检索结果-内蒙古大学图书馆

机床与液压 2022年第24期50卷 49-53页

作者：孙昂王丽爽谢新连大连海事大学船舶与海洋工程学院辽宁大连116026 大连海事大学物流研究院辽宁大连116026

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... 详细信息

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%。

关键词：主轴热误差建模模糊C均值聚类思维进化算法 NARX神经网络

来源：评论

学校读者我要写书评

暂无评论

机床主轴热误差通用型温度敏感点组合选取

引用

光学精密工程 2022年第12期30卷 1462-1477页

作者：周琳丰付国强李正堂雷国强邓小雷西南交通大学机械工程学院四川成都610031 浙江大学流体动力与机电系统国家重点实验室浙江杭州310027 四川大学机械工程学院四川成都610065 重庆遨博智能科技研究院有限公司重庆400050 衢州学院浙江省空气动力装备技术重点实验室浙江衢州324000

本文提出一种基于数量自动确定的机床主轴热误差通用型温度敏感点组合选取方法以解决敏感点数量的选取依赖人工经验的问题。首先,计算各温度变量与热误差之间的绝对均相关系数以评估各温度点对主轴热误差的相关程度。其次,将绝对均相关... 详细信息

本文提出一种基于数量自动确定的机床主轴热误差通用型温度敏感点组合选取方法以解决敏感点数量的选取依赖人工经验的问题。首先,计算各温度变量与热误差之间的绝对均相关系数以评估各温度点对主轴热误差的相关程度。其次,将绝对均相关系数最大的温度点作为K-Means++聚类算法的首个初始聚类中心,进一步选取一系列数量不同的温度敏感点组合。然后,将所得的一系列敏感点组合和热误差作为输入,建立反向传播(Back Propagation,BP)神经网络热误差模型,并通过评价指标选取预测性能最优的温度敏感点组合。最后,在VMC850数控机床上进行了最优温度敏感点组合在不同工况相同误差项、相同工况不同误差项中的有效性以及在不同热误差模型中的通用性验证。结果表明,本文提出的温度敏感点组合选取法适用于不同工况下的误差预测,且在不同的热误差模型中具有良好的通用性。

关键词：温度敏感点组合选取主轴热误差建模数量自动确定有效性与通用性温度敏感点评价指标

来源：评论

学校读者我要写书评

暂无评论

基于DMGDMU65数控机床热误差建模关键技术研究

基于DMGDMU65数控机床热误差建模关键技术研究

引用

作者：闵兴龙西华大学

学位级别：硕士

随着机加设备自动化、智能化生产的需要,数控机床已成工业发展和技术进步的中坚力量。在加工生产的高质量要求下,数控机床加工能力直接体现国家的现代制造水平。在众多误差源中,热效应误差是主要影响机床加工精度的因素之一,热效应误差... 详细信息

随着机加设备自动化、智能化生产的需要,数控机床已成工业发展和技术进步的中坚力量。在加工生产的高质量要求下,数控机床加工能力直接体现国家的现代制造水平。在众多误差源中,热效应误差是主要影响机床加工精度的因素之一,热效应误差可占总误差的45%-65%,数控机床主轴热误差数字模型及补偿技术能有效地提高数控机床加工精度。主轴的热误差测量、敏感温度点筛选及构建热误差预测模型是进行热误差补偿的前提。本文以DMG DMU65五轴数控机床为研究对象,对数控机床主轴热误差补偿过程中的热误差测量、敏感温度测点组合选取及热误差的预测模型进行研究。基于前者的研究成果,设计并实施数控机床主轴热误差测量工作。首先,根据被测对象结构和工作环境,选用温度传感器、位移传感器及对应数据采集器等;随后,依据温度测点选择策略及考虑划分温度区域的情况下,安装布置温度传感器及测量主轴热效应误差的位移传感器;最后,根据不同加工条件设计不同工况的测量实验。考虑不同热源区域对机床主轴的影响,在划分热源区域的前提下,提出了多理论结合的敏感温度点组合选取方法。将机床分为五个热源区域,基于相关性分析和K均值聚类分析对温度分量进行筛选工作,解决K值难以确定的问题。对筛选出的各热源区域关键温度分量组合再次使用该方法进行筛选。采用BP神经网络主轴热误差预测模型,对不同K值下的温度分量组合和热误差间的内在联系进行映射,将平均绝对误差(MAE)、均方误差(MSE)以及均方根误差(RMSE)作为模型的评估标准,筛选出基于数据的主轴敏感温度测点组合,成功将16个温度测点减少至5个。基于敏感温度点组合结果,对数控机床主轴热误差建模进行研究。考虑温度分量与热误差间的非线性关系,采用具有良好的非线性映射能力及无局部极值问题的径向基函数神经网络建立数控机床主轴热误差模型。通过引入压缩因子的粒子群算法,优化径向基函数神经网络的结构参数,提高模型预测性能。基于不同工况下的实验数据对热误差模型进行验证,结果表明,基于优化PSO-RBF神经网络建立的热误差预测模型具有较强的预测能力及较强的鲁棒性。

关键词：数控机床敏感温度点主轴热误差建模粒子群算法径向基函数神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：