两种工况下电主轴热误差的组合预测模型

为了有效地提高数控机床电主轴热变形模型的预测精度,在2种典型工况下,根据电主轴结构热变形的产生机理,提出了一种基于模糊逻辑的组合预测模型.该模型综合了由自回归分析理论和灰色系统预测理论所建立的热误差模型,采用模糊逻辑选取权值,使各单项预测模型能够扬长避短,从而增强了组合预测模型的泛化能力.通过对电主轴热变形工况下的实验结果与计算结果的比较表明,在单项预测模型中的工况1下,灰色系统预测模型的相对误差较小(6.9%),在工况2下,自回归预测模型的相对误差较小(12.1%),而组合预测模型在2种工况下的相对误差分别为2.2%和8.9%.因此,组合预测模型具有较高的精度和较强的鲁棒性.     

数控机床电主轴热敏感特性分析及试验研究

建立了数控机床电主轴的热动力学模型,基于热动力学理论对电主轴系统的热源分布及温度场的传热特性进行分析.采用互相关和互信息量算法研究了数控机床电主轴系统的热敏感特性,分析了温度场对热变形的影响规律及耦合特性,结果表明电主轴系统存在热敏感区域并具有热漂移特性.通过在热敏感区域内筛选温度敏感点从而建立热误差预测模型,实现了对电主轴轴向和径向热变形建模和预测.以YK73200数控齿轮磨床为试验平台开展了电主轴系统的热敏感特性试验.通过对磨床电主轴系统热变形预测值与实测值进行分析和对比,验证了电主轴系统热敏感区域温度与相应热漂移之间的内在关系模型,试验结果为开展精密数控机床热误差补偿技术研究提供理论指导和实验基础.     

数控机床电主轴热误差的预测方法

为了减少电主轴的热误差,提高数控机床的加工精度,对于时变速度的主轴运转,分别采用多元自回归方法和遗传径向基函数神经网络方法建立电主轴热误差预测模型.根据2种模型对电主轴热变形产生机理的不同表述形式,比较二者的计算效率和拟合精度.研究表明:在相同温升变量的条件下,二者的收敛速度和运算时间相差无几;在预测精度方面2种建模方...     

基于PLS的高速电主轴热变形建模与分析

目的提出偏最小二乘方法(Partial Least Squares,PLS),对不同工况下的电主轴热变形进行预测,并分析多个温度变量和三维热变形的相关关系.方法以型号为150MD24Z7.5的电主轴为研究对象,采用精密传感器测量稳态条件下电主轴的热变形和温升数据,根据PLS模型内部分析机理,利用提取的主成分对变量的解释能力、精度及变量整体相关关系进行分析.结果分析结果验证了自变量温升之间存在多重相关性,采用PLS方法建模有益于模型精度的提高,模型提取的主成分能够反应原始变量的大多数信息,自变量温升和因变量热变形之间存在明显的线性相关关系,PLS模型的预测精度优于多元回归模型.结论电主轴热变形的PLS模型预测精度较高,适用于实际加工工况,对热误差的补偿具有补充意义.     

数控机床热误差的混合预测模型及应用

基于机床热变形误差的产生机理及其表现形式的复杂性,综合时序分析方法建模和灰色系统理论建模的优点,研究了一种智能混合预测模型.将该模型应用于一台数控车削加工中心进行热误差趋势预测,以进行机床热误差补偿研究.结果表明,混合预测模型预测精度高于时序分析模型和灰色系统模型,其优异的预测性能可使数控机床进行实时补偿更加有效,从而大大提高机床热误差的补偿精度.     

150MD24Y20高速电主轴热特性分析

目的分析电主轴热变形产生及分布,为研究电主轴热误差,提高主轴加工精度提供理论依据.方法基于电主轴稳态温度场分布,采用ANSYS顺序耦合理论,分析高速电主轴热变形分布情况.通过电主轴测试系统建立热变形实验,测量高速电主轴工作端热变形,验证有限元仿真结果.结果仿真结果表明:随着电主轴速度增高,主轴热变形和温升也越来越大.电主轴在热稳态下,沿着轴向伸长而径向弯曲变形.结论当主轴材料一定,热变形与速度几乎呈线性关系,同时,主轴温升越大,热变形越大.此结论为有效控制主轴热变形,减小热误差及提高主轴稳定性提供理论基础.     

基于物理建模法的加工中心主轴热误差建模

针对主轴热误差对机床精度稳定性产生严重影响的问题,提出了一种基于传热理论及热变形机理的主轴热误差预测模型.首先,基于传热机理分析推导出主轴系统的实时温度场模型.然后,根据机床结构尺寸对主轴热变形进行机理分析,并利用物理建模法得到温度场与热误差的关系.最后,在两台同类型的立式加工中心上进行主轴热误差仿真和实验验证.结果表明:主轴热误差模型的平均预测精度达到了95.0%,这证明了该模型具有很高的精度和强鲁棒性.     

采用组合算法的注塑制品翘曲变形预测

为提高对注塑制品翘曲变形的预测能力,以笔记本电脑电池盖为例,提出采用组合算法对注塑制品翘曲变形进行预测。首先,利用注塑成型模拟软件对电池盖进行9次模拟实验,获得其在工程推荐工艺参数下的翘曲变形量。以此为样本数据,通过最优权值系数将BP神经网络、灰色理论和遗传算法进行有效组合,建立3种组合预测模型,与3种单一预测模型共同对电池盖的翘曲变形量进行预测。其次,根据平方和误差、平均绝对误差和平均相对误差3种预测误差评价指标,对6种预测模型的预测结果进行对比分析。最后,通过电池盖的实际制造验证组合预测方法的准确性。研究结果表明:组合预测模型的准确性优于单一预测模型,其中组合算术平均模型的预测结果与实际测量值最为接近,最大误差不超过5%,能够实现对塑件翘曲变形的准确预测。该预测方法可为注塑制品翘曲变形的预测提供新思路。     

地方税收收入预测的数学模型——以贵州省为例

建立地方税收收入的3个单一模型,针对单一模型中存在的模型误差,将组合预测的方法引入地方税收收入预测中,构建基于Cubic模型和ARIMA模型的非负组合预测模型.利用地方税收收入数据进行实证研究表明,组合预测模型的误差优于相应的单一预测模型.     

基于蚁群算法的机床热误差建模技术

通过分析机床热变形机制,采用蚁群算法对BP神经网络的权值进行训练,得到一种新的仿生预测模型,并将该模型应用于Y3150K型滚齿机中进行热误差补偿实验,使滚刀主轴的热变形误差控制在6 μm以内.结果表明,该模型不但避免了BP神经网络算法易于陷入局部极小的缺陷,且其预测能力较强、鲁棒性更佳,大幅提高了热误差补偿精度.