基于模糊聚类与偏相关分析的机床温度测点优化

机床温度测点优化是热误差补偿技术的难点之一,采用模糊聚类与偏相关分析相结合的方法对温度测点优化。首先利用模糊聚类和F统计量对温度变量进行分类,再根据温度变量与热误差之间的偏相关系数确定每类中的关键温度变量,最后采用关键温度变量建立热误差线性回归模型。此方法在精密卧式加工中心MCH63上进行了验证。结果表明,该方法有效地减少了温度测点的数量,机床轴向热误差由45μm左右减少到7μm。此外,利用F统计量对阈值进行优化,可以快速准确地确定温度变量的分类。