亲朋棋牌

锯床技术

[高速圆盘切割铝合金锯床]机床主轴热误差累积法建模

日期:2019-06-20 10:06:36
2017年8月7日10: 48: 24来源:中国工具商业网点击:7953 [中国机床企业网技术新闻]为了实现热误差的快速建模,提出了一种基于累积法的机床热误差建模方法。对于一个单元,温度传感器和非接触式激光位移传感器用于同步测量主轴的温度变化和热变形值,累加模型算子相加得到累积矩阵和热误差法向方程估计模型中的参数。实现热误差建模。将该方法构造的热误差模型与小方块(S)和小方形支持向量机(LS-SVM)模型进行比较。结果表明,累积法的建模精度高于小方法。模量时间小于最小二乘支持向量机方法。  简介  随着机床制造业的快速发展,温度升高引起的热误差已成为影响精度的主要问题[1-2]。由于机床热误差的非线性,交互性和耦合性,传统的基于最小二乘原理的建模方法简单,但模型鲁棒性差,难以实现热误差的高精度补偿。数控机床。 4];近年来,国内外学者提出了各种热误差建模方法,如神经网络,灰色理论和小方支持向量机,但也存在一些局限性,如神经网络和小方支持向量机。虽然建模方法可以多次提高补偿精度,但是需要大量样本进行训练和建模,并且神经网络容易出现学习或学习不足等问题。灰色理论预测可以平滑建模误差数据。性要求严格,模型不适应[5-8],因此有必要找到一种快速,高精度的建模方法。积累方法是由意大利数学家Marchesi在1778年提出的,但直到1985年曹定爱教授的节奏,创造性地提出了累积算子的各种公式,这基本上简化了积累方法的计算和使其投资于工程。预算,建筑材料参数估算,弹道测量数据处理等方面得到了广泛应用[9]。累积方法的特征是它不直接处理误差项,并使用规则的累积和来估计模型参数。它具有简单,直观,便于计算机实现的优点。本文将其应用于机床热误差建模领域,并与小方法和小方支持向量机的两种建模方法进行了比较。   1.累积方法建模   1. 1累积总和   1. 3参数估计  正规方程将从样本的k阶累积和和累积广义均值导出   2.热误差实验建模和比较   2. 1热误差实验  选择VMC1060数控机床作为待测对象。经过前人研究,采用热区黄金分割法优化了机床主轴的温度测量点,考虑到传感器直径,良好的温度测量区域为[54mm,84mm]。在现场布局中,该区域设有两个测量点,激光位移传感器安装在轴端轴心的延长线上,用于监测主轴轴向热位移的变化[11]。温度传感器采集的温度信息通过无线发射器发送给接收器,接收器通过RS232-USB接口将信号发送到主机,实现无线信号的采集和处理,从而避免了难度接线传统的有线测试方法。激光位移传感器通过专用控制器连接到上位机,实现热位移信息的采集和传输;上位机同步向温度传感器和激光位移传感器发送命令,并接收温度和热位移信息。实时显示存储。  图1累积方法建模流程图  测试时,每3分钟收集每个测量点的温度x和热位移y,并收集总共43组数据。现场测试和结果分别如图2和图3所示。  图2现场测试图   2. 2热误差建模  在构造热误差回归模型之前,需要确定累积矩阵阶数k和热误差样本量m。由于热误差实验选择两个热测量点进行测试,因此热误差方程的自变量是温度x1和温度x2。每个包含43组数据,因此有:  图3热误差测试结果  图4累积方法建模结果   2. 3建模精度的对比分析  尽管国内外许多学者提出了各种热误差建模方法,如灰色理论,神经网络和小方形支持向量机,但由于其简单的建模和其他优点,小方法仍然用于回归分析。经典方法; LS-SVM不仅保持了支持向量机的高精度和鲁棒性,而且通过适当的变换简化了算法并降低了计算成本[13]。本文采用累积法,最小二乘法(LS)和小方块支持向量机方法(LS-SVM)对回归方程进行预测,并进行对比分析。每个模型的预测值和实际值之间的比较如图5所示。每个模型的残差如图6所示。此外,平均百分比误差(MAPE)和总交错率被用作模型。准确性评估指标。结果如表1所示.MAPE和总残留率的计算公式为:  图5每个模型的预测值和实际测量值之间的比较  图6每种型号的残余对比度效果  表1建模精度的比较  从上述结果可以看出,累积方法等效于LS-SVM方法的总残差率和总百分误差,且精度高于最小二乘法,但LS-SVM模型是构造比累积方法长得多。因此,积累方法比传统的LS方法和LS-SVM方法具有更高的建模精度,并且建模时间大大减少,更适合于热误差建模和后续补偿应用。   3.结论  为了提高热误差模型的预测能力,提出了一种基于累积法的热误差建模方法。它可以快速估算模型参数而无需处理误差项。估算器是公正的,线性的,有效的和独特的。 VMC1060数控机床累积热误差建模的特点,取得了良好的预测效果,并与LS和LS-SVM方法相比较。结果表明,累积模型的总残留率和MAPE约为3%,建模时间小于0.5s。这三个指标优于后两种方法。 (来源:中国工具商业网)
本文地址:/juchuangzhishi/juchuangjishu/512.html 转载请注明出处