机械工程学报

作者：徐凯, 李喆裕, 李国龙, 苗恩铭, 庹军波

单位：1. 重庆理工大学机械工程学院 重庆 400054;2. 重庆大学机械传动国家重点实验室 重庆 400044;3. 重庆工商大学机械工程学院 重庆 400067

关键词：相似性评价,重构模型,偏最小二乘算法,稳定性；

基金：国家自然科学基金(52005065, U22B2084)资助项目。

数据驱动方法广泛用于热误差建模，然而缺乏机理支撑的开环黑箱运行模式难以保证模型在新工况中的鲁棒性，模型极易失效。为进一步提升机床热误差模型的精度和稳定性，提出了一种基于温度相似性评价的机床热误差重构模型。通过对预测组温度均值向量与建模组温度均值向量的相似性评价，从原始建模批次中筛选出与预测组温度相似的特定批次，并基于偏最小二乘算法进行热误差模型重构。为验证重构模型的有效性，进行了累计31批次的热误差预测，结果表明重构模型在保证稳定性的前提下，可将预测结果的均方根误差均值进一步降低至2.2 μm，相比常规的模糊聚类结合多元线性回归模型与偏最小二乘模型，预测精度可分别提高15%、35%，效果显著。方法对于评价数据驱动热误差模型的适用性，提高模型预测精度具有参考价值。

来源：2024年第5期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第5期