机床与液压

作者：周梦洁，尹玲，张丽娟，张斐，宋加雷，叶正伟

单位：东莞理工学院机械工程学院;东莞理工学院，广东省城市生命线工程智慧防灾与应急技术重点实验室；东莞理工学院，广东省城市生命线工程智慧防灾与应急技术重点实验室;东莞理工学院法国国立工艺学院联合学院；东莞理工学院法国国立工艺学院联合学院；东莞理工学院机械工程学院；东莞理工学院科技创新研究院；东莞理工学院科技创新研究院

关键词：机床主轴;粒子群算法;BP神经网络;热误差模型

基金：广东省城市生命线工程智慧防灾与应急技术重点实验室（2022B1212010016）；东莞市科技特派员项目（20231800500082；20231800500632）

针对传统单一温度测点在监测数控机床主轴温度变化方面的局限性，以及基于反向传播神经网络（BP）的热误差模型在精度、收敛性及鲁棒性上存在的不足，提出一种基于多温度传感器的自适应粒子群优化反向传播神经网络（IAPSO-BP）模型，旨在提高主轴热误差的辨识精度。引入多个温度传感器，以全面监测主轴的温度信息。自适应粒子群算法的应用减少了人工参数调整的需求，并提高了模型的泛化能力。以特定型号的机床为例，通过实切加工实验建立主轴热误差模型，并对其有效性及鲁棒性进行验证。结果表明：与传统BP神经网络预测模型相比，所提IAPSO-BP模型的均方误差降低67.45%，最大绝对残差减少69.62%，拟合优度提升4.29%，证明了模型的优越性。

来源：2024年第23期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第23期