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.     

电涡流传感器误差修正技术研究

采用自回归分布滞后模型的软件补偿法对电涡流传感器进行误差修正,提高了电涡流传感器的测量精度。该方法具有成本低、效果明显的特征。通过与多元线性回归模型比较,验证了自回归分布滞后模型对传感器精度提升的优势。     

齿轮侧隙热补偿的精确计算

目前齿轮副侧隙的计算仍使用材料平均热膨胀系数,造成较大误差。本文采用材料微分热膨胀系数进行计算,并将其同传统算法比较,结果表明采用材料平均热膨胀系数计算造成的齿轮副侧隙误差不容忽视。     

自回归分布滞后模型在数控机床热误差建模中的应用

对多元线性回归模型、回归与残差AR叠合模型和自回归分布滞后模型3种热误差建模方法进行了介绍与比对分析。多元线性回归模型方法简单快捷,但因热误差呈非线性且具有互交作用,较难获得精确热误差数学模型。后两个模型均属时间序列分析方法,其优点是能够比较精确地建立热误差数学模型,两者的区别是叠合模型把参数估计分成两部分,而自回归分布滞后模型是统一估计参数,因此叠合模型的精度要低于自回归分布滞后模型精度,并通过实例验证,自回归分布滞后模型在精密数控机床热误差建模中具有较好的建模精度。     

温度、热量与热变形的关系及计算方法研究

通过分析热变形与热量之间的关系 ,提出利用平均线膨胀系数 ,将较复杂温度分布 (如移动持续热源形成的温度分布 )情况下工件热变形量的计算简化为热量含量相同且温度均布状态下工件热变形量的计算方法 ,并给出了计算实例     

两种膨胀系数热变形计算误差分析

本文从热膨胀系数基本定义出发对热变形计算进行了较深入分析。理论上建立了平均线膨胀系数同瞬间线膨胀系数计算热变形的误差数学模型 ,并通过实验论述了精密工程应用中使用平均线膨胀系数计算的工件热变形误差较大 ,提出广泛使用瞬间热膨胀系数替代平均线膨胀系数是提高机器设备精度的发展趋势。     

关于零件热变形数值计算误差补偿研究

本文通过对零件传统热变形计算方法误差分析 ,指出了传统方法的误差产生原因 ,并由此给以改进 ,提出了新的热变形计算方法。本文对新旧方法的计算精度进行了分析 ,论证了新的热变形计算方法的优越性。     

工程中一种新型的代数方程重根数值计算法

本文对通常代数方程的数值计算方法特点进行了简介并给以分析 ,指出了这些解法无法得出重根数的缺陷 ,提出了一种新的解决方法———多次求导数值计算法 ,使得数值计算法更加清晰、明了 ,且可得出重根数。该法弥补了代数方程通常解法的不足 ,为代数方程数值解法提供了新的选择方案 ,扩大了其应用范围。本文使用应用广泛的数学软件 ,具有较好的实用性     

数控机床热误差补偿模型稳健性比较分析

数学模型的精度特性和稳健性特性对数控机床热误差补偿技术在实际中的实施性影响不容忽视。对数控加工中心关键点的温度和主轴z向的热变形量采用多种算法建立了预测模型,对不同算法拟合精度进行分析。同时进行全年热误差跟踪试验,获得了机床在不同环境温度和不同主轴转速的试验条件下的敏感点温度和热误差值。以此为基础,对各种预测模型的预测精度进行比较验证不同模型的稳健性。结果表明,多元线性回归算法的最小一乘、最小二乘估计模型以及分布滞后模型在改变试验条件时预测精度下降,而基于支持向量回归机原理的热误差补偿模型仍能保持较好的预测精度,稳健性强。这为数控机床热误差补偿模型的选择提供了具有实用价值的参考,具有很好工程应用性。     

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。