.png){kind=icon}
返回
A Novel Method for Selecting Temperature- Sensitive Points on Machine Tools Based on Multiobjective Feature Selection
.png){kind=icon}
PRE
AI
DOI：10.1109/JSEN.2026.3658858.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
温度敏感点（TSPs）的选择是热误差建模与补偿的关键前提。然而，现有方法在筛选过程中易导致关键热特性丢失，且优化算法的局限性可能对热误差建模的鲁棒性和精度产生不利影响。为解决这些问题，本文提出了一种基于粗糙集约束温度场信息的二进制多目标麻雀搜索算法（MOBSSA-TSPs），用于机床温度敏感点（TSPs）的选择。首先，将TSPs选择问题基于包装器方法建模为温度特征选择问题。随后，采用粗糙集理论作为约束以防止热误差信息丢失。为提升全局搜索效率，引入基于二进制的多目标麻雀搜索算法（MOBSSA）作为优化器用于优化问题。最后，通过两个实验案例将所提方法与常规方法进行对比，评估其有效性与兼容性。结果表明，该方法与建模方法结合使用时具有显著效果，分别实现了2.557 μm和1.68 μm的平均误差性能。
Keyword:
Machine tool
multiobjective feature selection
rough set
temperature-sensitive points (TSPs)
thermal error
期刊
IF:
4.5
论文数:
2.2W
被引数:
7.3W
机构
引用论文
.png){kind=icon}
Sub-regional thermal error compensation modeling for CNC machine tool worktables数控机床工作台的分区域热误差补偿建模
PREAI
分享收藏Thermal error modeling of electric spindle based on particle swarm optimization-SVM neural network
PREAI
分享收藏分享收藏分享收藏
查看更多内容