基于GA-BP神经网络系统的滚珠丝杠热误差建模

张辉杰 ，王 军,，吴文嘉，孙 军，舒启林

ZHANG Hui-jie1 , WANG Jun2,1, WU Wen-jia1, SUN Jun1, SHU Qi-lin2

（1.沈阳建筑大学 交通与机械工程学院，沈阳 110168；2.沈阳理工大学 机械工程学院，沈阳 110159）

0 引言

随着数控机床朝着高速化、精密化、自动化、智能化的方向发展，机床的零部件精度及装配精度都有很大改善，传统意义上的机床几何误差已经能得到较好的控制[1]。然而，机床运行时各零部件不可避免的产生温度变化，特别是进给系统的滚珠丝杠，其高速旋转，使轴承、丝杠螺母副摩擦产生大量热，导致丝杠产生轴向热变形，直接影响机床的定位精度。因此，研究丝杠的热误差建模方法，精确的预测其热误差，对提高数控机床的精度有着重要意义。

通常预测热误差的方法有线性回归法[2]、灰色理论[3]、BP神经网络[4]、RBF神经网络[5]等。这些方法的基本假设是：机床误差是与关键点的温度和位置有关的函数[6]。丝杠的热误差主要与螺母的实时位置和温度以及前后轴承的温度有关。获得这些信息后，可以建立一个丝杠的热误差模型。通过这个模型可以预测热误差，进而在加工过程中进行实时补偿，从而提高数控机床的加工精度。

其中，BP神经网络能充分逼近复杂的非线性关系，具有高度的鲁棒性和容错能力，广泛应用于热误差建模中，但是BP神经网络收敛速度慢，容易陷入局部极值[7]。针对上述问题，本文首先运用ANSYS软件对TX1600G镗铣加工中心进给系统的滚珠丝杠进行热特性分析，获得丝杠的温度和热误差数据，然后分别建立传统BP神经网络和GA-BP神经网络模型，对滚珠丝杠的轴向热误差进行建模，比较两种方法的预测效果。……