隨著科技的發(fā)展,功能部件的精度要求越來越高,這就需要機床具有更高的加工精度以滿足零件的加工要求。誤差補償是一種提高機床加工精度的十分經(jīng)濟有效的方法,建立高精度、強魯棒性的誤差模型是實現(xiàn)誤差補償?shù)幕A(chǔ)。本論文著眼于熱誤差建模領(lǐng)域中溫度敏感點的選擇與誤差模型的建立,以自主研發(fā)的三軸實驗平臺為研究對象,探索不同溫度分布下定位誤差的有效建模法,旨在系統(tǒng)地給出魯棒性強,預測精度高的誤差建模法,以提高誤差補償?shù)男屎头�(wěn)定性。本文的主要研究工作如下:分析不同溫度分布下定位誤差的產(chǎn)生機理,定位誤差曲線形狀和斜率可認為是由不同的誤差因素造成的,即定位誤差的幾何誤差部分和熱誤差部分。因此,提出了定位誤差的分離建模法。建模時,首先將定位誤差分離成幾何誤差和熱誤差兩部分,針對這兩部分分別建模,然后合并成復合誤差模型。通過實驗驗證了分離建模法的可行性。采用多項式對定位誤差的幾何部分進行擬合。多項式的擬合階數(shù)通常是依靠經(jīng)驗確定的,并沒有相應的理論指導。針對這一問題,本文提出一種F檢驗法選擇多項式最佳擬合階數(shù)。通過計算不同階數(shù)多項式的F統(tǒng)計量,選出其中最大的F值,即顯著性最好的多項式作為幾何定位誤差的數(shù)學表達式。由... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：124 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景和意義
    1.2 數(shù)控機床誤差的相關(guān)概念
        1.2.1 誤差分析
        1.2.2 誤差測量
        1.2.3 傳感器布置與選擇
        1.2.4 誤差元素建模
        1.2.5 誤差補償
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 課題來源
    1.5 本文研究內(nèi)容
第2章 數(shù)控機床誤差元素分析及其數(shù)學建模
    2.1 數(shù)控機床誤差分析
        2.1.1 數(shù)控機床幾何誤差
        2.1.2 數(shù)控機床熱誤差
    2.2 數(shù)控機床誤差元素分類與建模
        2.2.1 幾何誤差建模
        2.2.2 熱誤差建模
    2.3 常用熱誤差建模方法
        2.3.1 多元線性回歸模型
        2.3.2 人工神經(jīng)網(wǎng)絡模型
        2.3.3 最小二乘支持向量機
    2.4 本章小結(jié)
第3章 重構(gòu)變量回歸熱誤差建模
    3.1 實驗設(shè)備
        3.1.1 傳感器布置
        3.1.2 實驗數(shù)據(jù)獲取
    3.2 重構(gòu)變量回歸
        3.2.1 RVR算法數(shù)學模型
        3.2.2 算法實現(xiàn)
    3.3 溫度敏感點選擇
        3.3.1 模糊C均值聚類
        3.3.2 聚類有效性評價
        3.3.3 溫度數(shù)據(jù)分類
    3.4 定位誤差建模
        3.4.1 幾何定位誤差建模
        3.4.2 重構(gòu)變量
        3.4.3 重構(gòu)變量回歸建模
    3.5 RVR熱誤差模型性能驗證
    3.6 本章小結(jié)
第4章 優(yōu)化神經(jīng)網(wǎng)絡熱誤差建模
    4.1 蝙蝠算法
        4.1.1 蝙蝠算法生物學原理
        4.1.2 蝙蝠算法實現(xiàn)
        4.1.3 蝙蝠算法流程
    4.2 基于蝙蝠算法的BP神經(jīng)網(wǎng)絡熱誤差模型
        4.2.1 BA-BP神經(jīng)網(wǎng)絡
        4.2.2 溫度敏感點選擇
        4.2.3 BA-BP神經(jīng)網(wǎng)絡熱誤差建模
    4.3 BA-BP神經(jīng)網(wǎng)絡模型驗證
    4.4 本章小結(jié)
第5章 基于灰狼優(yōu)化算法最小二乘支持向量機
    5.1 灰狼優(yōu)化算法
        5.1.1 灰狼優(yōu)化算法來源
        5.1.2 灰狼優(yōu)化算法數(shù)學模型
        5.1.3 灰狼優(yōu)化算法基本步驟
    5.2 溫度敏感點選擇
        5.2.1 劃分式聚類算法
        5.2.2 K調(diào)和均值聚類
        5.2.3 聚類有效性評價指標
        5.2.4 統(tǒng)計數(shù)值實驗
        5.2.5 選擇溫度敏感點
    5.3 GWO-LSSVM誤差模型
        5.3.1 GWO-LSSVM建模流程
        5.3.2 GWO-LSSVM熱誤差建模
    5.4 GWO-LSSVM模型驗證
    5.5 機床誤差模型對比分析
        5.5.1 模型性能評價
        5.5.2 溫度波動對模型性能影響
        5.5.3 建模數(shù)據(jù)對模型性能影響
    5.6 本章小結(jié)
第6章 結(jié)論與展望
    6.1 主要結(jié)論
    6.2 研究展望
參考文獻
作者簡介及攻讀博士學位期間發(fā)表的學術(shù)論文
致謝


【參考文獻】：
期刊論文
[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]支持向量回歸機在數(shù)控加工中心熱誤差建模中的應用[J]. 苗恩銘,龔亞運,成天駒,陳海東.  光學精密工程. 2013(04)
[3]數(shù)控機床幾何誤差與熱誤差綜合建模及其實時補償[J]. 王維,楊建國,姚曉棟,范開國,李自漢.  機械工程學報. 2012(07)
[4]新型元啟發(fā)式蝙蝠算法[J]. 黎成.  電腦知識與技術(shù). 2010(23)
[5]基于最小二乘支持向量機的數(shù)控機床熱誤差預測[J]. 林偉青,傅建中,許亞洲,陳子辰.  浙江大學學報(工學版). 2008(06)
[6]數(shù)控機床熱補償中溫度變量的選擇與建模[J]. 沈金華,趙海濤,張宏韜,楊建國.  上海交通大學學報. 2006(02)
[7]機床熱補償中溫度變量分組優(yōu)化建模[J]. 楊建國,鄧衛(wèi)國,任永強,李院生,竇小龍.  中國機械工程. 2004(06)

博士論文
[1]基于多類型控制器的電力系統(tǒng)穩(wěn)定智能優(yōu)化控制研究[D]. 左劍.華中科技大學 2017
[2]基于蝙蝠算法的啟發(fā)式智能優(yōu)化研究與應用[D]. 薛菲.北京工業(yè)大學 2016
[3]多軸數(shù)控機床準靜態(tài)空間誤差建模及誤差辨識方法研究[D]. 章婷.南京航空航天大學 2016
[4]數(shù)控機床誤差測量、建模及網(wǎng)絡群控實時補償系統(tǒng)研究[D]. 張毅.上海交通大學 2013
[5]基于聚類分析的圖像分割算法研究[D]. 許曉麗.哈爾濱工程大學 2012
[6]數(shù)控機床多誤差元素綜合補償及應用[D]. 范開國.上海交通大學 2012
[7]高速數(shù)控機床電主軸熱誤差機理分析與建模研究[D]. 雷春麗.蘭州理工大學 2011
[8]高速加工中心主軸及刀具系統(tǒng)熱誤差綜合補償技術(shù)[D]. 趙昌龍.吉林大學 2010
[9]聚類分析及其應用研究[D]. 唐東明.電子科技大學 2010
[10]數(shù)控機床誤差補償關(guān)鍵技術(shù)及其應用[D]. 沈金華.上海交通大學 2008



本文編號：3157546