基于混沌演化和CNN-GRU的機(jī)床熱誤差建模*

杜柳青，胡 杰，余永維

(重慶理工大學(xué)機(jī)械工程學(xué)院，重慶 400054)

0 引言

數(shù)控機(jī)床的熱誤差是影響加工精度的主要誤差來源之一[1-3]。近年來，人工神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展，給熱誤差預(yù)測(cè)帶來新的契機(jī)。LIU等[4]利用灰狼算法優(yōu)化長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)模型，再利用變分模態(tài)分解去除高頻和低頻數(shù)據(jù)的耦合現(xiàn)象，提高熱誤差預(yù)測(cè)模型的預(yù)測(cè)精度。張捷等[5]采用模糊聚類法和灰色關(guān)聯(lián)度分析法對(duì)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的溫度輸入進(jìn)行優(yōu)化，建立了一種具有高精度的熱誤差模型。現(xiàn)有方法在熱誤差預(yù)測(cè)精度上都有較好的進(jìn)展，但在保證精度的前提下保持對(duì)模型的高泛化性存在難度。

熱誤差是一個(gè)復(fù)雜的非線性過程，線性方法并不能很好的描述其變化過程[6]，使用時(shí)序神經(jīng)網(wǎng)絡(luò)只能捕捉溫度變化在時(shí)間方向上的演變規(guī)律，而機(jī)床溫度變化是一個(gè)具有空間特征的演變狀態(tài)[7]。為了盡可能反映出機(jī)床溫度演變規(guī)律，本文采用混沌相空間重構(gòu)法來演化機(jī)床在高維相空間中溫度的演化規(guī)律。再利用卷積神經(jīng)網(wǎng)絡(luò)和門控循環(huán)單元對(duì)高維相空間中溫度的時(shí)空特征進(jìn)行挖掘并與機(jī)床主軸加工誤差進(jìn)行相互映射，形成熱誤差預(yù)測(cè)模型。實(shí)驗(yàn)結(jié)果表明本文提出的熱誤差模型可以對(duì)機(jī)床熱誤差進(jìn)行有效的預(yù)測(cè)，且與其他預(yù)測(cè)方法相比，混沌演化下的卷積門控循環(huán)神經(jīng)網(wǎng)絡(luò)模型在預(yù)測(cè)精度和泛化性兩個(gè)方面具有明顯優(yōu)勢(shì)。

1 基于CE-CNN-GRU的熱誤差預(yù)測(cè)方法

1.1 卷積神經(jīng)網(wǎng)絡(luò)