Gli errori termici possono avere effetti significativi sulla precisione delle macchine utensili CNC. Gli errori provengono da deformazioni termiche degli elementi della macchina causate da fonti di calore all’interno della struttura della macchina o dal cambiamento della temperatura ambiente. L’effetto della temperatura può essere ridotto evitando gli errori o con una compensazione numerica. Le prestazioni di un sistema di compensazione dell’errore termico dipendono essenzialmente dall’accuratezza e dalla robustezza del modello di errore termico e dalle sue misure di ingresso. Questo articolo passa in rassegna diversi metodi di progettazione di modelli di errore termico, prima di concentrarsi sull’impiego di un sistema di inferenza neuro-fuzzy adattivo (ANFIS) per progettare due modelli di previsione termica: ANFIS dividendo lo spazio dei dati in sottospazi rettangolari (modello ANFIS-Grid) e ANFIS utilizzando il metodo fuzzy c-means clustering (modello ANFIS-FCM). La teoria dei sistemi grigi è utilizzata per ottenere la classifica di influenza di tutti i possibili sensori di temperatura sulla risposta termica della struttura della macchina. Tutte le ponderazioni di influenza dei sensori termici sono raggruppate in gruppi utilizzando il metodo di clustering fuzzy c-means (FCM), i gruppi sono poi ulteriormente ridotti dall’analisi di correlazione.
Uno studio su una piccola fresatrice CNC viene utilizzato per fornire dati di formazione per i modelli proposti e poi per fornire set di dati di test indipendenti. I risultati dello studio mostrano che il modello ANFIS-FCM è superiore in termini di precisione della sua capacità predittiva con il vantaggio di un minor numero di regole. Il valore residuo del modello proposto è inferiore a ±4 μm. Questa metodologia combinata può fornire una migliore precisione e robustezza di un sistema di compensazione dell’errore termico.