-
题名基于数据驱动的机床热误差补偿技术研究
被引量：5
- 1
-
-
作者
李锁
吴文江
哈韬
王喆
金驰
-
机构
中国科学院大学
中国科学院沈阳计算技术研究所
沈阳高精数控智能技术股份有限公司
沈阳化工大学
-
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第7期1569-1572,共4页
-
基金
沈阳市科技计划项目(Y18-1-021)资助
-
文摘
随着先进制造技术的发展,对数控系统的高速、高精、高效、智能化方面的要求越来越高,为此,实现热误差补偿在内的补偿技术具有重要的现实意义.热误差的非线性问题是实现误差补偿的难点之一,传统的补偿方法采用离线线性拟合的方法,造成较大的拟合误差且实时性很难保证,为此传统的基于精确模型的热误差补偿技术遇到了发展瓶颈,提出了采用数据驱动的方法实现机床热误差补偿,采用模糊神经网络作为学习模型,结合加工过程实时采集到的误差数据,提供最优的补偿策略,减小了拟合误差,提高热误差补偿的补偿精度,并通过试验进行测试,测试结果表明所提出的补偿方案相对于传统的方案,显著改善了拟合精度,从而验证了该方案的可行性.
-
关键词
模糊神经网络
热误差补偿
数据驱动技术
模型控制方法
智能化
-
Keywords
fuzzy neural network
thermal error compensation
data driven technology
model control method
intelligentization
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
