改进混沌粒子群优化的灰色系统模型在机床热误差建模中的应用

doi:10.16731/j.cnki.1671-3133.2018.06.019

现代制造工程 ›› 2018, Vol. 453 ›› Issue (6): 101-107.doi: 10.16731/j.cnki.1671-3133.2018.06.019

• 仪器仪表/检测/监控 • 上一篇下一篇

改进混沌粒子群优化的灰色系统模型在机床热误差建模中的应用

余文利¹, 姚鑫骅²

1 衢州职业技术学院机电工程学院,衢州 324000;
2 浙江大学机械工程学院,杭州 310027

收稿日期:2016-04-18 出版日期:2018-06-18 发布日期:2018-07-20
作者简介:余文利,副教授,主要研究方向为数控机床空间误差和热误差的计算机建模和仿真软件开发。E-mail:yujimmy@163.com
基金资助:
浙江省科技厅公益性应用研究计划资助项目(2014C31089)

Application of improved chaotic particle swarm optimization grey system model to thermal error modeling of machine tools

Yu Wenli¹, Yao Xinhua²

1 Department of Mechanical Engineering,Quzhou College of Technology,Quzhou 324000,Zhejiang,China;
2 College of Mechanical Engineering,Zhejiang University,Hangzhou 310027,China

Received:2016-04-18 Online:2018-06-18 Published:2018-07-20

摘要/Abstract

摘要： 为减少热误差对数控机床加工精度的影响,提高灰色系统模型(Grey system Model,GM)的预测精度,尝试将改进混沌粒子群优化(Improvemen Chaotic Particle Swarm Optimization,ICPSO )算法引入到灰色系统模型中,提出一种基于改进混沌粒子群优化算法的灰色系统模型数控机床热误差建模方法。首先,建立粒子群优化(Particle Swarm Optimization,PSO)粒子与GM(1,N)系数的映射关系;其次,ICPSO中混沌理论的Logistic映射对粒子群的位置和速度进行初始化,通过优化搜索得到最优GM(1,N)系数和输入子集;最后,建立改进混沌粒子群优化的灰色系统模型(ICPSO-GM),对数控机床热误差进行预测。仿真实验表明,ICPSO-GM预测精度高于GM和人工神经网络(ANN)模型,证明了ICPSO-GM能有效地解决数控机床热误差预测问题。

关键词: 数控机床, 热误差, 混沌, 粒子群优化, 灰色系统模型

Abstract: In order to decrease the influence of thermal errors on machining precision of machine tools and to improve the prediction accuracy of Grey system Model(GM),the Improved Chaotic Particle Swarm Optimization (ICPSO) is introduced into the grey system model.One improved chaotic particle swarm optimization based grey system model is proposed to model the thermal errors of the machine tools.Firstly,the mapping of between particles of PSO and the parameters of grey system model is developed.Next,the Logistic map of chaotic theory of ICPSO initializes the location and velocity of particles.The optimal parameters and input set are obtained by optimizing search with ICPSO.Then,the model based on ICPSO-GM is established to predict the thermal errors of machine tools.The simulation shows that the thermal model of ICPSO-GM has the higher prediction precision than GM and Artificial Neural Network(ANN).The results indicate that the proposed ICPSO-GM can effectively realize the prediction of thermal errors of machine tools.

Key words: computer numercial control machines, thermal errors, chaos, Particle Swarm Optimization(PSO), Grey system Model(GM)

中图分类号:

TH161

余文利, 姚鑫骅. 改进混沌粒子群优化的灰色系统模型在机床热误差建模中的应用[J]. 现代制造工程, 2018, 453(6): 101-107.

Yu Wenli, Yao Xinhua. Application of improved chaotic particle swarm optimization grey system model to thermal error modeling of machine tools[J]. Modern Manufacturing Engineering, 2018, 453(6): 101-107.

参考文献

[1] 王海同,李铁民,王立平,等.机床热误差建模研究综述[J].机械工程学报,2015,51(9):119-128.
[2] LI Y,ZHAO W H,LAN S H,et al.A review on spindle thermal error compensation in machine tools[J].International Journal of Machine Tools&Manufacture,2015(95):20-38.
[3] RAMESH R,MANNAN M A,POO A N.Error compensation in machine tools-a review part I:geometric,cutting-force induced and fixture-dependent errors[J].International Journal of Machine Tools&Manufacture,2000,40( 9) :1235-1256.
[4] 杨建国,任永强,朱卫斌,等.数控机床热误差补偿模型在线修正方法研究[J].机械工程学报,2003,39(3):81-84.
[5] 李永祥,童恒超,曹洪涛,等.数控机床热误差的时序分析法建模及其应用[J].四川大学学报(工程科学版),2006,38(2):74-78.
[6] 吕程,刘子云,刘子建,等.广义径向基函数神经网络在热误差建模中的应用[J].光学精密工程,2015,23(6):1705-1713.
[7] 阳红,方辉,刘立新,等.基于热误差神经网络预测模型的机床重点热刚度辨识方法研究[J].机械工程学报,2011,47(11):117-124.
[8] 傅建中,陈子辰.精密机械热动态误差模糊神经网络建模研究[J].浙江大学学报(工学版),2004,38(6):742-746.
[9] 杜正春,杨建国,窦小龙,等.基于RBF神经网络的数控车床热误差建模[J].上海交通大学学报,2003,37(1):26-29.
[10] 闫嘉钰,杨建国.灰色GM(X,N)模型在数控机床热误差建模中的应用[J].中国机械工程,2009(11):1297-1300.
[11] 李永祥,杨建国.灰色系统模型在机床热误差建模中的应用[J].中国机械工程,2006,17(23):2439-2442.
[12] 余文利,姚鑫骅,傅建中,等.贝叶斯证据框架下的 LS-SVM 多工况数控机床热误差建模[J].中国机械工程,2014,25(17):2361-2368.
[13] 苗恩铭,龚亚运,成天驹,等.支持向量回归机在数控加工中心热误差建模中的应用[J].光学精密工程,2013,21(4):980-986.
[14] 林伟青,傅建中,许亚洲.基于最小二乘支持向量机的数控机床热误差预测[J].浙江大学学报(工学版),2008,42(6):905-908.
[15] 阳红,向胜华,刘立新,等.基于最优权系数组合建模的数控机床热误差在线补偿[J].农业机械学报,2012,43(5):216-221.
[16] WANG K C,TSENG P C,LIN K M.Thermal error modeling of a machining center using grey system theory and adaptive network-based fuzzy inference system[J].JSME International Journal,2006,49(4):1179-1187.
[17] 李祥飞,邹莉华,彭可.一类模糊神经网络结构的混沌优化设计[J].计算机应用,2007,26(6):1411-1414.
[18] 张毅,杨建国.基于灰色神经网络的机床热误差建模[J].上海交通大学学报,2011,45(11):1581-1586.
[19] 匡芳君,徐蔚鸿,张思扬.基于改进混沌粒子群的混合核SVM参数优化及应用[J].计算机应用研究,2014,31(3):671-674,687.
[20] HONG W C.Chaotic particle swarm optimization algorithm in a support vector regression electric load forecasting model[J].Energy Conversion and Management,2009,50(1):105-117.
[21] BERGH F V D,ENGELBRECHT A P.A study of particle swarm optimization particle trajectories[J]. Information Sciences,2006,176(8):937-971.
[22] 刘洪波,王秀坤,谭国真.粒子群优化算法的收敛性分析及其混沌改进算法[J].控制与决策,2006,21(6):636-640.
[23] 吕振肃,侯志荣.自适应变异的粒子群优化算法[J].电子学报,2004,32(3):416-420.
[24] 林伟青,傅建中.数控机床热误差建模中的温度传感器优化研究[J].现代设计技术,2007,24(3):5-8,28-29.

改进混沌粒子群优化的灰色系统模型在机床热误差建模中的应用

Application of improved chaotic particle swarm optimization grey system model to thermal error modeling of machine tools

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	王毅，李波，温鹏，李军. 数控机床高频信号高精度数据采集系统设计[J]. 现代制造工程, 2022, 499(4): 134-142.
[2]	杨爱平，唐倩，阳小林，李苗娟，柳跃雷，蔺梦圆，张鹏辉. 基于神经网络与PSO算法的发动机装配工艺参数优化[J]. 现代制造工程, 2022, 497(2): 105-113.
[3]	李立成，华成丽，梁栋. 基于粒子群优化的机械传动齿轮箱非正常振动检测算法[J]. 现代制造工程, 2021, 491(8): 132-137.
[4]	陈勇将，王二化，郭魂，华洪良，刘宵阳. 基于虚拟材料方法的龙门数控机床动态特性影响机制分析[J]. 现代制造工程, 2021, 489(6): 135-141.
[5]	袁鹏，周军，杨子兵，吴迪，皇攀凌. AGV路径规划与偏差校正研究[J]. 现代制造工程, 2021, 487(4): 26-32.
[6]	张洪强，张雪娜，程相文，韩倩. 数控机床RS-232串口转TCP/IP网口技术研究[J]. 现代制造工程, 2021, 486(3): 72-75.
[7]	李翔宇，肖峻，潘运平，刘世永，邓兴. 基于PSO的模糊PID车载平台调平控制系统研究[J]. 现代制造工程, 2021, 485(2): 58-65.
[8]	黄聿山,陈吉红,陈宇,许光达. 考虑电控数据的LSTM神经网络进给轴热误差建模[J]. 现代制造工程, 2021, 493(10): 25-32.
[9]	包贤哲，丁稳房，宋阿妮. 混沌压缩非线性粒子群算法求解车间调度问题[J]. 现代制造工程, 2020, 480(9): 15-22.
[10]	张志政，王冬捷，张勇亮. 基于PSO改进KPCA-SVM的故障监测和诊断方法研究[J]. 现代制造工程, 2020, 480(9): 101-107.
[11]	马成庆，高长水，刘壮，胡丹，屈中垚，田建川，毛光华. 汽车内饰装配线小时产出及设备使用率优化研究[J]. 现代制造工程, 2020, 474(3): 21-25.
[12]	嵇玉辰，王帅星，陈炜，王晓笋. MDEL900提梁机卷扬系统多神经网络故障诊断研究[J]. 现代制造工程, 2020, 482(11): 106-112.
[13]	赵家黎, 黄利康, 李桥林. 基于卡尔曼滤波的数控机床主轴热误差建模研究[J]. 现代制造工程, 2018, 454(7): 23-26.
[14]	魏弦. 基于有序聚类的机床热误差测点优化[J]. 现代制造工程, 2018, 451(4): 108-114.
[15]	沈振辉, 杨拴强. 基于模糊聚类及相关性分析的温度测点布置优化方法研究[J]. 现代制造工程, 2018, 458(11): 112-118.