(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210857885.1 (22)申请日 2022.07.20 (66)本国优先权数据 202111191982.3 2021.10.13 CN (71)申请人 哈尔滨理工大 学 地址 150080 黑龙江省哈尔滨市南岗区学 府路52号 (72)发明人 戴野　庞健　宣立宇　李兆龙　 刘广东　 (74)专利代理 机构 北京博海嘉知识产权代理事 务所(普通 合伙) 16007 专利代理师 郝彦东 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/23(2020.01)G06F 30/27(2020.01) G06N 3/00(2006.01) G06N 3/08(2006.01) G06N 20/10(2019.01) G06F 119/08(2020.01) G06F 119/14(2020.01) (54)发明名称 一种轴承预紧力可变的电主轴热误差预测 方法 (57)摘要 本发明公开了一种轴承预紧力可变的电主 轴的热误差预测模型方法， 构建电主轴温度场模 型， 分析热源温度以及关键部件温度； 用不同预 紧力条件和该条件下由于温度变化所改变的主 轴部件参数， 建立电主轴静力学有限元模型， 分 析电主轴热误差与预紧力和温度关系； 通过建立 灰狼优化算法(GWO)模型， 采用随机生成灰狼种 群的方式， 初始化灰狼群、 狼位置， 全局搜索狼群 各体适应度最优值， 找寻支持向量回归(SVM)模 型的惩罚因子(C)和核函数宽度(g)； 搭建SVM可 变预紧力电主轴的热误差预测模 型， 训练模型使 其达到训练精度； 最后通过BP神经网络热误差预 测模型与GWO ‑SVM热误差预测模型对比， 体现出 本发明方法较传统模型 具有更好的性能。 权利要求书1页 说明书5页 附图3页 CN 114970049 A 2022.08.30 CN 114970049 A 1.一种轴承预紧力可变的电主轴热误差预测方法， 其特 征在于， 包括以下步骤： 步骤a、 通过有限元分析方法， 在主轴系统只改变预紧力大小情况下， 分析不同预紧力 条件下电主轴状态， 进一 步包括： 对电主轴进行 结构分析， 确定主轴瞬时预紧力应 变状态； 对电主轴进行温度分析， 确定不同预紧力下整体温度状态； 对电主轴进行温度 ‑结构耦合分析， 确定因为不同预紧力所产生的应力与主轴温度变 化带来的内应力相结合产生的电主轴热误差改变； 步骤b、 基于电主轴不同轴承预紧力条件建立主轴内部热量传递网络， 计算得到电主轴 热量传递路径和部件气隙换热系数， 建立不同轴承预紧力下电主轴整体温度场和该温度场 下电主轴关键 部件尺寸 参数； 步骤c、 建立电主轴 有限元稳态结构模型， 用参数化方式将不同预紧力参数和与该预紧 力相对应的步骤b中所得到的电主轴部件参数数据导入有限元分析软件前处理步骤中， 分 析预紧力条件和温度条件 对主轴热误差影响； 步骤d、 建立灰狼优化 算法(GWO)对最优参数C和g进行全局寻优搜索模型； 步骤e、 建立支持向量回归(SVM)热误差预测模型对不同轴承预紧力下电主轴热误差进 行预测。 2.根据权利要求1所述的GWO优化算法寻找最优的SVM中核函数宽度(g)和惩罚因子(c) 的方法， 其特 征在于， 包括以下步骤： d1、 初始化灰狼种群， 设置 狼群数量和、 、 狼位置， 设置参数 取值上界和参数 取值下界； d2、 初始化、 、 狼的适应度函数并且计算个体适应度， 所建立的轴承预紧力可变的电主 轴热误差预测模型的预测与实际值越接 近越可靠； d3、 判断所搜寻猎物目标函数值与、 、 狼目标函数对比， 若值小于的目标函数则将更新 为最优目标函数， 若值大于小于则将作为最优目标函数， 若值大于小于则将作为最优目标 函数； d4、 重复d2、 d3， 直到遍历整个狼群或者满足精度停止迭代。 3.根据权利要求1所述的SVM热误差预测模型建立方法， 其特 征在于， 包括以下步骤： e1、 将d1‑d4后得到的g和c参数值带入SVM中， 得到SVM回归分析 热误差预测模型； e2、 把轴承预紧力为800N的温度场温度作为训练输入， 把主轴鼻端热伸长作为训练输 出； e3、 把轴承预紧力为1000N和轴承预紧力为1200N的测试输入， 预测1000N和1200N预紧 力下主轴鼻端热伸长 。权　利　要　求　书 1/1 页 2 CN 114970049 A 2一种轴承预紧力可变的电主轴热误差预测方 法 技术领域 [0001]本发明涉及 一种高速电主轴热误差分析领域， 涉及一种考虑不同工况下改变轴承 预紧力对高速电主轴鼻端 热伸长影响， 具体涉及一种基于灰狼算法优化的支持向量回归的 电主轴热误差预测模型建模方法。 背景技术 [0002]电主轴内部结构中轴承是支撑旋转部件的重要元件， 轴承为电主轴提供必要的支 撑刚度、 负载容限和旋转精度。 轴承预紧使轴承得到充分的刚度， 减少主轴振动， 为电主轴 稳定工作提供必要条件。 [0003]常用主轴轴承预紧装置预紧力的大小是根据低速重切削和高速轻切削以及换刀 力综合考虑确定的， 预紧力的数值是恒定的。 缺点明显： 低速重切时， 预紧力偏小导致动刚 度小于最大进给速度所需的刚度， 为避免主轴在重切时因振动产生的精度问题， 通常调小 进给量或者降低被吃刀量， 这样严重影响加工效率； 高速大切削时， 预紧力偏大导致轴承温 升加剧， 主轴出现热伸长误差， 润滑失效等问题， 既影响轴承寿命又会产生加工误差。 这些 问题， 都是因为预紧力的恒定引起的。 [0004]随工况改变预紧力大小是智能主轴提升加工精度的必要条件， 预紧力改变会引起 主轴系统温度分布改变和由温度引起的主轴轴向热伸长， 主轴部件应变累加成主轴前端 热 伸长。 [0005]现阶段电主轴热误差预测模型大多为神经网络模型， 精度较高和线性能力强， 但 是神经网络系统对新样本不能很好的预测结果， 实际应用会受到一定限制 。 采用优化算法 优化神经网络模型 又会加大计算工作量， 降低模型效率， 很难及时反馈热误差 [0006]相比于神经网络模型， 支持向量回归模型具有结构简单、 泛化能力强、 非线性能力 强等特点， 通过灰狼优化算法优化的SVM具有 更好的避免局部最优的风险， 有效解决过学习 缺陷， 推广能力更加显著。 [0007]灰狼优化算法(GWO)是启发式算法一种， 在灰狼群内部有严格等级制度。 狼为狼群 首领， 调度控制狼群搜索、 包围和捕获猎物； 狼协助狼工作， 同时管 理其它等级狼； 狼是最底 层狼， 它服从高等级狼管理， 跟随、 、 狼对猎物搜索、 包围和捕获等工作。 具有较强的收敛性 能、 参数少、 易实现等特点。 [0008]支持向量机(SVM)在处理小样本的非线性高维数据有较好效果， 其核心内容是确 定数据分类， 以分类面对样本数据分离的准确 程度作为训练精度， 大 的分类面会产生较小 的错误风险， 实现置信范围最小。 在回归 预测分析中SVM确定惩罚因子c和核函数宽度g是整 个模型的关键所在， 这两个参数很大程度决定 了模型的准确性。 发明内容 [0009]本发明的目的是提供一种轴承预紧力可变的电主轴热误差预测模型方法， 以解决 现有技术中存在的上述不 足。 支持向量机理论可以为高速电主轴热误差建模方法提供一种说　明　书 1/5 页 3 CN 114970049 A 3