学位论文 > 优秀研究生学位论文题录展示

CL-20A数控车床热变形误差建模研究

作　者: 吴承伟
导　师: 胡鹏浩
学　校: 合肥工业大学
专　业: 精密仪器及机械
关键词: 数控车床热误差支持向量机 BP神经网络最小二乘法
分类号: TG519.1
类　型: 硕士论文
年　份: 2012年
下　载: 25次
引　用: 0次
阅　读: 论文下载

内容摘要

在现代制造业中，数控机床广为应用。随着科技发展，对数控机床加工精度的要求不断提高。理论及实践研究成果已表明，热误差是制约数控机床精度提升的主要障碍之一。在科技部科技重大专项“高速精密数控机床动态综合补偿技术”项目的支持下，本文以大连机床厂的CL-20A型卧式数控车床为研究对象，展开相关的理论及实验研究，研究重点集中在该型号机床热误差模型的建立上，为机床热误差的在线实时补偿提供数学模型。首先根据机床的热源特点及分布，在机床上布置多个温度传感器，机床开机后，通过专用夹具及传感器，实时监测机床主轴相对于刀具位置在三维方向上的热偏离。然后，用逐步回归分析法分析实验数据，找出该型号机床的温度敏感点。找出温度敏感点后，继续进行实验，重点获取机床敏感点的温度变化与机床主轴热偏离的关系，通过合理设置不同的工艺参数组合获取了大量的实验数据。依靠获取的实验数据，采用支持向量机法进行建模和回归分析。并用BP神经网络法和最小二乘法与之进行对比，建模结果显示，支持向量机法能较好地预测机床热误差，BP神经网络法和最小二乘法的预报精度稍低。相比于神经网络法的黑箱运算和预测结果的不固定性，支持向量机法能得出清晰的计算公式，理论过程十分严谨，也便于编程和植入到数控系统中去、实现实时在线热误差补偿计算。相比于最小二乘法，支持向量机法剔除了冗余数据，只采用部分支持向量进行建模，因此泛化能力较强。

全文目录

摘要  5-6
ABSTRACT  6-8
致谢  8-13
第一章绪论  13-19
  1.1 引言  13
  1.2 机床热误差研究的相关背景  13-17
    1.2.1 机床热误差研究简况  13-15
    1.2.2 热误差建模研究状况  15-17
  1.3 课题来源和论文主要内容  17-19
    1.3.1 课题来源  17
    1.3.2 本论文主要内容  17-19
第二章 CL-20A 数控车床实验及数据处理  19-29
  2.1 数控机床热变形成因  19-20
  2.2 数控车床热变形概述  20-21
  2.3 CL-20A 数控车床及其实验简介  21-27
    2.3.1 CL-20A 数控车床  21-22
    2.3.2 测试实验简介  22-27
  2.4 温度敏感点筛选  27-29
第三章支持向量机原理及算法  29-41
  3.1 支持向量机原理  29
  3.2 支持向量机的特点及应用  29-33
    3.2.1 支持向量机的特点  29-30
    3.2.2 支持向量机的具体应用  30-33
  3.3 构造支持向量机  33-38
    3.3.1 线性分类器  33-35
    3.3.2 非线性分类器  35-38
  3.4 支持向量机算法  38-41
第四章支持向量回归机的实现  41-46
  4.1 基于MATLAB的 -不敏感支持向量回归机的实现  41-42
  4.2 ? -不敏感支持向量回归机建模效果验证  42-44
  4.3 CL-20A主轴热误差补偿初探  44-46
    4.3.1 原点平移补偿法  44
    4.3.2 反馈截断补偿法  44-46
第五章基于神经网络和最小二乘法的对比分析  46-50
  5.1 基于 MATLAB 的 BP 神经网络构建  46-47
  5.2 BP 神经网络建模效果验证  47-48
  5.3 最小二乘法理论及建模  48
  5.4 最小二乘法回归验证  48-50
第六章总结与展望  50-51
  6.1 总结  50
  6.2 展望  50-51
参考文献  51-55
攻读硕士学位期间发表的论文  55-56
附录1 实验数据  56-68
  表1  56-58
  表2  58-60
  表3  60-62
  表4  62-65
  表5  65-68
附录2 逐步回归程序  68-69
附录3 支持向量机回归程序  69-75
  1.主函数  69-70
  2.建模训练函数  70-73
  3.回归函数  73-75

CL-20A数控车床热变形误差建模研究

内容摘要

全文目录

相似论文