一种基于优化模糊神经网络的数控机床热误差建模方法

摘要

本发明公开了一种基于优化模糊神经网络的数控机床热误差建模方法，先在待建模数控机床上确定n个影响热误差的关键温度敏感点，在空载状态下运行机床，对热机过程中各关键温度敏感点的温度x₁，x₂，…x_n和实际误差值y_i进行实时采集；再使用T‑S型模糊神经网络对数控机床热误差进行建模；其特征在于，建模前，先采用BP算法确定T‑S型模糊神经网络的隶属度函数的中心c_ij和宽度σ_ij的取值范围，以及后件网络与前件网络的连接权值的取值范围，再在此范围中随机取参数个体作为GA的初始种群个体并将其编码进行寻优，最后得到最优的寻优个体，即模糊神经网络的最佳网络参数。本发明具有能够提高模型的鲁棒性和预测精度等优点。