[误差建模及精度保证方法]一种五轴数控机床热误差建模方法

针对五轴数控机床多个发热源叠加导致的较为复杂的热误差测控难题,提出了一种五轴数控机床热误差建模方法,采用狮群优化算法优化最小二乘支持向量机（LSO-LSSVM）方法对热误差模型的重要参数进行求解,从而有效提高热误差预测模型的效率和精度。使用偏相关分析对大量温度传感器位置进行初步筛选,选取关联性较大的温度变量,根据选取的实测温度数据,分别采用多元线性回归、粒子群优化最小二乘支持向量机与LSO-LSSVM建模方法进行热误差建模,同时对各热误差模型的预测能力进行对比分析,结果表明：使用LSO-LSSVM建立的热误差预测模型的精度和鲁棒性都有很大的提高。对五轴数控机床主要部位实施热误差补偿测试,测试结果表明,采用LSO-LSSVM建模方法可使试件在X、Y、Z三个方向的误差分别减小35.3%、32.2%和43.9%。     

数控机床热误差鲁棒建模新方法及实时补偿

提出数控机床热鲁棒建模的综合极值和优化试验设计法两种新方法。它们不仅使用统计理论,还结合机床结构,工程判断和众多经验等,使热误差数学模型的鲁棒性更强,精确性更高,文章针对研究车削中心,还提出了一个结构紧凑,简单易用和成本低廉的热误差补偿系统。提出的建模方法和补偿系统在某生产厂家５０多台相同类型车削中心的热误差补偿应用中,仅使用一或二种热误差数学模型,几乎所有机床的热误差补偿都得到良好的效果,经补偿     

数控机床误差元素建模技术

根据建模理论和工程判断针对数控车床各误差元素的不同特性,将误差元素分为三种不同形式,并对于不同的误差给出了不同的数学模型建立方法。理论分析与补偿试验充分证明了这种分类方法及由此建立的数学模型的合理性和正确性。     

数控机床热误差补偿的人工神经网络建模及其应用

使用神经网络理论对数控机床热误差数学建模进行研究分析，并将其与传统的最小二乘线性建模所得热误差数学模型进行综合对比。通过应用实例分析比较表明：BP网络模型和RBF网络模型与传统的最小二乘线性模型相比具有更好的拟合性和预测能力。     

制造机床热误差研究现状与思考

机床热误差，是影响机床加工精度稳定性的最大误差源，因此减少热误差对提高机床的加工精度至关重要。本文试图分析90年代后期以来，国内外在机床热误差补偿研究方面的研究成果；指出了目前热误差应用中存在的几个主要问题；机床特性检测和辨识，温度测点的优化，模型鲁棒性，最后给出了作者对于进一步主要研究内容的思考。     

数控机床几何与热误差测量和建模研究新进展

几何误差与热误差是影响数控机床空间精度的两类重要误差,误差项多且产生机理复杂,直接影响机床加工质量,因此对其进行建模与分析至关重要。综述了近5年数控机床几何与热误差测量与分析研究的最新进展,总结了现有误差测量和建模方法的特点。几何误差方面重点综述了基于试件在机测量、基于激光跟踪干涉仪测量以及测量可追溯性分析的研究新进展;热误差方面着重总结了丝杠、旋转轴和主轴核心部件的热误差建模新方法。最终系统地分析了机床误差测量与建模现有方法中尚需解决的技术难点,并探讨了未来的发展方向。     

数控机床几何和热误差综合的运动学建模

以某生产厂家的一种车削加工中心为研究对象,根据齐次坐标变换原理,推导了该机床刀具与工件之间相对位移的动态关系式。此式包括了该机床几何误差和热误差中主要影响机床精度的１４个误差因子。经基于此误差综合数学模型的实时补偿,工件之间的尺寸变化从原来大于４０μｍ降低到１２μｍ。     

数控机床热变形误差研究及补偿应用

热变形误差是影响机床加工精度的重要因素之一,通过误差补偿的方法可以提高机床的加工精度。研究了通过实时补偿热变形误差提高数控机床加工精度的方法,阐述了热误差的基本原理,介绍了热误差的测量方法。采用模糊聚类的方法来布置测温点,利用多元线形回归方法建立了机床热变形与温升之间的数学模型。在PLC补偿系统的作用下,在加工过程中对XH718数控机床进行实时补偿。实验结果表明补偿效果很好。     

基于BP神经网络数控机床热误差建模的研究

热误差是影响数控机床加工的最大误差因素。采用变惯性因子粒子群算法优化BP神经网络的权值和阈值的方法对数控机床进行热误差建模,不仅可以克服基本BP算法收敛速度慢和易陷入局部极值的局限,而且精度相对较高,可以很好的提高BP网络的学习能力与泛化能力。仿真实验表明,变惯性因子PSOBP优化模型性能优于BP网络和标准PSOBP算法优化模型。     

基于PSO-GPR的数控机床热误差建模及泛化性研究

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。     

基于状态空间模型的数控机床热误差建模

为了减小机床运行参数变化导致的机床热误差变化对模型预测精度的影响,提出了状态空间建模算法,该算法可根据机床运行参数的变化而自动调整模型,从而使模型对机床运行参数的变化具有良好的自适应性。通过实验比较了模型对机床处于不同条件下的热误差预测精度,并基于状态空间模型在Leaderway V-450型数控机床上进行了平面切削的热误差补偿实验。实验结果表明：与传统热误差建模算法相比较,所提算法的预测精度提高了58.12%,稳健性也得到了有效提升,且实际热误差补偿效果显著。     

数控机床热误差特性分析

对数控机床在主轴空转和实切状态下的热误差特性进行了比对分析。利用模糊聚类和F统计量确定了最佳的分类及分类阈值,根据温度与热误差之间的灰色关联度确定出温度敏感点,进而建立补偿模型。对实验结果的分析表明,温度敏感点在两种状态下是动态变化的,不同状态下的补偿模型并不通用;实际生产中的热误差补偿应优选实切状态下的热误差模型。     

机床热误差建模研究综述

机床热误差的产生不可避免,热误差在机床的总误差源中又占有较大比重。如何合理地对机床热误差进行建模,并以此为基础实现热误差的避免与补偿十分关键。在过去三十年里,众多国内外学者针对热误差的建模方法进行了探究,基于建模方法的不同可分为两类:经验热误差建模方法与理论热误差建模方法。经验热误差建模方法主要应用于机床热误差的补偿,基于对统计学模型的参数辨识实现热误差的预测。理论热误差建模方法主要用于机床热误差的避免,基于传热关系及力与位移的约束建立方程,并通过微分方程的数值求解得到热变形。以这两种机床热误差的建模方法为脉络进行展开,分别探讨了两类建模方法国内外的研究现状,并分析了各模型的优缺点,并对未来的研究趋势进行了展望。     

基于三维步距规的数控机床误差辨识研究

基于三轴数控机床的空间误差模型,使用三维步距规识别数控机床空间几何误差。运用三维体积位置精度测量的思想,分步测量得到数控机床在指定离散位置的误差。将各个误差元表示为各个运动轴位置的多项式函数,配合误差模型,可辨识出机床的全部21项几何误差。     

灰色系统模型在机床热误差建模中的应用

提出了采用灰色系统模型进行机床热误差建模的基本原理及方法，以及其在机床热误差补偿建模中的应用。论述了如何利用实测的热误差序列，通过对全数据GM（1，1）模型、新信息GM（1，1）模型和新陈代谢GM（1，1）模型进行机床热误差建模和预报，得出了新陈代谢GM（1，1）模型是机床热误差补偿建模最理想模型的结论。     

五轴数控机床加工误差动态修正方法研究

为修正五轴数控机床加工误差,提高五轴数控机床加工质量,提出一种新的五轴数控机床加工误差动态修正方法.构建五轴数控机床加工误差计算模型,获取五轴数控机床加工的刀心方位、刀轴方位轮廓误差;锁定误差方位后,通过五轴数控机床误差的动态实时补偿方法,实现五轴数控机床加工误差动态修正.研究结果表明:所提方法可实现全方位、高效率的五...     

机床热补偿中温度变量分组优化建模

提出数控机床热误差分组优化建模。在数控机床热误差建模时，先根据温度变量之间的相关性对测量所得的所有温度变量进行分组，再根据各变量与热误差之间的相关性选择典型变量并加以组合，最后依据多元测定系数(回归平方和与总平方和的比值)确定用于建模的温度变量。给出了分组优化建模实例。通过分组优化建模，减少了选择温度变量和建模所需的时间，且避免了误差模型中的变量耦合，提高了热误差模型的精确性和鲁棒性，从而使数控机床热误差实时补偿更有效。     

基于遗传算法优化小波神经网络数控机床热误差建模

数控机床的热误差已经成为影响其加工精度的一个关键因素,为最大限度提高数控机床热误差补偿的精度和效率,结合遗传算法自适应全局优化搜索能力和小波神经网络良好的时频局部特性的优点,提出一种基于遗传算法优化小波神经网络的机床热误差补偿模型。以某型号五轴摆动卧式加工中心为试验对象,以机床温度变量和热误差为数据输入样本,建立小波神经网络模型热误差预测模型,然后用遗传算法优化小波神经网络权值、阈值,最终建立热误差预测模型。通过与传统人工神经网络和普通小波神经网络进行对比分析及试验论证表明,该补偿模型具有精度高、抗扰动能力和鲁棒性强等优点,有望在实际加工场合的数控机床的热误差预测和补偿研究中得到更大的推广应用。     

数控机床误差元素建模技术

根据建模理论和工程判断针对数控车床各误差元素的不同特性,将误差元素分为三种不同形式,并对于不同的误差元素给出了不同的数学模型建立方法.理论分析与补偿试验充分证明了这种分类方法及由此建立的数学模型的合理性和正确性.     

数控机床位置误差建模与补偿

基于空间机构的分析与综合,利用机器人运动学中的齐次变换,提出了数控机床几何误差的一般模型,并针对一台立式加工中心,验证了模型的正确性。所提出的模型和结论,可推广应用于多轴数控机床的误差建模与补偿。