排序方式: 共有12条查询结果,搜索用时 0 毫秒
1.
在数控机床的热误差补偿技术中,机床温度信息的提取对改善机床的加工精度至关重要。首先对广泛使用的模糊聚类多元线性回归模型在变工况下的性能进行了试验,结果证明:试验工况变化后,该模型预测值失准。通过方差膨胀因子判断,这种现象是由模型自变量的复共线性引起。为了改进上述模型,提出了一种温度特征提取的建模方法,通过特征提取算法,提取模糊聚类优化测点的综合特征,从而得到综合特征自变量,最后利用综合自变量进行回归建模。试验表明,该方法有效消除了复共线性对模型预测精度和鲁棒性的影响,优化后的回归模型均方根误差在4μm以内,可有效预测76%以上误差,相较于其他方法表现出优良的预测性能,易于在其他机床热误差补偿中推广使用。 相似文献
2.
为了解决温度测点数量和测点间复共线性对龙门机床热误差模型精度和鲁棒性的影响,提出了一种测点综合优化方法。首先,采用模糊聚类法和相关性分析筛选出对热误差影响较大的关键点,达到优化测点数量的目的;然后采用特征提取法得到预测模型的自变量,特征提取消除了复共线性对预测模型精度和鲁棒性的影响。在一台龙门精密镗铣加工中心上实验验证,结果表明:本文提出的测点综合优化法优于自适应模糊聚类热关键点优化,采用该方法进行误差预测模型关键点优化可有效提高模型精度和鲁棒性。 相似文献
3.
当实际工况与建模工况存在差异时,传统的热误差模型往往表现出较差的鲁棒性和预测精度,主要原因在于建模数据的局限性和模型的未建模动态。为了改善上述状况,提出了一种基于数据驱动的数控机床主轴补偿模型。此模型采用无模型自适应控制算法建模,结合机床运行中生成的数据(温度数据和误差数据)对热误差模型进行实时修正,使模型能快速适应新的加工工况,从而提高模型的鲁棒性。在一台数控车床主轴上进行了试验验证,结果表明:无模型自适应控制与多元回归模型比较,其标准差、最大残差和误差平方和分别提高了41%、62%和56%,此模型的鲁棒性和预测效果好。同时,此方法为大数据在机床主轴热误差补偿中的应用奠定了基础。 相似文献
4.
温度测点的选择直接影响数控机床热误差补偿模型的性能。考虑到温度有序传递的特点,提出了有序聚类测点优化的方法。以试验数据为基础,计算类直径并比较目标误差函数;然后对温度变量分类,确定最佳分类数;通过计算热误差和温度之间的相关系数,确定最优测点。采用定位误差分解建模法结合选取的最优测点建立热误差预测模型,分别与模糊聚类和变量分组测点优化建立的模型进行比较,试验结果表明,有序聚类测点优化法精度较高,具有一定的应用前景。 相似文献
5.
6.
以某数控装置为对象,研究其故障具有模糊性和不确定性发生概率的特点,综合运用故障树分析与模糊理论诊断故障发生概率。通过分析数控装置故障发生的机理,建立该装置的模糊故障树,进行定量计算,求得了基本事件的模糊重要度可靠性指标,为数控装置的可靠性评估、故障诊断以及维修决策提供了理论依据。 相似文献
7.
8.
RH增压泵在使用过程中会出现许多安全隐患,为避免不必要的人员伤亡和经济损失,需要定期对其进行检测并做出安全评定。通过建立模糊评定决策模型,评价所测得增压泵缺陷数据是否影响使用安全,并评判出其安全等级,由此判断增压泵是否存在安全隐患及隐患等级。增压泵安全模糊评价的研究,提高了测评的速度和精确性,而且最大程度地减少了人为评价失误引起的安全事故。 相似文献
9.
魏弦 《电子测量与仪器学报》2017,31(12):2017-2022
为了改善主成分分析对温度场的非线性数据提取能力不足的问题,提出一种核主成分温测点优化法。引入非线性映射函数,将输入的温度数据向特征空间映射,选择高斯径向基为核函数,将特征空间的内积运算变换为输入空间的核函数运算,求出特征值和核特征向量,建立综合自变量。在一台数控加工中心上进行试验,将提出方法建立的预测模型和主成分分析获得的预测模型进行比较,均方根误差降低约36%,最大残差降低29%,结果表明,采用核主成分法建模,能更好提取温度数据特征,可以使试验机床进给系统的热误差预测能力显著提升。 相似文献
10.