基于遗传算法优化Elman神经网络的机床热误差建模

为了提高数控机床热误差模型的预测精度,以某型号立式加工中心为实验对象,采用模糊聚类与灰色综合关联度相结合的方法对机床测温点进行优化,将测温点从8个减少到3个。利用遗传算法(GA)优化的Elman神经网络建立了主轴热漂移误差预测模型,通过实例比较了GA-Elman神经网络模型与普通Elman神经网络模型的预测效果。结果表明,与普通Elman神经网络所建的预测模型相比,GA-Elman神经网络模型对主轴轴向热漂移误差的预测精度较高,残差较小,网络的泛化能力较好。     

并联运动机床的误差分析

文章介绍了并联运动机床的误差来源及其解决方法.     

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.     

电子束加工机床运动系统设计及误差补偿

根据电子束加工机床的需要,构建了电子束加工工艺流程,设计了运动系统结构并实现了X和Y方向的二维运动,研究了运动系统驱动原理。完成了基于PC机的控制系统设计,开发出基于串口的上位机控制软件,设计出基于AT89S52单片机芯片的下位机。对完成的运动及控制系统进行实验研究并获得误差补偿值。     

弧齿锥齿轮机床运动误差对齿面误差的影响北大核心

依据弧齿锥齿轮齿面数学模型,对齿面进行了离散化处理,结合旋转投影原理,确立了弧齿锥齿轮齿面离散点三维坐标的计算方法,进行了齿面离散点三维坐标实例计算;并采用NURBS方法建立了弧齿锥齿轮齿面三维模型,分析了弧齿锥齿轮机床运动误差对齿面误差的影响,并通过弧齿锥齿轮齿面离散点误差计算和分析对其影响规律进行了研究,可以为弧齿锥齿轮齿面误差补偿及弧齿锥齿轮加工机床精度设计提供理论参考。     

PWM逆变器残余误差的神经网络消除方法

在分析现有PWM逆变器控制技术的基础上,讨论了单相PWM逆变器残余误差产生的机理,构造出单相PWM逆变器残余误差的神经网络消除模型,论述了神经网络训练样本拾取方法。该控制方法能有效地提高PWM逆变器的输出精度.     

刀具回转型机床主轴径向误差运动的分析及其评定

刀具回转型机床主轴径向误差运动的分析及其评定烟台大学李宝丽，王晓东主题词：机床，主轴，误差运动机床主轴系统的回转误差运动对零件的加工精度和表面粗糙度有着直接的影响，因而，对其测量和评定方法的研究一直受到国内外的普遍重视。研究机床主轴回转误差运动的目的...     

基于MEA-NARX神经网络主轴热误差建模

为了有效提高基于非线性时间序列的热误差预测模型精度,利用F统计检验确定模糊C均值聚类的聚类数目,结合不同量纲一化处理的灰色关联分析排序筛选出关键温度测点,建立基于NARX神经网络的热误差预测模型,通过设置输入延时阶数、输出延时阶数和隐含层神经元个数的范围,利用思维进化算法对输入、输出延时阶数和隐含层神经元个数进行寻优,与随机选取参数的NARX神经网络预测模型相比,模型预测精度提高了36.98%。     

基于自然指数模型的机床定位误差建模与实时补偿

为提高数控机床的运动性能和加工精度,提出了基于自然指数模型的机床定位误差建模方法.通过分析在不同温度条件下的定位误差变化规律,将定位误差分为几何误差和热误差两个部分,其中,几何误差部分可以采用多项式模型进行拟合,而对于热误差部分,则建立其与环境温度、机床关键构件温度之间的自然指数模型,从而描述了热误差和温度场之间的非线性变化规律.通过与传统的多元线性回归模型进行试验结果对比表明:基于自然指数模型的定位误差建模方法在任何温度条件下均可获得较高的预测精度,经过误差补偿,可以大幅提高机床精度.     

基于BP神经网络的磨床力误差补偿方法

为建立磨削加工参数与磨削力导致的力变形误差之间的关系模型,提出基于神经网络的力误差建模和实时补偿方法.建立经遗传算法优化的BP神经网络以表征磨削参数与磨削力的关系;运用有限元方法对零件进行力学分析,建立磨削力与力变形量的关系模型;建立加工参数与切削力误差映射模型,预测误差补偿量,进行实时补偿.实验结果表明:该切削力误差...     

数控机床热误差补偿模型的应用

为提高机床加工精度,研究并选择最佳模型对立式加工中心主轴热误差进行补偿。以KVC650E立式加工中心为实验对象,根据秋季数据对主轴热误差建立了多元线性回归、神经网络和支持向量机模型;将同一台机床和另一台同类型机床所测得的冬季数据分别代入3种模型计算各模型补偿精度;根据3种模型的精度变化规律比较三者的精确性、鲁棒性和通用性。实验结果表明:3种模型都有各自的优势,但支持向量机模型能在不同的环境温度和机床条件下保证较高的精度,综合性能最好。     

无限冲激响应网络在数控机床热误差建模中的应用

本文阐述了数控机床热误差补偿技术的基本概念，提出了一种基于无限冲激响应(IIR)网络的数控机床热误差预报模型，讨论了该模型的建立及相关技术问题，对智能预报补偿系统进行了研究，并给出了智能预报的结果和精度评价。     

机床热误差非线性组合预测模型研究

在精密及超精密加工过程中,数控机床热误差是影响加工精度的一项重要误差源,最经济和有效地减少热误差的方法是热误差补偿技术。针对热误差补偿预测模型的预测精度问题,提出一种非线性组合预测模型。该预测模型利用灰色关联度方法对单项预测模型进行筛选,对筛选出的单项预测模型基于不同优化准则进行线性组合,通过广义回归神经网络对该线性组合模型进行非线性组合,得到非线性组合预测模型。误差预测结果表明:对比典型的BP神经网络预测模型,非线性组合预测模型的预测精度更高,最大误差由4.78μm减小到0.7μm。     

BP神经网络补偿热变形误差的研究

在精密加工中，由于热变形引起的误差占整个系统误差的40％－60％[1] ，这说明对热变形进行深入研究和找出其规律并提出相应的补偿措施是十分必要的。本文是以CK616－1简易数控车床为实验对象，在对其热误差分析的基础上进行热误差建模，并结合改进的BP神经网络给出了具体实现的方法，对提高机床的加工精度有着极其重要的意义。     

基于GA-BP神经网络的单向走丝线切割机床热误差补偿

单向走丝线切割机床是一种高精度加工机床,机床的热变形将对其加工精度有较大的影响.采用实验检测获得机床上各测温点的温升与对应机床热变形量数据.再利用研究构建的GA-BP神经网络法机床热变形误差预测模型,对机床热变形进行误差补偿,实验证明了该方法的先进性、可行性和实用性.     

采用逆神经网络模型的移动机器人速度控制回路研究

针对移动机器人运动轨迹容易受到不确定外界因素干扰的问题,采用逆神经网络模型设计移动机器人控制系统。分别采用逆神经网络控制器和传统PI控制器模型对两轮差动移动机器人运动速度和角速度进行跟踪控制。传统PI控制器模型使用了近似于线性的等效负载驱动器,而逆神经网络控制器使用前馈多层感知神经网络模型,该模型结合了其运动学和动力学的数学模型,在特定工作区域内,对逆神经网络模型进行离散训练。在平面内,对移动机器人的速度跟踪控制进行仿真。结果表明:采用PI控制器模型,移动机器人车轮运动速度和角速度与理论值存在较大误差,而采用逆神经网络模型时误差较小。采用逆神经网络模型设计移动机器人速度控制回路,可以提高移动机器人运动性能,更好地适应外界环境的变化。     

精密数控机床移动轴误差综合建模

为研究精密数控机床的加工精度,针对以气浮平台和旋转平台为主要方式的四轴抛光平台进行了几何与热的综合误差建模,利用XL-80激光干涉仪、PT100温度传感器及XSR90彩色无纸记入仪等仪器对X、Z轴的温度、定位误差进行测量、记录.分析精密数控机床移动轴的定位误差与温度之间的规律.运用切比雪夫多项式及最小二乘法分别建立X、...     

基于神经网络的硝酸生产过程稳态建模技术研究

采用非机理建模方法,使用生产历史数据,利用人工神经网络所具有的对任意非线性映射的任意逼近能力,模拟实际系统的输入一输出关系,经过训练得到硝酸生产过程的稳态模型。