机床丝杠进给系统热误差测点优化及实验

针对丝杠进给系统热误差监测点多,且测点之间存在复共线性影响热误差建模精度的问题,提出了一种综合测点优化的方法.首先利用Pearson相关性分析筛选出相关性较高的点,其次利用灰色关联法求出各温度变量间的灰色关联度并由此建立模糊相似矩阵,再采用模糊聚类和F分布统计确定最优测点组合后,由偏相关性分析剔除弱相关变量并建立热误差...     

精密加工中心热误差检测与温度测点优化

以卧式加工中心MCH63为研究对象,首先利用研制的温度和热误差检测系统测量了加工中心的温度场和热误差。然后基于变量分组优化的基本原理,引入修正的相关系数,确立了X、Y、Z三个方向用于建模的温度变量。最后通过RBF网络模型对该温度测点选择方法进行了验证。结果表明,该方法既能减少温度测点数量,又能保证模型的预测精度。     

加工中心热误差补偿的研究

热误差是加工中心的最大误差源。通过对机床热特性的实验和分析，利用神经网络模型对热误差进行了补偿，取得比较好的效果。     

加工中心几何误差分析研究

基于机器人运动学原理，利用齐次坐标变换理论和刀具与工件所构成的联结矢量链概念，以一台立式加工中心为研究对象，建立了包含21项几何误差的数控机床误差模型，同时给出了几何误差辨识方法。所建立的误差模型和误差辨识方法可推广到其它多轴数控机床误差建模与辨识的分析之中。     

加工中心热误差补偿研究

文章基于多体系统理论,提出加工中心的热误差建模理论和方法：并以三轴MAKINO加工中心为例,建立热误差模型并进行参数辨识,最后以软件实时补偿方式进行实际铣削,实验证明补偿效果显著。     

加工中心主轴热误差的灰色残差修正模型研究

介绍了一种基于灰色残差修正模型的加工中心主轴热误差预测的建模方法.仿真结果表明,这种新的建模方法具有较高的精度,为高度复杂的非线性模型化提供了一条新途经.此方法利用某一机床厂具体的数据进行检验,得到了满意的结果.     

加工中心体积热误差在线建模与实时补偿

为提高数控机床体积热误差建模及补偿精度,提出一种基于正交多项式做最小二乘建模方法,构建几何误差与坐标的正交多项式,设计开发基于LabView的在线建模系统,应用正交函数族及初始建模数据实现几何误差建模,有效避免其它建模方法的病态问题,大幅提高体积热误差建模精度及效率,为体积热误差补偿奠定基础。阐明基于轴偏置误差补偿功能的体积热误差在线补偿机理,设计开发基于P89V51RD2单片机的误差在线补偿系统,实现体积热误差在线建模及补偿,实验结果表明,补偿后体积热误差减小89.5%,大幅提高数控机床体积热误差建模及补偿精度。     

基于多体理论模型的加工中心热误差补偿技术

基于多体系统理论,建立了数控加工中心热误差模型,并提出其误差补偿方法,以三坐标MAKINO加工中心为例,建立了具体模型并进行参数辨识,优选了4个测温点,实时测量其温度,作为误差参数辨识模型的输入值,实现了软件实时补偿,在该加工中心上分别沿3个坐标方向加工一系列表面并比较加入热误差补偿的结果,测量结果表明补偿效果显著,实践说明本文所建热误差模型的有效性和补偿方法的可行性。     

立式加工中心的热误差实时补偿应用

论文根据机床长时间加工零件时,会导致机床局部运动部件的温度升高而影响加工精度。通过实验介绍了TMV-850A立式加工中心在零件加工时的主要热误差来源和实际精度补偿方法,进而提高了机床长时间加工时的精度。     

基于灰色关联和模糊聚类的机床温度测点优化

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。     

基于灰色理论预处理的神经网络机床热误差建模

为最大限度减少热误差对数控机床加工精度的影响,尝试结合灰色理论和人工神经网络各自对数据处理的优点,提出一种基于灰色理论预处理的神经网络机床热误差补偿模型.在一台处于实际加工状态的数控车床上进行试验,采用数字式温度传感器测量经过优化选取的对热误差有关键影响的机床构件和加工环境的温度数据,采用非接触式位移传感器获得机床加工热误差数据,在不断调整灰色模型数据序列长度及神经网络权值、阈值的基础上,最终建立热误差补偿模型.通过与传统灰色模型和神经网络进行对比分析及试验论证表明,该补偿模型具有对原始温度和热误差数据要求低、计算简便、预测精度高、鲁棒性强等优点,可用于各种复杂实际加工场合中的数控机床热误差实时补偿.     

灰色系统理论在机床热误差测点优化中的应用

针对影响机床加工热误差建模的机床温度场分布问题，借用灰色系统理论的关联度分析方法。对热传感器在机床上的优化布点进行了研究，从原先的16个温度测点减少到仅使用其中的4个关键温度进行热误差建模，从而可以较简便的分析所研究机床的热误差，提高了热误差建模的鲁棒性。     

采用改进灰色神经网络的铣床热误差补偿研究

数控铣床在铣削零件过程中,主轴会受到温度变化影响而发生热变形,导致铣削零件误差较大,从而降低产品精度。对此,采用一阶线性微分方程推导GM(1,1)模型,创建灰色预测模型。将神经网络模型与灰色预测模型进行组合,建立灰色神经网络预测模型。引用粒子群算法,在粒子群算法中增加变异操作和修改惯性权重系数,给出改进粒子群算法优化灰色神经网络预测模型的具体操作步骤。采用实验测试铣床铣削过程中所产生的热误差,并与预测模型进行比较。结果显示:在铣床主轴X、Y、Z轴三个方向上,灰色神经网络预测模型对铣床主轴补偿后,得到的残差较大;而改进灰色神经网络预测模型对铣床主轴补偿后,得到的残差相对较小。采用改进粒子群算法优化灰色神经网络预测模型,能够提高铣床主轴铣削精度。     

机床主轴温度测点的K-means优化及试验

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。     

数控机床温度与热误差检测系统

数控机床热变形补偿模型研究和应用中须快速采集大量温度与热误差信号.针对温度和热误差信号的特点开发了检测系统,此系统具有方便快速测量机床各部位温度和机床热误差的功能.     

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。     

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。