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。     

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.     

负热膨胀材料在机床热误差补偿中的应用

金属材料的热胀冷缩性是机床热误差的根本来源.传统热误差补偿方法是根据机床实时温度,预测误差的产生时间和大小,控制刀刃的走位进行补偿,该补偿方法存在时间延迟性等缺陷.设想使用负热膨胀材料作为刀架材料,把回归法得到的机床-工件位置误差与有限元分析得到的刀具负变形联立,减小加工误差,为机床热误差补偿方法提供一种新的途径.     

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     

微型计算机控制机床热变形的研究

本文旨在控制机床的热变形,提高加工精度,提高生产率。文中成功地应用了先进的计算机控制技术。实验表明,本微机控制系统能有效地对机床热变形进行补偿控制。     

机床热变形的探讨

机械制造业中，由于动力源的能量损耗，运动件的摩擦、材料的切削及外部环境等因素影响，均导致机床发热，使得机床产生热变形，机床受热变形对其精度及被加工件误差都会带来很大的影响，建立机床构件热变形后的数字模型能够给分析与消除热变形对工件加工的影响提供一定的方便。     

机床热变形的探讨

机械制造业中，由于动力源的能量损耗，运动件的摩擦，材料的切削及外部环境等困难影响，均导致机体发热，使得机床发生热变形，机床受热变形对精度及被加工件误差都会带来很大的影响，建立机床构件热变形的数学模型能够给分析与消除热变形对工件加工的影响提供一定的方便。     

机床热变形的研究现状

总结了并分析了国内外减小机床热变形的一些新方法，为研究减小机床热变形提供了新思路。     

环境温度变化对机床基础热变形的影响规律

在周期性热传导和弹性地基梁的基础上 ,分析了环境温度变化对机床基础热变形的影响规律。结果表明 ,随着基础深度的增加 ,基础温度分布为呈负指数规律递减的简谐波 ,且变形主要集中在距基础两端距离为π/( 2 β)以内。为此 ,本文提出双层基础这一新结构 ,使上层基础处于非主要变形区 ,且使其自重变形能够自动补偿环境温度变化引起的热变形 ,从而提高了机床的加工精度及其稳定性     

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.     

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.     

车削加工误差分析及其微机实时补偿

本文详细分析了影响车削加工误差的几个主要因素。其中采用移动热源法计算了工件的热膨胀,利用热弹性理论和回归分析推导了刀具热变形的计算公式,采用误差分离技术得到了刀架直线运动轨迹在水平面内偏离理想轨迹的误差,并且实测了机床的热变形。在以上工作的基础上,应用微机对影响车削加工精度的主要误差进行了实时补偿,取得明显效果。该方法在不增加任何辅助设备的条件下,可以方便地控制数控车床的加工精度,具有使用简便,便于推广等特点。     

机床热平衡时间的确定及室温的影响

本文提出了一种根据少量试验数据估计机床各测温点热平行时间及热平衡时温度新方法．并对热平衡过程中的一些现象进行了分析．考察了室温变化对机床热平衡过程的影响．     

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.     

精密数控立式静压圆台磨床热特性分析

通过建立高精密数控立式静压圆台磨床的有限元模型,进行磨床热源分析,研究了各热源发热量的计算方法,进行了温度场分析求解、热结构耦合分析,得到了立式磨床的热特性、热变形误差。通过机床热变形对精度的影响计算分析,提出发热量控制、优化机床结构、减少热误差措施。     

毛皮熨烫机熨烫辊温度场的研究

以熨烫机实际结构及工作状况为基础,应用传热学理论,建立了毛皮熨烫机熨烫辊部件的热传导模型,用有限元法对其三维热传导温度场分布进行了分析。并对熨烫辊部件各点实测温度值与理论值作了对照比较。     

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。     

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...