自适应神经模糊推理系统和灰色理论的加工中心热谟差补偿_CNC加工中心

前言：

随着科学技术的进步，机械加工产业也在向着高精度方向发展。高精度是机械产品竞争能力的主要因素，特别是生产制造机械。伴随超精密产品的诞生，对加工中心的加工精度要求也会越来越高。通常情况下，CNC加工中心运行过程中产生的误差包括以下几个部分：（1)加工中心热变形产生的误差；（2)切削力产生的误差；（3)刀具磨损产生的误差；（4)加工中心定位误差等等。在加工中心运行所产生的多种误差中，机床的热误差是占据主导地位^[1]，大约占总误差的70%。因此，必须尽快降低加工中心热误差的影响，提高机械零部件的生产精度。

当前，主要是通过两种方法减小加工中心热误差的影响，分别为误差防止法和误差补偿法^[2]。误差防止法受到经济条件的约束，应用相对较少。误差补偿法通过计算机技术对产生的误差进行修正，成本较低?因此，许多研究人员对加工中心热误差补偿法进行了深入的研究。例如:文献[3-4]基于动态自适应加权最小二乘支持矢量机的方法构建加工中心热误差预测模型。采用动态的自适应方法，对建模选择的参数进行优化，根据热误差变量得到权重系数，最终确定最小二乘法支持矢量机加工中心的热误差预测模型。该方法建模精度较高，优于传统的最小二乘法。文献[5-7]基于神经模糊控制理论的建模方法创建加工中心热误差模型，将模糊神经网络建模方法与径向基函数神经网络建模方法进行了对比。对比结果显示，模糊神经网络建模方法精度更髙，预测性能较好。文献[8-9]研究了CNC加工中心热误差补偿分布滞后模型，通过模糊聚类法选择出测量加工中心温度的实验数据，从而拟合成分布滞后预测模型，并且与多元线性回归模型进行比较。结果显示，在同等条件下，分布滞后模型预测精度较高。以往研究的加工中心热误差预测模型预测精度虽然提高，但是比较繁琐，需要测量的温度数据较多。对此，本文采用自适应神经模糊推理系统的模糊C均值聚类法，对加工中心运动的温度数据进行筛选，选择出最优的温度数据。引入灰色理论系统创建热误差预测数学模型，通过实验数据对本文创建的热误差模型进行验证，并与其它预测模型进行对比。结果表明，本文所创建的加工中心热误差预测模型不仅需要的温度数椐较少，而且热误差补偿后误差明显减小，加工精度较高。

1自适应神经模糊推理系统1.1 ANFIS 结构

ANFIS结构如图1所示，系统模型有五个层面，每个层面均包括了由节点函数定义的诸多节点。方框表示自适应可调参数的节点集，圆圈表示模型中固定参数的节点集。在ANFIS简化模型中，定义了两个输人变量（和r₂)以及一个输出变量n热漂移）。

在第一层面中:输入变量通过隶属度函数（MF)转化为一个模糊集，其中自适应节点的节点函数^[^w^]为

伯特利数控备注：为保证文章的完整度，本文核心内容都PDF格式显示，如未有显示请刷新或转换浏览器尝试，手机浏览可能无法正常使用！

结束语：

本文采用了自适应模糊推理系统和灰色理论研究了CNC加工中心热误差的预测模型。分析了自适应模糊推理系统的结构和模糊C均值聚类法，根据灰色理论创建热误差预测模型。通过模糊C均值聚类法筛选温度实验数据，确定出最佳温度测量数据，温度传感器从76个减少到5个。通过实验验证本文预测模型，并且与其它预测模型方法进行对比。预测结果表明，本文预测热误差经过补偿后所产生的最大误差在5 pm以内，其他方法预测热误差经过补偿后所产生的最大误差在10 pm以内。自适应模糊推理系统的模糊C均值聚类法耦合灰色理论创建的CNC加工中心热误差预测模型预测精度较高，为加工中心运行的热误差补偿提供了参考依据。

伯特利数控是一家集销售、应用及服务于一体的公司。产品包括：CNC加工中心、钻攻中心、龙门加工中心、雕铣机、石墨机、五轴加工中心、立式加工中心、卧式加工中心等。我们机床的生产工厂设在广东省东莞市，目前其生产的加工中心70%出口，其中出口到欧洲占到50%。我们尽心、尽力、尽意的服务！

声明：本站文章均来自网络，所有内容不代表本站观点，本站不承担任何法律责任！

自适应神经模糊推理系统和灰色理论的加工中心热谟差补偿

加工中心相关内容

U600S五轴加工中心视频

六角亭五轴加工工艺

自适应控制方法在混联五轴加工中心中的应用

五轴加工中心和五轴钻攻中心在机测量探头补

五轴加工中心进给系统动态误差影响因素

评论COMMENT

产品中心

U260T五轴钻攻中心

U260V五轴加工中心

U350V五轴加工中心

联系我们

关注官方微信

加工中心 相关内容