基于差分融合长短期记忆神经网络数控机床热误差建模
来源：机械工程学报杂志2024年第7期北京时间：
作者：刘占广, 张云, 刘晴雨
单位：清华大学机械工程系 北京 100084
摘要：数控机床的热效应是制约机床加工精度的主要因素，为了进一步提高机床热误差预测的精度，针对热误差表征参数温升和位移的相对量特性，引入差分预测，综合直接预测和差分预测的优点，提出一种基于差分融合长短期记忆神经网络的数控机床热误差预测模型。以某型号卧式外圆磨床为实验对象，按照不同电机频率设计四组实验，连续采集温度和刀具(砂轮)轴向伸长量数据，基于随机森林和特征交叉递归移除方法确定四个温度敏感点，随机选定训练集与测试集进行训练和预测，通过与现有普遍使用的人工神经网络方法对比验证，提出的热误差模型能够在数据趋势性和波动性间取得较好平衡，且预测结果有更高的精度和更好的鲁棒性，印证了引入差分预测的合理性，对于实际数控机床热误差预测补偿具有一定的参考意义。
关键词：热误差预测,相对量,差分融合,长短期记忆神经网络；
基金资助：工信部2021年面向产业集群中小型数控机床关键加工装备资助项目。
