旋转刀轴中心控制(rotational tool center point,RTCP)精度是评价五轴混联机床的重要考核指标。该文以一台基于3P(4R)S主轴头的五轴混联机床为研究对象,对该机床终端的位置和角度精度进行标定,以提高混联机床的RTCP精度;提出了一种参...
详细信息
旋转刀轴中心控制(rotational tool center point,RTCP)精度是评价五轴混联机床的重要考核指标。该文以一台基于3P(4R)S主轴头的五轴混联机床为研究对象,对该机床终端的位置和角度精度进行标定,以提高混联机床的RTCP精度;提出了一种参数辨识算法,与最小二乘法、岭估计法相比,该算法缩短了辨识运算的时间。标定实验结果表明:该算法辨识得到的参数能有效提高机床的精度,验证了该算法的有效性,为五轴混联机床的铣削加工奠定了基础。
针对风电机组齿轮箱油温趋势预测中存在的信号非线性、多变量相关、各相关变量之间存在数据冗余等问题,同时为了克服人工神经网络离线训练的不足,该文提出了一种基于主成分分析(principal component analysis,PCA)和动态神经网络的齿轮箱油温趋势预测模型,并结合统计过程控制(statistical process control,SPC)实现该模型在线学习能力。确定影响油温变化的相关变量集,利用PCA消除相关变量间的数据冗余,采用有外部输入的非线性自回归动态神经网络(nonlinear autoregressive with external input,NARX)对油温和相关变量集进行建模,采用考虑残差分布规律的SPC方法控制模型在线学习行为。实际应用结果表明:该方法具有较高的稳定性和准确度,能够有效实现油温趋势预测。
暂无评论