基于BP神经网络的空间轮廓误差自适应补偿

提出了矢量化的空间轮廓误差建模方法,并基于BP神经网络提出了交叉耦合控制器参数的自适应调整方法,使用三层神经元,根据进给速率以及曲率的变化进行控制器参数的自适应调整,而在补偿量的分配问题上则充分利用已有数据,以减小系统的计算量。实例仿真表明,所提出的自适应控制方法在进给速率设定值变化以及加工轮廓的半径发生变化时,都可以很好地控制轮廓误差的大小,提高轮廓加工精度。     

模糊推理耦合轮廓误差补偿方法的研究

提出模糊推理耦合轮廓误差方法的原理，算法及实现方法，该法能在不增加硬件，不改变轮廓系统各进给出轴位置环的情况下，根据系统的轮廓误差，通过糊揄和自学习校正，向各轴提供附加补偿作用，百而提高系统的轮廓精度，针对二轴轮廓系统的闭环数字仿真和实验结果，证明该方法的可行性和有效性。     

基于高精度轮廓误差估计的交叉耦合控制

在交叉耦合控制中,轮廓误差估计公式不仅用于估计轮廓误差大小,而且用于确定交叉耦合系数。估计公式的准确性直接影响轮廓控制精度,传统公式在大曲率位置存在明显估计误差。针对平面自由曲线的轮廓误差估计,研究点-曲线距离函数的微分特性,利用距离函数的Taylor展开提出高精度二阶估计方法,并指出基于密切圆近似的传统二阶方法在象限切换时存在的计算问题,同时对传统公式进行修正。在此基础上设计综合位置闭环反馈和交叉耦合控制器的轮廓跟踪控制器,并结合NURBS曲线进行两轴控制试验。试验结果表明:所提出的二阶方法相比于传统公式轮廓误差估计精度更高;基于所提出的二阶方法和传统公式设计的交叉耦合控制器,前者相比于后者可以显著提高轮廓控制精度。     

直角坐标机器人轮廓误差补偿算法设计

为提高直角坐标机器人控制精度，结合迭代学习控制和交叉耦合控制设计了一种轮廓误差补偿算法。在单轴数学模型的基础上，搭建了直角坐标机器人轮廓误差模型。根据不同控制方法的特点，结合反馈控制、单轴迭代学习控制、双轴交叉耦合控制和轮廓误差迭代学习控制设计了一种控制器。直角坐标机器人的控制系统以ARM和FPGA为核心，其中，ARM主要用于传感器信号采集、上位机通信、故障检测和机器人运动轨迹规划等；FPGA则可实现伺服电机的控制。实验结果表明：轮廓误差平均值、最大值和标准偏差均大幅降低；迭代学习交叉耦合控制能够大幅降低轮廓误差，有效提高直角坐标机器人运动精度。     

基于零相位误差跟踪控制器的轮廓误差交叉耦合控制

针对高精密轮廓加工，在分析系统轮廓误差的基础上，通过减小跟踪误差来间接减小轮廓误差，提出了将交叉耦合控制器和零相位误差跟踪控制器相结合的控制策略。交叉耦合控制器用以增加各轴之间的匹配程度，以减小轮廓误差；零相位误差跟踪控制器作为前馈跟踪控制器，提高了快速性，使系统实现准确跟踪。仿真结果表明所提出的控制方案是有效的，能达到良好的轮廓跟踪效果，从而提高了轮廓加工精度。     

基于齿隙的新型圆弧独立轮廓误差交叉耦合控制

在高精密轮廓加工中,线性轮廓误差控制精度是非常重要的指标,它决定了最终产品的加工精度。在建立基于齿隙的线性轮廓误差模型的基础上,利用众所周知的交叉耦合控制,提出了一种新的独立轮廓误差控制(Independent Contour Error Control,ICEC)策略,即驱动轴之间不需要任何交叉进给信号就能够减少线性轮廓误差。仿真的结果表明所提出的控制方案是有效的,在线性和圆形轮廓的双轴驱动系统上也得到证明,能够明显地提高轮廓误差控制精度。     

五轴数控机床轮廓误差预补偿技术研究

五轴数控机床在加工过程中不可避免会产生误差,为了进一步提高五轴数控机床的加工精度,本文提出了五轴数控机床轮廓误差的预补偿技术,首先分析了轮廓误差的产生原因和组成要素,然后提出了跟踪误差的预测方法并建立预测模型,接着对于轮廓误差的预测进行建模,最后根据五轴机床加工过程中给出的路径仿真得出了轮廓误差未补偿和补偿的对比,结果表明了经过轮廓误差的预补偿,能够很大程度上减小加工过程中出现的轮廓误差,进一步证明了本文方法的有效性。     

基于轮廓误差估计模型的双轴同步控制策略

针对由伺服参数不匹配及外部扰动引起的双轴运动中不同步现象,提出将给定进给速度比下两轴间的同步控制问题转换为二维轮廓控制问题。通过几何分析获得同步误差与轮廓误差之间的关系,并基于等效切线轮廓误差估计模型,提出一种新型双轴交叉耦合同步控制策略。在自主开发的直线型双轴运动控制实验平台上进行同步控制实验,实验结果表明:无论是等速同步运动还是非等速同步运动,在伺服增益不匹配及摩擦扰动影响下,所提出的新型交叉耦合同步控制策略能有效减少同步误差的产生。     

隔振数控机床的轮廓误差控制方法研究

针对机床在加工过程中的颤振与惰性力传递振动,提出了一种进给驱动的隔振以及轮廓误差补偿算法。首先在参考轴的命令信号中施加输入修正滤波器来避免残余振动,所施加的输入修正滤波器可以结构模态激振,但是会增大跟踪误差和轮廓误差。所提出方法的跟踪误差由驱动轴的闭环传递函数来估计,同时用来预测映射到每一根轴的轮廓误差,预测的结果用来进行预补偿。将所提出方法通过在XY两轴平台上进行试验,验证了结合隔振和轮廓误差补偿方法的有效性,试验结果表明所提出方法能够提高了阻尼和轮廓精度。     

基于神经网络的主轴热误差补偿技术研究

以MAKINO立式加工中心为对象,提出一种主轴热误差补偿的神经网络建模方法。该方法以测量点温度为模型输入,以5点法测量的主轴热误差为输出,经RBF神经网络模型学习和训练。结果表明此建模方法有较强的预测能力和较为理想的精度,可以满足加工中心热误差实时补偿的应用要求。     

基于模糊神经网络的数控机床热误差补偿技术研究

热变形误差(即热误差)是影响数控机床定位精度的重要因素之一.针对机床热误差具有非线性等特点,将模糊控制技术与神经网络技术相结合,提出一种基于模糊神经网络的数控机床热误差补偿技术.以MAKINO立式加工中心为对象,经过MATLAB仿真,结果表明模糊神经网络作为热误差的预报模型是理想的,具有较高的预报精度.     

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。     

半闭环三轴机床静态解耦轮廓控制及螺距误差补偿

为提高半闭环三轴机床加工精度,首先提出单伺服轴的螺距误差补偿方法;在建立半闭环三轴机床解耦轮廓系统模型基础上,研究了静态解耦轮廓控制器的设计,并在所提出的静态解耦轮廓控制系统上实现了螺距误差补偿.实验结果表明,算法有效地实现了轮廓的切线、法线和副法线方向的解耦跟踪控制.加入螺距补偿后,机床加工半球的最大圆度误差由55μm缩小到12μm.     

基于CCC的移动目标模拟器轮廓误差控制与仿真

针对移动目标模拟器负载转动惯量大、运动速度快、运动轨迹非线性的特点,以减小移动目标模拟器轮廓误差为研究目标,对移动目标模拟器伺服控制系统进行设计,建立移动目标模拟器伺服控制系统模型,将交叉耦合控制系统(cross-coupled control,CCC)引入伺服控制系统中,并在MATLAB中进行了仿真验证。仿真结果证明基于交叉耦合控制的移动目标模拟器比传统的基于PID控制的移动目标模拟器能达到更高的控制精度,使得模拟器能更加真实再现目标运动轨迹。     

基于时间序列预测技术的数控机床轮廓误差实时补偿方法研究

分析了现有数控机床轮廓误差控制方法的优势与不足,提出了基于时间序列预测技术的轮廓误差实时补偿方法.基本思想是通过对伺服跟踪误差的实时检测与预报,动态控制插补过程,以有效消除由伺服跟踪误差引起的合成轨迹误差.仿真结果表明,文章提出的这种方法可以有效地减小数控机床轮廓误差.     

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。     

基于进给速度修调的轮廓误差控制研究

在分析进给速度对轮廓误差影响的基础上,提出了一种基于进给速度自动修调的轮廓误差控制方法,并设计了相应的轮廓误差控制器。通过其在西门子840D数控机床上的应用,可以有效控制加工过程中的轮廓误差,从而为进一步提高工件轮廓加工精度提供了重要的方法与理论依据。     

凸轮轴数控磨削轮廓误差分析与补偿

在分析国内外磨削加工误差分析与补偿研究现状基础上,针对X轴和C轴两轴联动的凸轮轴数控磨削的轮廓误差提出一种轮廓误差分析和补偿策略,以提高凸轮磨削加工精度。基于凸轮轴数控磨削的X-C联动运动模型,推导了由凸轮升程表到磨削加工位移表的数学模型;指出凸轮升程与轮廓的误差变化规律在趋势上具有一致性。基于最小二乘多项式方法对多次磨削加工实验的凸轮升程误差进行一系列拟合处理,得到稳定的、可重复的凸轮升程预测误差;将升程预测误差按一定比例反向叠加到理论升程表中,采用最小二乘多项式法进行光顺,得到光顺的虚拟升程表;利用虚拟升程表对同类型凸轮轴进行磨削加工实验。实验结果表明,砂轮架速度和加速度在机床伺服响应范围之内,凸轮最大升程误差与最大相邻误差降低,凸轮轮廓表面粗糙度值满足加工要求,从而证明该误差分析和补偿方法是正确可行的。     

基于RBF神经网络的电子秤非线性误差补偿

称重传感器、秤盘机械结构的非线性环节影响了电子秤称重结果的准确度。本文分析了电子秤的非线性误差来源与误差机理。在此基础上利用径向基函数神经网络（RBFNN）构建了一种电子秤非线性误差补偿网络,完成了电子秤的非线性校正。经现场检测表明。采用这种方法补偿后的电子秤称重误差小于国家标准《JJG555—1996非自动秤通用检定规程》规定的中级秤允许误差。提高了称重准确度。     

基于神经网络的宏/微双驱动运动平台误差预测及补偿技术研究

宏/微双驱动平台是一种用于微切削加工的高精度切削平台,其定位精度受多种因素影响。为提高宏/微双驱动定位运动平台的定位精度,提出基于BP神经网络进行宏/微双驱动运动平台定位误差预测的方法。测量运动平台的定位精度,从而建立BP神经网络误差预测模型,并运用该模型对宏/微双驱动运动平台进行定位误差预测试验,最终证明BP神经网络定位误差预测模型精度高、抗变换性能好,适用于对宏/微双驱动运动平台的定位误差进行误差预测及补偿,使得宏/微双驱动平台达到10nm级精度设计要求。