本文關(guān)鍵詞：數(shù)控機(jī)床熱誤差測量與分析

  更多相關(guān)文章： 熱-結(jié)構(gòu)耦合分析 相關(guān)性分析 模糊聚類 多元線性回歸 BP神經(jīng)網(wǎng)絡(luò)

【摘要】：數(shù)控機(jī)床是機(jī)械生產(chǎn)的主要裝備,其加工精度決定了產(chǎn)品的質(zhì)量,提高機(jī)床加工精度能夠極大地推動工業(yè)化進(jìn)程。對數(shù)控機(jī)床熱誤差進(jìn)行測量研究,建立高精度的熱誤差模型是本文的主要目的,通過熱誤差補(bǔ)償技術(shù)可以提高機(jī)床加工精度。本文主要使用了有限元分析方法對數(shù)控機(jī)床CK6142的主軸箱裝配體進(jìn)行熱-結(jié)構(gòu)耦合分析,并得到了以下結(jié)論:軸承與主軸和主軸箱接觸區(qū)域為熱敏感區(qū)域,結(jié)合傳感器的類型,確定了溫度、位移傳感器的安裝位置。使用C++Builder軟件進(jìn)行編程,建立了多通道采集系統(tǒng),完成了實驗數(shù)據(jù)的采集。使用相關(guān)性分析和模糊聚類法對多組溫度測點數(shù)據(jù)進(jìn)行優(yōu)化分類,得到了兩種較好的分類結(jié)果,參考與熱誤差的相關(guān)系數(shù)確定了各自的優(yōu)化測點,最終通過對比相應(yīng)的模型精度得知,采用相關(guān)性分析進(jìn)行測點優(yōu)化的方案更好。使用多元線性回歸分析和BP神經(jīng)網(wǎng)絡(luò)的方法對熱誤差進(jìn)行建模,并結(jié)合不同的測點方案建立了多個熱誤差模型,對比模型的精度可得:溫度測點較多時神經(jīng)網(wǎng)絡(luò)建模精度較高;而測點較少時多元線性回歸模型更好,這是由于神經(jīng)網(wǎng)絡(luò)需要大量樣本訓(xùn)練的緣故。最后通過實驗對最優(yōu)模型進(jìn)行了驗證,實驗表明,熱誤差模型預(yù)測精度較高,達(dá)到了研究目的。建立的熱誤差模型具有較高精度,滿足熱誤差補(bǔ)償?shù)囊?為補(bǔ)償技術(shù)的實現(xiàn)提供了基礎(chǔ)。同時表明測點優(yōu)化方案的正確性,為熱誤差建模和補(bǔ)償提供了一條經(jīng)濟(jì)、方便的道路,加快了補(bǔ)償技術(shù)的發(fā)展。
【關(guān)鍵詞】：熱-結(jié)構(gòu)耦合分析 相關(guān)性分析 模糊聚類 多元線性回歸 BP神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：河南科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TG659
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第1章 緒論8-14
• 1.1 課題背景8-9
• 1.1.1 課題背景與來源8-9
• 1.1.2 研究目的及意義9
• 1.2 數(shù)控機(jī)床熱誤差的研究現(xiàn)狀9-12
• 1.2.1 溫度測點位置的選取方法10-11
• 1.2.2 熱誤差建模和補(bǔ)償方法11-12
• 1.3 主要研究內(nèi)容12-13
• 1.4 小結(jié)13-14
• 第2章 主軸箱裝配體熱特性分析14-24
• 2.1 分析對象和目的14
• 2.2 數(shù)控機(jī)床能量模型14-15
• 2.3 數(shù)據(jù)計算15-19
• 2.3.1 軸承發(fā)熱量計算16-17
• 2.3.2 對流系數(shù)17-19
• 2.4 熱-結(jié)構(gòu)耦合分析19-23
• 2.4.1 瞬態(tài)熱分析19-21
• 2.4.2 結(jié)構(gòu)分析21-23
• 2.5 小結(jié)23-24
• 第3章 多通道信號采集軟件24-30
• 3.1 設(shè)計方案24
• 3.2 多通道數(shù)據(jù)采集軟件24-29
• 3.2.1 采集參數(shù)設(shè)置24-26
• 3.2.2 數(shù)據(jù)存儲26-28
• 3.2.3 數(shù)據(jù)采集功能28-29
• 3.3 小結(jié)29-30
• 第4章 數(shù)據(jù)采集與分析30-44
• 4.1 硬件介紹與安裝30-32
• 4.1.1 PCI_9221采集卡30
• 4.1.2 位移傳感器30-31
• 4.1.3 溫度傳感器31-32
• 4.1.4 數(shù)據(jù)采集32
• 4.2 數(shù)據(jù)分析方法32-38
• 4.2.1 相關(guān)性分析33-34
• 4.2.2 聚類分析34-35
• 4.2.3 模糊聚類35-38
• 4.3 數(shù)據(jù)分析38-43
• 4.3.1 溫度數(shù)據(jù)相關(guān)性分析38-40
• 4.3.2 簡單聚類分析40-41
• 4.3.3 模糊聚類分析41-43
• 4.4 小結(jié)43-44
• 第5章 熱誤差建模與驗證44-57
• 5.1 熱誤差建模方法44-48
• 5.1.1 多元線性回歸法44-45
• 5.1.2 神經(jīng)網(wǎng)絡(luò)45-46
• 5.1.3 BP神經(jīng)網(wǎng)絡(luò)46-48
• 5.2 熱誤差建模方法比較48-55
• 5.2.1 模型精度評判參數(shù)49
• 5.2.2 多元線性回歸建模49-53
• 5.2.3 BP神經(jīng)網(wǎng)絡(luò)建模53-55
• 5.3 對熱誤差模型驗證55-56
• 5.4 小結(jié)56-57
• 第6章 結(jié)論與展望57-59
• 6.1 結(jié)論57
• 6.2 展望57-59
• 參考文獻(xiàn)59-62
• 致謝62-63
• 攻讀碩士學(xué)位期間的研究成果63

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 苗恩銘;龔亞運;成天駒;陳海東;;支持向量回歸機(jī)在數(shù)控加工中心熱誤差建模中的應(yīng)用[J];光學(xué)精密工程;2013年04期

2 楊淇帆;梁睿君;葉文華;;基于有限元的機(jī)床主軸箱部件的熱特性分析[J];機(jī)械科學(xué)與技術(shù);2012年11期

，

本文編號：699635