弥补现有建模方法的部分局限性.
針對數控(Computer numerical control,CNC)機床主軸熱漂移誤差建模及預測問題,提齣一種基于貝葉斯推斷的最小二乘支持嚮量機(Least squares support vector machine,LS-SVM)建模方法.以一檯雙轉檯五軸加工中心為研究對象,進行熱誤差測量試驗,利用非接觸式激光位移傳感器及溫度傳感器同步測量機床主軸各運動方嚮熱漂移誤差及溫度變化數值,穫取建模數據.模型訓練過程運用貝葉斯推斷方法對LS-SVM的正規化參數、覈函數參數進行優化選擇,穫取基于參數後驗概率最大化的最優參數組閤,進而構建可準確預測機床主軸熱漂移誤差的優化模型.分彆利用基于貝葉斯推斷的LS-SVM模型、傳統LS-SVM模型以及BP神經網絡(Back propagation artificial neural networks,BP-ANN)模型對機床變工況條件下主軸熱漂移誤差進行預測,通過預測效果對比,基于貝葉斯推斷的LS-SVM模型具有更高的預測精度,在機床變工況條件下仍具有較高魯棒性與汎化能力,可以很好地瀰補現有建模方法的部分跼限性.
침대수공(Computer numerical control,CNC)궤상주축열표이오차건모급예측문제,제출일충기우패협사추단적최소이승지지향량궤(Least squares support vector machine,LS-SVM)건모방법.이일태쌍전태오축가공중심위연구대상,진행열오차측량시험,이용비접촉식격광위이전감기급온도전감기동보측량궤상주축각운동방향열표이오차급온도변화수치,획취건모수거.모형훈련과정운용패협사추단방법대LS-SVM적정규화삼수、핵함수삼수진행우화선택,획취기우삼수후험개솔최대화적최우삼수조합,진이구건가준학예측궤상주축열표이오차적우화모형.분별이용기우패협사추단적LS-SVM모형、전통LS-SVM모형이급BP신경망락(Back propagation artificial neural networks,BP-ANN)모형대궤상변공황조건하주축열표이오차진행예측,통과예측효과대비,기우패협사추단적LS-SVM모형구유경고적예측정도,재궤상변공황조건하잉구유교고로봉성여범화능력,가이흔호지미보현유건모방법적부분국한성.
