车削误差实时补偿控制信号滞后的预测

车削误差实时补偿控制中的关键问题之一是如何有效克服控制信号的滞后。该文提出了一套用动态数据系统理论，对机床主轴回转误差进行建模和预测的方法，并利用ＭＣＳ－５１单片机建立了预测补偿系统。文中基于实际的主轴回转误差信号进行了建模和预测，并定量分析了预测误差的大小．     

非正交双回转摆臂机构的主轴轴心偏差的检测

非正交双回转摆臂机构回转范围广、灵活性强,能实现复杂曲面的加工.但该类型回转摆臂机构的主轴轴心偏差会直接影响被加工工件的面形精度.为了有效分析并测量出主轴轴心偏差进而改善机床精度,基于多体系统理论建立了非正交双回转摆臂机构的主轴轴心运动误差模型,此模型包含了回转轴A、B各6项静态结构误差;通过对此运动误差模型进行ANSYS静态仿真分析,获得了回转摆臂机构B在不同回转角度下主轴轴心的运动轨迹;基于Renishaw公司开发的QC10球杆仪测量原理设计了5种不同实验测量路径,验证了主轴轴心运动误差模型可用于非正交回转机构主轴轴心的误差辨识.     

气体轴承的动态特性分析及实验研究

针对气体静压主轴回转误差求解不准确的问题,提出了一种利用气膜阻尼模型预测气体轴承动态特性的计算方法,揭示了气膜阻尼影响气体轴承动态特性的内在机制。首先通过微扰动法和分离变量法对气体轴承的气膜阻尼系数建模并求解分析;然后将气膜阻尼系数引入轴承转子系统进行动力学建模,计算分析阻尼系数对气体轴承动态特性的影响;最后搭建气体轴承回转误差测量试验台,得到主轴实时回转跳动误差信号并与理论结果进行对比。实验结果表明:与未考虑气膜阻尼特性的回转跳动误差相比,考虑气膜阻尼特性计算的主轴回转跳动误差值更加接近实验测量值,考虑气膜阻尼特性使主轴跳动误差率减小了4.93%～8%。研究结果可为气体轴承动态特性的预测和精度控制提供理论参考。     

基于模糊神经网络的铣床热误差预测模型研究

当前,铣床主轴加工产品容易受到热误差的影响,造成产品精度下降。对此,采用模糊神经网络模型预测铣床主轴热误差,并对预测结果进行比较和分析。建立神经网络径向基函数的表达式,给出了模糊推理系统和控制规则,创建了模糊RBF神经网络预测模型,对铣床主轴进行热误差验证。结果显示:铣床主轴采用RBF神经网络模型预测误差较大,其Y轴和Z轴输出最大误差分别为5.9μm和7.1μm;铣床主轴采用模糊RBF神经网络模型预测误差较小,其Y轴和Z轴输出最大误差分别为3.5μm和2.9μm。同时,模糊RBF神经网络模型预测误差跳动幅度较小。采用模糊RBF神经网络预测模型,可以补偿铣床运行时产生的热误差,提高铣床主轴加工精度。     

计算机辅助主轴回转误差测试与分析

讨论了计算机辅助主轴回转误差检测原理，分析了影响测量精度的因素，通过傅立叶变换分析，指出检测元件安装偏心和形状误差是影响主轴回转误差测量精度的主要因素．采用滤波技术消除检测元件安装偏心和形状误差的影响，达到精确获取主轴回转误差信息的目的．     

时间序列分析与主轴回转误差诊断

本文指出了在主轴回转误差诊断的研究中，把误差运动当作确定性周期过程，用谐波分析法进行分析处理存在的问题，提出了把主轴回转误差运动当作平稳随机过程，应用时间序列分析法对动态测试数据进行分析处理，讨论了时间序列分析法的建模问题，拟定了相应的误差诊断闲测试分析系统方案。     

复时间序列与主轴回转精度

本文引入理想圆心运动的概念,将主轴回转精度的动态特性研究归结为复时间序列的逼近、建模、预测和控制的分析.文中提出了复时间序列的一致逼近方法,推导出按最小包络评定回转误差的理论和算法,并运用复时间序列的分析方法,对主轴回转的动态特性进行建模,提取特征.文中还讨论了复时间序列的分离问题,阐明了复时间序列在特征抽取过程中的消噪方法,解决了回转误差和圆度误差的分离问题.     

误差补偿压电微位移作动器动态特性分析

分析了镗削主轴回转误差补偿压电微位移作动器（Piezoelectric Micro DisplacementAc-tuator,PMDA)动态特性中的机械特性，相位滞后特性和迟滞现象，从机构系统的角度分析了压电微位移作动器静动态特性的影响因素；得到了相位滞后的3个主要影响因素；基于非线性迟滞现象的本质分析，提出了非线性迟滞现象的一种广义模型。最后给出了压电微位移作动器在镗削主轴回转误差补偿中的应用，并且获得了良好效果。     

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.     

数控机床动压主轴的热误差建模技术研究

为了降低加工过程的热误差,提高数控机床加工精度,基于时序相关分析理论与数值计算方法,建立了一种以温度场分布及加工参数为输入的新型机床主轴热误差建模方法.所建模型由热误差模型、主轴动压轴承热特性模型以及主轴热传递模型三部分组成.该方法首先根据时序相关理论建立热误差与温度测点之间的相关模型,再通过灰色相关理论完成关键温度测点位置与数量的优化,同时,基于数值计算与热传导理论,建立了动压主轴系统热特性模型.以一台大型龙门导轨磨床为实验对象,建立了磨床主轴箱热误差预测模型.实验结果表明,所建立的热误差模型具有良好的热误差辨识性能.     

半湿润流域洪水预报实时校正方法比较

为了提高新安江模型在半湿润流域的洪水预报精度,选择K最近邻(KNN)算法、传统的误差自回归(AR)方法、反馈模拟方法3种实时校正方法,以陕西省陈河流域为试验对象进行洪水预报。以洪峰相对误差和纳什效率系数为评价指标,分析对比3种方法的校正效果。结果表明:3种校正方法均能提高预报纳什效率系数,其中反馈模拟最优,AR、KNN效果次之;反馈模拟对洪峰误差校正相比于KNN算法在短预见期内更为精确,两者均能减小AR法在洪峰误差校正上的不足;加入历史样本的KNN算法在洪峰误差校正上效果优于反馈模拟,可有效提高洪水预报精度。     

基于自适应滤波的日负荷预测新陈代谢模型

提出了对日负荷进行预测的新方法。基于自适应滤波算法进行预测,在预测过程中对原始数据进行新陈代谢处理,且根据预测日的属性对预测结果进行加权,并依据历史负荷中负荷的变动情况对结果进行校正,以求最佳预测效果。利用自适应滤波预测结果的残差建立时间序列的AR(p)模型,与自适应滤波模型形成组合模型,从而实现了短期电力负荷样本资料随时间变化而更新、样本量和计算量不增加而预测精度能得到保证的目标。与传统的预测方法相比较,该模型用于日负荷预测具有计算迅速、精度高的优点。     

山区小流域洪水预报实时校正研究

为了解决现有实时校正方法对山区小流域洪水进行校正能力不足的问题,引入K最近邻算法用于洪水预报实时校正。以安徽省沙埠流域为试验流域,构建基于K最近邻算法的实时校正模型,同时采用BP神经网络实时校正法和传统的误差自回归方法,以洪峰相对误差和确定性系数为评价指标,分析各校正模型的校正结果。结果表明:基于K最近邻的实时校正法对确定性系数改善最优,BP神经网络实时校正法对洪峰误差校正更精确;将历史洪水资料纳入学习样本后,基于K最近邻的实时校正法的校正能力将进一步提升。基于K最近邻的实时校正法能够有效避免误差自回归方法对洪峰误差控制较差的缺陷,适应性强,反应灵敏,精确度高,可作为山区小流域洪水预报实时校正的有效工具。     

油田产量预报的一种方法

本文提出一种含延迟的自回归模型。这种模型将传统的自回归模型作为其一种特殊情况,以期扩大最佳预报模型的选择范围,从而提高预报的精度。作者利用这种模型对某油田产油量数据进行了预报,并与自回归模型的预报结果作了比较,说明了本文方法的良好效果。     

基于人工神经网络的矿井涌水量预测

应用人工神经网络理论,提出了矿井涌水量预测的新方法,并将其与自回归时序模型进行了比较验证。结果表明,运用神经网络方法进行矿井涌水量预测,精度高,自适应性强,在数据不十分充足的情况下,效果尤其好于自回归模型。     

时序模型用于圆度预测补偿控制问题的理论探讨

本文研究了以AR(自回归)时序模型用于圆度预测补偿控制问题;从最小方差控制的角度,指出了AR模型的局限性而应代之以ARV模型.文中讨论了运用自校正调节器的可能性,以克服加工环境慢时变特性对预测控制的影响.     

基于X-12-ARIMA和AR-GARCH模型的房价波动研究

以SAS软件为工具,以2007年1月至2015年6月北京市新建住宅价格指数序列为样本,构建时间序列模型进行实证研究.结果表明,基于X-12-ARIMA模型和AR(2)-GARCH(1,1)模型的复合模型是拟合房价的最优模型.房价序列存在明显的季节特征和典型的波动聚集性,X-12季节调整方法和异方差模型显著有效,拟合相对误差不超过0.4%.对房价的短期预测表明,近期内房价仍保持3%~5%的增长态势,且外部因素对房价的影响程度远远大于房价自身的波动冲击力.     

基于小波分解的径流非线性预测

利用小波变换原理将具有非平稳特征的径流序列进行分解，使其平稳项与随机项分离。对平稳项采用传统的AR模型加以预测，而通过对随机项的混沌特征研究，发现其具有明显的混沌特征，进而提出了基于非线性混沌动力学的预测模型方法。最后通过小波对所提出的AR NCDF预测模型预测结果予以重构，实现对原始径流序列的预测。该方法通过实例验证具有较高的精度，是一种实际可行的方法。     

多维AR（p）模型的估计理论及应用

叙述了多维AR(p)模型的分析与处理方法、多维AR(p)预测模型的建模过程及参数估计的计算方法，并将该模型在测井曲线的预测中加以实际应用．应用结果表明：本预测模型对多维动态数据进行预测是可行的。