基于误差分离样本优化的主轴热误差建模研究

摘要

数控机床在实际加工中会因主轴转速的变化而造成热误差波动,从而影响加工精度。针对这个问题,以一台数控车床为研究对象,提出了一种基于误差分离样本优化的主轴热误差建模方法。通过测量7种不同转速的热误差数据样本,对造成车床热误差变化的各项因素进行分离,并将数据样本通过聚类分组和特征提取以进行优化,完成了样本优化的热误差建模和预测对比分析。结果表明,选择泛化性较好的支持向量机(SVM)进行样本优化的热误差建模,测试的最大残差为5.29μm,性能优于单训练样本的支持向量机模型和全样本的BP神经网络模型。