采用天鹰优化卷积神经网络的精密数控机床主轴热误差建模

针对数控机床因主轴热误差而严重影响加工精度等问题，结合求解最优解能力强的天鹰优化算法(AO)以及自学习和自适应能力强的卷积神经网络(CNN),提出一种采用AO-CNN的数控机床主轴热误差模型。根据磨齿加工过程特点，总结磨齿机主轴系统热变形规律，确定了X方向热误差为影响齿轮加工的主要因素；利用模糊C均值聚类(FCM)和相关系数法筛选出关键温度点；利用AO算法优化CNN结构的卷积核，并且建立AO-CNN的数控机床主轴X方向热误差预测模型。在2种不同转速的工况下对所建立模型的性能进行了验证，结果表明，采用AO-CNN进行热误差建模，数控机床X方向的热变形预测精度相比于CNN模型提高了15%,具有更加优越的预测精度。