本文關(guān)鍵詞：基于STM32-DSP聯(lián)合控制的GPHA深度人工神經(jīng)網(wǎng)絡(luò)CNC實時熱補償系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：大型數(shù)控機床的制造誤差中,熱誤差是占誤差比例最大的一項,進行熱補償是一種有效的減少熱誤差的方法。數(shù)控機床的熱誤差變形很大程度上受到了特定的工況影響,其溫度分布呈現(xiàn)非均勻性,非線性、時變性,機床由溫升產(chǎn)生的制造誤差也隨之變得異常復(fù)雜。本文首次提出基于堆疊RBM深度神經(jīng)網(wǎng)絡(luò)(DNN)以及新穎的GPHA優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)來構(gòu)建熱補償模型。首先使用ANSYS進行有限元分析對G-200鉆床進給系統(tǒng)的溫度分布進行綜合分析并發(fā)現(xiàn)了關(guān)鍵測溫點,而后對溫度數(shù)據(jù)集使用深度自編碼器進行模式識別,這是通過使用預(yù)定義的能量梯度下降法訓(xùn)練一個3層RBM深度神經(jīng)網(wǎng)絡(luò)DAE實現(xiàn)的,隨后本文使用格點搜索法確定最佳的隱含層神經(jīng)元數(shù)量和學(xué)習(xí)參數(shù)以提高深度神經(jīng)網(wǎng)絡(luò)的性能。在提取溫度特征之后,我們使用RBM的可視層和隱含層神經(jīng)元之間的權(quán)值來進一步可視化溫度特征,溫度分類完成以后,針對每一類溫度模式建立對應(yīng)的BP神經(jīng)網(wǎng)絡(luò)進行預(yù)測。BPNN由于它能映射從輸入集到輸出集的復(fù)雜關(guān)系的強大能力,具有獨特的優(yōu)越性,但是局部最優(yōu)使得這個算法在初始化時出現(xiàn)問題。優(yōu)化實驗顯示,傳統(tǒng)的優(yōu)化算法例如GA,PSO不足以解決該問題。為此,本文發(fā)展了禁忌粒子群優(yōu)化算法(TSPSO),該方法融合了禁忌表和懲罰函數(shù)重建適應(yīng)度函數(shù),從而提高了粒子群算法的尋優(yōu)廣度�；赥BPSO和GA,本論文又提出了一種新的混合優(yōu)化算法GPHA。GPHA同時考慮了搜索空間的局部和全局信息,在搜索空間上既具有全局尋優(yōu)的能力,又具有精度尋優(yōu)的能力。仿真結(jié)果顯示GPHA在優(yōu)化BPNN的初始值方面非常有效。隨后。本文構(gòu)建了以STM32-DSP聯(lián)合控制的熱補償系統(tǒng),首先進行了系統(tǒng)需求分析,而后對系統(tǒng)關(guān)鍵部件進行了選型,根據(jù)這些要求,對該系統(tǒng)的控制器部分、電源部分、信號轉(zhuǎn)換部分和抗干擾部分電路進行了詳細設(shè)計,完成了整個系統(tǒng)。文章結(jié)尾處,我們使用實時補償系統(tǒng)對G-200鉆床進行了熱補償,實驗結(jié)果顯示,補償系統(tǒng)識別了三種溫度模式,和傳統(tǒng)模型熱誤差補償系統(tǒng)比較后,發(fā)現(xiàn)補償精度有較大提升。本文建立的熱補償系統(tǒng)使得G-200鉆床的鉆孔直徑誤差從26um下降到3.5um,熱誤差至少減少了87%。超過了本文提出的補償精度指標10%,這表明了本論文提出的熱誤差模型的有效性。
【關(guān)鍵詞】：數(shù)控機床熱補償 溫度深度特征提取 GPHA優(yōu)化算法 STM32-DSP嵌入式補償系統(tǒng)
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TG659
【目錄】：

• 摘要3-4
• ABSTRACT4-9
• 1 緒論9-15
• 1.1 課題來源9
• 1.2 機床熱補償?shù)难芯勘尘�、意義9-11
• 1.3 熱誤差國內(nèi)外研究現(xiàn)狀11-13
• 1.4 課題研究主要內(nèi)容13
• 1.5 本章小結(jié)13-15
• 2 數(shù)控機床熱誤差有限元分析15-27
• 2.1 ANSYS熱分析基礎(chǔ)理論15-16
• 2.2 ANSYS用于數(shù)控機床關(guān)鍵構(gòu)件分析16-22
• 2.2.1 G-200鉆鉚機機械機構(gòu)分析16-18
• 2.2.2 G-200導(dǎo)軌有限元模型及熱分析18-20
• 2.2.3 G-200滾珠絲杠傳動系統(tǒng)有限元模型及熱分析20-22
• 2.3 G-200鉆床熱膨脹模式研究22-23
• 2.4 G-200鉆鉚機關(guān)鍵測溫點的確定23-26
• 2.4.1 數(shù)控機床熱敏感點23-24
• 2.4.2 溫度傳感器布置原則及位置確定24-26
• 2.5 本章小結(jié)26-27
• 3 數(shù)控機床熱誤差的深度神經(jīng)網(wǎng)絡(luò)建模27-61
• 3.1 數(shù)控機床神經(jīng)網(wǎng)絡(luò)基本理論27-31
• 3.1.1 深度神經(jīng)網(wǎng)絡(luò)29
• 3.1.2 淺層神經(jīng)網(wǎng)絡(luò)BP29-31
• 3.2 數(shù)控機床溫度數(shù)據(jù)集特征提取31-45
• 3.2.1 CNC溫度數(shù)據(jù)DAE特征提取器31-35
• 3.2.3 CNC溫度深度特征提取器的參數(shù)優(yōu)化35-41
• 3.2.4 溫度特征提取器訓(xùn)練過程41-42
• 3.2.5 G-200鉆床特征溫度基的形成42-45
• 3.3 數(shù)控機床熱誤差神經(jīng)網(wǎng)絡(luò)優(yōu)化45-56
• 3.3.1 數(shù)控機床熱誤差神經(jīng)網(wǎng)絡(luò)優(yōu)缺點分析45
• 3.3.2 傳統(tǒng)數(shù)控機床神經(jīng)網(wǎng)絡(luò)優(yōu)化方法優(yōu)缺點分析45-48
• 3.3.3 提出混合禁忌搜索PSO算法48-50
• 3.3.4 提出GPHA混合優(yōu)化算法50-56
• 3.4 數(shù)控機床神經(jīng)網(wǎng)絡(luò)建模56-59
• 3.5 本章小結(jié)59-61
• 4 CNC實時熱補償系統(tǒng)設(shè)計61-89
• 4.1 系統(tǒng)總體需求分析61-62
• 4.2 系統(tǒng)總體方案設(shè)計62-63
• 4.3 系統(tǒng)關(guān)鍵部件選型63-68
• 4.3.1 嵌入式微控制器選型63-66
• 4.3.2 溫度傳感器選型66-67
• 4.3.3 距離傳感器選型67-68
• 4.4 硬件電路設(shè)計68-79
• 4.4.1 熱誤差系統(tǒng)控制器硬件框架設(shè)計68-70
• 4.4.2 電源模塊設(shè)計70-71
• 4.4.3 通信模塊設(shè)計71-74
• 4.4.4 溫度檢測模塊設(shè)計74-76
• 4.4.5 信號轉(zhuǎn)換模塊設(shè)計76-78
• 4.4.6 抗干擾模塊設(shè)計78-79
• 4.5 系統(tǒng)軟件設(shè)計79-86
• 4.5.1 軟件總體方案設(shè)計79-80
• 4.5.2 嵌入式操作系統(tǒng)選擇80-82
• 4.5.3 軟件開發(fā)環(huán)境82-83
• 4.5.4 溫度提取特征程序嵌入式算法設(shè)計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 本章小結(jié)86-89
• 5 熱誤差系統(tǒng)實時補償實驗及結(jié)果分析89-105
• 5.1 試驗方案設(shè)計89-90
• 5.2 Y軸熱補償實驗90-99
• 5.2.1 Y軸熱補償系統(tǒng)硬件布置90-93
• 5.2.2 Y軸實驗溫度數(shù)據(jù)集、熱誤差數(shù)據(jù)集采集及分析93-94
• 5.2.3 熱誤差模型組一補償結(jié)果94-96
• 5.2.4 熱誤差模型組二補償結(jié)果96-99
• 5.3 Z軸熱補償實驗99-104
• 5.3.1 Z軸熱補償系統(tǒng)硬件布置99-101
• 5.3.2 Z軸熱補償結(jié)果101-104
• 5.5 本章小結(jié)104-105
• 6 總結(jié)及展望105-107
• 6.1 課題總結(jié)105-106
• 6.2 課題展望106-107
• 致謝107-109
• 參考文獻109-113
• 附錄113-130
• A. 作者在攻讀學(xué)位期間主持和參與的科研項目113
• B. 作者攻讀學(xué)位期間申請的專利113
• C. Y軸進給 500mm部分測試數(shù)據(jù)113-114
• D. Z軸進給 1000mm部分數(shù)據(jù)114-115
• E. Z軸進給 1500mm部分數(shù)據(jù)115-117
• F. Z軸進給 2000mm部分數(shù)據(jù)117-118
• G. 數(shù)控機床DAE溫度特征識別的matlab程序118-119
• H. 數(shù)控機床DAE結(jié)構(gòu)優(yōu)化的matlab程序119-120
• I. 數(shù)控機床GPHA優(yōu)化的BP熱誤差網(wǎng)絡(luò)的matlab程序120-129
• J. 數(shù)控機床RBM訓(xùn)練程序129-130

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 韓生;;用“熱補償”法解決手輪裂紋[J];鑄造技術(shù);1985年02期

2 周波;空間立體管段自然熱補償設(shè)計計算探討[J];化工裝備技術(shù);1996年05期

3 周波;空間立體管段自然熱補償設(shè)計計算探討[J];小氮肥設(shè)計技術(shù);1997年01期

4 王瑩;;工藝管道熱補償?shù)难芯縖J];遼寧化工;2010年02期

5 施群;略談硫酸廠轉(zhuǎn)化工序管道熱補償設(shè)計[J];有色冶金設(shè)計與研究;1998年02期

6 吳繼林;蒸汽管道熱補償設(shè)計相關(guān)問題的分析[J];化學(xué)工業(yè)與工程技術(shù);2005年04期

7 李振軍,張廣煜,許來亮;空間金屬管道的彈性計算[J];煤氣與熱力;2002年05期

8 張巨,閻廷來;中壓蒸汽管線的熱補償設(shè)計及膨脹節(jié)的受力校核[J];材料開發(fā)與應(yīng)用;1993年01期

9 王進國;;界外管道常用的幾種熱補償方式探討[J];化學(xué)工程與裝備;2014年01期

10 日月;自動熱補償系統(tǒng)[J];現(xiàn)代化工;1982年01期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 李炳源;郭曉慶;;RH真空槽熱補償技術(shù)的優(yōu)化[A];2009全國爐外精煉生產(chǎn)技術(shù)交流研討會文集[C];2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 李兵華;基于GMA驅(qū)動電液伺服閥的研究[D];華中科技大學(xué);2014年

2 張睿;基于STM32-DSP聯(lián)合控制的GPHA深度人工神經(jīng)網(wǎng)絡(luò)CNC實時熱補償系統(tǒng)研究[D];重慶大學(xué);2016年

3 王子威;機械被動式溫度自適應(yīng)紅外鏡頭熱補償分析[D];昆明理工大學(xué);2014年

4 韓家亮;數(shù)控機床主軸系統(tǒng)熱特性分析及熱補償技術(shù)研究[D];東北大學(xué);2011年

5 王倩;紅外變焦光學(xué)系統(tǒng)的光機熱補償方法研究[D];長春理工大學(xué);2013年

6 朱海飛;絕熱捷徑演化與能量最大轉(zhuǎn)換[D];陜西師范大學(xué);2015年

  本文關(guān)鍵詞：基于STM32-DSP聯(lián)合控制的GPHA深度人工神經(jīng)網(wǎng)絡(luò)CNC實時熱補償系統(tǒng)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：283188