机床主轴热关键点选择与典型转速热误差预测

摘要：

针对机床主轴热误差对准静态精度影响的关键问题,提出了一种基于改进鸡群优化(MCSO)算法及支持向量(SVM)的热误差预测模型.利用基于非监督学习的谱聚类与Spearman关联分析辨识主轴关键敏感温度测点,降低温度数据分布于数量的依赖,削弱温度变量间的多重共线性.引入Levy飞行策略至母鸡个体局部搜索过程,构建了非线性动态自适应惯性权重更新雏鸡策略,基于MCSO-SVM进行核函数、罚因子以及偏差量的全局优化,分别采用MCSO-SVM、BP-GA、GA-S VM和CSO-SVM热误差建模,同时对不同转速下的模型预测能力进行对比分析.热误差实验测量与预测结果表明:谱聚类与Spearman关联分析可有效降低温度变量共线性导致的耦合作用;MCSO-SVM可实现典型转速下主轴五项热误差的高精度预测,模型具备较好的泛化能力和鲁棒性.

关键词：机床、热误差、谱聚类、改进鸡群算法、支持向量机

所属期刊栏目：53

分类号：TH161

资助基金：国家自然科学基金;中央引导地方科技发展专项项目;内蒙古关键技术攻关项目;内蒙古自然科学基金项目;内蒙古自然科学基金项目;内蒙古自治区高等学校科学研究项目;内蒙古自治区直属高校基本科研业务费项目;内蒙古自治区高等学校青年科技英才支持计划资助项目

在线出版日期：2023-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：72-81