1 引言
隨著生產(chǎn)自動化水平的不斷提高 , 各行各業(yè)對機床性能提出了越來越高的要求。數(shù)控機床在機械制造領(lǐng)域運用廣泛 , 隨著機械制造對精度要求的提高 , 各種有關(guān)影響機床精度的問題以及相應(yīng)的解決方法也越來越引起人們的重視并對它展開研究。大量研究表明: 熱誤差對機床加工精度的影響較大, 由其引起的加工誤差約占機床總體誤差的 40% ~ 70%[1-2]。現(xiàn)階段 , 熱誤差預(yù)測法和補償法是解決熱誤差問題的兩大主要方法 [3]。預(yù)測法是通過優(yōu)化機床結(jié)構(gòu)、提高機床零部件精度或以隔離熱源等方法降低誤差 , 但是所需成本較大且耗費時間長。而補償法則是通過測量機床誤差并使用各種方法進行補償 , 從而減少機床誤差 , 這種方法成本低 , 應(yīng)用性強 , 使得以低成本制造高精度機床成為可能。建模是誤差補償技術(shù)中最為重要的一部分 , 其精度將對最后的結(jié)果產(chǎn)生直接影響。目前 , 常用的熱誤差建模方法有 : 神經(jīng)網(wǎng)絡(luò)、狀態(tài)估計、多元回歸、組合建模等 [4]。
徑向基函數(shù) (Radial Basis Function,RBF) 神經(jīng)網(wǎng)絡(luò)是最近發(fā)展起來的一種高效的前饋式網(wǎng)絡(luò) [5]。其結(jié)構(gòu)簡單、訓(xùn)練速度快 , 在模式識別等領(lǐng)域被廣泛使用。但RBF 神經(jīng)網(wǎng)絡(luò)還是存在信息丟失以及在數(shù)據(jù)不充分時網(wǎng)絡(luò)無法工作等問題 , 且其預(yù)測精度也有待提高 , 另外隱層基函數(shù)中心選擇存在任意性 , 隱層節(jié)點數(shù)目、中心和寬度的選定在實際系統(tǒng)中也存在難度。
因此 , 本文采用改進 PSO 算法優(yōu)化的 RBF 神經(jīng)網(wǎng)絡(luò)構(gòu)建熱誤差預(yù)測模型 , 通過改進的 PSO 優(yōu)化 RBF 神經(jīng)網(wǎng)絡(luò)的重要參數(shù)來提高模型的預(yù)測精度 , 結(jié)果表明 ,改進的模型能夠得到更優(yōu)異的預(yù)測效果。
宇匠數(shù)控 備注:為保證文章的完整度,本文核心內(nèi)容由PDF格式顯示,如未有顯示請刷新或轉(zhuǎn)換瀏覽器嘗試,手機瀏覽可能無法正常使用!
針對加工中心主軸熱誤差對加工精度所產(chǎn)生的影響 , 本文采用改進的粒子群算法優(yōu)化 RBF 神經(jīng)網(wǎng)絡(luò)建模 , 預(yù)測主軸熱誤差變化 , 通過對比改進前后的仿真結(jié)果發(fā)現(xiàn) , 改進后的模型有更好的預(yù)測精度。
2024-11
本文以組合式六角亭模型為實例,分析工藝難點與加工可行性,指出該模型的加工難點是模型形狀不規(guī)則和整體剛性差,并通過設(shè)計新的工藝方案解決加工難點,完成了模型整體的加工。新的加工工藝有助于提高加工效率和精度,為五軸數(shù)控加工提供了一個典型案例,對于五軸加工中心數(shù)控加工也具有指導(dǎo)作用和重要… [了解更多]
2024-11
宇匠數(shù)控 備注:為保證文章的完整度,本文核心內(nèi)容由PDF格式顯示,如未有顯示請刷新或轉(zhuǎn)換瀏覽器嘗試,手機瀏覽可能無法正常使用!本文摘要:通過對混聯(lián)五軸加工中心自適應(yīng)深度學(xué)習(xí)控制方法的 研 究,可 知 此 方 法 的 創(chuàng) 新 之 處 在 于:1)建 立 了 機 床 的 運 動 學(xué) … [了解更多]
2024-11
在機測量技術(shù)由于其成本低、檢測效率高、無需二次裝夾等優(yōu)勢被廣泛用于零件加工測量當(dāng)中,使得五軸加工中心和五軸鉆攻中心,同時又兼具測量功能。在機測量系統(tǒng)的構(gòu)成如圖1所示,硬件部分主要是由高精度探頭、信號接收器、機床整個本體,軟件部分由機床控制系統(tǒng)、測量軟件等組成[8]。待零件加工完成… [了解更多]
2024-11
?加工精度是影響機床性能和產(chǎn)品質(zhì)量的主要難題,也是制約國家精密制造能力的重要因素。本文以五軸加工中心為對象,針對提升機床精度進行了研究。并且隨著科技的發(fā)展,精密的儀器和零件在生產(chǎn)實踐中占據(jù)的分量逐漸增加,在數(shù)控機床這種精密機器精度不斷提高的同時,必須控制內(nèi)外界環(huán)境的隨機影響因素在… [了解更多]