1. 研究目的与意义（文献综述）

目的意义

重型机床的热误差占有机床总误差的40%-70%，因此对其热误差进行补偿具有重要的意义。数机床的几何误差、热误差等是影响数控机床加工精度的主要误差源。而影响高精密数控机床的最大误差源是热误差，占总误差的70％左右。为减小热误差对数控机床加工精度的影响，提出基bp神经网络的机床热误差优化建模方法。阐述bp神经网络算法，介绍bp神经网络模型的具体步骤，建立bp神经网络热误差预测模型。运用matlab软件对这种模型进行实验仿真，结果表明 ：bp神经网络的数控机床热误差优化建模方法具有建模时间短、预测精度高、收敛速度快等优点。该毕业设计，根据温度传感器所采集的的机床表面的温度场面信息以及机床静止状态下的热漂移，采用bp神经网络建立热误差预测模型，对热误差进行预测。

2. 研究的基本内容与方案

本次课题将研究基于bp神经网络的热误差预测模型，并对其进行matlab仿真，基本内容如下：

一．介绍bp神经网络的基本原理以及一些基本概念，bp模型拓扑结构，bp算法，bp神经网络应用系统等。

二．介绍热误差预测模型的建模。

3. 研究计划与安排

（1）第1周—第4周 进行毕业设计选题：基于bp神经网络的热误差预测模型的研究，选题成功后，搜集相关资料，撰写开题报告；

（2）第5周—第6周 论文开题，安装matlab软件，了解matlab中bp神经网络系统工具箱的操作使用，了解课题背景，制定设计方案。

4. 参考文献（12篇以上）

[1]王磊,王汝凉. bp神经网络算法改进及应用[j]. 软件导刊,2016,15(5): 38-40.

[2]尤树华,周谊成,王辉,等.基于神经网络的强化学习研究概述[m]. 电脑知识与技术：学术交流,2012,8(10): 6782-6786.

[3]熊盛华. 基于bp神经网络的混合预测模型的实例研究[d]. 兰州：兰州大学,2015.