1 引言
隨著生產(chǎn)自動(dòng)化水平的不斷提高 , 各行各業(yè)對(duì)機(jī)床性能提出了越來(lái)越高的要求。數(shù)控機(jī)床在機(jī)械制造領(lǐng)域運(yùn)用廣泛 , 隨著機(jī)械制造對(duì)精度要求的提高 , 各種有關(guān)影響機(jī)床精度的問(wèn)題以及相應(yīng)的解決方法也越來(lái)越引起人們的重視并對(duì)它展開研究。大量研究表明: 熱誤差對(duì)機(jī)床加工精度的影響較大, 由其引起的加工誤差約占機(jī)床總體誤差的 40% ～ 70%[1-2]?，F(xiàn)階段 , 熱誤差預(yù)測(cè)法和補(bǔ)償法是解決熱誤差問(wèn)題的兩大主要方法 [3]。預(yù)測(cè)法是通過(guò)優(yōu)化機(jī)床結(jié)構(gòu)、提高機(jī)床零部件精度或以隔離熱源等方法降低誤差 , 但是所需成本較大且耗費(fèi)時(shí)間長(zhǎng)。而補(bǔ)償法則是通過(guò)測(cè)量機(jī)床誤差并使用各種方法進(jìn)行補(bǔ)償 , 從而減少機(jī)床誤差 , 這種方法成本低 , 應(yīng)用性強(qiáng) , 使得以低成本制造高精度機(jī)床成為可能。建模是誤差補(bǔ)償技術(shù)中重要的一部分 , 其精度將對(duì)后的結(jié)果產(chǎn)生直接影響。目前 , 常用的熱誤差建模方法有 : 神經(jīng)網(wǎng)絡(luò)、狀態(tài)估計(jì)、多元回歸、組合建模等 [4]。
徑向基函數(shù) (radial basis function,rbf) 神經(jīng)網(wǎng)絡(luò)是近發(fā)展起來(lái)的一種高效的前饋式網(wǎng)絡(luò) [5]。其結(jié)構(gòu)簡(jiǎn)單、訓(xùn)練速度快 , 在模式識(shí)別等領(lǐng)域被廣泛使用。但rbf 神經(jīng)網(wǎng)絡(luò)還是存在信息丟失以及在數(shù)據(jù)不充分時(shí)網(wǎng)絡(luò)無(wú)法工作等問(wèn)題 , 且其預(yù)測(cè)精度也有待提高 , 另外隱層基函數(shù)中心選擇存在任意性 , 隱層節(jié)點(diǎn)數(shù)目、中心和寬度的選定在實(shí)際系統(tǒng)中也存在難度。
因此 , 本文采用改進(jìn) pso 算法優(yōu)化的 rbf 神經(jīng)網(wǎng)絡(luò)構(gòu)建熱誤差預(yù)測(cè)模型 , 通過(guò)改進(jìn)的 pso 優(yōu)化 rbf 神經(jīng)網(wǎng)絡(luò)的重要參數(shù)來(lái)提高模型的預(yù)測(cè)精度 , 結(jié)果表明 ,改進(jìn)的模型能夠得到更優(yōu)異的預(yù)測(cè)效果。