数控机床直线轴热误差测量与分析方法研究
发布时间：2021-04-24 14:44
随着科技的发展,功能部件的精度要求越来越高,这就需要机床具有更高的加工精度以满足零件的加工要求。误差补偿是一种提高机床加工精度的十分经济有效的方法,建立高精度、强鲁棒性的误差模型是实现误差补偿的基础。本论文着眼于热误差建模领域中温度敏感点的选择与误差模型的建立,以自主研发的三轴实验平台为研究对象,探索不同温度分布下定位误差的有效建模法,旨在系统地给出鲁棒性强,预测精度高的误差建模法,以提高误差补偿的效率和稳定性。本文的主要研究工作如下:分析不同温度分布下定位误差的产生机理,定位误差曲线形状和斜率可认为是由不同的误差因素造成的,即定位误差的几何误差部分和热误差部分。因此,提出了定位误差的分离建模法。建模时,首先将定位误差分离成几何误差和热误差两部分,针对这两部分分别建模,然后合并成复合误差模型。通过实验验证了分离建模法的可行性。采用多项式对定位误差的几何部分进行拟合。多项式的拟合阶数通常是依靠经验确定的,并没有相应的理论指导。针对这一问题,本文提出一种F检验法选择多项式最佳拟合阶数。通过计算不同阶数多项式的F统计量,选出其中最大的F值,即显著性最好的多项式作为几何定位误差的数学表达式。由...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：124 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题的研究背景和意义
1.2 数控机床误差的相关概念
1.2.1 误差分析
1.2.2 误差测量
1.2.3 传感器布置与选择
1.2.4 误差元素建模
1.2.5 误差补偿
1.3 国内外研究现状
1.4 课题来源
1.5 本文研究内容
第2章 数控机床误差元素分析及其数学建模
2.1 数控机床误差分析
2.1.1 数控机床几何误差
2.1.2 数控机床热误差
2.2 数控机床误差元素分类与建模
2.2.1 几何误差建模
2.2.2 热误差建模
2.3 常用热误差建模方法
2.3.1 多元线性回归模型
2.3.2 人工神经网络模型
2.3.3 最小二乘支持向量机
2.4 本章小结
第3章 重构变量回归热误差建模
3.1 实验设备
3.1.1 传感器布置
3.1.2 实验数据获取
3.2 重构变量回归
3.2.1 RVR算法数学模型
3.2.2 算法实现
3.3 温度敏感点选择
3.3.1 模糊C均值聚类
3.3.2 聚类有效性评价
3.3.3 温度数据分类
3.4 定位误差建模
3.4.1 几何定位误差建模
3.4.2 重构变量
3.4.3 重构变量回归建模
3.5 RVR热误差模型性能验证
3.6 本章小结
第4章 优化神经网络热误差建模
4.1 蝙蝠算法
4.1.1 蝙蝠算法生物学原理
4.1.2 蝙蝠算法实现
4.1.3 蝙蝠算法流程
4.2 基于蝙蝠算法的BP神经网络热误差模型
4.2.1 BA-BP神经网络
4.2.2 温度敏感点选择
4.2.3 BA-BP神经网络热误差建模
4.3 BA-BP神经网络模型验证
4.4 本章小结
第5章 基于灰狼优化算法最小二乘支持向量机
5.1 灰狼优化算法
5.1.1 灰狼优化算法来源
5.1.2 灰狼优化算法数学模型
5.1.3 灰狼优化算法基本步骤
5.2 温度敏感点选择
5.2.1 划分式聚类算法
5.2.2 K调和均值聚类
5.2.3 聚类有效性评价指标
5.2.4 统计数值实验
5.2.5 选择温度敏感点
5.3 GWO-LSSVM误差模型
5.3.1 GWO-LSSVM建模流程
5.3.2 GWO-LSSVM热误差建模
5.4 GWO-LSSVM模型验证
5.5 机床误差模型对比分析
5.5.1 模型性能评价
5.5.2 温度波动对模型性能影响
5.5.3 建模数据对模型性能影响
5.6 本章小结
第6章 结论与展望
6.1 主要结论
6.2 研究展望
参考文献
作者简介及攻读博士学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]Spindle Thermal Error Optimization Modeling of a Five-axis Machine Tool[J]. Qianjian GUO,Shuo FAN,Rufeng XU,Xiang CHENG,Guoyong ZHAO,Jianguo YANG. Chinese Journal of Mechanical Engineering. 2017(03)
[2]支持向量回归机在数控加工中心热误差建模中的应用[J]. 苗恩铭,龚亚运,成天驹,陈海东. 光学精密工程. 2013(04)
[3]数控机床几何误差与热误差综合建模及其实时补偿[J]. 王维,杨建国,姚晓栋,范开国,李自汉. 机械工程学报. 2012(07)
[4]新型元启发式蝙蝠算法[J]. 黎成. 电脑知识与技术. 2010(23)
[5]基于最小二乘支持向量机的数控机床热误差预测[J]. 林伟青,傅建中,许亚洲,陈子辰. 浙江大学学报(工学版). 2008(06)
[6]数控机床热补偿中温度变量的选择与建模[J]. 沈金华,赵海涛,张宏韬,杨建国. 上海交通大学学报. 2006(02)
[7]机床热补偿中温度变量分组优化建模[J]. 杨建国,邓卫国,任永强,李院生,窦小龙. 中国机械工程. 2004(06)
博士论文
[1]基于多类型控制器的电力系统稳定智能优化控制研究[D]. 左剑.华中科技大学 2017
[2]基于蝙蝠算法的启发式智能优化研究与应用[D]. 薛菲.北京工业大学 2016
[3]多轴数控机床准静态空间误差建模及误差辨识方法研究[D]. 章婷.南京航空航天大学 2016
[4]数控机床误差测量、建模及网络群控实时补偿系统研究[D]. 张毅.上海交通大学 2013
[5]基于聚类分析的图像分割算法研究[D]. 许晓丽.哈尔滨工程大学 2012
[6]数控机床多误差元素综合补偿及应用[D]. 范开国.上海交通大学 2012
[7]高速数控机床电主轴热误差机理分析与建模研究[D]. 雷春丽.兰州理工大学 2011
[8]高速加工中心主轴及刀具系统热误差综合补偿技术[D]. 赵昌龙.吉林大学 2010
[9]聚类分析及其应用研究[D]. 唐东明.电子科技大学 2010
[10]数控机床误差补偿关键技术及其应用[D]. 沈金华.上海交通大学 2008
本文编号：3157546
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：124 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题的研究背景和意义
1.2 数控机床误差的相关概念
1.2.1 误差分析
1.2.2 误差测量
1.2.3 传感器布置与选择
1.2.4 误差元素建模
1.2.5 误差补偿
1.3 国内外研究现状
1.4 课题来源
1.5 本文研究内容
第2章 数控机床误差元素分析及其数学建模
2.1 数控机床误差分析
2.1.1 数控机床几何误差
2.1.2 数控机床热误差
2.2 数控机床误差元素分类与建模
2.2.1 几何误差建模
2.2.2 热误差建模
2.3 常用热误差建模方法
2.3.1 多元线性回归模型
2.3.2 人工神经网络模型
2.3.3 最小二乘支持向量机
2.4 本章小结
第3章 重构变量回归热误差建模
3.1 实验设备
3.1.1 传感器布置
3.1.2 实验数据获取
3.2 重构变量回归
3.2.1 RVR算法数学模型
3.2.2 算法实现
3.3 温度敏感点选择
3.3.1 模糊C均值聚类
3.3.2 聚类有效性评价
3.3.3 温度数据分类
3.4 定位误差建模
3.4.1 几何定位误差建模
3.4.2 重构变量
3.4.3 重构变量回归建模
3.5 RVR热误差模型性能验证
3.6 本章小结
第4章 优化神经网络热误差建模
4.1 蝙蝠算法
4.1.1 蝙蝠算法生物学原理
4.1.2 蝙蝠算法实现
4.1.3 蝙蝠算法流程
4.2 基于蝙蝠算法的BP神经网络热误差模型
4.2.1 BA-BP神经网络
4.2.2 温度敏感点选择
4.2.3 BA-BP神经网络热误差建模
4.3 BA-BP神经网络模型验证
4.4 本章小结
第5章 基于灰狼优化算法最小二乘支持向量机
5.1 灰狼优化算法
5.1.1 灰狼优化算法来源
5.1.2 灰狼优化算法数学模型
5.1.3 灰狼优化算法基本步骤
5.2 温度敏感点选择
5.2.1 划分式聚类算法
5.2.2 K调和均值聚类
5.2.3 聚类有效性评价指标
5.2.4 统计数值实验
5.2.5 选择温度敏感点
5.3 GWO-LSSVM误差模型
5.3.1 GWO-LSSVM建模流程
5.3.2 GWO-LSSVM热误差建模
5.4 GWO-LSSVM模型验证
5.5 机床误差模型对比分析
5.5.1 模型性能评价
5.5.2 温度波动对模型性能影响
5.5.3 建模数据对模型性能影响
5.6 本章小结
第6章 结论与展望
6.1 主要结论
6.2 研究展望
参考文献
作者简介及攻读博士学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]Spindle Thermal Error Optimization Modeling of a Five-axis Machine Tool[J]. Qianjian GUO,Shuo FAN,Rufeng XU,Xiang CHENG,Guoyong ZHAO,Jianguo YANG. Chinese Journal of Mechanical Engineering. 2017(03)
[2]支持向量回归机在数控加工中心热误差建模中的应用[J]. 苗恩铭,龚亚运,成天驹,陈海东. 光学精密工程. 2013(04)
[3]数控机床几何误差与热误差综合建模及其实时补偿[J]. 王维,杨建国,姚晓栋,范开国,李自汉. 机械工程学报. 2012(07)
[4]新型元启发式蝙蝠算法[J]. 黎成. 电脑知识与技术. 2010(23)
[5]基于最小二乘支持向量机的数控机床热误差预测[J]. 林伟青,傅建中,许亚洲,陈子辰. 浙江大学学报(工学版). 2008(06)
[6]数控机床热补偿中温度变量的选择与建模[J]. 沈金华,赵海涛,张宏韬,杨建国. 上海交通大学学报. 2006(02)
[7]机床热补偿中温度变量分组优化建模[J]. 杨建国,邓卫国,任永强,李院生,窦小龙. 中国机械工程. 2004(06)
博士论文
[1]基于多类型控制器的电力系统稳定智能优化控制研究[D]. 左剑.华中科技大学 2017
[2]基于蝙蝠算法的启发式智能优化研究与应用[D]. 薛菲.北京工业大学 2016
[3]多轴数控机床准静态空间误差建模及误差辨识方法研究[D]. 章婷.南京航空航天大学 2016
[4]数控机床误差测量、建模及网络群控实时补偿系统研究[D]. 张毅.上海交通大学 2013
[5]基于聚类分析的图像分割算法研究[D]. 许晓丽.哈尔滨工程大学 2012
[6]数控机床多误差元素综合补偿及应用[D]. 范开国.上海交通大学 2012
[7]高速数控机床电主轴热误差机理分析与建模研究[D]. 雷春丽.兰州理工大学 2011
[8]高速加工中心主轴及刀具系统热误差综合补偿技术[D]. 赵昌龙.吉林大学 2010
[9]聚类分析及其应用研究[D]. 唐东明.电子科技大学 2010
[10]数控机床误差补偿关键技术及其应用[D]. 沈金华.上海交通大学 2008
本文编号：3157546
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3157546.html
