您现在的位置是：网站首页>机械工程>基于FCM聚类和RBF神经网络的机床热误差补偿建模
基于FCM聚类和RBF神经网络的机床热误差补偿建模
简介
摘要∶热关键点的选择和热误差建模技术是决定热误差补偿是否有效的关键，对提高数控机床的加工精度至关重要。为了实现对数控机床热误差的补偿控制，文章利用模糊C均值（FCM）聚类方法，对机床上布置的温度测点进行优化筛选，将温度变量从20个减少到4个，然后给出了基于RBF热误差补偿建模方法。通过建模实例表明，文章提出的建模方法，在保证补偿模型精度的同时有效减少了温度测点，降低了变量耦合影响，并提高了补偿模型的鲁棒性。
摘要∶热关键点的选择和热误差建模技术是决定热误差补偿是否有效的关键，对提高数控机床的加工精度至关重要。为了实现对数控机床热误差的补偿控制，文章利用模糊C均值（FCM）聚类方法，对机床上布置的温度测点进行优化筛选，将温度变量从20个减少到4个，然后给出了基于RBF热误差补偿建模方法。通过建模实例表明，文章提出的建模方法，在保证补偿模型精度的同时有效减少了温度测点，降低了变量耦合影响，并提高了补偿模型的鲁棒性。
推荐下载
精品资源合集一键下载