精密数控车床主轴热误差建模

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。     

数控机床工作台误差综合补偿方法研究

针对由几何误差与热误差引起的数控机床工作台与主轴之间相对位置变动的问题,通过试验分析其在不同温度状态下的误差数据,得到机床工作台平面度误差随热变形保持不变的规律,并提出了一种数控机床工作台平面度误差与主轴热误差的综合补偿方法。该方法通过分别建立工作台平面度误差模型和热误差模型,并运用叠加原理建立综合误差补偿模型,对传统固定单位置点建模补偿方法的原理性缺陷进行了改进。结合机床关键部件的实时温度值和刀具位置的实时坐标值,计算出了全工作台各区域各温度阶段的误差补偿值,进而实现了全工作台主轴轴向综合误差的实时补偿。检验及分析结果表明,相比于传统固定单位置点热误差建模补偿方法,该方法所建模型残余标准差减小约7μm,精度提高比例达到50%;单次最大补偿残差减小约11μm,精度提高比例达到60%,大幅度提高了机床的加工精度。     

基于正则化的机床热误差自适应稳健建模算法

通过建立预测模型对机床热误差进行补偿,是有效解决热误差造成机床精度下降问题的常用方法。本文提出一种基于正则化的数控机床热误差自适应稳健建模算法,能够在建模过程中自适应选择温度敏感点(TSPs),并具有高预测精度和稳健性。首先基于结构风险最小化原则对热误差建模稳健性机理进行分析,进而利用正则化算法中LASSO解的稀疏性实现自适应TSP选择。然后基于不同实验条件的热误差数据,分析所提建模算法的预测效果,并与常用的多元线性回归、BP神经网络和岭回归算法进行比对分析。结果表明,本文所提建模算法具有最高的预测精度和稳健性,分别为5.22和1.69μm。最后,利用所建立的预测模型进行热误差补偿实验,以验证本文所提建模算法的实际补偿效果。     

数控机床热误差补偿最佳转速选择

为提高数控机床热误差补偿模型在实际工程应用中的补偿精度和稳健性,研究了热误差补偿建模时机床最佳转速状态的选择方法。首先,以Leaderway V-450数控加工中心主轴Z向为研究对象,控制机床主轴在空转状态下,以图谱和恒定转速两种方式进行了多批次实验。然后,采用模糊聚类结合灰色关联度选择温度敏感点并建立多元线性回归模型。最后,分析不同转速类型下模型的预测效果并对同种转速类型下模型预测效果进行相对评价,从而给出热误差补偿建模时机床最佳转速状态的选择方法。实验结果表明,根据国际标准中不同主轴转速类型建立的热误差补偿模型,对于机床热误差预测效果存在较大差异。根据实际工程应用选择的最佳转速状态建立的补偿模型有较好的预测效果。     

基于迁移学习的异工况下机床热误差建模方法

机床热误差预测模型在不同工况下难以保持高预测精度是导致热误差实际补偿效果差的重要原因，对此本文提出一种基于迁移学习的异工况下机床热误差建模方法。首先利用核均值匹配算法获取不同工况下机床温度数据间的迁移权重，从而提出基于迁移学习的热误差建模方法；对不同工况下热误差数据进行差异显著性检验，并利用本文所提方法建立热误差预测模型，分析建模效果；然后比对分析本文所提建模方法与常用建模方法的实际预测效果，最后进行补偿验证实验以证明本文所提方法的有效性。结果表明，本文所提基于迁移学习的建模方法能够有效提升建模效果，其中迁移学习结合LASSO算法针对不同工况下热误差数据的预测精度和稳健性分别达到3.73和1.14μm,补偿后机床X/Y/Z 3个方向热误差分别保持在-2.3～3.1μm、-3.4～3.9μm和-3.3～4.6μm范围内。     

基于遗传算法优化灰色神经网络的机床主轴热误差建模研究

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。     

基于偏最小二乘的数控机床热误差稳健建模算法

建立预测模型对热误差进行预测和补偿是解决机床热误差问题的常用方法,该方法中模型的预测精度和稳健性易受环境温度影响而明显下降,对此本文提出了基于偏最小二乘法的热误差稳健建模算法。首先使用相关系数法筛选温度敏感点,并建立热误差偏最小二乘回归预测模型。进而基于全年环境温度下的多批次热误差实验数据,分析最佳的温度敏感点个数。最后建立热误差偏最小二乘回归模型,并与普通多元线性回归模型的预测效果比对分析。结果表明本文所提算法平均预测精度为5.7μm,模型稳健性为0.56μm,相较于普通多元线性回归算法,预测精度和稳健性分别提高13.8%和49.5%。说明本文所提的热误差稳健建模算法能够在环境温度变化较大时保持高预测精度和高稳健性。     

基于信息粒化支持向量机的主轴热误差综合预测模型

主轴热变形是影响数控机床加工精度的主要因素。为提高主轴热误差的预测精度,提出了基于信息粒化支持向量机(SVM)的主轴热误差综合预测模型。使用信息粒化方法对采样温度数据与主轴热误差数据进行预处理,分别建立基于SVM的主轴热误差的回归预测模型和时间序列模型,通过计算两个模型权重系数,最终建立主轴热误差综合预测模型。以2MZK7150五轴数控可转位刀片工具磨床为研究对象,实验表明,较之于单一模型该模型具有良好的泛化能力和较高建模精度。     

基于实时反馈的机床热误差在线补偿模型

为建立一种能够适应机床不同工况且具有准确预测能力的热误差补偿模型,提出一种基于限定记忆递推最小二乘法辨识热误差模型参数的机床热误差预测建模方法。该方法随着机床工作状况的改变,根据实时反馈的温度和热误差数据,采用递推方法对模型参数进行即时修正,使热误差模型能够及时跟踪机床系统的热特性变化,实现以较高的预测精度对机床热误差进行补偿。通过数控车床主轴轴向热误差辨识建模及补偿实验可以看出,限定记忆递推最小二乘法比一步最小二乘法辨识精度有较大提高,最大残差值减小了52.3%,标准差减小了67%。实验结果表明,利用该方法进行机床热误差模型参数辨识具有较高的预测精度和鲁棒性,有效可行。       

数控机床热误差灰色神经网络补偿应用研究

针对数控机床热误差建模补偿的问题,提出了灰色神经网络建模补偿的新方法。首先利用机床的温度值建立了机床热误差的灰色系统预测模型,再由灰色模型预测值得到的残差建立神经网络预测模型。结合灰色系统和神经网络的优点,建立了一种新的灰色系统和BP神经网络组合热误差预测模型。最后以实测数据建模说明了灰色神经网络模型预测效果明显优于各单项模型,方法优异的预测性能对于具有复杂成分的动态数据序列的机床热误差建模也适用。     

高速数控加工中NURBS曲线拟合及插补技术的研究

通过分析现代数控系统中自由曲面插补算法的特点,提出了基于最小二乘法的NURBS曲线拟合算法和基于弧长参数补偿的NURBS插补技术。采用最小二乘法拟合NURBS曲线,能获得光滑的刀具加工路径,并且在一定范围内能复原曲线的设计轮廓。参数补偿的NURBS插补方法,以泰勒展开法得到的插补参数作为临时插补点,利用该插补法能显著减小速度波动,可将速度控制在理想的范围内,可进一步提高加工精度并减小数控机床的振动。仿真实验表明：该算法简明高效、易于实现,能够满足现代数控系统的要求。     

一种修正的Norton-Hoff本构模型及实验验证

针对B1500HS硼钢,采用Gleeble-1500D热模拟试验机,通过单轴拉伸试验对其在温度为550~850℃、应变速率为0.1~10s-1范围内的本构关系进行了研究。根据硼钢流动应力曲线的特点,对Norton-Hoff模型进行了修正,将修正后的模型与Brosius提出的Norton-Hoff模型和Tong-Wahlen模型进行比较,并通过预测值偏离实验值的程度进行评估。与实验结果对比后发现:修正的Norton-Hoff模型能更好地预测B1500HS硼钢的流动应力。     

数控车床主轴热变形检测及回转精度评定

针对主轴回转热误差包含的多种误差分量,采用双向正交法测量了不同转速温度场下数控车床主轴热变形所引起的回转误差。以复向量描述主轴回转精度理论为基础,利用FFT误差分离方法,从传感器测得的信号中分离并去除检棒的安装偏心及热变形导致的回转中心的偏移量,从而得到精确的主轴回转热误差信息,进而评定数控机床主轴热变形对加工精度的影响。     

基于单杆矢量的机构复合分离位置函数综合

提出用单杆相对运动差单元构建平面机构函数综合方程式。首先建立单杆的相对位置运动差及高阶运动差通用单杆矢量公式,再通过引入变量和增加单杆矢量附加方程,消除了方程式中非独立的未知角变量及未知高阶角变量。然后用单杆矢量及其附加方程直接建立有限分离、无限接近分离及复合分离位置函数综合的统一通用的多项式方程组,且方程总次数低。讨论了在平面铰链四杆机构函数综合中的复合五位置问题及复合四位置问题上的应用,用实例计算了“实现函数”与“预期函数”的误差并作出误差波动图,结果表明在无限分离精确点及无限接近分离点上可以精确实现预期函数,但按高阶运动特性要求设计的机构不一定能使“实现函数”在所有0阶位置上更逼近“预期函数”。该方法比双杆组、三杆组法简单,模块性非常好,便于计算机自动建模与求解。     

指数型产品多阶段可靠性增长的Bayes模型

基于D-S证据理论融合验前信息,建立了一种适用于小子样复杂系统多阶段可靠性增长分析的Bayes模型。选择Gamma分布作为失效率的先验分布,通过多源可靠性信息融合,将专家经验转换成概率分布, 利用D-S证据理论融合多个专家信息,确定了先验分布参数,结合产品研制阶段试验数据,根据Bayes统计推断理论,给出了失效率、平均故障间隔时间（MTBF）和可靠度的Bayes点估计和置信下限。以兆瓦级直驱式风力发电机研制试验验证了该模型的有效性。     

CBN-WC-10Co刀具材料的电火花线切割机理

采用电火花线切割方法对CBN-WC-10Co刀具材料进行了线切割加工实验,利用带能谱分析的扫描电子显微镜（SEM)观察了切割试件截面和表面的显微形貌并进行了成分分析。从微观角度分别研究了CBN颗粒和硬质合金基体的材料去除机理,分析了CBN-WC-10Co刀具材料的电火花线切割热损伤情况。研究结果表明:CBN-WC-10Co刀具材料的电火花线切割材料去除机理主要是通过放电通道产生的高温使材料局部区域熔化或者气化,在放电爆炸力作用下被抛出熔池,同时放电爆炸力使部分CBN颗粒直接从硬质合金基体脱落,形成凹坑;黏结剂金属钴因其导电性好、熔点和沸点低而容易被过量去除,导致WC颗粒因失去支撑结构而从表层脱落,且放电通道内产生的爆炸冲击波也会造成WC边缘局部碎裂。     

液体润滑剂的黏度对边界滑移影响的实验研究

为了了解微纳米间隙中流体的流动特性,采用原子力显微镜对微纳米间隙中的固体和液体边界滑移进行了实验研究,主要研究了液体润滑剂的黏度对边界滑移的影响。实验中采用的固体样品为SiO2,液体样品为两种不同黏度的季戊四醇油酸酯,分子式为C77H140O8,黏度分别为32mm2/s和150mm2/s。采用相对速度法对实验数据进行了处理,结果表明,不同黏度的季戊四醇油酸酯和SiO2表面作用时都会发生边界滑移,黏度大,产生的滑移大。其原因是,随着黏度升高,邻近固体表面的液体分子与和固体表面相接触的液体分子之间的剪切力增大,可更加容易地克服固液界面间的作用力,更加容易产生边界滑移。     

随机变量和非独立区间变量下的可靠性序列迭代算法

针对机械系统中输入变量存在随机变量和区间变量混合的情况,考虑区间变量的非独立性,提出高效混合可靠性分析方法。区间变量使可靠性分析问题变为双层优化问题。为降低双层优化和非独立区间变量对可靠性计算效率的影响,提出了高效序列迭代计算策略,基于椭球模型描述的非独立区间变量,提出将非独立区间变量转换为独立区间变量的方法,并利用二次泰勒近似方法,将区间分析问题转换为易求解的二次规划问题。算例结果表明,所提出的可靠性序列迭代算法具有较高的计算效率和精度;可靠性分析结果受区间变量独立性假设的影响,区间变量独立可导致较保守的可靠性分析结果。     

考虑两粗糙面分形特性的接触模型

基于M-B分形接触模型,通过构建接触系数建立了考虑两粗糙面分形特征的接触模型。分析结果表明,修正模型能较好地与实验数据相吻合,并适用于更大的载荷,修正模型综合考虑两粗糙面的特性,其计算结果与实际接触情况更相符,为摩擦磨损预测、磨粒分析以及不同粗糙度表面的接触分析提供了参考。     

搅拌摩擦焊接装备工作载荷预估及刚度分析

针对搅拌摩擦焊接装备开发的需要,基于流体力学基本原理提出了一种考虑搅拌区搅拌头受力的预估模型,在此基础上,利用商用软件Pro/E和ANSYS建立了车装焊一体化数控复合焊接装备有限元模型,通过模拟加工工况下的受力状况,对整机刚度和变形进行分析,确定复合焊接装备的最大变形部位与应力集中点,校核了焊接装备总体及部件刚度,为焊接装备制造提供了依据。