基于灰色理论的数控机床故障预测的研究

针对数控机床可靠性故障间隔预测模型过程中数据采样难度大、成本高、数据量小、常规数据拟合和预测方法误差较大、数据难以处理等问题,提出一种基于传统灰色预测模型,将灰色残差优化模型和BP神经网络模型相结合的预测方法。在预测过程中该模型首先根据灰色理论建立主轴可靠性故障模型,再用BP神经网络训练并优化灰色理论的残差,最后用文献的主轴故障数据验证预测精度。通过不同的算法对数控机床主轴故障的试验数据验证,证明了灰色神经网络模型在主轴可靠性故障间隔工作时间的预测上优于单一算法及GM(1,1,P)模型,验证了灰色神经网络模型的可行性及有效性。     

基于CS-GMC(1,N)的数控机床热误差建模优化方法

为降低机床热误差对数控加工精度的影响,提高灰色模型GMC(1,N)的预测精度,将布谷鸟搜索(CS)算法引入GMC(1,N)灰色模型中,用于优化灰色模型GMC(1,N)的生成系数,构建了基于CS-GMC(1,N)的数控机床热误差预测模型。以小型三轴立式数控铣床为研究对象进行了主轴热误差实验,热误差预测性能分析结果表明:CS-GMC(1,N)模型的预测精度高于PSO-GMC(1,N)模型,为机床主轴热误差建模及后续热误差补偿提供了参考。     

基于CS-GMC(1,N)的数控机床全新热误差建模优化方法

为降低机床热误差对数控加工精度的影响,提高灰色模型GMC(1,N)的预测精度,将布谷鸟搜索（CS）算法引入GMC(1,N)灰色模型中,用于优化灰色模型GMC(1,N)的生成系数,构建了基于CS-GMC(1,N)的数控机床热误差预测模型。以小型三轴立式数控铣床为研究对象进行了主轴热误差实验,热误差预测性能分析结果表明：CS-GMC(1,N)模型的预测精度高于PSO-GMC(1,N)模型,为机床主轴热误差建模及后续热误差补偿提供了参考。     

数控机床热误差的温度测点优化方法

为了减小机床热误差温度测点数的不确定性、测点之间的多重共线性对预测模型精度及稳健性的影响,提出了一种综合系统聚类(SC)与灰色关联(GC)的测点优化及误差建模方法。以数控机床热误差实验为依据,基于系统聚类、灰色关联分析原理和文中提出的测点筛选原则,将温度测点的数量由20个减少为4个,建立了热误差温度测点优化模型并进行了优化计算。结果显示,此方法能有效降低测点之间的多重共线性,有利于优化模型的预测精度及泛化性能的均衡。     

数控机床热误差的模型预报补偿

阐述了数控机床热误差补偿技术的基本概念，提出了一种基于人工神经网络的数控机床热误差模型预报补偿系统，介绍了该方法的原理，并对该系统的建立及相关技术进行了讨论。     

基于模糊聚类与灰色理论的机床主轴温度测点优化方法

数控机床主轴热误差是影响机床加工精度的主要因素之一,主轴热误差温度测点优化对于准确建立机床主轴热误差模型、提高机床精度具有十分重要的意义。提出一种基于模糊聚类与灰色理论的机床测温点优化方法,通过对主轴测温点进行模糊聚类分析,根据Xie-Beni有效性指标评定,将温度点归为几类,然后通过对模糊聚类后的测温点与主轴热误差进行灰色相关性分析,实现机床主轴温度测点的进一步优化。试验结果验证了该方法的可行性与有效性。     

双转台五轴数控机床的综合误差建模与补偿研究

研究五轴数控机床的综合误差建模与补偿方法.系统地分析了机床几何误差与热误差,并提出了其新的分类方法和一种直观形象的杆、副误差矩阵描述方法,根据这种误差描述方法建立了五轴数控机床的综合误差模型,最后根据矩阵微分法建立了机床综合误差补偿模型.     

数控机床进给系统定位误差建模及模糊评判

采用高速精密数控机床定位精度实验数据建立定位误差线性模型,再根据灰色模型和柯西问题公式建立定位误差非线性数学模型,用模糊综合评判法对两种模型进行二次评判,得出最优的预测模型,并用选取的定位误差补偿模型对机床定位误差进行补偿。补偿后,定位误差的0.95的置信区间上下限小于3μm,结果满足机床的设计使用要求。     

数据处理的等间距化GM(1,1)模型与方法

分析数据处理的现状后，运用灰色系统理论，建立了数据处理的等间距化GM(1，1)模型，给出了精度检验方法。编制了MATLAB程序，给出了数据处理实例。该模型不仅适合于等间距建模，也适合于非等间距建模，具有精度高、使用简便等特点，值得在数据处理中推广使用。     

数控机床热误差补偿建模综述

热误差建模技术是决定热误差补偿能否有效进行的关键,对提高数控机床的加工精度至关重要。介绍数控机床热误差建模的国内外研究状况,阐述国内外常用的几种主要的热误差建模方法,即人工智能法、统计分析法、灰色系统法等,探讨各种方法的特点,指出目前研究存在的问题,并展望未来的发展。     

基于PSO-LSSVM的拉线棒腐蚀预测

根据鄂西某输电线路拉线塔的拉线棒腐蚀数据,通过灰色关联度算法分析了土壤因素与拉线棒腐蚀情况之间的相关性;应用粒子群算法(PSO)对最小二乘支持向量机(LSSVM)的关键参数进行优化;利用灰色关联度权重对有关数据进行处理,建立了PSO-LSSVM和考虑灰色关联度权重的PSO-LSSVM预测模型。实例计算表明,与LSSVM预测模型相比,PSO-LSSVM预测模型训练集所得结果的均方根误差下降了15.3%;预测集的均方根误差下降了35.71%。考虑灰色关联度权重后,PSO-LSSVM预测模型训练集和预测集的均方根误差进一步下降,分别减少了24.59%和20%。PSO-LSSVM用于拉线棒腐蚀预测具有较好的精度,考虑灰色关联度权重的PSO-LSSVM模型的预测精度更高。     

金属材料腐蚀形貌图像与实海挂片数据的相关性研究

采用图像扫描方法获取碳钢、低合金钢实海挂片的腐蚀形貌图像并进行图像分析;用灰色关联及典型相关技术分析了试片扫描灰度值分布与单位平均腐蚀失重及局部腐蚀平均深度的关系;用神经网络理论建立了扫描灰度值分布与试片局部腐蚀平均深度间的关系模型以及扫描灰度值典型加权与试片单位面积平均腐蚀失重间的关系模型。     

基于灰关联分析的热误差测点优化

针对影响机床热误差建模的机床温度场分布问题,提出了优化热关键点的新方法.借助于灰色系统理论的关联度分析方法,根据现场测得的统计数据序列,建立了灰关联分析模型,通过计算布置于机床上各个温度布点的温度传感器的温度采样序列值同机床定位误差之间的绝对灰色关联度值,最终从32个温度测点当中选择了4个点用于建立热误差补偿模型.最后基于四个测温关键点建模对Z轴的定位误差进行了补偿实验,结果证明补偿效果较好,所提出的热误差测点优化研究可以有效提高热误差模型的鲁棒性.     

基于MEA-NARX神经网络主轴热误差建模

为了有效提高基于非线性时间序列的热误差预测模型精度,利用F统计检验确定模糊C均值聚类的聚类数目,结合不同量纲一化处理的灰色关联分析排序筛选出关键温度测点,建立基于NARX神经网络的热误差预测模型,通过设置输入延时阶数、输出延时阶数和隐含层神经元个数的范围,利用思维进化算法对输入、输出延时阶数和隐含层神经元个数进行寻优,与随机选取参数的NARX神经网络预测模型相比,模型预测精度提高了36.98%。     

基于灰色理论的Bi-2212/Ag带材鼓泡

为了简化实验,达到节能、节材及节时的目的,利用灰色理论系统地研究了Bi-2212带材鼓泡的影响因素.根据灰色预测理论对原始实验数据处理,以熔化温度为基本量建立了Bi-2212带材鼓泡率的灰色预测模型(GM(1,1)),用残差模型修正后预测了不同熔化温度下带材的鼓泡率.同时定性分析了影响带材鼓泡的因素,发现带材鼓泡率随着碳含量、升温速率和熔化温度增加而增加,而随带厚增加而减少,并给出了鼓泡的控制方法.进一步利用灰色关联分析,定量分析了各因素对带材鼓泡的影响程度,得到了各因素影响鼓泡率的大小顺序为碳含量、带厚、升温速率、熔化温度.本文得到的定量分析结果与定性分析结果基本一致.     

我国材料自然环境腐蚀数据处理研究进展

介绍了材料自然环境腐蚀数据处理的基本方法：统计分析、曲线拟合和相关分析；较为系统地阐述了用于材料自然环境腐蚀数据处理的一些现代数学方法如灰色理论、模糊数学、人工神经网络的基本原理和计算方法。文章着重综述了灰色模型预测、人工神经网络、聚类分析、模式识别、灰色关联等在我国材料自然环境腐蚀数据处理及规律性研究和腐蚀性评价中的典型应用。     

Study on Grey Forecasting Model of Copper Extraction Rate with Bioleaching of Primary Sulfide Ore

A model GM(grey model)(1,1) for forecasting the rate of copper extraction during the bioleaching of primary sulphide ore was established on the basis of the mathematical theory and the modeling process of grey system theory. It was used for forecasting the rate of copper extraction from the primary sulfide ore during a laboratory microbial column leaching experiment. The precision of the forecasted results were examined and modified via "posterior variance examination". The results show that the forecasted values coincide with the experimental values. GM(1,1) model has high forecast accuracy;and it is suitable for simulation control and prediction analysis of the original data series of the processes that have grey characteristics,such as mining,metallurgical and mineral processing,etc. The leaching rate of such copper sulphide ore is low. The grey forecasting result indicates that the rate of copper extraction is approximately 20% even after leaching for six months.     

输气管道腐蚀的最优灰色组合预测模型

    在不等时距序列灰色预测的基础上,提出了适用于输气管道腐蚀的不等时距最优组合灰色预测模型.首先,选用两种模型精度较高的不等时距灰色预测方法建立了输气管道腐蚀预测的单项模型,然后,利用最小二乘意义下的模型误差最小化方法确定出各单项灰色预测模型的权重,建立了最优组合预测模型.此预测模型综合利用了参与组合的各单一模型的有效信息,因而可以更加客观地反映输气管道腐蚀变化趋势.通过实例对比分析结果表明,此模型预测精度较高,可以作为输气管道腐蚀预测的有效工具.     

数控机床热误差动态灰色优化建模研究

为降低热误差对加工精度的影响,以减少补偿成本、简化数据采集、提高补偿精度为目标,提出采用灰色GM(0,N)模型进行数控机床热误差建模预测;以优化数据配置、改善补偿系统动态品质、提高鲁棒性为目的,建立了GM(0,N)优化模型。采用智能温度传感器和位移传感器采集了MCH63精密卧式加工中心温度数据和主轴3个方向热位移量,并根据采集数据构建热误差模型。试验结果表明:GM(0,N)建模方法简单,数据量少,运算时间短,预测精度较高;优化模型可根据在线输入的新数据不断修正模型本身,其精度高、鲁棒性强、通用性好,适合于在线建模。