申请/专利权人：广东智目科技有限公司

申请日：2021-06-23

公开（公告）日：2024-03-22

公开（公告）号：CN113591339B

主分类号：G06F30/23

分类号：G06F30/23;G06N3/006;G06N3/0464;G06N3/08;G06F119/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.03.15#专利申请权的转移;2024.02.27#专利申请权的转移;2021.11.19#实质审查的生效;2021.11.02#公开

摘要：本发明公开了一种可预测滚珠丝杠温升及热误差的建模方法，针对传统热误差模型中忽略滚珠丝杠螺母副的相对运动环节与滚珠丝杠热误差之间关联关系的问题，提出一种考虑实际工况的瞬态热‑结构耦合模型，利用APDL将滚珠丝杠螺母设定为移动热源载荷，定义滚珠丝杠螺母副与滚珠丝杠的位移‑时间关系，模拟滚珠丝杠在轴承和滚珠丝杠螺母副热源作用下的温度和热变形分布，并以温升数据为输入、热误差数据为输出建立了基于粒子群算法PSO优化灰色神经网络GNN热误差预测模型，结果表明，该建模方法能够较好地预测进给系统的热误差，进而可以为实际工况下滚珠丝杠热误差的补偿提供可靠的数据支持。

主权项：1.一种可预测滚珠丝杠温升及热误差的建模方法，其特征在于，具体包括以下步骤：步骤一、构建瞬态热-结构耦合有限元仿真模型：首先建立滚珠丝杠理论三维模型、并进行网格划分，然后根据轴承的发热量计算和滚珠丝杠螺母副的发热量计算进行热边界条件计算，最后在理论三维模型的基础上利用APDL将滚珠丝杠螺母副产生的热量作为移动热载荷进行移动热载荷加载，通过对热流密度和对流系数的分段加载和卸载，计算滚珠丝杠进给系统的温度场与热变形场，构建瞬态热-结构耦合有限元仿真模型；步骤二、构建PSO-GNN热误差预测模型：在瞬态热-结构耦合有限元仿真模型的基础上，首先构建以温升数据作为输入、将热误差数据作为输出的灰色神经网络热误差预测模型，其次用粒子群算法优化灰色神经网络预测模型生成PSO-GNN热误差预测模型；构建灰色神经网络热误差预测模型时，n个参数的灰色神经网络模型的微分方程表达式为 式中，y2,…,yn为系统输入参数，y1为热误差预测输出值，a,b1,b2…,bn-1为微分方程系数；n个参数的灰色神经网络模型的响应式为 令则 将上式映射到一个BP神经网络中，得到n个输入参数和1个输出参数的灰色神经网络；LA、LB、LC、LD分别表示灰色神经网络的四层，令则网络初始权值为w11＝a,w21＝-y10,w22＝u1,w23＝u2,…,w2n＝un-1w31＝w32＝…＝w3n＝1+e-atLD中输出节点的阈值为θ＝1+e-atd-y10，网络预测误差为式中，N为样本数，y为热误差期望输出值，y1为热误差预测输出值；灰色神经网络算法训练步骤如下：步骤Ⅰ：网络结构初始化，随机初始化参数a，b并根据a，b的值计算u；步骤Ⅱ：根据网络权值定义计算w21,w22,…,w2n,w31,w32,…,w3n；步骤Ⅲ：对于每一个输入序列t,yt，t＝1,2,3,…N，计算每层输出LA层：a＝w11tLB层：LC层：c1＝bw21,c2＝y2tbw22,c3＝y3tbw23,cn＝yntbw2nLD层：d＝w31c1+w32c2+w3ncn-θy1；步骤Ⅳ：权值修正，根据预测误差e更新连接权值和阈值，使预测值不断逼近期望值；步骤Ⅴ：判断算法是否结束，若没有，则返回步骤Ⅲ。

全文数据：

权利要求：

百度查询： 广东智目科技有限公司 一种可预测滚珠丝杠温升及热误差的建模方法

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