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。     

数控机床热误差建模与补偿

数控机床热变形误差对零件加工精度有重大影响。基于GA-SVR(遗传算法-支持向量回归机)的数控机床热误差建模方法要点有三:其一是数据采样,用不同传感器测量机床关键点的温度与机床主轴变形量。其二是数据训练,把获得的数据进行支持向量回归机建模训练,同时使用遗传算法寻找支持向量回归机相关参数的最优值。其三是数据建模,建立机床热误差模型,并验证模型的准确度。仿真及实验结果表明,基于GA-SVR的数控机床热误差建模方法具有精度高和鲁棒性强的特点。并依此算法建立了以DSP和A/D为核心的热误差补差补偿器。     

基于LIBSVM的数控机床热误差建模研究

通过建立数控机床热误差补偿的数学模型是实现机床热误差修正和提高机床精度的有效措施.本文以CL-20A数控车床主轴热变形为实验对象,在大量实验数据的基础上,利用逐步回归分析法找出机床温度敏感点,并采用基于MATLAB平台的支持向量机算法来建立车床主轴热误差数学模型.实验结果表明,所建立的模型能精确把握机床主轴热变形的规律和趋势,对于预测机床主轴热变形,实现实时热补偿具有实用价值.     

基于OE-CM算法的机床主轴热误差建模与补偿分析

针对机床热误差建模过程中,误差信息不透明、数据特性不全面等不利因素,根据机床主轴热误差实验数据,分别采用GM(1,n) 模型和最小二乘支持向量机(LS-SVM)模型建立主轴热误差预测模型并进行线性叠加,然后采用预测有效度算法调整模型加权系数,建立了最优有效度复合预测模型（OE-CM）以获取最佳预测效果。在VXC-560型三轴数控机床上进行在线实验建模,实验结果表明：OE-CM具有预测精度高、鲁棒性好等特点,整体预测效果优于灰色GM(1,n)模型和LS-SVM模型,适合在复杂工况条件下对机床主轴热误差进行预测和补偿,为提高机床热误差补偿精度建立了理论模型。为了验证该预测模型的有效性,对所研究的机床主轴进行热误差在线补偿,机床主轴Z向最大误差从23.8μm减小到8μm,减幅达到66.4%,较好地提高了机床精度,具有一定的工程化推广前景。     

支持向量机在机床热误差建模补偿中的机理研究

针对数控机床热误差预测补偿功能,以Leaderway-V450数控机床为试验对象,通过跨季度的5批次数据,比对分析支持向量机(ε-SVR)和多元回归(MLR)两种建模方法的拟合和预测精度。研究得出,环境温度会对数控机床热误差预测模型产生干扰,模型拟合精度和预测精度在这种干扰下不具备等同性。线性ε-支持向量机在试验条件相近、环境温度接近的情况下鲁棒性较好,拟合精度、预测精度要高于多元回归算法,但当环境温度变化较大时,其预测精度较差。将跨季度环境温度条件下的数据进行综合建模,两种模型的预测精度均有所提高,但拟合精度优越的支持向量机算法建立的模型鲁棒性则低于传统的多元回归算法模型。     

数控机床热误差的动态自适应加权最小二乘支持矢量机建模方法

为消除数控机床热误差对加工精度的影响,提出基于动态自适应加权最小二乘支持矢量机的数控机床热误差建模方法.为构建机床热误差模型,对一台XK713数控铣床进行建模试验,采用智能温度传感器与激光位移传感器分别获取机床温度值与主轴变形量.运用动态自适应算法,优化选择建模过程中的参数;对采样数据进行初始最小二乘支持矢量机建模,根据误差变量确定权重系数,得到基于加权最小二乘支持矢量机的数控铣床热误差模型.试验结果表明,基于动态自适应最小二乘支持矢量机的数控机床热误差建模方法精度高,泛化能力强,优于未加权最小二乘支持矢量机方法与传统最小二乘法.获得的模型可用于数控机床热误差补偿,以提高数控机床的加工精度.     

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。     

基于时序算法的主轴轴向热误差建模与应用

为解决金属手机外壳加工行业内的机床主轴轴向热误差问题,提出了一种基于时间序列算法的主轴轴向热误差建模方法,对一台钻攻中心建立了主轴轴向热误差实时补偿模型。实践结果表明:通过该模型实时补偿,机床的主轴轴向热误差由原来62μm补偿到7μm,加工工件尺寸控制在10μm左右。     

基于GS-SVM的数控机床热误差预测研究

为了提高立式加工中心热误差的预测精度,考虑影响立式机床热误差的主要因素,提出了支持向量机预测热误差预测模型,并用网格搜索算法对支持向量机的参数惩罚因子和核参数进行搜索。通过实验数据分析得出结论,基于GS-SVM模型对数控机床主轴热变形能够进行准确预测,并与BP算法模型进行对比。结果表明GS-SVM主轴热变形预测模型效果优于BP算法预测算法,具有较高的预测精度,为数控机床热误差研究提供参考。     

Auto-calibration of an SMT machine by machine vision

An SMT machine has many working coordinate frames—the fiducial mark camera frame, component camera frame, machine table frame, PCB frame, and reference frame. Because of many influences such as mechanical dimension errors, machine assembling errors, and camera lens distortions, all frames on the SMT machine must be calibrated to compensate for these machine errors. This paper applies machine vision techniques to auto-calibrate an SMT machine, including frame transformations and nozzle compensation, bringing the accuracy of this system to within ±0.1 mm. The coordinate mapping from the camera frame to machine table frame is a quadratic form, while the other frame mappings use linear forms. The merits for this machines vision-based, auto-calibration methods are: (1) It has little calibration time, (2) It does not need expensive calibration instruments, and (3) Its expense is very low.     

基于机器视觉的机械零件测量技术

应用IMAQ Vision软件构建的机械零件测量系统将机器视觉技术和虚拟仪器技术结合在一起，对各种机械零件进行快速准确的在线测量。这里以齿轮为例介绍了测量的技术路线。测量系统综合应用LabVIEW和它的企业链接、信号处理等工具包，将被测对象的图像和数据直接融合到企业的信息流之中。     

旋锻机锻模头的运动分析

通过分析旋锻机锻头的运动发现传统锻头的不足,利用凸轮轮廓线设计等知识将原锻头结构加以改进后,再运用高等数学的积微分原理将改进后锻头的运动轨迹画出并进行分析,从而得出改进后的锻头结构,能够使对物料的瞬时打击力增大,最终实现提高加工工件时的工作效率和加工精度的目的.     

基于有限状态机的专用盖章机设计与实现

为满足银行对各种票据实现大量且快速盖章的需要,设计并实现了一种银行专用自动盖章机,介绍其机械结构及工作流程,利用有限状态机的思想进行软件开发,实现了一种低成本、高性能的自动盖章机.     

钻孔夹具设计

笔者设计的夹具用于钻床上加工斜孔及倾斜台阶面,是一种摆动式钻床专用夹具。通过分析夹具的结构特点、工作原理,计算定位误差、夹紧力、导向误差,说明该夹具设计新颖、结构合理、效率高,同时,还解决了斜孔和斜面加工精度和位置难保证的难题。     

Speed machine

High speed machining has its critics and admirers. Whilst Ken Evans falls into the latter group, a machine must have certain features to gain his approval.     

以橡胶压力成型机为主体的压剪实验机改造

介绍以橡胶压力成型机(硫化机)为主体,在保留原有橡胶加工功能基础上,增加横剪和压转的实验装置,改造成为多用途压剪实验机的方法。改造后设备可用于公路及铁路的桥梁橡胶支座成品及橡胶件综合力学性能检验。改造后设备操作便捷,精度和稳定性均可较好地满足使用要求。     

Monitoring of machine tools

Means of increasing machine-tool reliability are considered. In particular, systems for monitoring machine tools are developed on the basis of the e-Mind Machine module and an expert system for flexible maintenance.     

Application of relevance vector machine and logistic regression for machine degradation assessment

Degradation parameter or deviation parameter from normal to failure condition of machine part or system is needed as an object of prediction in prognostics method. This study proposes the combination between relevance vector machine (RVM) and logistic regression (LR) in order to assess the failure degradation and prediction from incipient failure until final failure occurred. LR is used to estimate failure degradation of bearing based on run-to-failure datasets and the results are then regarded as target vectors of failure probability. RVM is selected as intelligent system then trained by using run-to-failure bearing data and target vectors of failure probability estimated by LR. After the training process, RVM is employed to predict failure probability of individual units of machine component. The performance of the proposed method is validated by applying the system to predict failure time of individual bearing based on simulation and experimental data. The result shows the plausibility and effectiveness of the proposed method, which can be considered as the machine degradation assessment model.