基于BP神经网络的重型数控机床定位精度预测.pdf

《基于BP神经网络的重型数控机床定位精度预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于IBP神经网络的重型数控机床定位精度预测口王胜口李莎口卫江口苗晓锋陕西广播电视大学工程管理系西安710119摘要：针对重型数控机床长距离进给系统定位精度不易测量的问题，选取纵向3段位移。根据国标规定每一段位移上确定目标位置点7个，采用激光干涉仪对3段位置定位精度进行测量，得到目标位置点的定位精度，利用3层结构的BP神经网络，预测全域范围的定位精度，精度最高可达10．04％。与实测结果对比分析，此方法可行。关键词：重型数控车床定位精度BP神经网络精度预测中图分类号：TH115文献标识码：A文章编号：1000—4998(2012)07—0047—02数控机床的定位精度是衡量数控机床性能的一个

2、1测量过程重要指标，数控机床定位精度是指机床的移动部件在数字控制系统控制下，快速或匀速运动时所能达到的图1为Renishaw公司XLIO双频激光干涉仪定位预设坐标精度，是数控机床区别于普通机床的一个显精度测量原理图。来自激光发射器的光束进入线性干著标志[1J。因此，快速、准确、全面地得到数控机床的定涉镜，在此光束被分成两束，一束光(称为参考光束)被位精度数值，是研究数控机床定位精度的基础。引向线性反射镜1，另一束光(测量光束)则穿过分光镜本文研究对象为某重型数控车床，其结构特点是到达线性反射镜2；然后，两束光都被反射回分光镜，在纵向进给方向位移长度可达20m。使用双频激光干涉此它们重新组合并

3、被导回到激光头．激光头内的探测仪测量定位精度过程中，要求激光器、分光镜和反光镜器监测两束光之间的干涉。组共线，准直光路系统就占用了很长的辅助时间。另在线性测量过程中，一个光学组件保持静止不动，外，国标GB／T17421．1-2000中的规定，要求环境温度另一个光学组件(线性反射镜2固定在刀架上)沿线性保持恒温20℃，如此大体积的机床要达到此项要求颇轴移动。通过监测测量光束和参考光束之间的光路差有难度。另外，此研究对象由国内某机床生产厂家提异的变化，产生定位精度测量值(注意，它是两个光学供，该型产品年产量仅几台，长时间占用其进行测试，组件之间的差异测量值，与激光发射器位置无关)。此厂家有实际困

4、难。其纵向进给距离很长，在实际测量测量值可以与被测机器定位系统上的读数比较．获得中，要连续进行定位精度测量存在很多困难，故得出Z定位误差。测得的部分位置的定位精度，如表1；图2轴方向连续定位精度是一个急待解决的问题I2]。为现场测试图。目前测量定位精度的方法有一维球列法、球柄仪2基于BP神经网络的预测法和双频激光干涉仪测量法_3]。一维球列法可测量3个方向的误差，但测量时需手动调节数控机床主轴，不易2．1BP神经网络的基本原理实现自动化，同时采用机械式触发测头，存在一定的接BPfBackPropagationNeuralNetworks)神经网络即触变形误差。在不同的环境温度下，由于钢球和机

5、床的前馈式误差反传播神经网络，其训练过程由两部分组热膨胀，测出的实验数据也有较大的误差。成：信息正向传播和误差反向传播。正向传播时，输入利用神经网络预测某些未知参数。许多领域都有信息由输入层经隐含层单元处理后传向输出层，每一广泛应用，文献[4]利用BP神经网络预测GFSINS角层神经元的状态只影响下一层神经元状态。若在输出速度；文献[5]利用神经网络实现了气含率的全面预层得不到希望输出，则转入误差反向传播，将误差信号测。本文利用双频激光干涉仪测量3段纵向的机床定沿原神经元位精度，采用BP神经网络对本研究对象纵向定位精度连接通路返进行预测，得到全行程数据的定位精度值。回。返回过程中．逐一修改陕

6、西省科技计划项目(编号：2010JQ7003)各层神经元陕西省教育厅资助项目(编号：l1JKO858)陕西广播电视大学2011年度科研项目f编号：l1—08一B35)连接的权值。收稿日期：2012年2月以上过程不机械制造50卷第575期2012／7画经验和相冤关文献．BPI黑_■网络采用3层结构，输一线性干涉镜I。入层神经元个数激光发射器随yiI练样本的增加一而变化：其隐含层P为2n+l，输出层同样有／／,个神经-元，采用S型函数[7]。训练过程如图3所示。2．3实测结果分析▲图2现场测试图选择了其中两段的的定位精度预测结果如表2。表1机床定位精度测试结果／¨mBP神经网络计算时间较长，两位

7、移段相对误差平#A#B#C#D#E#F#G均为10．04％和15．7l％，最大预测误差为#14，达到23．6l8．728．228．130．631．928_324．9％；靠近床头箱位移段的预测精度均高于靠近机23．520_328．628．63233．129．1床尾座位移段的预测精度。26．822．531．43434．234．627．828．822_332．135．735．936．130．73结论27．533．3