基于改进模糊聚类和最大信息系数的数控机床温度测点选取北大核心

在加工过程中,机床会因热变形而产生误差,这将严重影响加工精度。减少加工过程的热误差是提高加工精度的有效途径,而确定关键温度测点不仅能提高计算效率,还可避免温度数据间复共线性问题,提高热误差模型的预测精度。提出基于改进模糊聚类和最大信息系数(MIC)的温度测点选择方法,通过改进模糊聚类对温度测点进行分类;根据MIC方法选择每类温度数据中的关键温度测点;使用BP神经网络对热误差进行建模。结果表明:与传统温度测点选择方法相比,利用所提方法改进的热误差模型精度更高。     

基于偏相关-灰色综合关联度的温度测点优化

机床的热误差建模与补偿技术是提高机床加工精度的行之有效方法,而关键温度测点的选择是成功实施该技术的重要前提,由此提出一种基于偏相关-灰色综合关联度的温度测点优化方法。采用偏相关分析法,分析单一温度测点与主轴热误差间的相关性,剔除掉不相关或弱相关的测点,对剩余测点进行基于灰色综合关联度算法的分析,量化各测点与机床主轴热误差间的紧密程度,将测点数量由16个减少至4个。根据优化结果,建立4测点的热误差预测模型,分析表明,主轴Z向最大热误差由10.338μm减小至1.299μm,验证了温度测点优化结果的有效性。     

基于模糊聚类与灰色理论的机床主轴温度测点优化方法

数控机床主轴热误差是影响机床加工精度的主要因素之一,主轴热误差温度测点优化对于准确建立机床主轴热误差模型、提高机床精度具有十分重要的意义。提出一种基于模糊聚类与灰色理论的机床测温点优化方法,通过对主轴测温点进行模糊聚类分析,根据Xie-Beni有效性指标评定,将温度点归为几类,然后通过对模糊聚类后的测温点与主轴热误差进行灰色相关性分析,实现机床主轴温度测点的进一步优化。试验结果验证了该方法的可行性与有效性。     

机床热误差温度测点优化和补偿建模研究现状

机床热误差是影响机床加工精度稳定性的最大误差源，因此减小热误差对提高机床的加工精度至关重要。本文综述了关于机床温度测点位置优化方法和热误差补偿建模的方法，并对几种方法进行了比较，阐述了各方法的优缺点最后给出了运用其它方法来解决此类问题的思路。     

基于FCM聚类和RBF神经网络的机床热误差补偿建模

热关健点的选择和热误差建模技术是决定热误差补偿是否有效的关键,对提高数控机床的加工精度至关重要.为了实现对数控机床热误差的补偿控制,文章利用模糊C均值(FCM)聚类方法,对机床上布置的温度测点进行优化筛选,将温度变量从20个减少到4个,然后给出了基于RBF热误差补偿建模方法.通过建模实例表明,文章提出的建模方法,在保证补偿模型精度的同时有效减少了温度测点,降低了变量耦合影响,并提高了补偿模型的鲁棒性.     

精密主轴热变形误差的实验研究

主轴是机床的关键部件,其热变形误差是影响精密机床工作精度的主要因素之一。文章对镗床主轴的不同热变形误差形式及对加工精度的影响进行了讨论。依据ISO和ASME标准建立某型号精密卧式坐标镗床热变形误差的测试环境,采用高精度测试系统对其主轴进行温度和热变形误差的实验测试与分析。结果表明,主轴热变形误差严重影响机床加工精度,主轴转速影响其达到热平衡的时间及热误差大小,需采取有效措施对热变形误差进行补偿,优化热结构,进一步提高机床加工精度。     

整机热变形中测温点优化选择方法的研究

在高速高精度机床的加工过程中,由于各种热源的作用会导致机床产生热变形,从而影响其加工精度.针对整机热变形误差是影响机床加工精度的最大误差源,提出采用模糊聚类分析法对测温点进行优化选择,并利用多元线性回归方法建立整机热变形与温度之间的数学模型.结果表明,经优化后的温度变量应用到热误差模型中能够有效的预测整机的热变形,并且补偿效果很好.     

数控机床热误差的温度测点优化方法

为了减小机床热误差温度测点数的不确定性、测点之间的多重共线性对预测模型精度及稳健性的影响,提出了一种综合系统聚类(SC)与灰色关联(GC)的测点优化及误差建模方法。以数控机床热误差实验为依据,基于系统聚类、灰色关联分析原理和文中提出的测点筛选原则,将温度测点的数量由20个减少为4个,建立了热误差温度测点优化模型并进行了优化计算。结果显示,此方法能有效降低测点之间的多重共线性,有利于优化模型的预测精度及泛化性能的均衡。     

基于热模态分析的热误差温度测点优化选择

针对影响机床热误差建模的温度场分布问题,提出一种热模态分析方法,对机床热误差建模温度测点进行优化选择。以数控机床主轴温度场分析为例,利用热模态方法得到主轴各模态的时间常数、温度场及热变形模态形状,从而确定温度测点的最优位置。并通过实验验证了所建立模型的准确性与鲁棒性。     

基于灰关联分析的热误差测点优化

针对影响机床热误差建模的机床温度场分布问题,提出了优化热关键点的新方法.借助于灰色系统理论的关联度分析方法,根据现场测得的统计数据序列,建立了灰关联分析模型,通过计算布置于机床上各个温度布点的温度传感器的温度采样序列值同机床定位误差之间的绝对灰色关联度值,最终从32个温度测点当中选择了4个点用于建立热误差补偿模型.最后基于四个测温关键点建模对Z轴的定位误差进行了补偿实验,结果证明补偿效果较好,所提出的热误差测点优化研究可以有效提高热误差模型的鲁棒性.     

数控机床热误差建模及预测方法分析

热误差作为制约数控机床加工精度的关键因素,在重型数控机床上表现得尤为明显。以重型落地镗铣床为例,根据热误差测量试验数据,分析重型数控机床温度场特性,并基于兼顾相关系数和欧式距离的系统聚类准则,对温度测点系统进行优化,以减小温度测点间共线性。通过优化温度测点,采用多元线性回归分析,建立重型数控机床热误差预测模型。由现场试验可知,建立的热误差预测模型可将均方根误差控制在10μm以内,有效地提高了热误差预测精度。     

提高轮廓加工误差联机检测精度的研究

在数控机床或加工中心上采用联机检测轮廓加工误差的方法，不用价格昂贵的坐标测量机，具有简单、省时、经济的特点。文章分析了数控机床或加工中心的直线运动误差对联机检测轮廓加工误差精度的影响，并测量出了加工中心的几何运动误差，提出了消除机床几何运动误差影响，提高轮廓加工误差联机检测精度的方法。实验结果表明，所采用的方法可以明显提高轮廓加工误差联机检测精度。     

三轴数控机床加工精度可靠性分析

机床作为机械制造业的基础,几何误差、热误差、装配误差等都会影响数控机床的加工精度,数控机床加工精度的高低直接决定产品的生产质量。为保证数控机床对产品的加工质量,需要对数控机床的加工误差数据处理,求得数控机床加工精度可靠性,而一次二阶矩法和蒙特卡罗法是常用的可靠性分析方法。以三轴数控机床为研究对象,针对给定的误差数据,运用一次二阶矩法和蒙特卡罗法分析出数控机床加工精度可靠性。此分析对提高数控机床加工精度及保证使用寿命具有重要指导意义和参考价值。     

基于总线的数控系统嵌入式热误差补偿实现方法

热误差是影响机床加工精度的重要误差源。简要介绍THK6370卧式加工中心主轴热变形的测量及建模方法,详细阐述热误差补偿在基于总线的数控系统上嵌入式集成的方法,提出热误差补偿模块的软硬件设计方案,并开发补偿模块。在THK6370上进行实验验证,结果表明,加工精度提高了30%。     

基于多体系统理论的数控机床加工精度几何误差预测模型

针对多轴联动数控机床加工精度误差补偿问题,从分析数控机床误差产生机制和建立精度误差补偿模型的角度,提出基于多体系统理论的数控机床加工精度几何误差预测模型。分析B-A摆头五轴龙门数控机床的拓扑结构关系、低序体阵列、各典型体坐标变换,推导出B-A摆头五轴龙门数控机床的精度几何误差预测函数模型。采用平动轴十二线法误差参数辨识算法,计算出B-A摆头五轴数控机床21项空间几何误差,为精度几何误差预测函数提供有效的误差参数。该精度误差参数建模方法,对不同结构和运动关系的数控机床具有通用性,为后续数控机床误差动态实时补偿提高切削加工精度提供了理论基础。     

数控车床热误差实时补偿研究

热误差是数控加工中的主要误差源之一,对零件加工精度有非常大的影响。对数控车床热误差进行补偿可以有效地提高机床的加工精度。在数控车床的加工过程中,采用铂电阻温度传感器对数控加工中关键点的温度进行实时测量,再配合线性回归理论建立数控车床的热误差模型。最后根据热误差模型对数控车床的加工误差进行实时补偿,经验证该技术是可靠有效的。     

数控机床热变形误差补偿技术

热变形误差是影响机床加工精度的重要因素之一,通过实时热变形误差补偿可以提高数控机床加工精度.本文在分析产生机床热误差的原理的基础上, 探讨了热误差的测量方法,利用多元线性回归方法建立了机床热变形与温升之间的数学模型.应用数控系统的PLC补偿功能,对XH178加工中心加工过程中的热误差进行了实时补偿.实验结果表明误差补偿量达到80%以上.