基于车削加工工件测量的误差补偿技术

提出两种基于车削工件测量的误差补偿方法 ,即误差反向叠加的微进给补偿法与逆变刀具路线的软件补偿法 ,介绍这两种方法的原理与实现方法     

BP神经网络补偿热变形误差的研究

在精密加工中，由于热变形引起的误差占整个系统误差的40％－60％[1]，这说明对热变形进行深入研究和找出其规律并提出相应的补偿措施是十分必要的。本文是以CK616－1简易数控车床为实验对象，在对其热误差分析的基础上进行热误差建模，并结合改进的BP神经网络给出了具体实现的方法，对提高机床的加工精度有着极其重要的意义。     

铣削加工误差的神经网络补偿技术

本文对影响铣削加工误差的信息进行分析,运用人工神经网络技术,介绍了在线误差补偿控制系统的建立原理,建立铣削加工误差信息的神经网络结构和误差补偿模型,并通过对样本的合理选择来提高补偿的能力,以提高加工精度。     

BP神经网络补偿并联机器人定位误差

为减小机构末端定位误差,提高机器人运动精度,分析了所开发的6-DOF精密并联机器人末端位姿的误差来源及以往误差补偿方法的局限性。通过实际测量末端位姿,在精密定位的局部工作空间内,提出了基于BP神经网络的机器人关节空间误差补偿方法。确定了BP神经网络模型,建立了误差补偿的数据样本,并对数据样本进行了标准化,通过实验对比的方法确定了隐层神经元的个数,同时对网络的推广能力进行了验证。经过误差补偿,6-DOF精密并联机器人的平移定位误差下降了80%,转角定位误差下降了60%。该实验结果表明,基于BP神经网络的误差补偿方法对机器人局部工作空间的补偿具有明显的效果,满足精密并联机器人工作的精度要求。     

数控铣削加工中刀具变形误差分析

通过分析计算数控铣削过程中刀具变形引起的误差,提出对这种误差的补偿方法。试验表明,该方法可显著提高数控加工效率与加工质量。计算结果可作为数控编程时力学仿形的基础。     

基于BP神经网络饲料配料误差补偿模型

由于配料误差具有多因素非线性的特点,采用自适应平滑预测等传统模型实现误差补偿,难以保证计量精度。利用神经网络的学习能力,可提高预测的可靠性。在分析饲料自动配料系统的误差及控制的基础上,讨论了配料误差动态控制的主体--空中料柱量及其影响因素。依据BP神经网络模型的结构原理,建立了饲料配料自适应误差补偿BP神经网络模型,阐明了模型计算与应用的方法,并对应用结果进行了检验分析,取得了满意的效果。     

精密磨削加工的神经网络误差补偿技术

通过对磨削加工过程中的误差信息进行综合分析,运用人工神经网络的基本方法,建立了基于神经网络理论的精密磨削加工误差补偿模型,并从结构和算法方面进行了详细阐述。给出了对磨削加工进行实时误差补偿的硬件实现方法,并通过样本的合理选择及系统的学习过程提高了该误差补偿系统的补偿能力。     

精密磨削加工的神经网络误差补偿技术

通过对磨削加工过程中的误差信息进行综合分析,运用人工神经网络的基本方法,建立了基于神经网络理论的精密磨削加工误差补偿模型,并从结构和算法方面进行了详细阐述.给出了对磨削加工进行实时误差补偿的硬件实现方法,并通过样本的合理选择及系统的学习过程提高了该误差补偿系统的补偿能力.     

基于RBF神经网络的曲面加工误差补偿

在自由曲面数控加工中,计算误差和机床误差都会带来加工工件的形状误差。形状误差在三维空间分布是无规律的,无法用普通的数学函数表达,导致很难实施误差补偿加工。为了建立误差补偿模型,本文提出了采用RBF（Radial Basis Functions）神经网络逼近误差的三维分布函数。测试结果表明,RBF网络模型具有较好的推广能力,它与传统的BP神经网络模型相比较。RBF网络具有更高的精度、更好的泛化能力和更快的收敛速度。通过修改后的数控NC指令驱动数控机床,使刀具中心偏离一个误差函数求出误差值,实现误差补偿。     

数控车削加工中刀具补偿应用

通过数控车床加工中刀具补偿功能,结合典型数控系统应用经验,详细叙述刀具补偿的输入方法和步骤,提出了刀具补偿应用中注意的问题。对目前典型数控车床刀具补偿的输入作了介绍,为数控车床编程人员提供学习、参考的依据。     

神经网络补偿机床热变形误差的机器学习技术

研究了以神经网络（ＮＮ）为模型的软件补偿不同机床热误差。提出知识获取是神经网络建模的关键环节。两种数控机床被用来研究分析热变形,通过测量实验获取学习数据,特别是温度测量和传感器数目的选取。介绍了机器学习技术和学习数据组织方法,包括归纳学习和推理学习。给出了预报补偿的结果和精度评价。     

基于遗传算法优化BP神经网络的数控机床热误差补偿

以提高数控机床加工精度为主要目的,针对减少热误差而提出一种基于遗传算法优化BP神经网络的数控机床热误差补偿方法.首先,分析遗传算法优化的BP神经网络学习算法.然后,建立神经网络模型对三轴联动卧式加工中心进行实时补偿.实验仿真结果表明遗传优化BP神经网络模型具有预测补偿能力强、补偿精度高、拟合性能优、实时性好等特点.     

光学自由曲面快速刀具伺服车削误差的补偿

受各种误差因素以及周期性变化的切削力的影响,快速刀具伺服金刚石车削技术往往难以用一次车削获得满足光学性能要求的自由曲面。本文提出了一种利用线性差动传感器(LVDT)实现高精度接触式自由曲面在位测量的方法。该方法结合两自由度快速刀具伺服系统,实现了基于快速刀具伺服(FTS)的自由曲面车削加工的误差补偿。试验结果表明,该技术将自由曲面的加工精度提高了20%,表面粗糙度降低18.1%,解决了FTS系统与机床运动的同步问题,可补偿机床xyz三向运动误差,可用于自由曲面加工误差的修正。该方法还可用于不对称幅度较大的曲面或硬脆性材料的加工等,故促进了高精度光学自由曲面的推广应用。     

数控车削加工中刀具补偿技术的研究

在深入分析刀尖圆弧引起的误差和刀具补偿原理的基础上,提出了刀具补偿的具体措施.对数控车削加工中的刀具补偿技术进行了深入研究,认为正确采取刀具半径补偿措施可以有效地提高零件的加工质量和加工效率.     

凸轮范成加工的刀具误差补偿分析

通过分析凸轮范成加工中影响凸轮机构运动精度的有关因素,提出了一种能对刀具误差进行有效补偿的工艺方法。     

基于BP神经网络的压力传感器误差补偿算法研究

采用BP神经网络来建立扩散硅压力传感器的输出输入模型,其网络模型具有三层结构,采用改进型的差分进化算法来优化BP神经网络的权值和阀值,并在MATLAB中进行了仿真。经训练得到补偿后扩散硅压力传感器的输出满量程误差可达到0．035％,结果表明采用基于改进型差分进化算法的BP神经网络建模对提高智能差压传感器的测量准确度具有参考价值。     

BP神经网络补偿三维曲面非接触式测量系统热变形误差研究

针对一个三维非接触式测量系统，在简要介绍系统工作原理的基础上，指出机械部分的热变形误差是影响系统误差的关键。该文在分析测量系统机械部分的基础上对它进行了热误差的分析和建模，并结合改进的BP神经网络给出了具体实现的方法。     

虚拟制造中基于刀具磨损的复杂曲面加工误差补偿

铣削加工过程中刀具的磨损是产生曲面加工误差的重要原始误差,将刀具磨损引起的误差通过建立的误差模型进行定量补偿,是虚拟制造中的一项关键技术。研究了虚拟制造环境下基于球头铣刀磨损的曲面加工误差补偿,建立了与加工参数相关的球头铣刀磨损模型,用以衡量球头铣刀切削刃磨损量,提出球头铣刀铣削加工误差补偿方法,并经实验验证有效。     

球头铣刀刀具磨损建模与误差补偿

针对刀具磨损度量方式和模型建立的问题,以球头刀具为研究对象,提出球头铣刀刀具磨损的度量方式,建立球头刀具磨损模型.以复映磨损在硬度较软加工材料上的方式测量球头刀具磨损,确定刀具磨损模型系数,给出刀具磨损模型系数确定的具体实现方法.加工试验验证球头刀具磨损度量方式的合理性和所建立刀具磨损模型的正确性,同时针对数控铣削加工中球头铣刀刀具磨损引起的误差提出离线仿真误差补偿算法,给出离线仿真误差补偿算法的具体实现步骤,通过建立的刀具磨损引起的加工误差模型仿真获得加工走刀步的误差.对于误差超差的走刀步,预先修改数控加工(Numerical control,NC)程序,保证实际加工零件满足精度要求.误差补偿验证试验表明所提出的离线仿真误差补偿算法的正确性和有效性.     

基于BP神经网络技术的刀具状态监控系统

利用BP(back propagation)神经网络建立刀具检测系统的模型,通过BP神经网络来实现对于车间刀具的运行状态的控制。通过这个检测系统,实时反馈车间加工过程中刀具的即时信息,为企业的自动化和信息化的发展带来了促进的作用,进一步提高效率,减少了因为刀具磨损而带来的经济损失,具有一定的现实意义。