基于AVQ聚类和OIF-Elman神经网络的机床热误差建模

摘要/Abstract

摘要：

针对数控机床热误差补偿技术中温度布点选取的问题，提出了基于前馈神经网络的自适应矢量量化（AVQ）网络聚类的方法，将AVQ网络聚类法应用于一台加工中心并将18个测点减少到3个，基于输出-输入反馈Elman（OIF-Elman）神经网络模型建立了机床热误差与关键测点温度之间的关系.结果表明，采用基于AVQ网络聚类法和OIF-Elman神经网络预测模型，能够降低机床温度测点之间耦合作用的影响，提高热误差建模的准确性与鲁棒性.

关键词: 数控机床, 自适应矢量量化网络, 输出输入反馈Elman神经网络, 热误差建模

Abstract:

An adaptive vector quantization (AVQ) network clustering algorithm based on feed-forward neural network for the selection of temperature measuring points was proposed in thermal error compensation on machine tools. The method reduces the measuring points from 18 to 3, when adopted on a machining center. Then the relationship between thermal error and key temperature measuring points was established based on the output-input feedback Elman neural network model. The experimental results show that the method proposed can effectively eliminate the coupling among temperature measuring points and improve the accuracy and robustness of the thermal error model.

Key words: computer numerical control(CNC) machine tool, adaptive vector quantization (AVQ) network, outputinput feedback Elman neural network, thermal error modeling

中图分类号:

TH 161

朱小龙，杨建国，代贵松. 基于AVQ聚类和OIF-Elman神经网络的机床热误差建模[J]. 上海交通大学学报（自然版）, 2014, 48(1): 22-26.

ZHU Xiaolong,YANG Jianguo,DAI Guisong. AVQ Clustering Algorithm and OIF-Elman Neural Network for Machine Tool Thermal Error[J]. Journal of Shanghai Jiaotong University, 2014, 48(1): 22-26.

参考文献

［1］Ramesh R, Mannan M A, Poo A N. Error compensation in machine tools——A review: Part II. Thermal errors ［J］. International Journal of Machine Tools and Manufacture, 2000, 40(9): 12571284.

［2］张琨, 张毅, 侯广峰, 等. 基于热模态分析的热误差温度测点优化选择［J］. 机床与液压, 2012, 40(7): 13.

ZHANG Kun, ZHANG Yi, HOU Guangfeng, et al. Selection of sensor placement for thermal error compensation based on thermal mode analysis ［J］. Machine Tool and Hydraulics, 2012, 40(7): 13.

［3］凡志磊, 李中华, 杨建国. 基于偏相关分析的数控机床温度布点优化及其热误差建模［J］. 中国机械工程, 2010, 21(17): 20252028.

FAN Zhilei, LI Zhonghua, YANG Jianguo. NC Machine tool temperature measuring point optimization and thermal error modeling based on partial correlation analysis ［J］. China Mechanical Engineering, 2010, 21(17): 20252028.

［4］沈岳熙, 杨建国. 基于岭回归的数控机床温度布点优化及其热误差建模［J］. 机床与液压, 2012, 40(5): 13.

SHEN Yuexi, YANG Jianguo. Temperature measuring point optimization and thermal modeling based on ridge regression ［J］. Machine Tool and Hydraulics, 2012, 40(5): 13.

［5］闫嘉钰, 张宏涛, 刘国良，等. 基于灰色综合关联度的数控机床热误差测点优化新方法及应用［J］. 四川大学学报: 工程科学版, 2008, 40(2): 160164.

YAN Jiayu, ZHANG Hongtao, LIU Guoliang, et al. Application of a new optimizing method for the measuring points of CNC machine thermal error based on grey systhetic degree of association ［J］. Journal of Sichuan University: Engineering Science Edition, 2008, 40(2): 160164.

［6］郭前建, 杨建国, 李永祥, 等.聚类回归分析在滚齿机热误差建模中的应用［J］. 上海交通大学学报, 2008, 42(7): 10551059.

GUO Qianjian, YANG Jianguo, LI Yongxiang, et al. Application of clustering regression analysis to thermal error modeling of gear hobbing machine ［J］. Journal of Shanghai Jiaotong University, 2008, 42(7): 10551059.

［7］Han Jian, Wang Liping, Cheng Ningbo, et al. Thermal error modeling of machine tool based on fuzzy cmeans cluster analysis and minimalresource allocating networks ［J］. International Journal of Advanced Manufacturing Technology, 2012, 60（58）: 463472.

［8］Han Jian, Wang Liping, Wang Haitong, et al. A new thermal error modeling method for CNC machine tools ［J］. International Journal of Advanced Manufacturing Technology, 2012, 62（14）: 205212.

［9］Shukla S K, Tiwari M K. GA guided cluster based fuzzy decision tree for reactive ion etching modeling: A data mining approach ［J］. IEEE Transactions on Semiconductor Manufacturing, 2012, 25(1): 4556.

［10］Yang Zhiyong, Sun Minglu, Li Weiqian, et al. Modified Elman network for thermal deformation compensation modeling in machine tools ［J］. International Journal of Advanced Manufacturing Technology, 2011, 54（58）: 669676.

[1]	赵亮，雷默涵，朱星星，王帅，凌正，杨军，梅雪松. 高精度数控机床主轴系统热误差的控制方法[J]. 上海交通大学学报, 2020, 54(11): 1165-1171.
[2]	拓占宇，黄奕乔，沈牧文，杨建国. 基于3次样条插值的数控机床几何与热复合定位误差建模[J]. 上海交通大学学报（自然版）, 2016, 50(05): 668-672.
[3]	姚晓栋1,3,黄奕乔1,马晓波2,薛波3,杨建国1. 基于时间序列算法的数控机床热误差建模及其实时补偿[J]. 上海交通大学学报（自然版）, 2016, 50(05): 673-679.
[4]	冯文龙，黄奕乔，拓占宇，李慧敏，杨建国. 基于温度积分方法的大型数控机床光栅定位热误差建模及实时补偿[J]. 上海交通大学学报（自然版）, 2016, 50(05): 710-715.
[5]	任丽娜，芮执元，刘军，雷春丽. 数控机床最小维修的全寿命周期可靠性评估[J]. 上海交通大学学报（自然版）, 2015, 49(01): 19-23.
[6]	王维，杨建国. 基于插值算法的数控机床复合误差补偿技术[J]. 上海交通大学学报（自然版）, 2014, 48(1): 12-21.
[7]	肖慧孝，杨建国，张毅. 基于状态空间模型的机床热误差动态建模[J]. 上海交通大学学报（自然版）, 2014, 48(1): 22-26.
[8]	杨军,梅雪松,赵亮,马驰,冯斌,施虎. 基于模糊聚类测点优化与向量机的坐标镗床热误差建模[J]. 上海交通大学学报（自然版）, 2014, 48(08): 1175-1182.
[9]	王智明1,杨建国2. 数控机床不完全维修的贝叶斯可靠性评估[J]. 上海交通大学学报（自然版）, 2014, 48(05): 614-617.
[10]	赵飞a，梅雪松a,b，姜歌东a,b，陶涛a,b，史建强a. 数控机床进给系统装配误差建模及特征分析[J]. 上海交通大学学报（自然版）, 2013, 47(05): 703-708.
[11]	姜辉，杨建国，李自汉，姚晓栋. 基于误差分解的数控机床热误差叠加预测模型及实时补偿应用[J]. 上海交通大学学报（自然版）, 2013, 47(05): 744-749.
[12]	杨漪1，姚晓栋1，杨建国1，张余升2，袁峰2. 基于主成分分析与BP神经网络相结合的机床主轴热漂移误差建模[J]. 上海交通大学学报（自然版）, 2013, 47(05): 750-753.
[13]	王智明1, 杨建国2. 数控机床可靠性评估中的边界强度过程[J]. 上海交通大学学报（自然版）, 2012, 46(10): 1622-1626.
[14]	张毅,杨建国. 基于灰色神经网络的机床热误差建模[J]. 上海交通大学学报（自然版）, 2011, 45(11): 1581-1586.