基于最小二乘支持向量机的数控机床热误差预测

为实现数控机床热误差的补偿控制,提出基于最小二乘支持向量机进行数控机床热误差建模预测的方法.根据最小二乘支持向量机回归预测的原理,优化选择最小二乘支持向量机参数,对数控车床热误差进行最小二乘支持向量机建模.通过测量数控车床主轴温升值与主轴热变形量,将获得的数据进行最小二乘支持向量机建模训练,以建立机床热误差预测模型.实验结果表明,该模型能有效描述热动态误差,与最小二乘法建模进行比较,结果显示,基于最小二乘支持向量机的数控机床热误差预测模型精度高、泛化能力强;采用最小二乘支持向量机得到的预测模型可用于数控机床热误差实时补偿,以提高机床的加工精度.     

基于注意力机制的数控机床热误差深度学习预测方法

为提高热误差预测精度和鲁棒性,提出一种基于注意力机制和深度学习网络的数控机床热误差预测模型。采用数据转化策略,将数控机床原始温度数据转化为温度图像,直接作为深度学习网络的输入;提出一种基于注意力机制的温度敏感点识别网络,根据温度测点与热误差关联程度,赋予各温度测点不同的权值,避免了温度测点的人为选取弊端;建立12层深度CNN学习预测网络,利用其强大的图像特征学习能力,挖掘温度图像与热误差的非线性映射关系,无需对温度关键点进行预选择,保留了更多的热误差与机床温度特征关系,显著提高了模型预测精度。为了提高热误差模型的精度与泛化能力,引入Dropout正则化方法和Adam优化算法,对深度卷积神经网络的结构与参数进行了优化。该方法在针对G460L型数控车床的热误差验证中表现出较高的预测精度。通过与BP神经网络和多元回归等传统热误差模型进行对比,深度卷积神经网络框架下的热误差模型在泛化性指标上表现更优。     

五轴机床误差建模与补偿解析新算法

为了建立合理的五轴数控机床综合误差补偿模型,基于机床各部件为刚体联接的假设下,简化了机床运动学约束拓扑关系,本文提出了基于多刚体动力学的综合误差理论模型,并对误差分量进行分析,建立了误差参数表。机床热误差测量点分布离散且采样数据量大,结合灰色综合关联度算法,将离散点数据表征其关联关系,并拟合出各轴热误差量曲线,建立了机床热误差预测模型。综合机床各轴热误差产生的机理,定义了针对主轴热误差和进给轴热误差的新型测量法—5点测量法和6点测量法,大量实验证明理论预测辨识模型曲线与实验结果一致,残差范围在0~12um之间。基于机床误差线性叠加假设,将机床几何误差和热误差统一建模,提出了新型综合误差补偿模型。将此补偿模型用SIMEMS840D数控系统中的PMC单元开发实时补偿软件,大量实验表明某五轴数控机床的加工精度有了显著的提高,完成补偿后误差变化量在 0~29μm之内。     

基于灰色系统的机床热误差建模研究

针对机床加工过程中的热变形误差受多因素影响,变化趋势复杂,难以用常规预测方法进行有效预测的问题,该文提出了一种新的基于改进灰色系统的智能预测模型。该模型利用函数变换法改善灰色系统数据序列的光滑度,采用等维新陈代谢法克服了传统的灰色预测模型的不足,所建模型具备了输入数据动态更新的能力,预测更趋于合理。将该模型应用于工厂现场的一台数控车削加工中心进行热误差趋势的预测,从而实现热误差的补偿研究。研究表明,该模型的预测性能优于全数据GM(1,1)模型和新信息GM(1,1)模型,是运用灰色系统理论进行机床热误差补偿建模最理想的模型,具有优异的补偿功能,能够有效的提高机床加工精度。     

基于正则贯序极端学习机的换热设备污垢预测

对换热设备积聚的污垢快速、准确的预测,可以为换热设备污垢的监测和解决对策提供指导和依据,进而避免污垢对换热设备安全经济运行带来的不利影响。通过在线贯序极端学习机理论建立换热设备污垢预测模型,利用初始样本建立初始模型,随着工况变化,不断加入新的样本集,更新预测模型,实现换热设备污垢的在线预测。并通过引入正则参数权衡经验风险和结构风险,提高模型的泛化性能和预测精度。与传统神经网络建立的预测模型相比,基于在线贯序极端学习机的换热设备污垢预测模型训练速度更快,精度更高,泛化能力更好。为此,进一步基于MATLAB和LABVIEW混合编程设计了正则贯序极端学习机污垢预测系统,结果表明,该污垢预测系统可以实现换热设备污垢的在线实时预测,并且预测精度较高,预测效果较好。     

机床动态热性能研究和误差补偿

指出机床的热泪盈眶性能主要表现为在加工参数改变时机床的动态热误差.不同类型的机床热性能被研究,给出了机床热性能的测量分析方法和效果.多种数学模型被用来建立机床温度变化和热变形的关系.比较结果说明,多元线性回归和神经网络模型能够较好的预报补偿机床的动态热变形误差     

支持向量机在短期用水量预测中的应用

针对基于经验风险最小化的神经网络存在模型结构较难确定和过学习的问题,根据时用水序列具有周期性和趋势性的特点,建立了基于支持向量机的时用水量预测模型.支持向量机采用结构风险最小化准则,在最小化学习误差的同时缩小模型泛化误差的上界,因此具有较强的泛化能力.此外,支持向量机通过将机器学习问题转化为二次规划问题,可获得全局最优解.实例分析结果表明,与基于BP网络的预测模型相比,基于支持向量机的时用水量预测模型建模速度更快,预测精度更高.     

灰色新陈代谢GM(1,1)模型在中长期城市需水量预测中的应用研究

研究了基于灰色系统理论的中长期城市需水量预测方法.针对常规GM(1,1)模型存在的不足,建立了灰色新陈代谢GM(1,1)需水量预测模型,并利用此模型对北方某缺水城市未来10年的需水量进行了预测.结果表明:模型精度较高,预测误差较小.     

基于BP神经网络与多元线性回归的短期燃气负荷预测

影响燃气负荷变化的因素呈现非线性和随机性特征,单一数值算法很难进行精确预测。为了提高燃气负荷预测的准确度,使预测算法具备更好的适应性,提出了一种基于多元线性回归与BP神经网络的短期燃气负荷预测模型。该混合优化算法兼顾了多元线性回归算法的非线性特性和BP神经网络的泛化特性。以宁夏平罗县2011年城市居民燃气用气量为研究算例,应用灰色关联度对燃气负荷及影响因素进行相关性分析,并采用均方根误差及R~2判定系数作为预测模型性能评价方法。通过仿真,验证了所建立模型是可行且有效的。相比单一的多元线性回归方法或BP算法,采用混合算法所建立预测模型具有更好的适应性,预测误差更小。     

机床动态热性能研究和误差补偿

指出机床的热泪盈眶性能主要表现为在加工参数改变时机床的动态热误差。不同类型的机床热性能被研究,给出了机床热性能的测量分析和效果。多种数学模型被用来建立机床温度变化和热变形的关系。比较结果说明,多元线性回归和神经网络模型能够较好的预报补偿机床的动态热变形误差。     

机床主轴轴向热误差一阶自回归建模方法

针对机床主轴热误差经验建模法缺乏物理意义,建模精度和鲁棒性受热变形伪滞后效应影响较大的问题,从理论角度推导出一种具有明确物理意义且不受伪滞后效应影响的主轴热误差建模方法。将主轴简化为一维杆件,考虑主轴圆柱面与空气的对流散热,利用传热学得到一维杆在单端热源条件下温度场和热变形的解析表达式;对热变形表达式进行形式变换,推导得到一维杆在单端固定热源条件下热变形的一阶自回归表述形式;推导验证在变化热源条件下,一维杆热变形一阶自回归模型的有效性,并指出自回归模型系数与主轴物理特性、自回归时间间隔、热源条件的关系;进行有限元仿真,并在海德曼T65车床上进行实验验证。仿真结果表明,一阶自回归模型可有效估计一维杆在变化热源条件下的热变形,不受伪滞后效应影响。在T65车床上的实验结果表明,与多元线性回归模型相比,一阶自回归模型的鲁棒性更高且具有明确的物理意义。     

基于灰色综合关联度的数控机床热误差测点优化新方法及应用

针对机床热误差建模技术当中温度布点选取的问题,提出了基于灰色综合关联度进行数控机床热误差建模的关键温度测点选取的新方法.将该方法应用于一台数控车削中心的实验研究,将原有16个温度测点减少至4个.通过同已有方法的比较表明,该方法具有计算简便,判据简易、明晰的优点,能够较大幅度提高所建立模型的鲁棒性.     

考虑工件热变形的大型结构件误差建模与补偿

为减少大型结构件的加工误差,基于热特性分析建立了考虑工件热变形的综合误差模型及其补偿方法.分析光栅尺温度变化产生热变形的机理,并通过热流研究光栅尺局部的非线性温度变化规律,对龙门加工中心几何误差和热误差分别建模,并叠加生成复合误差模型.建立工件热变形与温度变化量之间的线性模型,并分析加工过程中复合误差与工件热变形之间的相互关系,建立考虑工件热变形的综合误差模型.利用数控系统外部机械原点偏移功能,应用自主研制的误差实时补偿系统,并依据考虑工件热变形的综合误差模型,实现对龙门加工中心的误差补偿.结果表明:只考虑机床误差时,复合误差模型有很高的预测精度,但并不能应用到有较大工件热变形的大型结构件加工中;而考虑工件热变形的综合误差模型在大型扭力臂的实际加工中效果良好,其加工定位精度至少提高了52%.     

基于支持向量机的静压转台热误差补偿

在一般补偿器的硬件中无法运行MATLAB等第三方工具软件的代码,导致大多模型不能被应用于机床热误差的实际补偿.为了提高误差建模效率,降低对补偿系统硬件的要求,提出静压转台热误差实时补偿方法. 该补偿方法以支持向量机（SVM）为核心算法,分别使用鱼群算法和狼群算法对支持向量机的核心参数进行前期和后期优化,在保证预测精度的前提下提升建模效率. 通过离线训练MATLAB筛选出支持向量导入到开发的补偿软件中,利用用于过程控制的对象连接与嵌入（OPC）方式对热误差实施实时在线补偿. 与传统多元线性回归建模方式对比,可以看出该模型在精度和效率上均较优.补偿实验的结果表明,转台的轴向误差由原来最大为40 μm降低为约10 μm,转台的加工精度提高了75%,验证了所提出补偿方法的有效性.     

基于接触热阻的高速精密电主轴热特性分析

主轴系统热问题是高精度机床必须要考虑的关键问题,接触热阻的大小影响机床的传热性能,从而影响其加工精度. 利用表面接触的分形理论,计算接触面的量纲一的接触面积,针对接触微凸体的热阻由基体热阻和收缩热阻形成接触对,建立了一个考虑接触界面基体热阻和收缩热阻的表面接触热阻模型,讨论了不同的分形参数对接触热阻的影响. 以立式加工中心电主轴系统为研究对象,分析了电机的损耗发热和轴承的摩擦发热,运用有限元软件对电主轴模型在有无接触热阻2种情况下的稳态温度场和稳态热变形进行仿真分析. 讨论了有无热阻情况下电主轴温度和变形变化量,论证了接触热阻对电主轴热温度场和热变形的影响. 结果表明:电主轴考虑接触电阻时温度将升高,变形将增加.     

基于粗糙集与偏相关分析的机床热误差温度测点约简

为了合理减少温度测点数量并有效提高温度数据采集与分析的效率,提出了一种基于粗糙集与偏相关分析相结合的温度测点约简方法。首先,利用偏相关分析的方法建立了温度变量与主轴热误差之间的偏相关系数,并以此为依据辨识了主要的敏感温度变量。然后,在基于粗糙集理论获取的可行温度测点组合基础上,筛选出包含敏感温度变量最多及偏相关度高的温度测点组合。最后,建立了热误差线性回归模型,并在某型号数控机床上进行验证与分析。结果表明：温度传感器测点可由22个减少到6个,在很大程度上提高了热误差模型的精确性和鲁棒性。     

Application of support vector machine in the prediction of mechanical property of steel materials

1. IntroductionThe mechanical properties of steel materials [1] areimportant to steel quality, which is influenced by themicrostructure, chemical content, and all kinds of fac-tors in manufacturing. The main parameters of themechanical properties include …     

双主轴义齿加工机床结构及空间误差模型构建

为了设计一台满足医学口腔修复领域专用的数控加工机床,运用功能分析方法对义齿加工技术的特点进行研究,明确了义齿加工机床所需具备的功能,构建了加工系统的机械结构并分析给出了一些关键部件的性能参数．基于多体系统基本理论,根据所讨论机床的实际情况推导出双主轴义齿加工机床的空间误差模型．结果证实机床的误差主要来源于各个组件单元间的3个线误差、3个角误差以及轴向间的垂直度误差,为采用适当的误差补偿策略,提高机床的加工精度,使其满足义齿加工的要求提供了理论依据.     

基于二阶矩误差模型的五轴机床精度分配优化设计

在机床精度优化设计过程中,传统精度分配中往往将误差视为常量,而忽略误差的分布情况. 针对此问题,在分析传统精度分配方法基础上,提出一种基于二阶矩误差模型的五轴数控机床精度优化设计方法. 定义二阶矩阵运算规则,用二阶矩阵表达机床精度指标,建立带分布的五轴数控机床误差模型,应用遗传算法对精度指标进行多目标优化求解,得到Pareto最优解集. 以C100P五轴数控机床为例,验证本优化设计方法的可行性. 与传统精度分配方法相比,在保证机床精度要求前提下,新方法能够降低机床装配成本.