為更精密地對機床主軸熱誤差進行預測,解決傳統(tǒng)建模方法非線性精度低、魯棒性不佳等問題,本文提出基于熱圖像的主軸徑向熱誤差建模方法。首先,利用紅外熱像儀拍攝主軸前軸承熱圖像,并同時基于位移傳感獲取主軸徑向熱變形數(shù)據(jù)。然后,對熱圖像進行批量預處理,包括數(shù)字化、均值去噪、翻轉和隨機裁剪以實現(xiàn)數(shù)據(jù)增強和擴充。最終利用卷積神經(jīng)網(wǎng)絡建立主軸熱圖像的熱變形分類模型,根據(jù)輸出概率分布預測熱變形。實驗驗證結果表明,本模型X和Y徑向熱誤差預測精度在升溫狀態(tài)下為93.3%和90.6%,在降溫狀態(tài)下為92%和93.3%,且在變轉速的魯棒性實驗中預測精度為96%和97%,優(yōu)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡模型。結果證實,基于熱圖像的主軸徑向熱誤差預測模型具有高精度,可有效用于主軸熱誤差建模。 

【文章來源】：機械設計與研究. 2020,36(05)北大核心CSCD

【文章頁數(shù)】：5 頁

【文章目錄】：
1 熱圖像模型
    1.1 卷積層
    1.2 激活層
    1.3 池化層
    1.4 預測輸出
2 實驗驗證
    2.1 實驗數(shù)據(jù)獲取
    2.2 熱圖像預處理
    2.3 熱變形預測
4 結 論


【參考文獻】：
期刊論文
[1]數(shù)控機床幾何與熱誤差測量和建模研究新進展[J]. 項四通,杜正春,楊建國.  機械設計與研究. 2019(06)
[2]基于機理分析和熱特性基本單元試驗的機床主軸熱誤差建模[J]. 項四通,楊建國,張毅.  機械工程學報. 2014(11)
[3]灰色系統(tǒng)理論在機床熱誤差測點優(yōu)化中的應用[J]. 李永祥,童恒超,楊建國.  機械設計與研究. 2006(03)



本文編號：3445473