基于改进松鼠搜索算法优化神经网络的数控机床进给系统热误差预测
Thermal error prediction of CNC machine tool feed system based on neural network optimized by improved squirrel search algorithm作者机构:沈阳工业大学机械工程学院沈阳110870 辽宁省复杂曲面数控制造技术重点实验室沈阳110870
出 版 物:《仪器仪表学报》 (Chinese Journal of Scientific Instrument)
年 卷 期:2024年第45卷第1期
页 面:60-69页
核心收录:
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
基 金:辽宁省应用基础研究计划项目(2022JH2/101300214) 2022年度辽宁省教育厅高等学校基本科研项目面上项目资助
摘 要:为探究数控机床进给系统中各因素对热误差的影响规律,建立精准的热误差预测模型。在进给速度为10 m/min、环境温度20℃的条件下进行进给系统热误差测量实验,获得进给系统关键点的温升及热误差。为提高预测精度,采用Tent混沌改进松鼠搜索算法,并利用改进的算法对神经网络进行优化,建立热误差预测模型。利用热误差测量实验获得的数据进行验证,结果表明改进前的神经网络预测误差为12.23%,改进后的模型预测误差为8.92%,精度有较大提升。利用预测模型针对不同进给速度下相同位置处热误差进行分析,结果表明,进给系统中关键测温点的温度和丝杠各点的热误差随着进给速度的增加而增加。因此提出的预测模型可实现进给系统热误差的准确预测,为误差补偿提供理论依据。