基于支持向量机时栅数控转台时序预测研究

时栅代替光栅等传统位移传感器运用到全闭环数控转台做角位移检测部件,需采用时空变换算法将时栅的时域信息转换到空域信息。运用时间序列分析出时栅数控转台的测试数据依存特性,采用支持向量机建立起未来测试数据和历史样本的映射关系,从而得到测试数据中隐含的规律。依据过去相关测量值采用支持向量机回归预测下一采样时刻角位移,将原本等时采样的绝对式角位移转换为全闭合数控系统需要的等空间增量式连续脉冲。并且在误差控制方面,采用当前预测值对上一次预测误差进行实时修正,消除累计误差保证测量精度。实验证明支持向量回归的时间序列预测算法能有效保证动态数控角位移测量误差控制在±2.5″以内,实现精密全闭环角位移测量。     

基于ARM的高精度全闭环时栅数控转台

为了提高数控回转工作台的控制精度,利用高精度时栅角位移传感器作为测角元件,实时测出转台的实际角位移并将其作为反馈信号,以ARM处理器做为数控系统的核心器件,实现了全闭环的转台数控系统。该系统通过机械传动比细分的方法,解决了在步进电动机步距角细分不足的情况下,实现高精度控制。实验证明该系统具有运行稳定,定位精度高等优点,在机加工领域有较好的应用前景。     

时栅数控转台空间回转位置预测方法研究

时栅传感器利用时空变换技术将空域信息变换到时域,以时间测量空间位移.为了研制高精度时栅数控转台,减少动态位置反馈误差,提出了一种回转位置预测测量新方法,利用时空变换技术将时域信息返回到空域.利用时间序列理论对时栅测量值进行建模,从而预测出数控转台未来一段时间内的位置值,并利用当前测量值对前一次的预测误差进行实时修正.介绍了测量数据建模方法和预测系数估计算法.为了验证位置预测方法的有效性,设计了一套动态实验系统.实践证明,数控转台的角位移预测误差为±2″,实现了精密位置预测.     

基于时栅的直驱转台误差分析与建模

基于时栅的直驱转台是一种新型零传动数控转台,可分析直驱系统的误差源。利用齐次坐标变换的方法分析并给出了转台转动副的几何误差模型,并根据摩擦与速度的稳态关系建立Stribeck摩擦的数学模型。本文进行的误差分析和误差建模可为其它类型的多轴转台的误差建模研究提供参考。     

时栅动态测量误差建模与补偿技术研究

为提高时栅传感器动态测量精度,针对时栅的误差特点,提出对动态测量误差的周期性成分和随机性成分分别建模的思想。采用傅里叶级数逼近的方法对误差中的周期性成分进行建模,利用最小二乘方法对逼近模型参数进行寻优,选取比重较大的谐波参数对误差的周期性成分进行分离,对于分离后残留的随机性成分采用支持向量回归(Support vector regression,SVR)模型进行预测,利用交叉验证的方法对回归预测模型进行参数寻优和细化,选取最优的核函数参数g和惩罚因子C,使得残差均方达到最小。研发误差补偿系统,对时栅动态测量误差进行补偿。试验结果表明,运用该建模方法和模型,时栅传感器动态测量误差的峰峰值由38.2″降至3″,有效地降低了测量误差,大幅度提高了传感器的测量精度。     

时栅式直驱转台位置反馈智能接口设计

分析时栅式直驱转台位置反馈存在的动态位置反馈误差。提出利用预测测量方法,将时栅绝对式离散角度测量值转化为增量式连续脉冲信号。研制时栅式直驱转台位置反馈与控制智能接口电路,实现空间位置预测测量。开展预测实验,测得直驱转台空间位置的动态预测误差为!4″,表明时栅可以满足直驱转台高精度的要求。     

寄生式时栅传感器动态测量误差的贝叶斯建模

为了提高寄生式时栅传感器的测量精度,分析了它的工作原理和动态误差组成,得到其主要误差分量为常值误差、周期误差和随机误差等。针对寄生式时栅误差特点,建立了寄生式时栅动态误差高精度预测模型,并与其他建模方法进行了比较。选用插入标准值的贝叶斯预测模型,以实际测量的传感器第一个对极动态误差数据进行建模,在后续对极特定位置插入部分实际误差测量数据,建立误差预测模型,预测了传感器后83个对极的动态误差。另选用三次样条插值和BP神经网络建模方法对寄生式时栅整圈动态误差建模,并与建立的误差模型进行了对比。验证实验表明,三次样条插值建模时间最短(0.62s),但其建模精度不高(16.050 0″);贝叶斯动态模型建模时间(0.86s)略长于三次样条插值,但建模精度最高(0.415 3″);BP神经网络建模时间最长(32min),但建模精度最低(19.680 2″)。同时贝叶斯插入标准值建模方法所需数据点(69395个)远少于三次样条和BP神经网络建模数据点(235526个),节省了大量的标定时间和建模数据量,因此可用于寄生式时栅传感器的动态测量误差高精度建模修正。     

时栅传感器在数控系统中的应用

在分析时栅传感器的输出信号特点和数控系统的测量接口的基础上,给出了时栅传感器与数控系统的接口电路设计方案.     

时间序列预测模型的建模方法与应用

介绍时间序列分析的基本理论及其预测建模的方法;采用参数识别方法,结合某大型建筑发生沉降的动态数据,建立该建筑物变形的时序预测模型,对建筑变形进行了监测和预报.实际工程应用表明,该模型能准确监测和预报建筑的变形,具有很强的实际应用价值.     

神经网络应用于多元变量时间序列的建模研究

自然界复杂系统的动态特性通常包含在多个变量时间序列的演化轨迹中。采用主成分分析与神经网络相结合的方法，进行多元变量时间序列的建模和预测研究。主要思路是首先通过主成分分析法找到一组相互独立的输入变量；再利用神经网络实现多个变量之间以及变量当前状态和未来状态之间的函数映射。多组实例仿真结果证明了该方法进行多元变量预测的可能性和有效性。     

基于AR模型的转台位置预测方法研究

文中以时栅传感器作为CNC系统的位置检测元件,为了解决时栅数控转台在高精度伺服控制过程中的动态位置反馈误差问题,研究了利用AR模型对转台位置进行预测测量的方法。介绍了预测测量的原理、预测方法及其模型系数的求解方法,并搭建了一套实验装置。经实验表明,基于AR模型的转台位置预测测量方法正确可行,通过修正后预测误差为±2″.     

基于时序建模的监护数据分析方法研究

家庭远程监护系统融合远程医疗和智能住宅的思想，在家居生活中实现了护理和身体健康状况远程监护功能。系统的关键功能是连续监测获得生理参数进行实进分析处理，识别出异常状况。本文提出了一种适用于家庭远程监护系统的监护数据分析方法，对不同年龄、性别、体质、疾病的监护对象，建立因人而异的监护报警模型，实现异常状况识别。此方法以生理参数时间序列建模为基础，应用最小二乘算法辨识模型参数；同时基于最终预报误差准则确定模型阶数，提高了模型精度。通过将上述算法应用于PhysioBand生理参数数据库的数据进行建模分析，通过模型的似合度评估，验证此算法的可行性。     

用于高精度数显时栅转台的全自动测控系统

设计了一种集数据采集、处理和控制于一体的数显时栅转台全自动测控系统。介绍了系统的硬件组成及软件各个模块的功能,并给出了增量型数字PID算法的主要程序框图。本系统具有较高的智能化,能在无人干预的情况下自动完成仪器的标定和测试工作。使用结果表明,测试效率和效果达到了要求的指标。     

时栅位移传感器的动态特性研究

为了解决时栅角位移传感器的动态测量问题,在基于静态的时栅位移传感器电磁仿真的基础上,通过引入运动单元模块,建立了时栅位移传感器的动态电磁仿真模型。通过分析时栅位移传感器的感应电动势幅值信号和感应频率信号,得到了动态条件下的时栅位移传感器感应电动势幅值和频率与转子转速的关系,并测算了磁场式时栅位移传感器在激励频率为400Hz的情况下,理论上能够达到的极限转速为8r/min。实验结果表明,转子转速在0～8r/min时传感器动态误差为±1.4″,速度超过8r/min时传感器精度开始恶化,转子转速为10r/min时传感器误差为±8.2″。     

时栅传感器动态自动测试与标定系统

时栅传感器误差曲线的动态自动标定工作,在保证精度的同时,大幅度减少了标定所需的时间。同时,利用软件实现卡尔曼滤波方法,进一步提高了动态标定精度。文中主要介绍了系统工作原理及动态标定的方法,使用结果表明:动态自动测试效率和标定精度达到了预定的指标。     

基于RTCP功能的五轴数控机床动态误差溯源方法

RTCP(Rotation tool center point)功能作为目前高档数控机床必备的功能之一,可以大幅减小由于旋转轴运动带来的非线性误差,有效提高机床加工精度。根据刀具刀尖点相对于加工工件相对静止的特点,设定刀具刀尖点不动,规划了有利于研究机床伺服系统动态性能的RTCP轨迹,并进行伺服系统仿真研究,得到刀尖点误差轨迹与机床伺服系统动态性能影响因素的对应关系,并依据此对应关系提出动态误差溯源方法,为数控机床伺服系统参数调整提供理论支持。     

非线性时序模型在机械系统故障诊断中的应用

提出一种基于非线性自回归时间序列模型(gereral expression for linear and nonlinear auto-regressive model,简称GNAR模型)的机械系统状态识别与故障诊断方法.利用采集系统工作过程中的特征信号建立GNAR模型;用主成分分析策略生成模型特征量,对训练样本的特征量进行识别和分类,得到各种参考模式;将几何距离判别函数作为状态分类的原则,根据待判系统特征量与各类参考模式的Euclide距离进行状态识别和故障判别.对车床颤振试验数据及高速离心空气压缩机故障数据的分析表明,该方法快捷、高效,诊断成功率较好,具有良好的工程应用前景.     

基于时间序列线性大数据分析的电力系统潮流计算方法

针对原有电力系统潮流计算方法精准程度低下的问题,设计基于时间序列线性大数据分析的电力系统潮流计算方法。依据系统调频的相关特性,给出电力系统潮流计算流程,分析基于时间序列线性大数据的电力系统调频特征。根据分析结果,在时间序列线性大数据基础上,建立电力系统潮流模型,完成电力系统潮流计算方法设计。利用 ＰＳＡＳＰ电力系统分析综合程序,设计仿真实验,对比所设计方法与原有方法数据。实验结果表明,所设计方法计算所得节点电压幅值标准差明显小于原有方法,该方法计算精准程度较原有方法更高,说明将时间序列线性大数据分析,应用于电力系统潮流计算的方法是有效的。