基于无偏灰色GM(1,1)模型的城市用水量预测

针对城市用水量预测工作中常存在城市用水量原始数据样本量较小、信息不充分的问题,充分利用无偏灰色GM(1,1)模型的少数据建模,短期预测精度高,消除了灰色GM(1,1)模型预测所固有的偏差的优点,建立无偏灰色GM(1,1)城市用水量预测模型,并应用于实际城市用水量预测中。与常用的处理此类问题的灰色GM(1,1)模型比较,算例结果表明所建模型有效可行,提高了预测精度。     

基于GM(1,1)模型和灰色关联度的组合预测新方法

在一般GM(1,1)灰色预测模型的基础上,为了及时补充和利用灰信息,采用等维灰色递补的方法从而得到n-m个单个灰色预测模型进行组合预测建模,然后基于灰色关联度这一相关性指标来确定权重,得出组合预测模型值.最后,通过实例分析和精度检验表明它是一种有效的组合预测方法,且结果比较理想.     

基于灰色神经网络的机床热误差建模

结合灰色模型和神经网络对数据处理的优点,提出了并联和嵌入型2种结构的灰色神经网络机床热误差预测模型。前者是在灰色模型和神经网络分别对机床热误差进行预测的基础上,采用线性组合方式,按照目标预测精度调整模型的加权系数,从而得到最终组合预测结果;后者是在神经网络输入层前增加灰化层,在输出层后增加白化层,通过对神经网络拓扑结构的改进,达到弱化原始数据随机性、提高预测模型鲁棒性和容错能力的目标。通过与传统灰色模型和神经网络进行试验结果对比表明：上述2种结构的灰色神经网络模型均提高了预测精度,且具有对原始数据要求低、计算简便、鲁棒性强等优点,可用于复杂实际加工场合中的数控机床热误差实时补偿。     

数控机床热误差实时补偿

数控机床在加工过程中,由于机床部件受到环境温度、摩擦热和切削热等因素影响导致温度升高而发生变形,部件之间原来的相对位置发生改变,相对运动的正确性被破坏.机床部件尺寸的变化使得数控机床精度降低,造成工件加工过程中的热变形误差.在分析产生机床热误差原理的基础上,探讨了热误差的测量方法,并利用多元线性回归方程建立机床热变形和温升之间的数学模型,利用误差补偿技术进行修正,从而减小机床热变形造成的被加工工件的尺寸误差.     

数控机床热误差实时补偿应用

将由机床热变形引起的、决定工件加工误差的工件与刀具间相对热位移通过机床数控系统的外部机床坐标系偏置来实现实时补偿,并研制开发了高精度、低成本、满足实际加工要求的热误差实时补偿控制器,经数家企业实际生产使用,数控机床的加工精度大幅度提高,从而验证了本方法的正确性和本实时补偿控制器的有效性。     

灰色GM(1,1)模型误差特性的实验研究

从理论上分析了影响灰色GM(1,1)模型精度的三个主要因素 ,通过实验的方法研究了各个因素对模型误差特性的影响 ,并作出了用指数序列建模时的误差特性曲线 实验的结果有助于人们对GM(1,1)模型的认识和应用     

基于灰色GM(1,1)模型的宿州市人口预测

以2001年至2013年的宿州市人口数据资料为依据,运用灰色系统理论建立GM(1,1)宿州市人口预测模型,并对该GM(1,1)预测模型进行残差检验,关联度检验和后验差检验,通过检验知模型对数据的拟合属于一级精度,模型精度较高。最后利用GM(1,1)模型对宿州市2014年至2018年的人口进行了预测,并结合宿州市人口发展的历史和现状对结果进行了分析。     

数控机床主传动热变形误差实时补偿的应用研究

利用FANUC 0 I-MC系统外部机床坐标系偏置实现了数控机床主传动系统热误差补偿,在多台数控机床上试验,使得机床的精度大幅提高,从而验证了此方法的正确性和实用性。     

基于改进的灰色GM(1,1)模型能源消耗预测

在灰色GM(1,1)预测模型基础上,对GM(1,1)模型存在的建模偏差进行修正,使修正后的模型符合数据规律,提高预测精度.结合新陈代谢理论,建立基于新陈代谢的无偏GM(1,1)模型.该模型利用数据的新旧更替,能在不断补充新信息的同时,及时地去掉老信息,避免随着信息的增加,较旧的数据对模型的信息显著性下降的弊端.通过实证,该模型的预测精度优于GM(1,1)模型、无偏GM(1,1)模型以及新陈代谢GM(1,1)模型.     

基于插值算法的数控机床复合误差补偿技术

为提高数控机床的加工精度,提出了基于线性插值法和牛顿插值法的数控机床几何与热的复合误差建模方法,并利用数控系统外部机床坐标系的偏置功能,应用自行研发的综合误差实时补偿系统进行误差在线实时补偿.结果表明:所提出的模型具有计算简便、预测精度高等优点,可用于各种复杂加工场合中的数控机床几何误差与热误差的实时补偿.     

数控机床平面误差场的接力测量法

分析了数控机床几何误差的固有特性,提出一种使用较小范围测量仪器获得整个机床平面误差场信息的方法——接力测量法.该方法以距离机床坐标原点较近的点（该点的误差直接通过测量仪器获得）为基点,从而获得离机床坐标原点较远位置点的误差,依此类推,最终获得整个机床平面上位置点的误差信息.给出了接力测量的法则,对平面误差场中任意一点的误差,应以最少的接力次数获得,接力测量次数相同时,测量路径对测量结果影响不大.试验结果表明,在数控机床反向间隙补偿后,由接力测量产生的误差对测量结果影响很小,接力测量法具有较高的测量精度,且操作方便,能够用来进行平面误差场的标定.     

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。     

数控机床空间误差的无模测量与补偿

提出了用激光杆仪直接测量数控机床刀具的定位误差，实现空间误差无模识别的方法，建立了误差预报的三维网格模型，利用有限元方法实现空间任意一点误差的预报，在XK713数控加工中心上进行了本方法的误差测量，预报和补偿实验，结果表明所提出的误差测量方法具有操作方便、成本底、精度高的特点，误差的预报和补偿效果显著。     

嵌入式数控机床位置精度评定及误差补偿系统

提出一种低成本基于步距规的误差补偿系统，该系统可以实现普通精度级数控机床位置精度评定，并通过软件自动修改误差补偿表，使机床精度得以强化．运用该系统可使机床各轴定位精度从0．150～0．400mm升级到0．030-0．050mm，螺距反向间隙从0．020-0．040mm升级到0．005-0．009mm．     

数控滚齿机热变形误差分析与补偿新方法

为了对数控滚齿机的热变形误差进行补偿,提高齿轮加工精度,利用聚类回归分析方法,优化选择了热误差补偿过程中的温度测量点.采用最小二乘回归方法建立了热误差模型,实验结果验证,该模型精度高.提出了一种热误差差动螺旋补偿方法,该方法完全采用外部硬件补偿,能够独立地实现对热变形误差的实时补偿.与其他补偿方法对比,该方法不受限于数控系统的开放性,通用性较强.     

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.     

基于球杆仪的三轴数控机床热误差检测方法

热误差是影响机床加工精度的主要误差项．为了快速检测机床自身热误差，在研究机床综合误差和球杆仪检测原理的基础上，提出了一种快速有效的检测方法——球杆仪法．通过建立三轴数控机床的几何误差和热误差的综合误差模型，提出机床的几何误差和热误差的检测及分离方法，并对影响加工精度较大的主轴与Z导轨的平行度误差、标尺热变形导致的比例误差以及滚珠丝杠变形导致的周期性误差等主要热误差项进行了球杆仪圆轨迹测试法的模拟仿真，通过进行球杆仪检测实验，测得机床空载时的主轴端热漂移误差，得到其变化规律曲线．相对于传统热误差检测法，该方法简捷有效．     

数控机床热误差变参数GM(1,1)的建模

为提高数控机床的加工精度,减少热误差对零件加工质量的影响,对热误差变参数灰色GM(1,1)在线预测模型进行研究.变参数灰色GM(1,1)在线预测模型能直接运用热误差时间序列值进行单序列建模,并给出模型参数的逐步迭代公式,根据不断输入的新数据,变参数模型能利用迭代公式,及时修正模型参数.以某精密卧式加工中心为研究对象,对所提出的变参数灰色GM(1,1)模型进行应用验证,并与传统的,1)模型和新陈代谢GM(1,1)模型进行对比研究.对比分析的结果表明:变参数灰色GM(1,1)模型很好地解决了传统的GM(1,1)模型难以预测大样本数据和非线性变化趋势的问题,且比新陈代谢GM(1,1)模型建模运算量小、求解时间短.变参数灰色GM(1,1)模型的预测值与实验结果对比表明,该模型预测精度高、通用性好,适用于机床热误差建模预测,进而提高机床的加工精度.