文献类型：期刊文章

作　　者：魏新园[1] 钱牧云[1] 冯旭刚[1] 苗恩铭[2] 陈雨尘[1]

Wei Xinyuan;Qian Muyun;Feng Xugang;Miao Enming;Chen Yuchen(School of Electrical and Information Engineering,Anhui University of Technology,Ma'anshan 243032,China;School of Mechanical Engineering,Chongqing University of Technology,Chongqing 400054,China)

机构地区：[1]安徽工业大学电气与信息工程学院,马鞍山243032 [2]重庆理工大学机械工程学院,重庆400054

出　　处：《仪器仪表学报》

基　　金：国家重点研发计划(2019YFB1703700);安徽省自然科学基金青年项目(1908085QF294);重庆市技术创新与应用发展专项项目(cstc2019jscx-mbdxX0045,cstc2019jscx-mbdxX0016)资助。

年　　份：2021

卷　　号：42

期　　号：5

起止页码：34-41

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：建立预测模型对热误差进行预测和补偿是解决机床热误差问题的常用方法,该方法中模型的预测精度和稳健性易受环境温度影响而明显下降,对此本文提出了基于偏最小二乘法的热误差稳健建模算法。首先使用相关系数法筛选温度敏感点,并建立热误差偏最小二乘回归预测模型。进而基于全年环境温度下的多批次热误差实验数据,分析最佳的温度敏感点个数。最后建立热误差偏最小二乘回归模型,并与普通多元线性回归模型的预测效果比对分析。结果表明本文所提算法平均预测精度为5.7μm,模型稳健性为0.56μm,相较于普通多元线性回归算法,预测精度和稳健性分别提高13.8%和49.5%。说明本文所提的热误差稳健建模算法能够在环境温度变化较大时保持高预测精度和高稳健性。

关 键 词：数控机床 热误差 偏最小二乘 模型稳健性

分 类 号：TH161] TG659]