申请/专利权人：湖北工业大学;湖北宝科智能装备有限公司

申请日：2023-07-13

公开（公告）日：2023-11-07

公开（公告）号：CN116594353B

主分类号：G05B19/408

分类号：G05B19/408

优先权：

专利状态码：有效-授权

法律状态：2023.11.07#授权;2023.09.01#实质审查的生效;2023.08.15#公开

摘要：本发明提供基于CWP‑BPNN的机床定位误差补偿建模方法与系统，包括采集设定时间段内工作台位置、丝杠热变化量、机床定位误差的数据；对采集的数据进行预处理；根据BP神经网络和CWP算法建立基于CWP‑BPNN的定位误差模型，将工作台位置和丝杠热变化量作为输入变量，机床定位误差作为输出变量，对定位误差模型进行训练后获得优化后的定位误差模型；将实时监测到的工作台位置、丝杠热变化量输入到优化后的定位误差模型中，反馈机床定位误差并实时补偿机床定位误差，本发明利用CWP算法对BP神经网络的权值和阈值进行优化，以提高BP神经网络的精度，建模简单、计算量小，计算时间短。

主权项：1.基于CWP-BPNN的机床定位误差补偿建模方法，其特征在于，包括以下步骤：采集设定时间段内工作台位置、丝杠热变化量、机床定位误差的数据，采集数据过程中，利用电涡流传感器获取丝杠热变化量，利用编码器获取工作台位置，利用激光干涉仪测量机床定位误差；对采集的数据进行预处理，预处理包括数据清洗和数据归一化，预处理后，将数据的85%用于网络训练，15%用于模型检验；根据BP神经网络和CWP算法建立基于CWP-BPNN的定位误差模型，将工作台位置和丝杠热变化量作为输入变量，机床定位误差作为输出变量，对定位误差模型进行训练后获得优化后的定位误差模型；通过CWP算法对BP神经网络的权值和阈值进行优化，将粒子分为鲸鱼亚群和粒子群亚群，初始化鲸鱼亚群和粒子群亚群，将待优化的阈值和权值代入到子函数中利用训练的BP神经网络中计算其适应值；将两个亚群每次迭代找到的最佳参数对应的适应值互相比较大小，选择更小的适应值作为最优适应值，并将更优适应值对应的最佳参数赋值给另一个亚群进行互通，更新最优适应值和最佳参数到彼此当前的最优解中，更新后对位置进行随机变异： 其中，为搜索范围内的最小值，为搜索范围内的最大值，为0到1之间的随机数，为粒子群运动速度最大值，为粒子群运动速度最小值；让两个亚群各自寻优，判断两个亚群是否有粒子运动到边界，有则返回到边界和原点之间的中点继续寻优，判断粒子算法模型中粒子的速度是否到达上下限，是则变为上限或下限速度的一半继续寻优；最后判断是否到达迭代次数，若未到达则返回计算适应值，多次比较、赋值、直到达到迭代次数，按当前最优解进行BP神经网络的训练和预测，得到优化后的权值和阈值，输出优化后的定位误差模型；将编码器实时监测到的工作台位置、电涡流传感器实时监测到的丝杠热变化量输入到优化后的定位误差模型中，反馈定位误差并实时补偿机床定位误差。

全文数据：

权利要求：

百度查询： 湖北工业大学;湖北宝科智能装备有限公司 基于CWP-BPNN的机床定位误差补偿建模方法与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD