對(duì)于高速高精加工中心,機(jī)床主軸往往存在熱變形現(xiàn)象,并由此導(dǎo)致了零件加工過程中的熱誤差問題。為解決此問題,通常讓機(jī)床在加工之前空跑一段時(shí)間,等到機(jī)床達(dá)到熱穩(wěn)態(tài)再進(jìn)行加工,但同時(shí)也降低了機(jī)床的加工效率。另外針對(duì)機(jī)床熱變形的建模研究往往消耗大量的時(shí)間成本,并且所建立的模型往往不具有通用性。針對(duì)上述問題,本文先后以兩臺(tái)機(jī)床為研究對(duì)象,建立了基于機(jī)床實(shí)時(shí)運(yùn)行數(shù)據(jù)和環(huán)境溫度的熱變形預(yù)測(cè)模型,并利用遷移學(xué)習(xí)方法縮短了機(jī)床熱變形模型的獲取時(shí)間。本文首先分析了主軸的熱特性,然后得到了影響主軸熱變形的關(guān)鍵因素。并以關(guān)鍵因素對(duì)機(jī)床原始數(shù)據(jù)進(jìn)行計(jì)算處理,進(jìn)而得到與機(jī)床主軸產(chǎn)熱散熱相關(guān)的能耗數(shù)據(jù)。以能耗數(shù)據(jù)為模型輸入,然后分別建立了主軸熱變形預(yù)測(cè)的多層感知機(jī)模型,卷積神經(jīng)網(wǎng)絡(luò)模型。對(duì)比結(jié)果顯示,由于神經(jīng)網(wǎng)絡(luò)具有較好的學(xué)習(xí)能力,因此也具有較好的預(yù)測(cè)效果。然后又利用LSTM網(wǎng)絡(luò)的特性解決了卷積神經(jīng)網(wǎng)絡(luò)中所遇到的誤差累積的問題,使得模型的預(yù)測(cè)精度進(jìn)一步提高,達(dá)到了5微米以內(nèi)。由于在實(shí)際應(yīng)用中無法事先對(duì)所研究機(jī)床進(jìn)行大量實(shí)驗(yàn)和研究,因此本文提出了以遷移學(xué)習(xí)的方法縮短機(jī)床主軸熱變形研究中的模型獲取時(shí)間。結(jié)果表明,使用遷移...

【文章頁數(shù)】：57 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1主軸散熱簡(jiǎn)化圖

圖2-1主軸散熱簡(jiǎn)化圖，在此對(duì)其散熱情況進(jìn)行簡(jiǎn)化這里將外殼簡(jiǎn)化為一個(gè)單層圓如上圖所示，假設(shè)單層圓筒壁的度，由軸承處的運(yùn)動(dòng)摩擦發(fā)析，假設(shè)材料的導(dǎo)熱系數(shù)為坐標(biāo)系，則問題就變?yōu)檠刂?0時(shí)，=；當(dāng)=時(shí)，=積分，得到下式：....

圖3-54000r/min轉(zhuǎn)速實(shí)驗(yàn)預(yù)測(cè)效果圖

圖3-54000r/min轉(zhuǎn)速實(shí)驗(yàn)預(yù)測(cè)效果圖3-6為模型針對(duì)轉(zhuǎn)速為10000r/min速度下其中紅色曲線對(duì)應(yīng)為主軸熱變形，黑色曲線對(duì)應(yīng)為模型對(duì)熱變形額預(yù)測(cè)值。綠色為預(yù)測(cè)誤差。通過預(yù)測(cè)效果發(fā)現(xiàn)模型對(duì)于10000r/min轉(zhuǎn)速下的預(yù)測(cè)精度為20微米左右，并且存在....

圖3-78000r/min轉(zhuǎn)速實(shí)驗(yàn)預(yù)測(cè)效果圖

圖3-78000r/min轉(zhuǎn)速實(shí)驗(yàn)預(yù)測(cè)效果圖上預(yù)測(cè)效果可以發(fā)現(xiàn)模型在預(yù)測(cè)過程中會(huì)存在預(yù)測(cè)誤差隨著時(shí)間增加，同時(shí)模型針對(duì)不同速度下的預(yù)測(cè)效果會(huì)略有不同。于卷積神經(jīng)網(wǎng)絡(luò)熱變形預(yù)測(cè)模型積神經(jīng)網(wǎng)絡(luò)是一類包含卷積計(jì)算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，是的算法之一。對(duì)卷積神經(jīng)網(wǎng)絡(luò)的研究始于....

圖3-8卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖

圖3-8卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖，模型訓(xùn)練其中模型的訓(xùn)練所使用的訓(xùn)練集的數(shù)據(jù)處理方法與前一節(jié)中所使用方法相同，此不做贅述。模型的訓(xùn)練過程依然使用最小二乘作為優(yōu)化目標(biāo)，輸入訓(xùn)練集數(shù)據(jù)進(jìn)訓(xùn)練得到模型參數(shù)文件。.2.2模型效果模型的預(yù)測(cè)過程與2.4節(jié)中的預(yù)測(cè)過程一致，將處理之后....

本文編號(hào)：3983873