文献类型：期刊文章

作　　者：王洪乐[1] 王家序[1,2] 周青华[1] 熊青春[1,3] 魏子淇[1]

WANG Hongle;WANG Jiaxu;ZHOU Qinghua;XIONG Qingchun;WEI Ziqi(School of Aeronautics and Astronautics, Sichuan University, Chengdu 610065, China;State Key Laboratory of Transmission, Chongqing University, Chongqing 400044, China;AVIC Chengdu Aircraft Industrial （Group） Co. , Ltd. , Chengdu 610092, China)

机构地区：[1]四川大学空天科学与工程学院,成都610065 [2]重庆大学机械传动国家重点实验室,重庆400044 [3]成都飞机工业(集团)有限公司,成都610092

出　　处：《西安交通大学学报》

基　　金：国家自然科学基金资助项目(51435001;51405316);中航工业产学研专项资助项目(cxy2013CD36);中央高校基本科研业务费专项资金资助项目(2014SCU11062)

年　　份：2017

卷　　号：51

期　　号：6

起止页码：138-146

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对多轴数控机床热影响导致的加工精度衰减问题,结合神经网络自学习与数据拟合能力,提出基于优化BP神经网络的多轴数控机床综合误差补偿方法。针对BP神经网络神经元误差曲面下降缓慢影响收敛效率的问题,引入陡度因子和放大因子,并基于此对数控机床运动轴加工精度进行预测和补偿。将大型A/B双摆角龙门数控铣床各关键发热源的温度检测数据和运动轴误差检测数据作为精度预测模型的输入量和输出量,采用改进后的BP神经网络进行训练,获得温度变化与位移误差量之间的非线性映射关系,并据此修改被加工工件的刀位数据文件,实现数控机床加工精度的提高。模拟算例和实验结果表明,该方法降低了传统BP神经网络的预测误差和运算时间,对机床平均误差补偿率达到50%以上。开发的数控机床误差补偿系统无须对现有机床进行大规模硬件改造,应用简便易于推广。

关 键 词：BP神经网络 陡度因子  放大因子  误差补偿

分 类 号：TH161]