基于多维时间序列的数控机床状态预测方法研究

针对数控机床状态数据的多样性、时序性,机床状态难以预测等问题,提出了一种基于多维时间序列的数控机床状态预测方法。首先,基于OPC（OLE for Process Control）技术进行机床状态数据采集,采用Min-max标准化和自回归移动平均模型对数据进行预处理,构建多维时间序列矩阵,建立机床状态的度量模型和评价函数,采用特征向量、特征趋势距离标示状态模型,利用差异度对状态模型进行对比衡量。其次,利用滑动时间窗口技术表征机床未来状态,以时间窗口长度l和滑动时长w获取机床历史状态集合,提出基于窗口滑动的多重匹配状态预测方法,利用β-耦合相似度量标准寻找与当前状态矩阵相似度最大的历史状态集合Xk,根据给定的相似性阈值确定最优滑动时长w和预测时长l,以Xk跟随状态Xk*的变换趋势和规律作为机床下一时刻的状态。针对噪声数据干扰问题,提出基于密度空间聚类算法的状态序列分析方法,通过引入欧几里得距离和缩小权重因子确定算法参数,求出表征机床某时刻状态的最佳状态矩阵。最后,以机床主轴四项参数为例进行数控机床状态预测实验,根据状态序列相似性分析结果确定了预测时长为24s,滑动单位为2s。预测结果表明,基于多重匹配的矩阵形式、向量形式的状态预测方法比传统的AR预测模型的各项误差都低,预测结果更加准确。     

五轴数控机床进给系统刚度对自由曲面轮廓误差影响机理研究

五轴数控机床进给系统组成结构复杂,特别是在复杂曲面加工过程中其动态刚度不断发生变化,成为制约其加工精度的主要因素。研究过程中以五轴机床运动产生的弹性变形为出发点,建立了A/C双摆头机床进给系统动力学模型,推导了因进给系统弹性变形导致的轮廓加工误差,并基于一种新型的自由曲面检验试件,给出了其数控加工过程的运动控制策略,分析了轮廓度误差与试件曲率间的关系,得到了数控机床进给系统刚度特性对自由曲面轮廓误差的影响机理,最后在机床上进行了切削验证。上述研究成果有助于完成复杂曲面加工过程中机床工作性能评估,为利用检验试件分析机床动态刚度特性提供了原理性支持。