數(shù)控機(jī)床直線軸熱誤差測量與分析方法研究
發(fā)布時(shí)間:2021-04-24 14:44
隨著科技的發(fā)展,功能部件的精度要求越來越高,這就需要機(jī)床具有更高的加工精度以滿足零件的加工要求。誤差補(bǔ)償是一種提高機(jī)床加工精度的十分經(jīng)濟(jì)有效的方法,建立高精度、強(qiáng)魯棒性的誤差模型是實(shí)現(xiàn)誤差補(bǔ)償?shù)幕A(chǔ)。本論文著眼于熱誤差建模領(lǐng)域中溫度敏感點(diǎn)的選擇與誤差模型的建立,以自主研發(fā)的三軸實(shí)驗(yàn)平臺(tái)為研究對(duì)象,探索不同溫度分布下定位誤差的有效建模法,旨在系統(tǒng)地給出魯棒性強(qiáng),預(yù)測精度高的誤差建模法,以提高誤差補(bǔ)償?shù)男屎头(wěn)定性。本文的主要研究工作如下:分析不同溫度分布下定位誤差的產(chǎn)生機(jī)理,定位誤差曲線形狀和斜率可認(rèn)為是由不同的誤差因素造成的,即定位誤差的幾何誤差部分和熱誤差部分。因此,提出了定位誤差的分離建模法。建模時(shí),首先將定位誤差分離成幾何誤差和熱誤差兩部分,針對(duì)這兩部分分別建模,然后合并成復(fù)合誤差模型。通過實(shí)驗(yàn)驗(yàn)證了分離建模法的可行性。采用多項(xiàng)式對(duì)定位誤差的幾何部分進(jìn)行擬合。多項(xiàng)式的擬合階數(shù)通常是依靠經(jīng)驗(yàn)確定的,并沒有相應(yīng)的理論指導(dǎo)。針對(duì)這一問題,本文提出一種F檢驗(yàn)法選擇多項(xiàng)式最佳擬合階數(shù)。通過計(jì)算不同階數(shù)多項(xiàng)式的F統(tǒng)計(jì)量,選出其中最大的F值,即顯著性最好的多項(xiàng)式作為幾何定位誤差的數(shù)學(xué)表達(dá)式。由...
【文章來源】:吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:124 頁
【學(xué)位級(jí)別】:博士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題的研究背景和意義
1.2 數(shù)控機(jī)床誤差的相關(guān)概念
1.2.1 誤差分析
1.2.2 誤差測量
1.2.3 傳感器布置與選擇
1.2.4 誤差元素建模
1.2.5 誤差補(bǔ)償
1.3 國內(nèi)外研究現(xiàn)狀
1.4 課題來源
1.5 本文研究內(nèi)容
第2章 數(shù)控機(jī)床誤差元素分析及其數(shù)學(xué)建模
2.1 數(shù)控機(jī)床誤差分析
2.1.1 數(shù)控機(jī)床幾何誤差
2.1.2 數(shù)控機(jī)床熱誤差
2.2 數(shù)控機(jī)床誤差元素分類與建模
2.2.1 幾何誤差建模
2.2.2 熱誤差建模
2.3 常用熱誤差建模方法
2.3.1 多元線性回歸模型
2.3.2 人工神經(jīng)網(wǎng)絡(luò)模型
2.3.3 最小二乘支持向量機(jī)
2.4 本章小結(jié)
第3章 重構(gòu)變量回歸熱誤差建模
3.1 實(shí)驗(yàn)設(shè)備
3.1.1 傳感器布置
3.1.2 實(shí)驗(yàn)數(shù)據(jù)獲取
3.2 重構(gòu)變量回歸
3.2.1 RVR算法數(shù)學(xué)模型
3.2.2 算法實(shí)現(xiàn)
3.3 溫度敏感點(diǎn)選擇
3.3.1 模糊C均值聚類
3.3.2 聚類有效性評(píng)價(jià)
3.3.3 溫度數(shù)據(jù)分類
3.4 定位誤差建模
3.4.1 幾何定位誤差建模
3.4.2 重構(gòu)變量
3.4.3 重構(gòu)變量回歸建模
3.5 RVR熱誤差模型性能驗(yàn)證
3.6 本章小結(jié)
第4章 優(yōu)化神經(jīng)網(wǎng)絡(luò)熱誤差建模
4.1 蝙蝠算法
4.1.1 蝙蝠算法生物學(xué)原理
4.1.2 蝙蝠算法實(shí)現(xiàn)
4.1.3 蝙蝠算法流程
4.2 基于蝙蝠算法的BP神經(jīng)網(wǎng)絡(luò)熱誤差模型
4.2.1 BA-BP神經(jīng)網(wǎng)絡(luò)
4.2.2 溫度敏感點(diǎn)選擇
4.2.3 BA-BP神經(jīng)網(wǎng)絡(luò)熱誤差建模
4.3 BA-BP神經(jīng)網(wǎng)絡(luò)模型驗(yàn)證
4.4 本章小結(jié)
第5章 基于灰狼優(yōu)化算法最小二乘支持向量機(jī)
5.1 灰狼優(yōu)化算法
5.1.1 灰狼優(yōu)化算法來源
5.1.2 灰狼優(yōu)化算法數(shù)學(xué)模型
5.1.3 灰狼優(yōu)化算法基本步驟
5.2 溫度敏感點(diǎn)選擇
5.2.1 劃分式聚類算法
5.2.2 K調(diào)和均值聚類
5.2.3 聚類有效性評(píng)價(jià)指標(biāo)
5.2.4 統(tǒng)計(jì)數(shù)值實(shí)驗(yàn)
5.2.5 選擇溫度敏感點(diǎn)
5.3 GWO-LSSVM誤差模型
5.3.1 GWO-LSSVM建模流程
5.3.2 GWO-LSSVM熱誤差建模
5.4 GWO-LSSVM模型驗(yàn)證
5.5 機(jī)床誤差模型對(duì)比分析
5.5.1 模型性能評(píng)價(jià)
5.5.2 溫度波動(dòng)對(duì)模型性能影響
5.5.3 建模數(shù)據(jù)對(duì)模型性能影響
5.6 本章小結(jié)
第6章 結(jié)論與展望
6.1 主要結(jié)論
6.2 研究展望
參考文獻(xiàn)
作者簡介及攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝
【參考文獻(xiàn)】:
期刊論文
[1]Spindle Thermal Error Optimization Modeling of a Five-axis Machine Tool[J]. Qianjian GUO,Shuo FAN,Rufeng XU,Xiang CHENG,Guoyong ZHAO,Jianguo YANG. Chinese Journal of Mechanical Engineering. 2017(03)
[2]支持向量回歸機(jī)在數(shù)控加工中心熱誤差建模中的應(yīng)用[J]. 苗恩銘,龔亞運(yùn),成天駒,陳海東. 光學(xué)精密工程. 2013(04)
[3]數(shù)控機(jī)床幾何誤差與熱誤差綜合建模及其實(shí)時(shí)補(bǔ)償[J]. 王維,楊建國,姚曉棟,范開國,李自漢. 機(jī)械工程學(xué)報(bào). 2012(07)
[4]新型元啟發(fā)式蝙蝠算法[J]. 黎成. 電腦知識(shí)與技術(shù). 2010(23)
[5]基于最小二乘支持向量機(jī)的數(shù)控機(jī)床熱誤差預(yù)測[J]. 林偉青,傅建中,許亞洲,陳子辰. 浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2008(06)
[6]數(shù)控機(jī)床熱補(bǔ)償中溫度變量的選擇與建模[J]. 沈金華,趙海濤,張宏韜,楊建國. 上海交通大學(xué)學(xué)報(bào). 2006(02)
[7]機(jī)床熱補(bǔ)償中溫度變量分組優(yōu)化建模[J]. 楊建國,鄧衛(wèi)國,任永強(qiáng),李院生,竇小龍. 中國機(jī)械工程. 2004(06)
博士論文
[1]基于多類型控制器的電力系統(tǒng)穩(wěn)定智能優(yōu)化控制研究[D]. 左劍.華中科技大學(xué) 2017
[2]基于蝙蝠算法的啟發(fā)式智能優(yōu)化研究與應(yīng)用[D]. 薛菲.北京工業(yè)大學(xué) 2016
[3]多軸數(shù)控機(jī)床準(zhǔn)靜態(tài)空間誤差建模及誤差辨識(shí)方法研究[D]. 章婷.南京航空航天大學(xué) 2016
[4]數(shù)控機(jī)床誤差測量、建模及網(wǎng)絡(luò)群控實(shí)時(shí)補(bǔ)償系統(tǒng)研究[D]. 張毅.上海交通大學(xué) 2013
[5]基于聚類分析的圖像分割算法研究[D]. 許曉麗.哈爾濱工程大學(xué) 2012
[6]數(shù)控機(jī)床多誤差元素綜合補(bǔ)償及應(yīng)用[D]. 范開國.上海交通大學(xué) 2012
[7]高速數(shù)控機(jī)床電主軸熱誤差機(jī)理分析與建模研究[D]. 雷春麗.蘭州理工大學(xué) 2011
[8]高速加工中心主軸及刀具系統(tǒng)熱誤差綜合補(bǔ)償技術(shù)[D]. 趙昌龍.吉林大學(xué) 2010
[9]聚類分析及其應(yīng)用研究[D]. 唐東明.電子科技大學(xué) 2010
[10]數(shù)控機(jī)床誤差補(bǔ)償關(guān)鍵技術(shù)及其應(yīng)用[D]. 沈金華.上海交通大學(xué) 2008
本文編號(hào):3157546
【文章來源】:吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:124 頁
【學(xué)位級(jí)別】:博士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題的研究背景和意義
1.2 數(shù)控機(jī)床誤差的相關(guān)概念
1.2.1 誤差分析
1.2.2 誤差測量
1.2.3 傳感器布置與選擇
1.2.4 誤差元素建模
1.2.5 誤差補(bǔ)償
1.3 國內(nèi)外研究現(xiàn)狀
1.4 課題來源
1.5 本文研究內(nèi)容
第2章 數(shù)控機(jī)床誤差元素分析及其數(shù)學(xué)建模
2.1 數(shù)控機(jī)床誤差分析
2.1.1 數(shù)控機(jī)床幾何誤差
2.1.2 數(shù)控機(jī)床熱誤差
2.2 數(shù)控機(jī)床誤差元素分類與建模
2.2.1 幾何誤差建模
2.2.2 熱誤差建模
2.3 常用熱誤差建模方法
2.3.1 多元線性回歸模型
2.3.2 人工神經(jīng)網(wǎng)絡(luò)模型
2.3.3 最小二乘支持向量機(jī)
2.4 本章小結(jié)
第3章 重構(gòu)變量回歸熱誤差建模
3.1 實(shí)驗(yàn)設(shè)備
3.1.1 傳感器布置
3.1.2 實(shí)驗(yàn)數(shù)據(jù)獲取
3.2 重構(gòu)變量回歸
3.2.1 RVR算法數(shù)學(xué)模型
3.2.2 算法實(shí)現(xiàn)
3.3 溫度敏感點(diǎn)選擇
3.3.1 模糊C均值聚類
3.3.2 聚類有效性評(píng)價(jià)
3.3.3 溫度數(shù)據(jù)分類
3.4 定位誤差建模
3.4.1 幾何定位誤差建模
3.4.2 重構(gòu)變量
3.4.3 重構(gòu)變量回歸建模
3.5 RVR熱誤差模型性能驗(yàn)證
3.6 本章小結(jié)
第4章 優(yōu)化神經(jīng)網(wǎng)絡(luò)熱誤差建模
4.1 蝙蝠算法
4.1.1 蝙蝠算法生物學(xué)原理
4.1.2 蝙蝠算法實(shí)現(xiàn)
4.1.3 蝙蝠算法流程
4.2 基于蝙蝠算法的BP神經(jīng)網(wǎng)絡(luò)熱誤差模型
4.2.1 BA-BP神經(jīng)網(wǎng)絡(luò)
4.2.2 溫度敏感點(diǎn)選擇
4.2.3 BA-BP神經(jīng)網(wǎng)絡(luò)熱誤差建模
4.3 BA-BP神經(jīng)網(wǎng)絡(luò)模型驗(yàn)證
4.4 本章小結(jié)
第5章 基于灰狼優(yōu)化算法最小二乘支持向量機(jī)
5.1 灰狼優(yōu)化算法
5.1.1 灰狼優(yōu)化算法來源
5.1.2 灰狼優(yōu)化算法數(shù)學(xué)模型
5.1.3 灰狼優(yōu)化算法基本步驟
5.2 溫度敏感點(diǎn)選擇
5.2.1 劃分式聚類算法
5.2.2 K調(diào)和均值聚類
5.2.3 聚類有效性評(píng)價(jià)指標(biāo)
5.2.4 統(tǒng)計(jì)數(shù)值實(shí)驗(yàn)
5.2.5 選擇溫度敏感點(diǎn)
5.3 GWO-LSSVM誤差模型
5.3.1 GWO-LSSVM建模流程
5.3.2 GWO-LSSVM熱誤差建模
5.4 GWO-LSSVM模型驗(yàn)證
5.5 機(jī)床誤差模型對(duì)比分析
5.5.1 模型性能評(píng)價(jià)
5.5.2 溫度波動(dòng)對(duì)模型性能影響
5.5.3 建模數(shù)據(jù)對(duì)模型性能影響
5.6 本章小結(jié)
第6章 結(jié)論與展望
6.1 主要結(jié)論
6.2 研究展望
參考文獻(xiàn)
作者簡介及攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝
【參考文獻(xiàn)】:
期刊論文
[1]Spindle Thermal Error Optimization Modeling of a Five-axis Machine Tool[J]. Qianjian GUO,Shuo FAN,Rufeng XU,Xiang CHENG,Guoyong ZHAO,Jianguo YANG. Chinese Journal of Mechanical Engineering. 2017(03)
[2]支持向量回歸機(jī)在數(shù)控加工中心熱誤差建模中的應(yīng)用[J]. 苗恩銘,龔亞運(yùn),成天駒,陳海東. 光學(xué)精密工程. 2013(04)
[3]數(shù)控機(jī)床幾何誤差與熱誤差綜合建模及其實(shí)時(shí)補(bǔ)償[J]. 王維,楊建國,姚曉棟,范開國,李自漢. 機(jī)械工程學(xué)報(bào). 2012(07)
[4]新型元啟發(fā)式蝙蝠算法[J]. 黎成. 電腦知識(shí)與技術(shù). 2010(23)
[5]基于最小二乘支持向量機(jī)的數(shù)控機(jī)床熱誤差預(yù)測[J]. 林偉青,傅建中,許亞洲,陳子辰. 浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2008(06)
[6]數(shù)控機(jī)床熱補(bǔ)償中溫度變量的選擇與建模[J]. 沈金華,趙海濤,張宏韜,楊建國. 上海交通大學(xué)學(xué)報(bào). 2006(02)
[7]機(jī)床熱補(bǔ)償中溫度變量分組優(yōu)化建模[J]. 楊建國,鄧衛(wèi)國,任永強(qiáng),李院生,竇小龍. 中國機(jī)械工程. 2004(06)
博士論文
[1]基于多類型控制器的電力系統(tǒng)穩(wěn)定智能優(yōu)化控制研究[D]. 左劍.華中科技大學(xué) 2017
[2]基于蝙蝠算法的啟發(fā)式智能優(yōu)化研究與應(yīng)用[D]. 薛菲.北京工業(yè)大學(xué) 2016
[3]多軸數(shù)控機(jī)床準(zhǔn)靜態(tài)空間誤差建模及誤差辨識(shí)方法研究[D]. 章婷.南京航空航天大學(xué) 2016
[4]數(shù)控機(jī)床誤差測量、建模及網(wǎng)絡(luò)群控實(shí)時(shí)補(bǔ)償系統(tǒng)研究[D]. 張毅.上海交通大學(xué) 2013
[5]基于聚類分析的圖像分割算法研究[D]. 許曉麗.哈爾濱工程大學(xué) 2012
[6]數(shù)控機(jī)床多誤差元素綜合補(bǔ)償及應(yīng)用[D]. 范開國.上海交通大學(xué) 2012
[7]高速數(shù)控機(jī)床電主軸熱誤差機(jī)理分析與建模研究[D]. 雷春麗.蘭州理工大學(xué) 2011
[8]高速加工中心主軸及刀具系統(tǒng)熱誤差綜合補(bǔ)償技術(shù)[D]. 趙昌龍.吉林大學(xué) 2010
[9]聚類分析及其應(yīng)用研究[D]. 唐東明.電子科技大學(xué) 2010
[10]數(shù)控機(jī)床誤差補(bǔ)償關(guān)鍵技術(shù)及其應(yīng)用[D]. 沈金華.上海交通大學(xué) 2008
本文編號(hào):3157546
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3157546.html
最近更新
教材專著