摘要
针对数控机床温度敏感点存在随着季节变化而变动,导致预测模型的精度与稳健性随之变动的问题,提出了使用K-means聚类算法结合灰色关联度的方法,优选出稳健性较高的温度敏感点,有效降低其变动性,提高了模型的精度和稳健性.针对不同型号机械结构不同的机床热特性差异,导致直接使用常用的多元线性回归(MLR)算法建立的模型预测效果不佳的问题,提出了"对称映射"稳健性建模预测方法,有效提高了模型的预测精度与稳健性.同时,以Vcenter-55数控加工中心与leaderway-450数控加工中心为研究对象,结合全年的实验数据并以Z轴方向热误差数据为例,最终建立Z轴方向热误差预测模型,其MLR模型残余标准差平均值由数据处理前的8μm降低到4.27μm,提升了46.6％的精度.模型随着温度敏感点变动性的减弱,应用周期提升至6个月有效期,极大提高了模型的稳健性.
国家科技期刊平台
NSTL
万方数据