数控机床热误差的最优线性组合建模

提出数控机床热误差的最优线性组合建模方法及其相关算法.该方法通过线性和的方式对基于不同数学理论所建立的热误差模型进行综合,并以不同拓扑结构及训练算法的反向传播神经网络为例,建立了最优线性组合神经网络.通过对一台CNC机床的实际加工数据进行分析,对该建模方法进行验证,并探讨了该方法的最佳使用条件及其原因.建模结果表明,所提出的方法能够在节省建模时间的同时大幅提高所建立模型的预测精度,是一种高性价比的建模方法.     

基于人体免疫系统RBF网络的数控机床热误差建模

针对现有误差预测模型无法实现结构自适应调整和在线训练的不足,通过对比人体免疫系统和人工神经网络,提出人工免疫RBF(AIRBF)网络,实现了网络结构的动态调整和在线学习.通过数控车削中心进行的实验验证,并将预测结果同传统RBF网络预测结果进行比较.结果表明,该网络结构简单,能够很好适应热弹性变形的非线性时变特性,并能获得更高的热误差预测精度和更好的对突变数据点的跟随性.     

五轴数控机床综合误差建模分析

分析了机床运动副的误差运动学原理，利用齐次坐标变换对一台包含3个移动副和2个转动副的五轴加工中心建立了误差综合数学模型．模型中不仅包含了几何误差且包含了热误差，共计57个误差元素．本分析方法可为其他类型的多轴数控机床、机器人的误差综合建模及补偿提供理论参考．     

基于灰色GM(1,4)模型的数控机床热误差补偿技术

为降低机床加工过程中温度场变化对机床加工精度的影响,分析了数控机床生产过程中热源组成及热误差产生机理,根据灰色关联度理论从原设定的8个温度测量点中计算选定4个机床温度关键测量点,建立了灰色GM(1,4)预测模型。该模型搭建了4个关键测温点的温度变化情况与机床热误差值之间的映射关系,能在生产过程通过获取关键点温度实时预测机床热误差值,再通过数控系统将预测值补偿到刀具进给位置,以此形成机床热误差补偿机制。最后,以精密卧式加工中心THM6380为实验对象,检验GM(1,4)模型预测结果与实际热误差值间的差距,拟合残差在±1μm以内,拟合效果良好。     

基于SSO算法优化神经网络的数控机床热误差建模

针对影响五轴数控机床加工精度的复杂热特性,提出了一种用于摇篮式五轴数控机床热误差建模方法.该方法主要采用鲨鱼嗅觉优化(SSO)算法和神经网络的复合建模方式,有效提高了机床热误差预测模型的精度和建模效率.首先通过使用热成像仪筛选出机床的温度敏感点,然后将温度传感器布置在机床热敏感点的位置,将采集到的热特性数据采用本文所提方法进行热误差建模,结果表明,该方法在建模速度和精度上要优于ABC和PSO神经网络,最后将该热误差预测模型应用于五轴数控机床热误差补偿实验,将试件加工精度提高了32%.     

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.     

基于时间序列算法的数控机床热误差建模及其实时补偿

提出了一种基于时间序列算法的机床热误差建模方法.通过时序算法综合分析软件,对实测的热误差数据进行预处理、模式识别、模型参数估计、循环定阶判别以及模型整合,建立表征机床热误差变化规律的实时补偿模型,并通过判别温度变化趋势,实时调整模型迭代系数.通过实时补偿系统,利用所建立的热误差补偿模型对数控机床的热漂移误差进行实时补偿加工.结果表明,工件的径向尺寸误差从补偿前最大的112μm降低到7μm,机床加工精度和稳定性大幅度提高.     

基于3次样条插值的数控机床几何与热复合定位误差建模

通过分析机床整个温升直到热平衡的误差数据,总结误差分布的数学规律,将热误差和几何误差分离,运用基于压紧样条条件下的3次样条插值算法,以线性拟合后的余差为建模数据,建立了数控机床几何与热复合定位误差数学模型.实验结果表明,该数学模型能很好地拟合数控机床定位误差曲线,补偿后数控机床定位精度提高了80%以上.该方法可运用于不同时刻或不同机床温度下的机床定位误差补偿,建模原理明了、过程快速,模型适用性好.     

五轴数控机床几何误差建模研究

阐述了五轴机床的综合误差建模过程,对传统的建模过程进行了优化处理,得到了包含方向误差在内的综合数学模型。     

基于误差分解的数控机床热误差叠加预测模型及实时补偿应用

针对数控机床热误差变化复杂而难以用常规方法预测的问题,将温升过程的热误差按不同的误差因素分解为静态基准误差和温升影响误差2个部分,分别建模并叠加生成热误差整体预测模型;利用所建模型对一台典型三轴数控铣床进行热误差预测;同时,结合自主研发的误差实时补偿系统,采用模型预测值对机床热误差进行实时补偿.结果表明：所提出的模型可以准确预测温升过程中任意温度的变化状态和坐标位置的热误差;模型预测值对机床热误差的补偿效果显著,可大幅降低热误差对加工精度的影响.     

基于时变特性的数控机床综合误差建模方法

 以立式B-A 摆头五轴数控机床为例,根据机床误差元素的时变特性,研究一种能够反映静、动态综合误差的数控机床误差建模方法。将动态误差表达为与运动单元速度、加速度相关的傅里叶级数形式,并与静态误差结合,将运动副误差元素表达为静态误差矩阵与动态误差矩阵的复合形式,利用多体系统理论构建了静、动态误差与刀具轨迹误差的映射关系模型。理论分析表明,基于时变特性的综合误差建模方法考虑了运动学、动力学两方面的影响因素,可以更准确地反映机床高速、高精加工过程产生的实际误差,从而为数控机床的误差补偿及控制参数整定奠定一定的理论基础。     

基于优化最小二乘支持向量机的数控机床热误差建模分析

数控机床热误差是降低加工精度的主要因素之一.针对热误差建模问题, 结合布谷鸟算法的随机莱维飞行机制和最小二乘支持向量机结构风险最小化与线性规划等优点, 提出基于布谷鸟算法优化最小二乘支持向量机的热误差建模方法.在最小二乘支持向量机将低维非线性问题转化为高维线性问题时, 构建了混合核函数.同时,采用布谷鸟算法对最小二乘支持向量机惩罚因子γ、核宽度参数σ和混合核权值λ进行了优化.以GMC2000A机床为实验对象, 分别对热误差数据进行了聚类分析和建模分析.通过误差预测对比分析得出结论, 基于布谷鸟算法优化混合核最小二乘支持向量机建立的误差模型取得了良好的预测效果, 且明显优于BP神经网络模型和未优化的最小二乘支持向量机模型的预测效果.     

基于灰生成空间的高阶GM(1,1)模型

在AGO-IAGO灰生成空间的基础上，给出了r阶GM（1，1）灰色模型的一般建模方法，并且用实例证明了该方法能够提高GM（1，1）模型的精度。     

机床热误差建模技术研究进展

切削加工过程中,机床会由于受不同热源影响而发生热变形,产生机床误差即热误差。在各种类型的机床误差中,热误差可占机床总误差的40%~70%,是影响机床加工精度的主要因素。为减小不同热源对机床热误差的影响,提高机床加工精度,目前主要有3种方法:1)通过对机床零部件进行优化设计,提高机床热刚度;2)应用更为有效的隔离措施,尽量减小或隔离热源影响;3)热误差补偿,通过对热误差进行在线预测及实时补偿,减小机床热变形。热误差建模是实时补偿热误差的前提和基础。首先对机床热误差建模技术进行了介绍,并对热误差建模技术领域的国内外研究现状进行分析,总结了目前热误差建模领域存在的主要问题,进而对热误差建模技术的未来发展方向进行了展望。     

灰色GM（1,1）模型的改进

在分析灰色GM(1,1)模型缺陷的基础上,导出了背景值构造法中权值p的精确表达式.由于GM(1,1)模型拟合式默认经过了初始点,与实际情况并不一定相符,因此在初始值中加入了扰动因子m,并以遗传算法求取了m值的大小.实例证明了模型的改进可以提高预测精度.     

基于模糊回归理论的GM(1,1)模型优化

文章将传统的GM(1,1)模型与模糊回归模型相结合,得到了基于模糊回归理论的GM(1,1)优化模型,保留了传统GM(1,1)模型的所需建模数据少和具有预测功能的优点;利用定义的三角模糊数的左、中、右距离公式,得到了基于模糊回归理论的GM(1,1)优化模型的求解方法.     

大型数控滚齿机热误差补偿建模

针对某大型数控滚齿机,提出滚刀与工件主轴中心距热误差计算新模型,建立热误差实验检测系统,进行热误差与温度的关系实验;在此基础上,采用模糊聚类与多元线性回归法建立滚刀与工件主轴中心距热误差补偿模型;将补偿模型与实验数据进行对比分析,揭示滚齿机热误差规律,得到热误差随加工温度变化曲线。研究结果表明:经热误差理论、实验及补偿模型值比较,三者热相对误差均低于5%,验证了所建立热误差补偿模型的正确性与有效性,表明该热误差补偿模型精度高,实用性及鲁棒性强,可为滚齿机热误差预测、控制及实时补偿提供有益参考与指导。     

基于函数(e~x+1)~t变换的GM(1,1)模型及其在建模中的应用

提出了对原始建模数据进行函数(ex+1)t(t<0)变换,证明了这种变换可以有效地提高建模数据序列的光滑度和所建模型的精度,而且其模型精度优于对数变换所建模型,从而拓宽了灰色模型的应用范围.且用文中方法建立了我国人均发电量的数学模型,实例表明该方法的有效性.     

基于GM(1,1)灰色系统的公路货运量预测模型的研究

灰色系统理论已成功运用于工业、农业、经济、能源、交通等领域,利用灰色系统理论建立的我国公路货运量预测模型精度高,计算值和统计值吻合程度较好.根据预测模型计算出的未来几年我国公路货运量对我国汽车工业、能源工业和交通部门都具有较高的参考价值.