贝叶斯证据框架下的LS-SVM多工况数控机床热误差建模

最小二乘支持向量机(LS-SVM)模型是表征数控机床热误差特性的有效工具,但该模型中的参数设置直接影响建模的精度。传统的基于交叉验证法或网格法的参数获取方法存在计算量大、精度低的缺点,且同一组模型常数往往不能准确表征机床多种工况条件下所产生的热误差。为解决这一问题,提出了一种基于贝叶斯证据框架理论的LS-SVM多工况参数优化方法。通过测量不同工况下数控机床温度值与主轴热变形量,采用贝叶斯证据框架的3个推断对LS-SVM模型进行训练并对参数进行辨识和优化,推导出了不同工况所对应的最优模型和参数。热误差建模实验验证了该参数优化方法的有效性,结果显示,经优化的模型具有泛化能力强、预测精度高、计算速度快的特点,能够较准确地描述多种典型工况条件下的实际热误差特性。     

精密数控机床主轴热伸长补偿技术研究

针对目前精密数控机床热误差补偿问题,在基于主轴热误差测量系统的基础上,提出一种基于FCM聚类、多元线性回归的热误差补偿模型。通过对某卧式加工中心主轴恒定转速和变速工况下进行温敏点测量,建立关键温敏点与机床主轴热伸长的几何关系,通过补偿结果和切削试验表明该方法可以有效地降低主轴热伸长误差,提升零件的加工精度。     

静压气体轴承主轴系统回转误差的控制与补偿

为了提高主轴系统的回转精度,以数控机床静压气体轴承的主轴系统为研究对象,设计以静压气体轴承为主承载元件、主动磁轴承为辅助元件的主轴系统结构。对主轴回转误差的分离进行建模分析,利用主动磁轴承的可控性设计回转误差的控制和补偿方法,并用MATLAB仿真分析该方法对回转误差的补偿结果。结果表明,该主轴系统利用主动磁轴承(AMB)的可控性和静压气体轴承较高的回转精度,由磁轴承作为误差补偿机构,提高了主轴系统的回转精度。     

数控车床主轴热变形检测及回转精度评定

针对主轴回转热误差包含的多种误差分量,采用双向正交法测量了不同转速温度场下数控车床主轴热变形所引起的回转误差。以复向量描述主轴回转精度理论为基础,利用FFT误差分离方法,从传感器测得的信号中分离并去除检棒的安装偏心及热变形导致的回转中心的偏移量,从而得到精确的主轴回转热误差信息,进而评定数控机床主轴热变形对加工精度的影响。     

主轴回转误差测量技术研究现状

主轴回转误差是超精密领域的一个重要参数,准确测量主轴回转误差,对控制主轴运动、提高加工精度而言具有重要意义.介绍了主轴回转误差测量技术的研究现状.现有的主轴回转误差测量技术可以分为探针法、光学法、刻痕法,对探针法中常用的反转法、多点法、多步法进行了原理论述与误差分析.     

基于PSO-GPR的数控机床热误差建模及泛化性研究

数控机床在加工过程中会因发热而造成主轴热变形,为减小热变形对加工零件精度的影响,以1台数控车床为研究对象,提出一种基于粒子群算法优化的高斯过程回归(PSO-GPR)热误差建模与预测方法.通过采集测量5种不同工况下的实验数据,进行主轴轴向的热误差建模,同时与未优化的GPR建模方法进行比较,并在此基础上研究了训练数据增强对...     

基于改进遗传算法的机床主轴径向回转误差分离技术研究

以提高精密机床主轴回转误差的测量精度为研究目标,基于四点法矩阵算法,采用多圈重合式方法对主轴回转误差测量中的传感器输出数据进行处理.为提高传统遗传算法的收敛速度,降低优化结果对初始值的依赖性,对交叉和变异概率因子列式进行更新,并使用改进遗传算法对传感器安装角度和输出权值系数进行优化.使用改进遗传算法,收敛速率较传统遗传...     

高速主轴动平衡及其在线控制技术研究

正装备制造行业正朝着高速、高精度方向发展,这需要精准的数字装备予以支撑。高档数控机床是数字装备最高技术水平的载体之一,而高速主轴系统是高档数控机床的核心功能部件。由于装配工艺、变工况以及磨损等因素,主轴通常处于不平衡状态。机床主轴工作速度较高,不平衡引起的主轴振动尤为明显,这会直接影响加工质量,甚至导致主轴组件损坏。因此,如何控制主轴不平衡振动是一个非常关键的问题。针对主轴振动信号测试与特征提取问题,论文分析了主轴回转误差分离原理,研究了三点法误差分离技术中谐波抑制补偿及优化方法,提高了回转误差分离精度;其次,分析了不同圆度轮廓截面对全息谱的影响,提出一种基于误差分离技术     

减少机械加工精度误差的措施

1．机械加工产生误差的主要原因（1）主轴回转误差主轴回转误差是指主轴各瞬间的实际回转轴线相对其平均回转轴线的变动量。产生主轴径向回转误差的主要原因有：主轴几段轴颈的同轴度误差、轴承本身的各种误差、轴承之间的同轴度误差和主轴挠度等。适当提高主轴及箱体的制造精度,选用高精度的轴承,提高主轴部件的装配精度,对高速主轴部件进行平衡,对滚动轴承进行预紧等,均可提高机床主轴的回转精度。     

机床主轴径向回转误差的测试与研究

给出了一种主轴回转误差动态测量的误差分离方法,提出了一套主轴回转精度的动态测试系统.该系统由位移测试单元、采样时钟单元、数据采集卡、通用计算机及数据处理软件组成.该系统用于电主轴回转精度的实际测量,取得了良好效果.     

轴颈形状误差对液体静压主轴回转精度的影响

液体静压主轴是精密、超精密机床的核心功能部件,已在工程领域广泛应用,但轴颈形状误差作为静压主轴形成回转误差的主要因素,其对回转误差的定量影响规律并不明确。通过分析和简化主轴轴颈的形状误差特征,运用CFD动网格技术定量计算了形状误差作用下主轴在轴承油膜中的平衡位置,模拟了主轴旋转时轴颈形状误差凹、凸部位依次通过最小油膜厚度位置的轴心轨迹,发现了轴颈圆度误差使主轴形成回转误差,其大小与轴颈圆度频次和幅值有关,揭示出轴颈圆度误差对液体静压主轴回转精度的作用机制。通过对比理论计算和试验测试轴颈圆度误差作用下的回转精度,理论计算值约为试验测试值的75.2%。理论计算结果和所提出的研究方法具有重要的理论意义和工程参考价值。     

变工况下基于迁移学习融合域内对齐的机床主轴热误差模型

热误差建模和补偿是提高机床加工精度的重要手段。 将得到的热误差模型应用到类似或相近任务中,对减少模型构建 和数据收集的成本具有重要意义。 本文提出了一种简易迁移学习(EasyTL)融合域内对齐的主轴热误差建模方法,以实现不同 工况下误差模型的迁移复用。 建立基于域内对齐和距离矩阵全组合择优的热误差迁移模型参数选取方法,获得最优组合。 进 一步分析不同类型的域内对齐和距离矩阵各自对模型迁移性能的影响。 最后,将迁移模型与 kNN 典型机器学习模型和卷积神 经网络深度模型进行比较验证,分别预测不同工况下主轴 Z 向和 Y 向的热误差。 此外,根据预测的主轴热误差进行工件补偿 加工实验。 该方法为热误差建模及补偿提供了一种新思路。     

基于遗传算法优化灰色神经网络的机床主轴热误差建模研究

针对机床主轴热性能对加工精度产生影响的问题,对机床主轴热误差建模方向进行了试验研究。以数控磨床主轴为研究对象,通过热特性试验获得了阶梯转速下的温度变化数据和热误差数据,对温度数据进行了模糊聚类分组,并采用相关系数法选出了温度敏感测点;通过对灰色神经网络初始参数进行优化,建立了遗传算法(GA)优化的灰色神经网络热误差预测模型;在该模型中,以灰色神经网络的预测输出和实际值的绝对误差作为遗传算法适应度函数,以平均相对误差作为预测模型的评价标准,并与灰色神经网络、BP神经网络预测结果进行了对比。研究结果表明:该预测模型具有更高的预测精度,通过GA对灰色神经网络的初始参数进行优化,可有效地提高网络的预测精度,更好地用于热误差补偿系统。     

直线轴热定位误差解耦与分步建模研究

针对直线轴热定位误差同时与位置、温度相关,传统建模方法工作量大、效率低且变工况下预测精度较差等问题,本文 提出一种直线轴热定位误差解耦与分步建模方法。 首先,基于最小二乘线性拟合对多工况下测量的热定位误差解耦,获得仅与 温度相关的斜率参数与截距参数;其次,分别使用绝对温度和相对温度作为输入变量对斜率参数和截距参数回归建模,得到二 者与温度的映射关系,结合斜率与截距,建立热定位误差模型;最后,基于建立的模型对全新工况下的热定位误差进行了预测, 可实现最大残差 1. 6 μm,相比直接建模方法预测精度显著提升,表明了模型的有效性。     

基于神经网络和PID调节器的主轴回转误差的控制

本文介绍了神经网络和ＰＩＤ调节器的预测功能，提出了基于神经网络和ＰＩＤ调节器的主轴回转误差控制系统，实验表明该系统能有效地控制主轴回转误差对加工精度的影响．     

精密数控机床主轴系统热动态特性分析与研究

解决了因主轴热变形引起的数控机床加工精度下降的问题,建立了精密数控机床主轴径向和轴向动态热变形的计算机精细数值计算模型和主轴热误差动态预报理论模型,以期揭示温度变化对精密数控机床加工精度的影响机理,为精密数控机床综合误差补偿提供理论依据和技术支撑。本文采用理论分析、数值计算和试验研究相结合的方法,利用有限元方法的数值特点和实际工况实时测量数据的可靠性,为数控机床主轴系统热态特性研究提供理论与实际的依据。     

精密数控车床主轴热误差建模

开展了精密数控车床主轴系统热误差补偿的实验与建模方法的研究。建立了精密数控车床主轴系统轴向与径向偏转热误差补偿模型以增强其误差补偿能力,并提高机床加工精度。构建了主轴系统热误差测试平台,应用五点法测试主轴系统热误差,使用热电偶与红外热像仪测量主轴系统温升关键点温度变化数据,应用灰色综合关联分析法实现温度敏感测点辨识。构建了基于粒子滤波重采样粒子群算法的热误差预测模型,对模型预测效果进行评价。结果表明:基于粒子滤波重采样粒子群热误差补偿模型得到的轴向热误差预测残差为-1.29μm~1.55μm,建模精度为95.04%;y向热偏转误差预测残差为-4.68×10~(-6°)~9.66×10~(-6°),建模精度为91.26%;z向热偏转误差预测残差为-5.83×10~(-6°)~8.59×10~(-6°),建模精度为93.24%。实验结果证明该热误差补偿模型具有较高的预测精度,具有较强的工程应用价值。     

一种龙门铣床误差实时补偿方法

龙门铣床广泛应用于航空航天领域大型零件的精密加工,其几何与热误差均对加工精度有显著影响。本文基于西门子840D数控系统内置的补偿接口,以及作者提出的大型机床的关键误差分析、辨识及建模方法,在建立好的主轴热误差及主进给轴的几何与热综合误差数学模型的基础上,提出了一种大型龙门铣床主轴及进给轴多项主要变形的补偿方法,开发了相应的补偿系统,并实现了主轴热误差和主进给轴(x轴)综合误差的实时控制补偿,验证了该方法的有效性。     

主轴回转误差补偿机理和动力学模型研究

从补偿作用机理角度分析了主轴回转误差与加工系统之间的动态相互作用。在此基础上,着重从拉普拉斯频域和时间域分析了镗床主轴回转误差补偿切削系统的动力学特性。通过理论分析和仿真试验,得出有效补偿位移不仅受工件-主轴系统刚度和刀具刚度的影响,而且还受到切削参数,如切削重叠系数的影响。仿真和试验结果表明,SREC(主轴回转误差补偿)技术能有效地提高加工精度,在实际工程应用中是可行的。     

基于均匀设计的主轴热误差相关性试验研究

为更优预测机床主轴热变形,提高热误差建模精度,从测试工况影响角度出发,采用均匀设计法进行热误差相关性影响试验研究,结合工厂实际测试需求,选取合适因素及因素水平构建均匀设计方案表,以减少试验次数;利用无线温度采集传输系统及激光位移传感器采集系统对主轴进行热误差测试,通过直观分析法确定主轴在4000r/min,运转160min工况下,测试效果最优,回归结果表明主轴转速比时间对试验影响更显著。最后,对优工况下的结果构建最小二乘模型,通过复相关系数法验证了该模型可信度较高。