点击次数：

论文类型：期刊论文

发表时间：2016-05-20

发表刊物：大连理工大学学报

收录刊物：PKU、ISTIC、CSCD、Scopus

卷号：56

期号：3

页面范围：236-243

ISSN号：1000-8608

关键字：数控机床;测点优化;FCM 聚类;灰色关联分析;灰色综合关联度

摘要：热误差是精密、超精密加工中主要的误差源之一，热误差温度测点优化是热误差补偿的关键问题。在机床空间多维布置的大量温度测点之间存在多重相关性，从众多测点中选取特征点的优劣程度，将直接影响到热误差补偿效果。通过对温度测点间多重相关性及温度与热误差关系的综合分析，采用改进的模糊 C‐均值（IFCM ）聚类算法对温度测点进行聚类，以减小类与类之间温度测点的相关性，且避免FCM算法对初始聚类中心敏感易局部收敛的缺点。对温度测点按灰色关联分析（GRA）中的灰色综合关联度进行排序，从变化量和变化率的角度综合反映温度与热误差的关系。采用IFCM‐GRA对温度测点进行优化，提高了热误差模型的鲁棒性及准确性，使温度测点数量大幅度减少。在某型号精密卧式加工中心上进行实验，温度测点从17个减少到4个。在不同转速下，利用多元线性回归对优化出的温度测点与热误差建立模型，所建立模型均能很好地预测热误差变化情况，经对预测模型分析，轴向热误差由几十微米减小到5μm以内。