摘要： 针对数控机床温度敏感点存在随着季节变化而变动，导致预测模型的精度与稳健 性随之变动的问题，提出了使用 Ｋｍｅａｎｓ聚类算法结合灰色关联度的方法，优选出稳健性较高 的温度敏感点，有效降低其变动性，提高了模型的精度和稳健性。针对不同型号机械结构不同 的机床热特性差异，导致直接使用常用的多元线性回归（ＭＬＲ）算法建立的模型预测效果不佳 的问题，提出了“对称映射”稳健性建模预测方法，有效提高了模型的预测精度与稳健性。同 时，以 Ｖｃｅｎｔｅｒ５５数控加工中心与 ｌｅａｄｅｒｗａｙ４５０数控加工中心为研究对象，结合全年的实验数 据并以 Ｚ轴方向热误差数据为例，最终建立 Ｚ轴方向热误差预测模型，其 ＭＬＲ模型残余标准差 平均值由数据处理前的 ８μｍ降低到 ４．２７μｍ，提升了 ４６．６％的精度。模型随着温度敏感点变 动性的减弱，应用周期提升至 ６个月有效期，极大提高了模型的稳健性。

关键词: 数控机床；Ｋ-ｍｅａｎｓ聚类算法；对称映射；稳健性建模预测

中图分类号: 

• TH161+.4