-
题名数控铣床主轴热误差Bi-LSTM预测建模
- 1
-
-
作者
马宏宇
尹志宏
叶愈
南朋涛
朱升硕
-
机构
昆明理工大学机电工程学院
中国机械总院集团云南分院有限公司
-
出处
《机床与液压》
北大核心
2025年第14期51-57,共7页
-
基金
云南省科技厅重点研发计划项目(202301AT070172)。
-
文摘
为探究数控铣床复杂热源导致的主轴温升与热误差之间的非线性映射关系,提出一种基于双向长短期记忆神经网络(Bi-LSTM)的主轴热误差预测模型。以国产某型号精密数控铣床主轴单元为研究对象,采用激光位移传感器对主轴空转状态下的轴向热误差进行测量,借助温度传感器采集主轴关键温度测点的温度。采用萨维茨基-戈莱滤波器对主轴温升、热误差数据进行滤波降噪处理,使用手肘法确定最佳聚类数,利用模糊C均值聚类结合灰色关联度分析(FCM+GRA)方法完成温度敏感点的选取,避免温度测点之间多重共线性问题。最后,以主轴轴向热误差和温度敏感点温升数据为输入,建立主轴热误差Bi-LSTM预测模型,并基于平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)和相关性系数R 2对模型的预测效果进行评估。结果表明:与LSTM(单向长短期记忆神经网络)、GRU(门控循环单元)和BPNN(反向传播神经网络)相比,Bi-LSTM预测模型的MAE分别降低了18.5%、21.8%、44.1%,RMSE分别降低了9.5%、20.2%、43.8%。因此,Bi-LSTM主轴热误差预测模型具有更高的鲁棒性和准确性。
-
关键词
数控机床
主轴热误差
fcm+gra算法
Bi-LSTM模型
热误差预测
-
Keywords
CNC machine tools
thermal error of spindle
fcm+gra algorithm
Bi-LSTM model
thermal error prediction
-
分类号
TH161
[机械工程—机械制造及自动化]
-
