基于LS-SVM与遗传算法的数控机床热误差辨识温度传感器优化策略

提出了一种在数控机床热误差辨识建模过程中利用最小二乘支持向量机结合遗传算法对温度传感器进行筛选与优化的新方法,对布置在一台数控车床上的温度传感器进行了优化。根据热模态理论,对传感器进行分组,利用最小二乘支持向量机方法构建数控机床热误差辨识模型,再根据遗传算法对其进行传感器优化布置。结果表明,遗传算法与最小二乘支持向量机方法的结合,很好地避免了温度测点的相互影响,保证了模型精度。该台数控车床的轴向建模平均绝对百分比误差为1.89%,径向建模平均绝对百分比误差为2.04%。传感器使用数量减少,节约了硬件成本,提高了辨识建模速度。