数控机床热误差测量与分析

发布时间：2017-08-19 08:19

  本文关键词：数控机床热误差测量与分析

  更多相关文章： 热-结构耦合分析 相关性分析 模糊聚类 多元线性回归 BP神经网络

【摘要】：数控机床是机械生产的主要装备,其加工精度决定了产品的质量,提高机床加工精度能够极大地推动工业化进程。对数控机床热误差进行测量研究,建立高精度的热误差模型是本文的主要目的,通过热误差补偿技术可以提高机床加工精度。本文主要使用了有限元分析方法对数控机床CK6142的主轴箱装配体进行热-结构耦合分析,并得到了以下结论:轴承与主轴和主轴箱接触区域为热敏感区域,结合传感器的类型,确定了温度、位移传感器的安装位置。使用C++Builder软件进行编程,建立了多通道采集系统,完成了实验数据的采集。使用相关性分析和模糊聚类法对多组温度测点数据进行优化分类,得到了两种较好的分类结果,参考与热误差的相关系数确定了各自的优化测点,最终通过对比相应的模型精度得知,采用相关性分析进行测点优化的方案更好。使用多元线性回归分析和BP神经网络的方法对热误差进行建模,并结合不同的测点方案建立了多个热误差模型,对比模型的精度可得:温度测点较多时神经网络建模精度较高;而测点较少时多元线性回归模型更好,这是由于神经网络需要大量样本训练的缘故。最后通过实验对最优模型进行了验证,实验表明,热误差模型预测精度较高,达到了研究目的。建立的热误差模型具有较高精度,满足热误差补偿的要求,为补偿技术的实现提供了基础。同时表明测点优化方案的正确性,为热误差建模和补偿提供了一条经济、方便的道路,加快了补偿技术的发展。
【关键词】：热-结构耦合分析 相关性分析 模糊聚类 多元线性回归 BP神经网络
【学位授予单位】：河南科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TG659
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 第1章 绪论8-14
• 1.1 课题背景8-9
• 1.1.1 课题背景与来源8-9
• 1.1.2 研究目的及意义9
• 1.2 数控机床热误差的研究现状9-12
• 1.2.1 温度测点位置的选取方法10-11
• 1.2.2 热误差建模和补偿方法11-12
• 1.3 主要研究内容12-13
• 1.4 小结13-14
• 第2章 主轴箱装配体热特性分析14-24
• 2.1 分析对象和目的14
• 2.2 数控机床能量模型14-15
• 2.3 数据计算15-19
• 2.3.1 轴承发热量计算16-17
• 2.3.2 对流系数17-19
• 2.4 热-结构耦合分析19-23
• 2.4.1 瞬态热分析19-21
• 2.4.2 结构分析21-23
• 2.5 小结23-24
• 第3章 多通道信号采集软件24-30
• 3.1 设计方案24
• 3.2 多通道数据采集软件24-29
• 3.2.1 采集参数设置24-26
• 3.2.2 数据存储26-28
• 3.2.3 数据采集功能28-29
• 3.3 小结29-30
• 第4章 数据采集与分析30-44
• 4.1 硬件介绍与安装30-32
• 4.1.1 PCI_9221采集卡30
• 4.1.2 位移传感器30-31
• 4.1.3 温度传感器31-32
• 4.1.4 数据采集32
• 4.2 数据分析方法32-38
• 4.2.1 相关性分析33-34
• 4.2.2 聚类分析34-35
• 4.2.3 模糊聚类35-38
• 4.3 数据分析38-43
• 4.3.1 温度数据相关性分析38-40
• 4.3.2 简单聚类分析40-41
• 4.3.3 模糊聚类分析41-43
• 4.4 小结43-44
• 第5章 热误差建模与验证44-57
• 5.1 热误差建模方法44-48
• 5.1.1 多元线性回归法44-45
• 5.1.2 神经网络45-46
• 5.1.3 BP神经网络46-48
• 5.2 热误差建模方法比较48-55
• 5.2.1 模型精度评判参数49
• 5.2.2 多元线性回归建模49-53
• 5.2.3 BP神经网络建模53-55
• 5.3 对热误差模型验证55-56
• 5.4 小结56-57
• 第6章 结论与展望57-59
• 6.1 结论57
• 6.2 展望57-59
• 参考文献59-62
• 致谢62-63
• 攻读硕士学位期间的研究成果63

【参考文献】

中国期刊全文数据库 前2条

1 苗恩铭;龚亚运;成天驹;陈海东;;支持向量回归机在数控加工中心热误差建模中的应用[J];光学精密工程;2013年04期

2 杨淇帆;梁睿君;叶文华;;基于有限元的机床主轴箱部件的热特性分析[J];机械科学与技术;2012年11期

，

本文编号：699635