共查询到20条相似文献,搜索用时 31 毫秒
1.
《机械工程学报》2015,(14)
针对数控机床主轴热误差有线监测方法存在的布线困难和温度测点布置优化问题,提出一种基于热敏区域黄金分割布点和利用温度传感标签实现机床温度分布监测及信号无线传输的新方法。设计由数字式温度传感器DS18B20、微处理器MSP430、无线射频通信模块NRF905集成的温度传感标签,可通过无线射频通信将温度信号及对应标签地址信息无线传输给上位机,通信协议简单,能耗要求低;根据机床主轴有限元分析模型采用黄金分割法确定了热敏感布点区域,以解决传统经验布点存在数据冗余、可信度不强、测试条件不确定最优等问题;利用温度传感标签和激光位移传感器构建监测系统并采用正交试验法进行试验测试,数据极差分析和回归分析结果表明该系统稳定可靠、实时处理能力强,构建的回归模型也有较好的预测能力。 相似文献
2.
温度测点的选择直接影响数控机床热误差补偿模型的性能。考虑到温度有序传递的特点,提出了有序聚类测点优化的方法。以试验数据为基础,计算类直径并比较目标误差函数;然后对温度变量分类,确定最佳分类数;通过计算热误差和温度之间的相关系数,确定最优测点。采用定位误差分解建模法结合选取的最优测点建立热误差预测模型,分别与模糊聚类和变量分组测点优化建立的模型进行比较,试验结果表明,有序聚类测点优化法精度较高,具有一定的应用前景。 相似文献
3.
4.
基于Fisher最优分割法的机床热关键点优化研究 总被引:2,自引:0,他引:2
利用温度测点建立热误差模型时,测点的选取直接影响到模型的精度.采用一种最优化分段方法——Fisher最优分割法,以试验采集到的原始数据作为分析数据,通过计算分类的直径、比较各类中的误差函数,对机床测点变量进行分类,经过对各类中温度变量与热误差之间相关系数的计算,获得用于热误差建模的热关键点,从而完成测点优化.利用多元线性回归方法对其优化出的测点建立热误差模型,与采用变量分组优化选出的温度测点建立的热误差模型进行比较,结果说明Fisher最优分割法可行、实用性强. 相似文献
5.
在数控机床热误差建模中,温度测点的选择与优化是一个难点。针对传统的FCM模糊聚类方法对数控机床温度测点优化需要人为事先确定聚类数目,提出了一种FCM自适应模糊聚类测点优化方法。该方法在FCM聚类算法的基础上,建立了聚类数自适应函数,并自动给出最佳聚类数。通过对一台立式铣床进行实验验证,结果表明:FCM自适应模糊聚类方法自动将机床的温度测点由13个减少到6个。结合多元回归分析,建立了关键测温点的热误差模型,所建立的热误差模型精度较高,热误差由50μm减小到10μm以下,验证了该方法的有效性。 相似文献
6.
7.
针对机床热误差补偿技术中温度测点优化选择的问题,提出采用基于灰色关联分析和模糊聚类分析相结合的方法对机床温度测点进行优化选择。采用灰色关联分析法计算温度变量与主轴热误差之间的相关系数,并据此优选温度变量,采用模糊聚类分析法对所选择的温度变量进行聚类,确定关键温度变量,结合关键温度变量建立热误差线性回归模型。在精密卧式加工中心MCH63上对该方法进行了试验验证,结果表明,温度测点的数量由29个减少到6个,机床轴向热误差由41.3μm减小到7.6μm。 相似文献
8.
为了解决温度测点数量和测点间复共线性对龙门机床热误差模型精度和鲁棒性的影响,提出了一种测点综合优化方法。首先,采用模糊聚类法和相关性分析筛选出对热误差影响较大的关键点,达到优化测点数量的目的;然后采用特征提取法得到预测模型的自变量,特征提取消除了复共线性对预测模型精度和鲁棒性的影响。在一台龙门精密镗铣加工中心上实验验证,结果表明:本文提出的测点综合优化法优于自适应模糊聚类热关键点优化,采用该方法进行误差预测模型关键点优化可有效提高模型精度和鲁棒性。 相似文献
9.
提出一种从机床定位误差数据中分离出热误差的新方法.设计了由双频激光干涉仪、温度传感标签与接收器等组成的热误差测试系统,可实现热误差温度信号的无线智能检测和热变形信号的非接触高精度采集;从机床冷态开始,来回循环测量定位误差并记录热敏测点温度值;对各循环内的前后测点定位偏差做插值、相减、平均等处理,再与冷态下的平均定位误差相减分离得到热误差.在2515龙门加工中心上进行了实验,数据处理不仅可得到定位偏差、重复精度、回程误差等6个几何精度指标,还分离出测量范围内各个测点的热误差,其最大值为9.67μm;最小二乘法建模结果表明热误差的建模精度在[-2.60μm-2.28μm]之间,建模精度平均值为0.73μm. 相似文献
10.
11.
12.
基于热误差模型进行机床热误差补偿是保证数控机床加工精度的一种有效方法,温度测点的布置和辨识会直接影响热误差建模的精确性和鲁棒性。本文提出一种互信息和改进模糊聚类法相结合的机床热关键点优化方法。以机床不同位置处的多个测点温度值及工件热变形作为分析数据,通过计算温度变量与热变形之间的平均互信息量,获得其综合关联度矩阵,确定二者之间的相关性后初选温度变量。根据改进模糊聚类法、F统计量和复判定系数对初选的温测点进行聚类,并结合温度变量与热变形之间的综合关联度值提取机床热关键点,从而实现测点优化。将基于该方法所得到的热误差模型与采用变量分组优化法获得的热误差模型进行比较,结果显示采用该方法进行热误差建模,机床X轴和Y轴的热变形预测精度得到显著提高,有利于改善加工精度。 相似文献
13.
14.
《仪器仪表学报》2015,(11)
基于热误差模型进行机床热误差补偿是保证数控机床加工精度的一种有效方法,温度测点的布置和辨识会直接影响热误差建模的精确性和鲁棒性。本文提出一种互信息和改进模糊聚类法相结合的机床热关键点优化方法。以机床不同位置处的多个测点温度值及工件热变形作为分析数据,通过计算温度变量与热变形之间的平均互信息量,获得其综合关联度矩阵,确定二者之间的相关性后初选温度变量。根据改进模糊聚类法、F统计量和复判定系数对初选的温测点进行聚类,并结合温度变量与热变形之间的综合关联度值提取机床热关键点,从而实现测点优化。将基于该方法所得到的热误差模型与采用变量分组优化法获得的热误差模型进行比较,结果显示采用该方法进行热误差建模,机床X轴和Y轴的热变形预测精度得到显著提高,有利于改善加工精度。 相似文献
15.
16.
17.
18.
针对机床热误差补偿技术中温度测点的优化选择,提出一种基于K-means算法和Pearson相关系数相结合的方法。通过K-means算法将不同位置测点的温度进行聚类,用Pearson相关系数计算温度与主轴热误差之间的相关性,从每一类别中选出一个最优测点组成最优测点组合,并对最优测点处的结果进行热误差建模。在立式加工中心VMC850E上对该方法进行了试验验证,将温度测点的数量由8个减少至2个。经方差分析和F检验,验证了最优测点处的温度与热变形之间显著线性,模型可靠。 相似文献
19.
20.
《机械工程与自动化》2020,(3)
轮槽铣床主轴箱热变形数据样本量繁杂,利用传统的FCM模糊聚类算法对主轴箱温度测点进行分析时,需根据情况自行设置分类数,由于经验不足会使分析结果出现偏差,导致分析失效。基于以上情况,提出采用改进的FCM模糊聚类算法对主轴箱测点进行优化分析,其原理为依据主轴箱温度及热变形量,增设聚类数c的自适应目标函数,并建立了改进的FCM模糊聚类算法可靠性分析模型,基于该模型分析得到了多元回归关键测点热误差分析数据。结果显示:采用FCM聚类算法对轮槽铣床主轴箱预先布置的温度测点进行分组优化,使主轴箱的关键测温点由21个缩减至6个,且分析结果准确度较高。该方法为机床温度测点优化分析提出了新的思维路径,具有较好的应用前景。 相似文献