基于热图像的数控机床主轴径向热误差建模方法

发布时间：2021-10-19 19:27

　　为更精密地对机床主轴热误差进行预测,解决传统建模方法非线性精度低、鲁棒性不佳等问题,本文提出基于热图像的主轴径向热误差建模方法。首先,利用红外热像仪拍摄主轴前轴承热图像,并同时基于位移传感获取主轴径向热变形数据。然后,对热图像进行批量预处理,包括数字化、均值去噪、翻转和随机裁剪以实现数据增强和扩充。最终利用卷积神经网络建立主轴热图像的热变形分类模型,根据输出概率分布预测热变形。实验验证结果表明,本模型X和Y径向热误差预测精度在升温状态下为93.3%和90.6%,在降温状态下为92%和93.3%,且在变转速的鲁棒性实验中预测精度为96%和97%,优于传统的BP神经网络模型。结果证实,基于热图像的主轴径向热误差预测模型具有高精度,可有效用于主轴热误差建模。 

【文章来源】：机械设计与研究. 2020,36(05)北大核心CSCD

【文章页数】：5 页

【文章目录】：
1 热图像模型
    1.1 卷积层
    1.2 激活层
    1.3 池化层
    1.4 预测输出
2 实验验证
    2.1 实验数据获取
    2.2 热图像预处理
    2.3 热变形预测
4 结 论


【参考文献】：
期刊论文
[1]数控机床几何与热误差测量和建模研究新进展[J]. 项四通,杜正春,杨建国.  机械设计与研究. 2019(06)
[2]基于机理分析和热特性基本单元试验的机床主轴热误差建模[J]. 项四通,杨建国,张毅.  机械工程学报. 2014(11)
[3]灰色系统理论在机床热误差测点优化中的应用[J]. 李永祥,童恒超,杨建国.  机械设计与研究. 2006(03)



本文编号：3445473