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。     

基于灰色系统理论的GM2000A数控机床热误差的智能补偿方式及应用

众所周知对于超精密机床而言,热误差是影响数控机床加工精度的重要因素之一,可达机床加工精度总误差的70%。因此减少热误差对数控机床的影响至关重要。要提高加工精度,减少热误差,就必须对其进行有效的补偿。以GM2000A龙门加工中心为对象介绍了热误差的测量方法,采用灰色系统理论中的灰色关联分析法建立测温点和热误差之间的相关程度达到优化测温点的目的,使输入数据更趋于合理。最后用BP神经网络建立温升和机床热误差之间的数学模型,MATLAB仿真实验结果表明了补偿效果的可行性。     

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。     

数控机床热误差的智能补偿方式及应用

热变形误差是影响数控机床加工精度的重要因素之一,因此减少热变形误差对提高数控机床的加工精度至关重要.以HMC800A立式三轴数控加工中心为对象介绍了热变形误差的测量方法,采用粗集理论的属性简化来建立测温点和热变形误差之间的相关程度从而优化测温点,使输入数据更具合理.运用BP神经网络理论建立了机床热变形误差和温升之间的数学模型,进行研究分析.最后通过MATLAB仿真实验结果表明了补偿效果的可行性.     

精密数控机床主轴系统热动态特性分析与研究

解决了因主轴热变形引起的数控机床加工精度下降的问题,建立了精密数控机床主轴径向和轴向动态热变形的计算机精细数值计算模型和主轴热误差动态预报理论模型,以期揭示温度变化对精密数控机床加工精度的影响机理,为精密数控机床综合误差补偿提供理论依据和技术支撑。本文采用理论分析、数值计算和试验研究相结合的方法,利用有限元方法的数值特点和实际工况实时测量数据的可靠性,为数控机床主轴系统热态特性研究提供理论与实际的依据。     

主轴热误差前瞻预测模型

为消除主轴热误差对加工质量的影响,以某精密卧式加工中心为研究对象,利用智能温度传感器和位移传感器检测机床温度值和主轴热变形,基于主轴温度场准静态假设建立了主轴温度一热误差模型.为优化数据性能,改善补偿系统动态品质,选取灰色理论建模,通过建立温度新陈代谢预测模型,消除了温度检测和补偿实施的时差影响,最终实现主轴热误差的前瞻预测.研究结果表明,该模型计算量小,预测精度高,可用于稳定加工中的热误差实时预测.     

五轴数控机床热误差检测案例分析

对机床热误差的检测是为了解机床热误差规律、寻找数据支撑,从而进行误差补偿或减少热误差发生,提高机床精度。通过数控机床的主轴热误差检测案例,简单介绍热误差检测方法及在实际中的运用。案例表明机床不同的热误差源的性质不同,对机床精度的影响也不同,因此实现误差补偿所需建立的模型也就不同,需要热误差检测方法也将不同。机床热误差检测方法的研究为热误差补偿技术的研究提供了前提和基础。     

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。     

基于在线最小二乘支持向量机的数控机床热误差建模与补偿

为消除数控机床热误差对加工精度的影响,提出了基于在线最小二乘支持向量机的数控机床热误差建模方法。为构建机床热误差模型,进行了建模实验,采用智能温度传感器与激光位移传感器分别测量机床温度值与主轴热变形量。将获得的数据进行在线最小二乘支持向量机建模训练,构建机床热误差模型。在根据模型得出误差预测值的同时,可以不断根据在线输入的新数据修正热误差模型本身,运算时间短,适用于在线建模。实验结果表明,基于在线最小二乘支持向量机的数控机床热误差建模方法具有精度高、鲁棒性强和计算时间短的特点。在此基础上,根据在线模型进行热误差补差,可有效消除机床热误差影响,提高数控机床的加工精度。