-
题名粒子群优化随机森林机床热误差建模与补偿
- 1
-
-
作者
苏哲
郭世杰
丁强强
唐术锋
邹云鹤
吕贺
-
机构
内蒙古工业大学机械工程学院
内蒙古自治区机器人与智能装备技术重点实验室
-
出处
《机床与液压》
北大核心
2025年第12期8-16,共9页
-
基金
国家自然科学基金项目(52065053,52365058,52365064)
内蒙古自然科学基金项目(20232LHMS05018)。
-
文摘
为了提高机床热误差预测精度,提出一种自适应粒子群(APSO)优化随机森林(RF)模型的机床直线轴热误差预测方法。采用浣熊优化算法(COA)对K-Means算法进行优化,并结合相关性分析筛选出温度敏感点;提出动态惯性权重与学习因子的线性调整策略来避免粒子群算法陷入局部最优解,构建了基于APSO-RF的直线轴热误差预测模型。为了验证模型的准确性与实用性,在VDL-600A型加工中心上以X轴为例进行热误差测量与建模验证,基于FANUC系统坐标原点偏移(EMZPS)功能结合自主搭建的热误差辅助补偿系统,实现了计算机与系统间的通信连接。结果表明:APSO-RF热误差模型的均方根误差相比PSO-SVM、RF及BP模型分别降低了18.3%、45.2%及47.2%,有效提高了建模精度。根据构建的模型与补偿系统功能模块,补偿后热误差最大值由71.15μm降至13.4μm,精度提升81.2%,所构建的热误差补偿方法可有效提高机床的加工精度及稳定性。
-
关键词
数控机床
热误差补偿
自适应粒子群优化随机森林(apso-rf)模型
浣熊优化算法(COA)
-
Keywords
CNC machine tools
thermal error compensation
adaptive particle swarm optimization-random forest(apso-rf)model
coati optimization algorithm(COA)
-
分类号
TH161
[机械工程—机械制造及自动化]
-
