共查询到20条相似文献,搜索用时 15 毫秒
1.
最小二乘支持向量机(LS-SVM)模型是表征数控机床热误差特性的有效工具,但该模型中的参数设置直接影响建模的精度。传统的基于交叉验证法或网格法的参数获取方法存在计算量大、精度低的缺点,且同一组模型常数往往不能准确表征机床多种工况条件下所产生的热误差。为解决这一问题,提出了一种基于贝叶斯证据框架理论的LS-SVM多工况参数优化方法。通过测量不同工况下数控机床温度值与主轴热变形量,采用贝叶斯证据框架的3个推断对LS-SVM模型进行训练并对参数进行辨识和优化,推导出了不同工况所对应的最优模型和参数。热误差建模实验验证了该参数优化方法的有效性,结果显示,经优化的模型具有泛化能力强、预测精度高、计算速度快的特点,能够较准确地描述多种典型工况条件下的实际热误差特性。 相似文献
2.
3.
4.
5.
6.
以提高精密机床主轴回转误差的测量精度为研究目标,基于四点法矩阵算法,采用多圈重合式方法对主轴回转误差测量中的传感器输出数据进行处理。为提高传统遗传算法的收敛速度,降低优化结果对初始值的依赖性,对交叉和变异概率因子列式进行更新,并使用改进遗传算法对传感器安装角度和输出权值系数进行优化。使用改进遗传算法,收敛速率较传统遗传算法提高50%左右。利用多功能斜轨数控车床进行主轴径向回转误差测量及分离实验,分离后的标准芯棒形状误差值与标定值相比,误差在5%以内,且误差重复性低于5%。结果表明分离的结果精度较高,从而验证提出的算法的正确性和可行性。 相似文献
7.
回转精度是衡量主轴加工性能的重要指标。现有的回转精度测量方法通常借助标准球并在空转条件下进行,无法计入切削载荷等负载带来的影响,难以反映主轴在切削状态下的真实精度。针对该问题,提出一种基于动力学模型的主轴回转精度动态预测方法。首先建立高保真的高速主轴-轴承系统动力学模型,并将切削力等激励载荷作为输入边界条件。然后利用测力仪测量、修正切削力,并将其输入动力学模型,实现主轴振动响应和径向回转误差的动态预测。设计并制作一套主轴回转误差在线测量装置,对回转精度预测结果进行试验验证。将不同切削工况下的仿真与试验结果进行对比分析,结果表明提出的方法能够准确预测主轴回转精度的变化规律,可以为主轴加工性能评估提供依据。 相似文献
8.
正装备制造行业正朝着高速、高精度方向发展,这需要精准的数字装备予以支撑。高档数控机床是数字装备最高技术水平的载体之一,而高速主轴系统是高档数控机床的核心功能部件。由于装配工艺、变工况以及磨损等因素,主轴通常处于不平衡状态。机床主轴工作速度较高,不平衡引起的主轴振动尤为明显,这会直接影响加工质量,甚至导致主轴组件损坏。因此,如何控制主轴不平衡振动是一个非常关键的问题。针对主轴振动信号测试与特征提取问题,论文分析了主轴回转误差分离原理,研究了三点法误差分离技术中谐波抑制补偿及优化方法,提高了回转误差分离精度;其次,分析了不同圆度轮廓截面对全息谱的影响,提出一种基于误差分离技术 相似文献
9.
数控机床在加工过程中会因发热而造成主轴热变形,为减小热变形对加工零件精度的影响,以1台数控车床为研究对象,提出一种基于粒子群算法优化的高斯过程回归(PSO-GPR)热误差建模与预测方法。通过采集测量5种不同工况下的实验数据,进行主轴轴向的热误差建模,同时与未优化的GPR建模方法进行比较,并在此基础上研究了训练数据增强对热误差模型泛化性的影响。实验结果表明:PSO-GPR模型预测热变形量的最大残差为0.49μm,均方根误差RMSE为0.11μm,优于未优化的GPR模型。经过数据增强的PSO-GPR模型在工况四、工况五为验证数据的热误差预测中最大残差分别下降35%和33.7%,表明训练数据增强可提高热误差模型的泛化能力。 相似文献
10.
李艳平 《机械工人(冷加工)》2010,(10):53-54
1.机械加工产生误差的主要原因(1)主轴回转误差主轴回转误差是指主轴各瞬间的实际回转轴线相对其平均回转轴线的变动量。产生主轴径向回转误差的主要原因有:主轴几段轴颈的同轴度误差、轴承本身的各种误差、轴承之间的同轴度误差和主轴挠度等。适当提高主轴及箱体的制造精度,选用高精度的轴承,提高主轴部件的装配精度,对高速主轴部件进行平衡,对滚动轴承进行预紧等,均可提高机床主轴的回转精度。 相似文献
11.
12.
轴颈形状误差对液体静压主轴回转精度的影响 总被引:1,自引:0,他引:1
液体静压主轴是精密、超精密机床的核心功能部件,已在工程领域广泛应用,但轴颈形状误差作为静压主轴形成回转误差的主要因素,其对回转误差的定量影响规律并不明确。通过分析和简化主轴轴颈的形状误差特征,运用CFD动网格技术定量计算了形状误差作用下主轴在轴承油膜中的平衡位置,模拟了主轴旋转时轴颈形状误差凹、凸部位依次通过最小油膜厚度位置的轴心轨迹,发现了轴颈圆度误差使主轴形成回转误差,其大小与轴颈圆度频次和幅值有关,揭示出轴颈圆度误差对液体静压主轴回转精度的作用机制。通过对比理论计算和试验测试轴颈圆度误差作用下的回转精度,理论计算值约为试验测试值的75.2%。理论计算结果和所提出的研究方法具有重要的理论意义和工程参考价值。 相似文献
13.
热误差建模和补偿是提高机床加工精度的重要手段。 将得到的热误差模型应用到类似或相近任务中,对减少模型构建
和数据收集的成本具有重要意义。 本文提出了一种简易迁移学习(EasyTL)融合域内对齐的主轴热误差建模方法,以实现不同
工况下误差模型的迁移复用。 建立基于域内对齐和距离矩阵全组合择优的热误差迁移模型参数选取方法,获得最优组合。 进
一步分析不同类型的域内对齐和距离矩阵各自对模型迁移性能的影响。 最后,将迁移模型与 kNN 典型机器学习模型和卷积神
经网络深度模型进行比较验证,分别预测不同工况下主轴 Z 向和 Y 向的热误差。 此外,根据预测的主轴热误差进行工件补偿
加工实验。 该方法为热误差建模及补偿提供了一种新思路。 相似文献
14.
针对机床主轴热性能对加工精度产生影响的问题,对机床主轴热误差建模方向进行了试验研究。以数控磨床主轴为研究对象,通过热特性试验获得了阶梯转速下的温度变化数据和热误差数据,对温度数据进行了模糊聚类分组,并采用相关系数法选出了温度敏感测点;通过对灰色神经网络初始参数进行优化,建立了遗传算法(GA)优化的灰色神经网络热误差预测模型;在该模型中,以灰色神经网络的预测输出和实际值的绝对误差作为遗传算法适应度函数,以平均相对误差作为预测模型的评价标准,并与灰色神经网络、BP神经网络预测结果进行了对比。研究结果表明:该预测模型具有更高的预测精度,通过GA对灰色神经网络的初始参数进行优化,可有效地提高网络的预测精度,更好地用于热误差补偿系统。 相似文献
15.
针对直线轴热定位误差同时与位置、温度相关,传统建模方法工作量大、效率低且变工况下预测精度较差等问题,本文提出一种直线轴热定位误差解耦与分步建模方法。首先,基于最小二乘线性拟合对多工况下测量的热定位误差解耦,获得仅与温度相关的斜率参数与截距参数;其次,分别使用绝对温度和相对温度作为输入变量对斜率参数和截距参数回归建模,得到二者与温度的映射关系,结合斜率与截距,建立热定位误差模型;最后,基于建立的模型对全新工况下的热定位误差进行了预测,可实现最大残差1.6μm,相比直接建模方法预测精度显著提升,表明了模型的有效性。 相似文献
16.
本文介绍了神经网络和PID调节器的预测功能,提出了基于神经网络和PID调节器的主轴回转误差控制系统,实验表明该系统能有效地控制主轴回转误差对加工精度的影响. 相似文献
17.
解决了因主轴热变形引起的数控机床加工精度下降的问题,建立了精密数控机床主轴径向和轴向动态热变形的计算机精细数值计算模型和主轴热误差动态预报理论模型,以期揭示温度变化对精密数控机床加工精度的影响机理,为精密数控机床综合误差补偿提供理论依据和技术支撑。本文采用理论分析、数值计算和试验研究相结合的方法,利用有限元方法的数值特点和实际工况实时测量数据的可靠性,为数控机床主轴系统热态特性研究提供理论与实际的依据。 相似文献
18.
19.
20.
开展了精密数控车床主轴系统热误差补偿的实验与建模方法的研究。建立了精密数控车床主轴系统轴向与径向偏转热误差补偿模型以增强其误差补偿能力,并提高机床加工精度。构建了主轴系统热误差测试平台,应用五点法测试主轴系统热误差,使用热电偶与红外热像仪测量主轴系统温升关键点温度变化数据,应用灰色综合关联分析法实现温度敏感测点辨识。构建了基于粒子滤波重采样粒子群算法的热误差预测模型,对模型预测效果进行评价。结果表明:基于粒子滤波重采样粒子群热误差补偿模型得到的轴向热误差预测残差为-1.29μm~1.55μm,建模精度为95.04%;y向热偏转误差预测残差为-4.68×10~(-6°)~9.66×10~(-6°),建模精度为91.26%;z向热偏转误差预测残差为-5.83×10~(-6°)~8.59×10~(-6°),建模精度为93.24%。实验结果证明该热误差补偿模型具有较高的预测精度,具有较强的工程应用价值。 相似文献