10.3969/j.issn.1672-6413.2020.03.057
改进FCM模糊聚类算法对主轴箱温度测点优化分析
轮槽铣床主轴箱热变形数据样本量繁杂,利用传统的FCM模糊聚类算法对主轴箱温度测点进行分析时,需根据情况自行设置分类数,由于经验不足会使分析结果出现偏差,导致分析失效.基于以上情况,提出采用改进的FCM模糊聚类算法对主轴箱测点进行优化分析,其原理为依据主轴箱温度及热变形量,增设聚类数c的自适应目标函数,并建立了改进的FCM模糊聚类算法可靠性分析模型,基于该模型分析得到了多元回归关键测点热误差分析数据.结果显示:采用FCM聚类算法对轮槽铣床主轴箱预先布置的温度测点进行分组优化,使主轴箱的关键测温点由21个缩减至6个,且分析结果准确度较高.该方法为机床温度测点优化分析提出了新的思维路径,具有较好的应用前景.
FCM模糊聚类算法、主轴箱、温度测点、优化分析
TP273+.4;TG54(自动化技术及设备)
2020-07-01(万方平台首次上网日期,不代表论文的发表时间)
共3页
140-142