基于STM32-DSP联合控制的GPHA深度人工神经网络CNC实时热补偿系统研究

发布时间：2017-04-02 21:20

  本文关键词：基于STM32-DSP联合控制的GPHA深度人工神经网络CNC实时热补偿系统研究，由笔耕文化传播整理发布。

【摘要】：大型数控机床的制造误差中,热误差是占误差比例最大的一项,进行热补偿是一种有效的减少热误差的方法。数控机床的热误差变形很大程度上受到了特定的工况影响,其温度分布呈现非均匀性,非线性、时变性,机床由温升产生的制造误差也随之变得异常复杂。本文首次提出基于堆叠RBM深度神经网络(DNN)以及新颖的GPHA优化的BP神经网络来构建热补偿模型。首先使用ANSYS进行有限元分析对G-200钻床进给系统的温度分布进行综合分析并发现了关键测温点,而后对温度数据集使用深度自编码器进行模式识别,这是通过使用预定义的能量梯度下降法训练一个3层RBM深度神经网络DAE实现的,随后本文使用格点搜索法确定最佳的隐含层神经元数量和学习参数以提高深度神经网络的性能。在提取温度特征之后,我们使用RBM的可视层和隐含层神经元之间的权值来进一步可视化温度特征,温度分类完成以后,针对每一类温度模式建立对应的BP神经网络进行预测。BPNN由于它能映射从输入集到输出集的复杂关系的强大能力,具有独特的优越性,但是局部最优使得这个算法在初始化时出现问题。优化实验显示,传统的优化算法例如GA,PSO不足以解决该问题。为此,本文发展了禁忌粒子群优化算法(TSPSO),该方法融合了禁忌表和惩罚函数重建适应度函数,从而提高了粒子群算法的寻优广度。基于TBPSO和GA,本论文又提出了一种新的混合优化算法GPHA。GPHA同时考虑了搜索空间的局部和全局信息,在搜索空间上既具有全局寻优的能力,又具有精度寻优的能力。仿真结果显示GPHA在优化BPNN的初始值方面非常有效。随后。本文构建了以STM32-DSP联合控制的热补偿系统,首先进行了系统需求分析,而后对系统关键部件进行了选型,根据这些要求,对该系统的控制器部分、电源部分、信号转换部分和抗干扰部分电路进行了详细设计,完成了整个系统。文章结尾处,我们使用实时补偿系统对G-200钻床进行了热补偿,实验结果显示,补偿系统识别了三种温度模式,和传统模型热误差补偿系统比较后,发现补偿精度有较大提升。本文建立的热补偿系统使得G-200钻床的钻孔直径误差从26um下降到3.5um,热误差至少减少了87%。超过了本文提出的补偿精度指标10%,这表明了本论文提出的热误差模型的有效性。
【关键词】：数控机床热补偿 温度深度特征提取 GPHA优化算法 STM32-DSP嵌入式补偿系统
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG659
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 1 绪论9-15
• 1.1 课题来源9
• 1.2 机床热补偿的研究背景、意义9-11
• 1.3 热误差国内外研究现状11-13
• 1.4 课题研究主要内容13
• 1.5 本章小结13-15
• 2 数控机床热误差有限元分析15-27
• 2.1 ANSYS热分析基础理论15-16
• 2.2 ANSYS用于数控机床关键构件分析16-22
• 2.2.1 G-200钻铆机机械机构分析16-18
• 2.2.2 G-200导轨有限元模型及热分析18-20
• 2.2.3 G-200滚珠丝杠传动系统有限元模型及热分析20-22
• 2.3 G-200钻床热膨胀模式研究22-23
• 2.4 G-200钻铆机关键测温点的确定23-26
• 2.4.1 数控机床热敏感点23-24
• 2.4.2 温度传感器布置原则及位置确定24-26
• 2.5 本章小结26-27
• 3 数控机床热误差的深度神经网络建模27-61
• 3.1 数控机床神经网络基本理论27-31
• 3.1.1 深度神经网络29
• 3.1.2 浅层神经网络BP29-31
• 3.2 数控机床温度数据集特征提取31-45
• 3.2.1 CNC温度数据DAE特征提取器31-35
• 3.2.3 CNC温度深度特征提取器的参数优化35-41
• 3.2.4 温度特征提取器训练过程41-42
• 3.2.5 G-200钻床特征温度基的形成42-45
• 3.3 数控机床热误差神经网络优化45-56
• 3.3.1 数控机床热误差神经网络优缺点分析45
• 3.3.2 传统数控机床神经网络优化方法优缺点分析45-48
• 3.3.3 提出混合禁忌搜索PSO算法48-50
• 3.3.4 提出GPHA混合优化算法50-56
• 3.4 数控机床神经网络建模56-59
• 3.5 本章小结59-61
• 4 CNC实时热补偿系统设计61-89
• 4.1 系统总体需求分析61-62
• 4.2 系统总体方案设计62-63
• 4.3 系统关键部件选型63-68
• 4.3.1 嵌入式微控制器选型63-66
• 4.3.2 温度传感器选型66-67
• 4.3.3 距离传感器选型67-68
• 4.4 硬件电路设计68-79
• 4.4.1 热误差系统控制器硬件框架设计68-70
• 4.4.2 电源模块设计70-71
• 4.4.3 通信模块设计71-74
• 4.4.4 温度检测模块设计74-76
• 4.4.5 信号转换模块设计76-78
• 4.4.6 抗干扰模块设计78-79
• 4.5 系统软件设计79-86
• 4.5.1 软件总体方案设计79-80
• 4.5.2 嵌入式操作系统选择80-82
• 4.5.3 软件开发环境82-83
• 4.5.4 温度提取特征程序嵌入式算法设计83
• 4.5.5 BP梯度下降算法83-85
• 4.5.6 SPI通信算法85-86
• 4.6 本章小结86-89
• 5 热误差系统实时补偿实验及结果分析89-105
• 5.1 试验方案设计89-90
• 5.2 Y轴热补偿实验90-99
• 5.2.1 Y轴热补偿系统硬件布置90-93
• 5.2.2 Y轴实验温度数据集、热误差数据集采集及分析93-94
• 5.2.3 热误差模型组一补偿结果94-96
• 5.2.4 热误差模型组二补偿结果96-99
• 5.3 Z轴热补偿实验99-104
• 5.3.1 Z轴热补偿系统硬件布置99-101
• 5.3.2 Z轴热补偿结果101-104
• 5.5 本章小结104-105
• 6 总结及展望105-107
• 6.1 课题总结105-106
• 6.2 课题展望106-107
• 致谢107-109
• 参考文献109-113
• 附录113-130
• A. 作者在攻读学位期间主持和参与的科研项目113
• B. 作者攻读学位期间申请的专利113
• C. Y轴进给 500mm部分测试数据113-114
• D. Z轴进给 1000mm部分数据114-115
• E. Z轴进给 1500mm部分数据115-117
• F. Z轴进给 2000mm部分数据117-118
• G. 数控机床DAE温度特征识别的matlab程序118-119
• H. 数控机床DAE结构优化的matlab程序119-120
• I. 数控机床GPHA优化的BP热误差网络的matlab程序120-129
• J. 数控机床RBM训练程序129-130

【相似文献】

中国期刊全文数据库 前10条

1 韩生;;用“热补偿”法解决手轮裂纹[J];铸造技术;1985年02期

2 周波;空间立体管段自然热补偿设计计算探讨[J];化工装备技术;1996年05期

3 周波;空间立体管段自然热补偿设计计算探讨[J];小氮肥设计技术;1997年01期

4 王莹;;工艺管道热补偿的研究[J];辽宁化工;2010年02期

5 施群;略谈硫酸厂转化工序管道热补偿设计[J];有色冶金设计与研究;1998年02期

6 吴继林;蒸汽管道热补偿设计相关问题的分析[J];化学工业与工程技术;2005年04期

7 李振军,张广煜,许来亮;空间金属管道的弹性计算[J];煤气与热力;2002年05期

8 张巨,阎廷来;中压蒸汽管线的热补偿设计及膨胀节的受力校核[J];材料开发与应用;1993年01期

9 王进国;;界外管道常用的几种热补偿方式探讨[J];化学工程与装备;2014年01期

10 日月;自动热补偿系统[J];现代化工;1982年01期

中国重要会议论文全文数据库 前1条

1 李炳源;郭晓庆;;RH真空槽热补偿技术的优化[A];2009全国炉外精炼生产技术交流研讨会文集[C];2009年

中国硕士学位论文全文数据库 前6条

1 李兵华;基于GMA驱动电液伺服阀的研究[D];华中科技大学;2014年

2 张睿;基于STM32-DSP联合控制的GPHA深度人工神经网络CNC实时热补偿系统研究[D];重庆大学;2016年

3 王子威;机械被动式温度自适应红外镜头热补偿分析[D];昆明理工大学;2014年

4 韩家亮;数控机床主轴系统热特性分析及热补偿技术研究[D];东北大学;2011年

5 王倩;红外变焦光学系统的光机热补偿方法研究[D];长春理工大学;2013年

6 朱海飞;绝热捷径演化与能量最大转换[D];陕西师范大学;2015年

  本文关键词：基于STM32-DSP联合控制的GPHA深度人工神经网络CNC实时热补偿系统研究，，由笔耕文化传播整理发布。

本文编号：283188