数控机床温度测点优化及热误差预测方法研究

热误差补偿技术是提高机床加工精度经济有效的方法,确定最佳关键温度测点布置位置和数目将极大提高机床热误差模型的精度和鲁棒性。针对一台立式加工中心,进行了机床热误差测量试验,根据其温度场,提出了模糊聚类与信息论相结合的方法,寻找最佳温度测点布置位置。该方法根据温度变量间的相似性,对温度变量聚类分组,然后利用互信息法对组内变量单独寻优,实现温度测点优化布置,最后利用多元线性回归分析建立机床热误差预测模型。在VMC1165立式加工中心进行了试验验证,温度测点减少为4个,热误差模型的拟合最大残差降低到5μm以内,相对于其他方法进一步提高机床热误差预测精度。     

机床温度测点优化方法研究及试验验证

针对机床热误差补偿技术中的关键温度测点选取问题,提出了一种温度测点优化新方法.首先采用简单相关分析,剔除掉与热误差明显不相关的测点.然后对初步筛选出的测点进行模糊聚类分析,以消除温度变量间的复共线性问题,同时进行灰色综合关联度分析,判断各测点与热误差间的紧密程度.根据分析结果,建立多个不同测点的热误差模型,对模型进行基于统计学理论的分析,确定出关键温度变量,将温度测点由20个减少至4个.根据优化结果,重新建立多元线性回归模型.误差预测结果表明,主轴Z向最大热误差从17.903μm减小到1.850μm.     

基于灰色综合关联度的数控机床温度测点分组优化

提出了基于灰色系统理论中的灰色关联分析方法对数控机床热误差元素进行优化建模的方法.该方法先根据温度测点之间灰色综合相关度矩阵,对依据工程经验布置在机床上的温度测点进行分组;再通过计算各温度测点数据与热误差数据间的相关程度,从各组中选择代表测点,并对其进行排列组合;通过计算各温度测点组合所建立模型的理论输出与实际热误差间灰色综合相关度,确定关键温度测点.将该方法应用于一台数控车削中心的热误差建模,温度测点数量由16个减至4个,据此表明建立的模型能够避免温度测点之间相互耦合的影响,准确性和鲁棒性均得到较大提高.     

高速电主轴单元温度测点优化新方法

针对电主轴热变形建模技术中温度测点的分布和数量问题,提出优化热关键点的新方法.根据测得的温度和热变形数据序列,该方法采用模糊聚类法将测温点进行分组,建立灰色关联分析模型综合分析和评价电主轴温度场分布中各测点对主轴热变形的影响程度并将其排序,最后采用修正可决系数进行优化选择.通过与已有文献结论的比较,说明该方法的可行性和有效性.该方法减小了温度变量和建模所需的时间,也为工程经验提供了理论支撑.     

基于模态测试与分析的齿轮箱测点优化

针对齿轮箱状态检测和故障诊断中,传感器数量难以确定,测点难以定位的问题,提出根据不同测点的频响特性优化测点的方法.在搭建了齿轮箱模态测试系统后,采用锤击模态测试方法对JZQ250齿轮箱模态进行了实测,并识别出箱体的振型和模态参数.重点对箱盖10个测点频响函数特性进行分析,比较测点3个方向频率响应的强弱,给出了10个测点布设传感器的排序.结果表明:箱体上靠近轴承处布设测点,在3个方向上总体上响应强烈,受激励点影响较小;而箱体边缘处测点幅值大小与激励点有关.     

基于PHPSO-IA的城市环境噪声测点优化

针对传统的城市噪声等网格测量布点时缺乏考虑声场变化不均匀的实际情况,参考有限元法划分网格的策略,给出了变网格测量布点的思想,并在此基础上,将提出的并行混合粒子群免疫算法(Parallel hybrid PSO immune algorithm, PHPSO-IA)用于求解城市环境区域噪声测量布点优化问题,取得了良好的效果,可大大减少日后布点测量时的人力物力消耗,为实现城市环境噪声实时自动监测和评价提供了便利。     

温度测点优化在机床主轴组件热特性研究中的应用

对机床主轴组件温度场和热变形动态特性之间的差异进行了分析。并通过采用最佳温度测点建模的方法,对XH755C型数控铣床主轴进行了热特性分析,达到了减少由于这种特性差异所带来的影响,简化测量过程及便于进行机床主轴组件热特性研究的目的。     

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。     

采用天鹰优化卷积神经网络的精密数控机床主轴热误差建模

针对数控机床因主轴热误差而严重影响加工精度等问题,结合求解最优解能力强的天鹰优化算法(AO)以及自学习和自适应能力强的卷积神经网络(CNN),提出一种采用AO-CNN的数控机床主轴热误差模型。根据磨齿加工过程特点,总结磨齿机主轴系统热变形规律,确定了X方向热误差为影响齿轮加工的主要因素;利用模糊C均值聚类(FCM)和相关系数法筛选出关键温度点;利用AO算法优化CNN结构的卷积核,并且建立AO-CNN的数控机床主轴X方向热误差预测模型。在2种不同转速的工况下对所建立模型的性能进行了验证,结果表明,采用AO-CNN进行热误差建模,数控机床X方向的热变形预测精度相比于CNN模型提高了15%,具有更加优越的预测精度。     

字典原子优化的图像稀疏表示及其应用

为了提高图像稀疏表示性能,提出了一种有效的结构化字典图像稀疏表示方法.针对过完备字典构造和稀疏分解中原子筛选问题,提出了一种基于灰色关联度的字典原子筛选和结构聚类方案.首先,对测试图像分块处理,利用块作为原子样本;然后,计算原子间的灰色关联度,并设置原子灰色关联度的筛选准则;最后,利用结构特征对原子聚类,构造图像稀疏字典.算法利用灰色关联度选择表征能力强的原子,提高字典的表征能力,缓解了传统字典设计对原子个数的依赖;同时,降低了算法的复杂度.将该方法得到的字典用于图像去噪,结果表明,视觉效果明显优于同类算法,峰值信噪比提高2 dB左右,且算法复杂度显著降低.     

机床热特性研究

机床热误差严重影响机床的加工精度,必须对其加以控制,在研究机床的热误差时,首先需要明确机床的热特性,该工作可以为后续热误差建模提供模型输入值.主要综述了机床热误差的来源、机床温度场的获取方法、温度传感器布置策略及常用温度测点优化方法,同时对上述研究中的方法进行了优缺点分析,并结合目前的研究现状,展望了未来的发展.     

数控机床伺服系统自适应模糊控制研究

为了提高数控机床伺服系统的稳定性和控制精度,使系统具有较好的抗干扰和自适应能力,建立了数控机床伺服系统的数学模型,论述模糊自适应控制原理,确定了e、e&和U的隶属度函数及其赋值表,通过计算求出K1、K2、K3的值,在此基础上建立系统的控制规则,利用MATLAB/Simulink与模糊控制相结合对系统进行动态仿真,从仿真曲线分析得出结论:在加入白噪声后,系统依然稳定.由此可得:自适应模糊控制的自适应能力强,可以提高机床伺服系统的稳定性和控制精度,使机床伺服系统有较强的鲁棒性.     

基于灰关联分析的模糊C均值算法

标准的模糊C均值算法(FCM)采用欧式距离测度,均等地利用所有特征来计算数据间的相似性,但其存在受局部特征影响、对非球状簇识别效果不佳、无法适应高维数据等缺点.为此,提出一种将基于差异信息理论的灰关联分析结合到FCM中的新算法,利用均衡接近度描述数据间的相似性,强调从整体上判断数据的相似程度,减弱局部特征高关联性的影响,能够适应不同形状簇的识别.在人工和真实数据集上的实验表明,所提出的新算法具有更高的聚类精度和更好的稳定性.     

基于灰色关联分析的设计方案评价的新方法

灰色系统理论的关联分析是一种定量分析．在此基础上，提出了一种方案评价的新方法．该方法原理是，根据方案的各个技术经济指标，构造出最优和最劣的指标参考数据列，求出每个方案的指标数据列与最优、最劣参考数据列的关联度，即最优关联度和最劣关联度，并构造评价函数，从而获得方案的优劣排序．     

基于模糊关联度的旋转机械故障多参数诊断

本文首先分析了几种多参数故障诊断方法的特点，进而从故障诊断的角度，分析比较了多参数故障诊断的参数样本与灰色关联度原始定义的数据样本的特点差异，提出了模糊关联度的概念，实测数据检验结果表明：模糊关联度分析比灰色关联度分析诊断准确度高，具有很好的应用前景。     

沥青路面预养护方法多属性灰色模糊决策

针对传统模糊综合评判方法对定性指标量化较为粗糙、评价过程未考虑系统整体信息的缺陷,本文利用模糊数学对定性指标进行量化,将灰色系统理论引入设计方案的多属性模糊优选,形成基于灰色关联分析的模糊优选模型.该优选模型综合考虑相关因素交叉耦合后的影响,对方案优劣进行整体比较而寻求最优设计方案.以上海某高速公路为例,运用该模型对预...     

基于灰关联分析的加权自适应谱聚类算法

为了降低谱聚类采用高斯函数作为相似性度量方式对参数的敏感性,以及能够发现多密度簇的同时降低噪声点的干扰,提出了一种将基于均衡接近度的灰关联分析结合到谱聚类中的新方法,采用加权的自适应相似性度量方式。最后用改进的FCM算法对其进行聚类。在真实数据集和人工数据集上分别对提出的算法和现有算法进行了比较分析。研究结果表明,提出的新算法能够消除参数的影响,具有更高的聚类精度。聚类精度采用F测度指标。