基于支持向量机的静压转台热误差补偿

在一般补偿器的硬件中无法运行MATLAB等第三方工具软件的代码,导致大多模型不能被应用于机床热误差的实际补偿.为了提高误差建模效率,降低对补偿系统硬件的要求,提出静压转台热误差实时补偿方法. 该补偿方法以支持向量机（SVM）为核心算法,分别使用鱼群算法和狼群算法对支持向量机的核心参数进行前期和后期优化,在保证预测精度的前提下提升建模效率. 通过离线训练MATLAB筛选出支持向量导入到开发的补偿软件中,利用用于过程控制的对象连接与嵌入（OPC）方式对热误差实施实时在线补偿. 与传统多元线性回归建模方式对比,可以看出该模型在精度和效率上均较优.补偿实验的结果表明,转台的轴向误差由原来最大为40 μm降低为约10 μm,转台的加工精度提高了75%,验证了所提出补偿方法的有效性.     

数控车床几何和热误差综合实时补偿方法应用

对数控机床几何和热误差进行补偿是提高数控机床加工精度的有效方法.对数控机床的几何误差和热误差进行了分类并给出了建模方法.提出了一种基于外部坐标系偏移功能的误差实时补偿装置并叙述了其实现方法.在K360型数控车床进行了X轴定位误差和主轴径向热误差的补偿试验,证明了这种补偿方法在精度改进中的有效性.     

车削加工误差分析及其微机实时补偿

本文详细分析了影响车削加工误差的几个主要因素。其中采用移动热源法计算了工件的热膨胀,利用热弹性理论和回归分析推导了刀具热变形的计算公式,采用误差分离技术得到了刀架直线运动轨迹在水平面内偏离理想轨迹的误差,并且实测了机床的热变形。在以上工作的基础上,应用微机对影响车削加工精度的主要误差进行了实时补偿,取得明显效果。该方法在不增加任何辅助设备的条件下,可以方便地控制数控车床的加工精度,具有使用简便,便于推广等特点。     

数控机床热误差的时序分析法建模及其应用

提出了采用时间序列分析法进行机床热误差建模的基本原理及方法,及其在数控机床热误差补偿建模中的应用。利用实测的热误差序列进行时序分析识模、建模和预报。再通过由微机结合机床控制器构成的补偿系统,利用所建立的时序分析模型,经过微机算出补偿值并送入机床控制器对刀架进行附加进给运动完成实时补偿。实验结果表明,可将工件的尺寸变化从原来的25 μm以上降到10 μm以内,大幅度提高了机床的加工精度,从而论证了时序分析法在数控机床热误差建模应用中的可行性与有效性。     

基于灰色系统的机床热误差建模研究

针对机床加工过程中的热变形误差受多因素影响,变化趋势复杂,难以用常规预测方法进行有效预测的问题,该文提出了一种新的基于改进灰色系统的智能预测模型。该模型利用函数变换法改善灰色系统数据序列的光滑度,采用等维新陈代谢法克服了传统的灰色预测模型的不足,所建模型具备了输入数据动态更新的能力,预测更趋于合理。将该模型应用于工厂现场的一台数控车削加工中心进行热误差趋势的预测,从而实现热误差的补偿研究。研究表明,该模型的预测性能优于全数据GM(1,1)模型和新信息GM(1,1)模型,是运用灰色系统理论进行机床热误差补偿建模最理想的模型,具有优异的补偿功能,能够有效的提高机床加工精度。     

SMART-CNC超精密数控曲面磨床综合误差补偿技术

为了能进一步提高数控磨床的磨削加工精度,运用多体系统运动学理论、神经网络方法和有限元分析方法,分别对SMART-CNC超精密曲面数控磨床的空间几何误差、热变形误差以及力变形误差进行了建模和计算,通过逆运动学迭代求解算法求解出可消除磨床几何误差和载荷误差的精密加工数控指令值,通过神经网络算法所控制的微位移夹具机构,消除了磨床热变形误差的影响.实验结果表明,综合运用上述误差补偿方法后,将该磨床的磨削误差由原来的0.225 μm减小到0.045μm,取得了比较明显的综合补偿效果.     

数控车床综合热误差建模及工程应用

针对车床实际工程应用中主轴与进给轴综合误差对工件加工精度产生影响问题,建立包含工件膨胀效应的主轴与进给轴综合热误差模型,并进行实际切削验证.以精密车床为研究对象,综合分析车床主轴、进给轴和工件在实际加工中的相互影响关系,并建立三者之间的综合热误差多元线性回归模型(MLRA).实验结果表明:含有工件膨胀效应系数的综合热误差模型符合实际工况,有效提高了车床的加工精度.主轴热误差模型的预测精度达85%以上,进给轴预测精度达70%以上,实际加工中工件误差由15μm降低到5μm左右.综合热误差模型显著提高了高精密数控车床的加工精度.     

考虑工件热变形的大型结构件误差建模与补偿

为减少大型结构件的加工误差,基于热特性分析建立了考虑工件热变形的综合误差模型及其补偿方法.分析光栅尺温度变化产生热变形的机理,并通过热流研究光栅尺局部的非线性温度变化规律,对龙门加工中心几何误差和热误差分别建模,并叠加生成复合误差模型.建立工件热变形与温度变化量之间的线性模型,并分析加工过程中复合误差与工件热变形之间的相互关系,建立考虑工件热变形的综合误差模型.利用数控系统外部机械原点偏移功能,应用自主研制的误差实时补偿系统,并依据考虑工件热变形的综合误差模型,实现对龙门加工中心的误差补偿.结果表明:只考虑机床误差时,复合误差模型有很高的预测精度,但并不能应用到有较大工件热变形的大型结构件加工中;而考虑工件热变形的综合误差模型在大型扭力臂的实际加工中效果良好,其加工定位精度至少提高了52%.     

重型数控机床热误差的分离与建模

为解决重型数控机床热误差严重的问题,提出一种基于线性回归的热误差分离和建模方法．对机床的几何误差与热误差进行分离,得到相应的热误差参数;结合主因素和互不相关等温度传感器优化布置策略,选出相应的热误差关键点;采用线性回归理论进行热误差的建模.在一台型号为TK6920的重型数控落地铣镗床上进行了立柱热倾斜误差补偿实验．结果表明:利用所建立的热误差模型进行补偿,立柱在X和W方向的直线度误差分别由0.45 mm和0.25 mm降到了0.13 mm和0.09 mm,补偿率分别为71％和64％．采用误差补偿技术可降低重型数控机床的热误差,从而提高其加工精度．     

大型龙门机床的直线度误差建模及误差补偿

为减小大型龙门数控机床空间直线度误差,提高国产数控机床加工精度,提出基于B样条曲线的空间直线度误差模型及其补偿方法。使用激光干涉仪分别检测三轴龙门数控机床6个方向的直线度误差,应用B样条方法建立空间直线度误差数学模型.利用数控系统外部机械原点偏移功能,应用自主研发的误差实时补偿系统并依据基于B样条曲线的空间直线度误差数学模型,实现对大型龙门数控机床的空间直线度误差补偿.采用两轴联动补偿切削导轨面的方法进行试验,并与多项式模型和斜线插补模型进行对比,结果表明:B样条模型补偿后的导轨直线度最优,检测的导轨各方向直线度误差均减小90%以上,显著提高了大型龙门数控机床加工精度.     

基于错误跟踪的时域误码掩盖算法

提出了一种新的时域误码掩盖算法，能更准确地恢复误码块丢失的运动矢量。为降低扩散错误的影响，在解码端利用错误跟踪理论估计每个像素的均方误差（MSE），并将MSE引入边界匹配准则，从而在估计运动矢量时充分考虑了边界像素的连续性和内部像素的可靠性。仿真结果表明，该算法在各种宏块丢失率下均优于传统的时域误码掩盖算法，具有很强的鲁棒性。     

感应同步器的幅值误差和正交误差的检测与补偿

论述了感应同步器的幅值误差和正交误差对检测精度的影响,研究了检测幅值误差和正交误差的检测与修正,提出了一种多位置检测误差法.通过搜索方法,将非线性方程组进行线性化处理,应用最小二乘法检测幅值误差和正交误差,进而修正幅值误差和正交误差.实验表明,采用该幅值误差和正交误差的检测与修正方法,可以大大提高感应同步器的精度.     

多元错误集上的相似变换与消错

本文研究了多元错误集上的相似变换自身的规律和它们与实际消错的关系。最后分析了错误集上变换之间的关系。     

多元错误集

本文依据客观实际的需要，首次提出了多元错误集的概念，运算及其运算的规律．     

基于蒙特卡罗方法的误差传播与误差分配计算

在分析解析法求解误差传播与误差分配存在不足的基础上，提出了应用蒙特卡罗方法对其进行数值求解的设想；给出了具体算法和精度评定；最后结合实例分析了GPS测量误差在大地坐标转换中的误差传播。该方法对线性和非线性模型均具有较强的适应性。     

Hermite型非正规样本定理的一致截断误差与混淆误差估计

估计了函数f(x)在具有某种衰减条件(存在s>0,使得f(x)≤C1/1+|x|s,f’(x)≤C2/1+|x|s,其中C1,C2为正常数)时,利用Hermite插值算子在非正规节点处进行插值重构所产生的一致截断误差与一致混淆误差的界。     

基于错误矩阵方程的消避错专家系统

提出消避错专家系统的结构.基于错误矩阵方程,分析了如何创建消避错专家系统中数据库、规则库及模型,并给出错误矩阵、错误矩阵方程模型在消避错专家系统中的存储及推理实现形式.给出结合交通管理问题的基于错误矩阵方程的消避错知识推理实现案例.     

RTK测量误差的控制方法

介绍了RTK测量的主要误差来源,并根据测量规范的精度要求,提出了RTK测量代替四等以下平面控制测量及四等水准测量应采取的控制误差的测量措施．     

关于粗差含义及其多样性的探讨

本文对粗差的含义及其多样性作了分析和探讨。认为粗差是指在大量观测数据中,由于人们的疏忽大意等原因,而产生的事先未知的没有规律性的一种大量级误差。     

测量电桥的误差分析

分析了测量电桥中桥臂参数选择引起的误差、零位误差、引线电阻误差及非线性误差,并提出了调整、消除及处理方法,力求把测量误差减少到最小范围,以提高测量的精度。