精密车削中心热误差和切削力误差综合建模

热误差和切削力误差是影响数控机床精度的最重要的两个误差源,误差补偿技术是一种消除机床误差经济有效的方法,而有效的误差补偿依赖于准确的误差模型.在对切削加工过程中的热变形和切削力分析的基础上,选取合理的参量,采用BP神经网络和PSO算法相结合的优化方法建立了热误差和切削力综合模型.BP-PSO建模方法改善了网络模型的收敛速度和预测精度.基于所建误差模型,对一台精密车削中心加工实时补偿后使得径向加工误差从27 μm提高到8 μm,大大提高了车削加工中心的加工精度,验证了模型精度.     

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%.     

开放式数控切割机神经网络误差补偿研究

分析了影响数控火焰切割机加工精度的主要因素,利用开放式数控系统的软件开放性,提出了采用IGCAQBP学习算法的神经网络方法来对包括金属热变形、机械传动误差等非线性因素在内的多种因素造成的加工误差进行误差补偿,设计了嵌入开放式数控系统中的神经网络误差补偿器,给出了实用的补偿器使用方法,并对误差补偿功能进行了扩展,仿真结果和实际应用表明该方法稳定有效。     

车削大螺距螺纹工艺可靠性评判方法

大螺距螺杆左右螺纹面加工误差沿轴向的分布对压力机滑块的定位与重复定位精度有重要影响,车削螺纹工艺应具有高可靠性。已有的利用误差最大值评判加工精度的方法,忽略了加工误差沿轴向的分布特性,无法揭示工艺的可靠性。为此,采用相同工艺方案,进行两次车削螺距16mm外螺纹试验,构建中径误差和左右螺纹面的大小径、牙型半角、螺距误差分布行为序列,采用灰色关联分析方法,利用加工误差分布行为序列的相似性评判大螺距外螺纹工艺可靠性,并进行实验验证。结果表明,采用该方法可有效识别和评判车削大螺距螺纹工艺可靠性。     

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。     

车削类主轴回转运动精度的评定误差及加工精度的预报

利用刚体平面运动的瞬心理论,将刚体主轴的回转运动作为平面运动来研究,定义了主轴的回转轴心误差、回转中心误差以及车削类主轴回转运动精度的评定误差。建立了加工精度与主轴回转运动精度之间的数学关系。     

高精度滚珠丝杠磨削加工误差分析

高精度滚珠丝杠是数控机床、精密仪器和仪表等设度的因素,并论述了机床传动误差、机床母丝杠安装精度、丝杠磨削热变形和力变形、砂轮主轴热变形和力变形等对高精度滚珠丝杠磨削加工的影响.为正确合理的使用机床、进而提高丝杠磨削精度提供了理论研究.     

大型射电望远镜日照热误差及其补偿的仿真研究

射电望远镜广泛应用于射电天文、测控导航等领域，随着其工作频率的升高、口径的增大，日照引起的结构热变形对其性能的影响愈发严重；本文针对待建的新疆110 m口径射电望远镜，建立了其日照热力耦合模型，分析了天线在不同时刻、风速及姿态下的温度、变形情况，总结了结构日照温度场、变形场的时空分布特征，最后采用最佳吻合抛物面方法对反射面精度进行了评价，并通过副反射面位置补偿量的变化趋势揭示了天线热变形的共性规律及机理。结果表明：对于日照引起的天线热变形误差，风速越大，结构温度分布越均匀，其越接近等温膨胀变形，反射面形状精度越高；温差引起的结构不均匀变形是反射面精度下降的主要原因，温差越大结构的不均匀变形越大，反射面的形状精度越低；同一姿态不同风速下反射面热误差空间分布具有相似性，该分布与太阳直射点位置直接相关，且会跟随直射点位置发生变化，但由于日照强度、风速等因素的不同，其变形幅度不同。各种姿态下反射面精度变化规律相似，与风速的相关性均为反射面精度随风速上升而提高；采用副反射面位置补偿技术可明显缓解日照热误差影响。本文的分析方法与结论对大口径全可动射电望远镜的设计建造及其热误差控制具有一定参考价值。     

数控滚齿机工作台热-力变形分析及预测建模

为了减小滚齿机工作台变形对加工精度的影响,对工作台热、力变形进行了研究,提出一种基于子种群自适应思维进化算法优化反向传播（SAMEA-BP）神经网络的滚齿机工作台热-力变形预测方法。通过SAMEA对BP神经网络的初始值、权重和阈值等参量进行调整,有效提升了基于神经网络的热-力变形预测准确度。结合K均值聚类策略和灰色关联分析（GRA）对影响热误差的温度测点进行耦合性和关联度分析,将热误差输入变量从8个测点减少到3个;针对滚齿加工中切削力导致的工作台变形,利用机床主轴电流表征切削力,并作为预测模型的输入变量。试验结果表明：本文模型平均预测精度为95.1%,与其他模型进行的对比分析验证了本文SAMEA-BP模型的有效性和泛化性。     

SMART-CNC超精密数控曲面磨床综合误差补偿技术

为了进一步提高数控磨床的磨削加工精度,运用多体系统运动学理论、神经网络方法和有限元分析方法,分别对SMART-CNC超精密曲面数控磨床的空间几何误差、热变形误差以及力变形误差进行了建模和计算．通过逆运动学迭代求解算法求解出可消除磨床几何误差和载荷误差的精密加工数控指令值,通过神经网络算法,控制微位移夹具机构,消除了磨床热变形误差的影响．实验结果表明,综合运用上述误差补偿方法,可以将该磨床的磨削误差由原来的0．225 μm减小到0．045μm．     

基于运动误差标准的陀螺马达回转精度评价

本文引入国际标准ISO 230-7:2015中运动误差（Error Motion）的概念来评价气浮动压陀螺马达的回转精度. 基于三点法误差分离技术建立了动压马达回转精度测试系统,得到了动压马达的圆度误差、安装偏心误差和轴心运动误差;提出了基于三点法测量马达转子径向离心和热变形的方法;通过仿真和实验验证了分离结果的准确性. 为在生产中如何定量评价陀螺马达的回转性能进行了有益的探索.     

精密数控机床多主轴系统热平衡试验

对现有的精密数控机床主轴系统进行常规工况实验和空运转实验,提出一种数控机床热平衡试验方法,通过该实验方法可以获得数控机床主轴系统的热敏感点、温度场数据和热位移场数据以及热平衡时间等热态特性,以校验理论仿真分析,并建立误差模型,从而实现对主轴系统热特性的快速校核与加工误差补偿.在具有3个独立磨头主轴系统的直线滚动导轨精密曲面成形数控磨床上,开展多主轴系统热平衡试验方法的具体案例研究,获得了其中两个理论上相同的立式磨头的主轴系统温升变化曲线、热变形变化曲线和热平衡时间等不同的热态特性,论证了多主轴热平衡实验对于消除多主轴机床差异性上的重要性,弥补了多轴系统热态特性分析在理论上分析的不足.通过将热平衡试验获得多主轴系统的热态特性结果用于指导热误差补偿工作,减小了机床热误差控制及补偿难度,提高了机床加工直线导轨曲面精度与工作效率.     

磨齿机电主轴热特性及热误差建模

针对磨齿机在磨削加工时,电主轴存在热致误差等问题,提出基于模糊神经网络（FNN）建立电主轴热误差模型的方法.分析电主轴内部的热生成和热传递机理,得到内部的传热规律.通过计算热载荷和边界条件,利用有限元分析（FEA）软件对电主轴系统的温度场和热变形进行数值模拟,得到电主轴系统中温升和热变形最大的部位.通过电主轴热误差实验获得温度和热变形数据,分别训练模糊神经网络和BP神经网络,建立温度场和热变形之间的热误差模型,对主轴热误差进行预测.结果显示：在电主轴径向热误差预测模型中,模糊神经网络模型和BP模型的建模精度分别为96.74%和89.77%.这表明模糊神经网络模型建立的热误差模型,在拟合和预测精度上优于BP神经网络模型.     

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。     

星载相控阵热变形误差估计与校正方法

为提高星载相控阵天线热变形误差估计精度,提出一种结合机械测量和信号处理的误差估计方法。该方法利用测量传感器的测量数据,能够快速地拟合得到形变阶数和阵元初始位置;根据星-地几何关系,提取已知来波角度的模糊地块回波作为校正源数据,进而结合形变特性建立优化模型,在迭代中计算得到更加精确的阵元位置估计值。仿真结果表明,该方法能够获得优于1/15波长的热变形误差估计结果,并且在较大变形误差的情况下仍具有良好的稳健性,最终获得了良好的方向图校正结果。     

卧式双机联合自动钻铆系统综合刚度研究

为分析卧式双机联合自动钻铆系统中多轴机床的刚度特性分布规律,定量分析该机床末端弹性变形. 建立多轴机床的运动学模型,确定运动关节、柔性运动轴和末端执行器为其末端变形主要来源;针对柔性运动轴与末端执行器的力学特性,采用有限元法得到其对应坐标系内的刚度矩阵;针对运动关节,采用试验法得到关节空间内的刚度矩阵;通过雅克比矩阵法建立运动关节的增强型末端刚度矩阵,通过点传递法建立柔性运动轴的末端刚度矩阵;基于弹性小变形理论,综合各个变形来源的末端刚度矩阵建立多轴机床的综合末端刚度模型;通过实际测试,该刚度模型与实验结果误差小于10%,证明了该综合刚度模型的准确性.     

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。     

基于新陈代谢原理的机床热误差伪滞后建模

为了建立预测精度高、泛化性能强的热误差预测模型,提出了一种基于新陈代谢原理的热误差伪滞后预测模型.通过实验研究发现了机床的伪滞后现象,并假设热误差是前一时刻关键点的温升及热误差共同作用的结果,求解出了机床的热关键点及典型工况下的热误差平均滞后时间.并利用遗传算法优化了最小二乘支持向量机的结构参数,基于新陈代谢原理对热误差进行迭代求解,从而建立了机床的热误差伪滞后预测模型.通过对比不同预测模型的预测结果,证明了假设的正确性,并且考虑伪滞后效应的预测模型的预测精度更高、泛化性能更好,能将不同转速的热误差降低90%以上.     

双柱立式数控滚齿机热变形规律

研究滚齿机热变形对滚齿切削点位置偏差及齿向偏差的影响,是提高滚齿切削精度的重要方法之一.在金属材料热膨胀原理、构件轴线可伸长理论及温度分布不均匀梁的Euler-Bernoulli和Kirchhoff平截面假定理论基础上,提出了针对双柱立式数控滚齿机的床身与立柱弯曲热变形的一种计算新模型,并提出了基于变形微元与隔离体法的滚齿机立柱轴向变形与弯曲变形的耦合理论.经比较本文提出的热变形理论及实验测试数据,两者相对误差低于5%,表明该方法对双柱立式数控滚齿机结构优化、切削点位置偏移量预测及补偿具有指导意义.