基于MEA-BP算法的臥式加工中心主軸熱誤差建模*

曹 利，彭 驥，殷 鳴，殷國富

(四川大學機械工程學院，成都 610065)

0 引言

由于內部熱源和外部環境影響，機床會產生熱變形，進而產生熱誤差。機床熱誤差占機床總誤差的40%～70%，其中主軸熱誤差占機床熱誤差的50%～80%，因此大量文獻針對機床主軸熱誤差進行研究[1-3]。

熱誤差預防和熱誤差補償是減少熱誤差影響的兩種主要方法[4-6]，相比于熱誤差預防，熱誤差補償[7]是一種更為便捷，經濟合理的方法，其關鍵在于建立高精度的熱誤差預測模型。LIU等[8]通過分析高速主軸系統的熱-結構相互作用機理，提出了閉環迭代建模方法，用ANSYS分析軟件進行仿真驗證，結果表明仿真結果與實際測量值具有較高吻合度。萬正海等[9]運用數據處理群集方法建立主軸軸向熱誤差預測模型，取得了較高的模型預測精度。TAN等[10]基于最小二乘支持向量機建立主軸系統的熱誤差模型，精確預測了主軸在不同轉速下的軸向熱變形量。杜柳青等[11]針對高速數控機床的熱特性，提出了一種基于優化模糊神經網絡熱誤差建模及預測方法，主軸Z向熱誤差預測精度得到了顯著提高。

雖然上述文獻建立的熱誤差模型都具有較高的預測精度，但基本都是基于單一工況,模型泛化能力有限。然而機床在實際加工過程中會受到多因素的干擾，比如冷卻液對機床主軸的熱態特性會產生顯著的影響[12]，因此熱誤差模型在復雜工況下的預測精度更能體現出模型的魯棒性和泛化能力。BP神經網絡[13-14]具有較強的非線性映射能力，能夠很好地建立溫升和熱誤差之間的映射關系。……