基于神经网络的数控机床热误差建模研究开题报告

全文总字数：3294字

1. 研究目的与意义（文献综述）

1 目的及意义（含国内外的研究现状）

1.1 研究目的及意义

在机械加工中, 加工零件的几何精度受机床几何误差、热误差、切削力诱导误差及其他误差等的影响。众多研究表明, 随着机床朝高速高精度方向发展, 机床热误差越来越成为影响机床加工精度的重要因素, 其在机床总误差中的占比可高达40%~70%。因此, 减少主轴热误差对提高机床加工精度至关重要。从减少误差产生的角度考虑, 可以通过热对称设计、隔离热源等方式降低机床热变形, 从而减少热误差, 但该方法易受硬件结构限制, 实施困难。因此，众多学者从热误差补偿的角度考虑，建立热误差预测模型，对主轴热误差进行预测，从而进行补偿，该方法易于实施且经济、高效。由于在机床运转过程中，机床热误差是非线性且时变的，建立准确的热误差预测模型是进行热误差有效补偿的关键。

2. 研究的基本内容与方案

2 研究（设计）的基本内容、目标、拟采用的技术方案及措施

为提高数控机床热误差模型的预测精度,采用将主成分分析与bp神经网络相结合的主轴热漂移误差的建模和预测方法.使用主成分分析法对多个温度变量进行降维处理或重新组合, 将处理后所得较少的主成分变量作为样本输入bp神经网络进行训练而得到主轴热漂移误差模型, 并与经过测点优化后以关键点温度作为输入的bp神经网络模型进行对比分析.结果表明:基于主成分分析与bp神经网络相结合的主轴热漂移误差模型的拟合精度较高, 残差较小;由于bp神经网络的输入变量较少而使所提出的模型训练速度快、迭代次数少。

3. 研究计划与安排

3、进度安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

4. 参考文献（12篇以上）

4、参考文献

[1] 黄文坚，唐源．tensorflow实战[m]．北京：电子工业出版社，2017.

[2] 杨漪, 姚晓栋, 杨建国, et al. 基于主成分分析与bp神经网络相结合的机床主轴热漂移误差建模[j]. 上海交通大学学报, 2013.