数控机床的热态过程解析

　　基于神经网络的数控加工热误差预报补偿。热误差补偿原理及结构传感器测量出数控机床相应部位的温度和热位移值，然后将它们经过时间延迟环节TDL输入到神经网络预报模型进行热误差一步预报，并根据本次测量结果对预报值进行修正，将结果反馈给数控机床控制器，同时控制器发出相应的补偿指令以补偿将要出现的热误差。

　　神经网络结构与模型输入、输出量的确定预报模型是被控对象的离散输入输出模型，由于数控机床是一个复杂的热态系统，因此预报模型的输入量应包括现在及过去时刻关键点的温升和热误差，其阶次由实验确定。本系统的预报模型，其中选用三层BP网络，其结构为N3（14，30，2），它有14个输入量，两个输出量。中间层节点数的选择对网络学习和计算特性具有非常重要的影响。根据Kol-mogorov定理，为了理论上能精确模拟连续函数，隐层节点数可取为2M 1，其中M为输入节点数，结合实验我们取隐层节点数为30.

　　模型预报的反馈校正预报模型是预报补偿技术的基础，预报准确性决定了预报补偿的精度。由于数控机床的热态过程是复杂的，存在着非线性，不确定性、时变性和无法量测的干扰。为了进一步提高补偿精度，对预报结果进行在线修正。