基于GM-LS-SVM层级模型的数控机床热误差建模

为了更精确地对数控机床热误差进行预测及补偿以提高其加工精度,针对单独使用灰色模型或最小二乘支持向量机模型进行机床热误差建模的不足,并利用这2种模型在数据不同处理阶段的优点,提出一种基于灰色模型和最小二乘支持向量机层级模型的数控机床热误差建模方法。根据机床关键点温度数据和热误差数据,首先建立多个不同数据序列长度的机床热误差灰色模型作为前处理层,然后把经过前处理层前处理的热误差和实测热误差分别作为最小二乘支持向量机模型的输入和输出,作为后处理层,以进行预测精度校正。利用该方法在一台精密卧式加工中心上进行建模实验,并与单独使用灰色模型、最小二乘支持向量机模型和BP神经网络模型进行预测精度对比分析。研究结果表明:基于灰色模型和最小二乘支持向量机层级模型的数控机床热误差建模方法具有更高的预测精度和更强的泛化能力。     

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.     

精密坐标镗床进给系统热误差分析与预测

为了预测数控机床运行时热误差对进给系统定位精度的影响,以精密坐标镗床为研究对象,采用红外热像仪和激光干涉仪分别测量进给系统在每个测点的丝杠温度和定位精度,提出进给系统热误差的最小二乘支持向量机(LS-SVM)预测方法,建立了关于温度与位置的预测模型。模型引入最小二乘支持向量机方法对机床进给系统热误差进行预测分析,较好地描述了进给轴热误差与温度、位置之间的非线性关系,且对样本的依赖度小,有很好的泛化能力,解决了目前线性拟合模型用特征平均温度替代当前测点温度进行计算而存在较大误差的问题。实验结果表明,与目前已经在数控机床上实际应用的线性预测模型相比,LS-SVM模型对进给系统热误差的预测精度可达90%,预测精度提高30%以上,取得了非常好的预测效果,具有较高的现实应用价值。     

数控机床多变量关联热误差组合模型及其实验验证

针对主要基于受综合因素影响的机床本体温度所建立的热误差模型鲁棒性较差的问题.综合考虑机床本体温度、动力源转速、冷却液温度及环境温度提出了多变量关联热误差组合模型.将最小二乘支持向量机(LS-SVM)的方法运用到热误差建模中,并利用偏最小二乘(PLS)方法提取输入变量的主成分作为LS-SVM的输入,形成PLS-LSSVM组合热误差模型.此外根据数控加工过程及材料热变形原理,将相对起始温度的差温值作为温度输入,使热误差补偿更加准确.在某型号精密加工中心进行实验验证,结果表明:PLS-LSSVM模型比LS-SVM更稳定,比PLSR预测精度高;考虑差温多变量的PLS-LSSVM模型较单纯考虑机床本体测量温度值的PLS-LSSVM~*模型,热误差预测值的均方根误差(RMSE)平均减少了5.5μm.     

车床主轴与进给轴耦合热误差建模及补偿研究

针对车床实际加工中主轴与进给轴的热误差相互耦合共同影响工件精度的问题,建立了综合热误差模型并进行了有效补偿。以海德曼HTC500/500精密车床为研究对象,对车床主轴与进给轴热误差的耦合关系进行了解耦;利用模糊聚类理论实现了车床测温点的优化分组,建立了主轴与进给轴的耦合热误差多元线性回归模型,并在精密车床上得到实际应用。结果表明:车床耦合热误差模型符合实际工况,模糊聚类有效降低了温度变量之间的多重共线性,提高了模型的预测精度;主轴x/z方向的预测精度达88.4%、90.7%,进给轴x/z方向的预测精度达82.9%、71.3%;补偿后车床x/z方向精度分别提高了60.3%、56.6%,证明了耦合热误差模型的准确性。     

基于模糊聚类测点优化与向量机的坐标镗床热误差建模

为了研究电主轴系统热特性对机床精度的影响,建立了主轴轴向及径向热误差模型.以精密坐标镗床为对象,采用五点法对主轴热误差进行测量,并分析了转速对主轴热误差及温度场的影响规律.利用模糊聚类分析法对温度变量进行分组优化,选出对热误差敏感的温度变量,建立主轴轴向热伸长及径向热倾角的最小二乘支持向量机(LS-SVM)以及多元线性回归(MLRA)的综合热误差模型,并设定了预测优度评价标准.结果表明:模糊聚类分组法能有效降低温度变量间的多重共线性,并提高模型的稳定性;LS-SVM模型具备全局寻优的特点,可实现不同工况的高精度预测,预测精度可达90%,且比传统的MLRA模型有更好的通用性以及更强的泛化能力,可作为后期热误差的补偿模型.     

龙门移动式双驱进给系统定位误差补偿方法

针对双驱进给系统结构的特性,提出了双轴定位误差建模与补偿方法.分析影响双驱进给系统定位精度的误差来源,建立基于双轴误差数据的龙门移动式双驱进给系统的速度-位置定位误差预测模型.采用开放式数控系统,提出基于交叉耦合的双驱进给系统定位误差补偿方法.在误差补偿过程中考虑双轴动态耦合特性与同步误差和单轴跟随误差耦合作用对误差补偿的影响,并进行误差补偿实验验证.实验结果表明所提出的误差补偿方法提高了龙门移动式双驱进给系统的定位精度和同步精度.     

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。     

机床热误差的检测与建模方法

热误差作为影响机床加工精度的主要因素,通过误差补偿可以对其进行有效控制.在误差补偿法中,获得机床热误差并建立热误差模型是整个补偿过程的核心与关键.综述了机床热误差的检测方法和建模方法,包括直接、间接检测法,和多元回归分析法、人工神经网络法、支持向量机法、灰色系统理论法及贝叶斯算法.并结合目前的研究现状,展望未来的发展.     

基于IFCM-GRA的空间多维热误差温度测点优化

热误差是精密、超精密加工中主要的误差源之一,热误差温度测点优化是热误差补偿的关键问题.在机床空间多维布置的大量温度测点之间存在多重相关性,从众多测点中选取特征点的优劣程度,将直接影响到热误差补偿效果.通过对温度测点间多重相关性及温度与热误差关系的综合分析,采用改进的模糊C-均值(IFCM)聚类算法对温度测点进行聚类,以减小类与类之间温度测点的相关性,且避免FCM算法对初始聚类中心敏感易局部收敛的缺点.对温度测点按灰色关联分析(GRA)中的灰色综合关联度进行排序,从变化量和变化率的角度综合反映温度与热误差的关系.采用IFCM-GRA对温度测点进行优化,提高了热误差模型的鲁棒性及准确性,使温度测点数量大幅度减少.在某型号精密卧式加工中心上进行实验,温度测点从17个减少到4个.在不同转速下,利用多元线性回归对优化出的温度测点与热误差建立模型,所建立模型均能很好地预测热误差变化情况,经对预测模型分析,轴向热误差由几十微米减小到5μm以内.