基于神经网络的热误差组合建模技术及其实时补偿应用

摘要

本文首先把神经网络理论应用于数控机床热误差补偿建模，在此基础上，通过时间序列分析、模糊理论与神经网络的组合建模，提出了组合建模的思想，即将两种或两种以上方法组合起来对热误差进行建模和预测，归纳总结了误差补偿组合建模的一般原则。并将误差补偿技术在多台数控机床上应用，取得了较好的补偿效果。 主要研究内容有： 第一章，总结了数控机床误差补偿技术研究的历史和现状。分析了机床的主要误差成分，误差补偿技术包含的主要内容，指出热误差是影响机床加工精度的主要因素，误差建模和预报是决定补偿效果的关键环节。 第二章，介绍了人工神经网络的基本理论。人工神经网络具有良好的通用性和鲁棒性，能够比较精确地表征非线性系统特性。 第三章，应用基本的神经网络对热误差进行了建模和预报。反向传播（BP）网络和径向基（RBF）网络在离线建模和在线建模情况下，都比经典数学方法获得更好的补偿效果。 第四章，应用时间序列理论对热误差进行了建模和预报。分析了热误差时间序列的基本特性，应用趋势分析和干预分析理论进行了时间序列模型优化，并分析了基于神经网络的时间序列组合模型。 第五章，应用模糊逻辑和神经网络理论对热误差进行了组合建模和预报，结果表明模糊神经网络具有良好的预测性能。 第六章，提出了组合建模和自动建模的基本方法。在分析各种智能化方法建模适用范围的基础上，提出了组合建模的基本思路，并分析了自动建模的基本架构，实现了基本的自动建模功能。 第七章，应用数控机床热误差实时补偿器，利用数控机床控制系统的外部坐标系偏置功能，在多台数控机床上进行了补偿检验，取得了较好的补偿效果。 第八章，总结给出了本文的主要结论。