导读:本文包含了机床建模论文开题报告文献综述及选题提纲参考文献，主要关键词:RS,大数据,机床误差,测量
机床建模论文文献综述
郭晋飞[1]（2019）在《基于大数据挖掘的机床加工精度建模的研究》一文中研究指出大数据、人工智能已经成为21世纪的技术发展趋势。制造高品质、高精度的合格产品,是制造业追求的目标。如何预测机床长期不停机使用状态下的精度水平,并且实时调整机床差补范围用以保持精度,是当前制造型企业面临的主要问题之一。通常,企业所采取的方式是在一段时间内,定期、重复的测量精度,在庞大的误差数据内分析精度变化范围以作保养时的检修依据。在本文中,基于RS理论的大数据挖掘原理,使用大数据处理的方法,采集并分析机床加工误差,分析其变化规律,为建立机床精度模型提供依据。(本文来源于《内燃机与配件》期刊2019年23期）
李彬,张云,王立平,李学昆[2]（2019）在《基于遗传算法优化小波神经网络数控机床热误差建模》一文中研究指出数控机床的热误差已经成为影响其加工精度的一个关键因素,为最大限度提高数控机床热误差补偿的精度和效率,结合遗传算法自适应全局优化搜索能力和小波神经网络良好的时频局部特性的优点,提出一种基于遗传算法优化小波神经网络的机床热误差补偿模型。以某型号五轴摆动卧式加工中心为试验对象,以机床温度变量和热误差为数据输入样本,建立小波神经网络模型热误差预测模型,然后用遗传算法优化小波神经网络权值、阈值,最终建立热误差预测模型。通过与传统人工神经网络和普通小波神经网络进行对比分析及试验论证表明,该补偿模型具有精度高、抗扰动能力和鲁棒性强等优点,有望在实际加工场合的数控机床的热误差预测和补偿研究中得到更大的推广应用。(本文来源于《机械工程学报》期刊2019年21期）
胡腾,郭曦鹏,米良,杨随先,郑华林[3]（2019）在《机床空间误差完备建模方法与NC代码优化补偿技术》一文中研究指出空间误差是机床几何误差元素综合作用的结果,但现阶段空间误差模型大多存在缺失若干几何误差元素的问题,直接影响着机床空间误差的预测精度。为此,提出一种机床空间误差完备建模方法,以多体系统理论及齐次坐标变换为分析研究手段,在充分考虑体间坐标系初始位置关系及原始误差特征矩阵的基础上,确保模型包含机床全部几何误差元素。进而,针对传统基于NC代码的空间误差补偿技术中存在残差的局限性,提出将NC代码坐标的逆向迭加过程转化为最优化设计问题,并借助遗传算法对该问题进行求解计算,达到消除空间误差补偿残差的目的。最终,以某型卧式加工中心为研究对象进行计算分析与实验验证,结果表明:依据所提方法构建的空间误差完备模型包含加工中心全部21项几何误差元素,空间误差预测结果较精确;所提NC代码优化补偿技术使加工中心空间定位精度得到进一步提升,补偿后定位精度增幅最高达90.92%。研究成果可为数字制造装备精度问题探索提供较重要的理论与工程技术支撑。(本文来源于《工程科学与技术》期刊2019年06期）
杨闪闪,王玲,殷勤,殷国富[4]（2019）在《基于响应面法的机床螺栓结合部刚度辨识与动力学建模》一文中研究指出为了研究结合部刚度参数间的耦合关系对机床结合部动态性能的影响,基于响应面函数的选型建立了广义模态固有频率与结合部动刚度耦合和非耦合的函数模型。响应面函数辨识法以结合部模态固有频率这一关键动力学性能为指标,研究了结合部动态特性与结合部刚度参数的数学关系。基于结合部单、双对节点有限元建模方式,结合中心复合实验设计方案和响应面方法理论,分别对两种建模方式建立响应面函数辨识模型。以响应函数模型的响应值与实验测得值的最小二乘法为优化目标,结合非线性规划与遗传算法实现结合部刚度参数的辨识。其中通过响应面函数二次多项式的选型显现多对节点间的刚度耦合关系,揭示了参数间的耦合关系对结合部动力学的影响。为验证此理论和方法的可靠性,以一螺栓结合部为研究对象,制定有限元动力学仿真分析的实验设计方案和采集了刚度组合点,并计算每一组采样点的前11阶模态固有频率。以有限元分析的数据为基础,建立反映螺栓结合部刚度间耦合关系的2次多项式响应面函数,并通过计算响应面模型质量评价指标验证了该模型的有效性。对比分析多刚度耦合、不耦合和单刚度的有限元模型预测精度,结果显示,多刚度耦合的有限元模型在固有频率、振型方面均具有较好预测效果,前11阶模态固有频率平均误差仅为1.6%,论证了考虑刚度间耦合关系的必要性和方法的可行性。(本文来源于《工程科学与技术》期刊2019年06期）
韩江,曹伟,姜阳,夏链[5]（2019）在《车铣复合机床运动学建模及逆解计算研究》一文中研究指出机床的运动学模型建立了刀具和工件之间的运动学关系,是计算机床各轴运动控制指令的基础。文章针对传统的D-H变换法、多体理论在机床运动学建模中存在的问题,提出了基于旋量理论的机床运动学建模。根据TMS-200s型车铣复合机床的结构,求出各轴的运动旋量和指数矩阵,结合刀具和工件运动链,由指数积公式求得运动学正解模型,并基于该模型完成了逆解计算;针对逆解中的多解问题,提出了对称区间与非对称区间,分析了加工中旋转轴所有可能出现的解,并根据相邻行变化角最小的原则,有效地避免了旋转轴转角突变的问题;将2种不同方法计算得到的G代码分别在仿真软件Vericut中对自由曲面进行了模拟加工。仿真结果验证了该运动学模型的正确性和逆解算法的可靠性与必要性。(本文来源于《合肥工业大学学报(自然科学版)》期刊2019年09期）
李蓬伟[6]（2019）在《五轴数控机床的加工精度建模研究》一文中研究指出在当前的机械制造行业中,对机械零部件的尺寸精度、几何形状复杂程度等有了更高的要求,建立五轴数控机床的加工精度模型更为重要。基于此,结合五轴数控机床的使用,提出了其中的关键零部件及拓扑结构,并提出了37项几何误差与关键零部件的子坐标,在此基础上完成了五轴数控机床加工精度模型的建立。验证试验证实,该五轴数控机床的加工精度模型有着较高的预测性能,可以投入正常的机械制造生产中。(本文来源于《机电工程技术》期刊2019年09期）
周恒飞,叶文华,郭云霞,梁睿君,章婷[7]（2019）在《基于支持向量回归机的数控机床几何误差元素建模研究》一文中研究指出针对数控机床几何误差元素建模时面临的误差样本数据少且呈非线性的问题,研究在小样本数据集非线性回归分析中具有独特优势的支持向量回归机,并基于此建立数控机床几何误差元素的预测模型。分析现有几何误差检测中常用的九线法所存在的测量选点难和计算累积误差等问题,提出增加每条测量线垂直方向直线度的测量和修正误差项计算模型的改进方法。以高斯径向基核函数为支持向量回归模型的核函数,运用交叉验证法,选取合适的模型参数,求解凸二次规划问题,进而建立几何误差元素的预测模型。以QLM27100–5X五轴龙门机床X轴为例,基于改进的九线法进行测量辨识得到几何误差样本数据,然后分别基于支持向量回归机和最小二乘法建立几何误差元素预测模型,对比两个模型的预测精度,结果显示,前者的预测均方差值MSE为0.0238,小于后者的0.072,验证了支持向量回归模型在小样本集下具有更高的预测精度。(本文来源于《航空制造技术》期刊2019年17期）
辛宗霈,冯显英,杜付鑫,李慧,李沛刚[8]（2019）在《基于BP神经网络的机床热误差建模与分析》一文中研究指出针对机床进给系统热误差,提出了一种复合预测方法。首先使用神经网络对丝杠热变形量进行建模,然后以多项式拟合法来求得平台轴向热误差y与丝杠实际热变形量x之间的关系,建立平台轴向热误差预测模型,称作"两步法"。两步法与BP神经网络直接预测平台轴向热误差的方法(直接法)分别对实验进行预测,将两方法预测结果与实测平台轴向热误差对比。结果表明,实验过程中行程发生变化时,直接法预测得到的热误差残差在-5.4～6.6μm间波动,两步法预测得到的热误差残差在-3.1～2.2μm内波动,两步法预测精度比直接法高了约126%,有较强的工程应用价值。(本文来源于《组合机床与自动化加工技术》期刊2019年08期）
张子祥,李粉霞[9]（2019）在《数控机床热误差建模及预测方法分析》一文中研究指出热误差作为制约数控机床加工精度的关键因素,在重型数控机床上表现得尤为明显。以重型落地镗铣床为例,根据热误差测量试验数据,分析重型数控机床温度场特性,并基于兼顾相关系数和欧式距离的系统聚类准则,对温度测点系统进行优化,以减小温度测点间共线性。通过优化温度测点,采用多元线性回归分析,建立重型数控机床热误差预测模型。由现场试验可知,建立的热误差预测模型可将均方根误差控制在10μm以内,有效地提高了热误差预测精度。(本文来源于《机床与液压》期刊2019年13期）
谢飞,王玲,谭峰,殷国富[10]（2019）在《基于新陈代谢原理的机床热误差伪滞后建模》一文中研究指出为了建立预测精度高、泛化性能强的热误差预测模型,提出了一种基于新陈代谢原理的热误差伪滞后预测模型.通过实验研究发现了机床的伪滞后现象,并假设热误差是前一时刻关键点的温升及热误差共同作用的结果,求解出了机床的热关键点及典型工况下的热误差平均滞后时间.并利用遗传算法优化了最小二乘支持向量机的结构参数,基于新陈代谢原理对热误差进行迭代求解,从而建立了机床的热误差伪滞后预测模型.通过对比不同预测模型的预测结果,证明了假设的正确性,并且考虑伪滞后效应的预测模型的预测精度更高、泛化性能更好,能将不同转速的热误差降低90%以上.(本文来源于《哈尔滨工业大学学报》期刊2019年07期）
机床建模论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
数控机床的热误差已经成为影响其加工精度的一个关键因素,为最大限度提高数控机床热误差补偿的精度和效率,结合遗传算法自适应全局优化搜索能力和小波神经网络良好的时频局部特性的优点,提出一种基于遗传算法优化小波神经网络的机床热误差补偿模型。以某型号五轴摆动卧式加工中心为试验对象,以机床温度变量和热误差为数据输入样本,建立小波神经网络模型热误差预测模型,然后用遗传算法优化小波神经网络权值、阈值,最终建立热误差预测模型。通过与传统人工神经网络和普通小波神经网络进行对比分析及试验论证表明,该补偿模型具有精度高、抗扰动能力和鲁棒性强等优点,有望在实际加工场合的数控机床的热误差预测和补偿研究中得到更大的推广应用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
机床建模论文参考文献
[1].郭晋飞.基于大数据挖掘的机床加工精度建模的研究[J].内燃机与配件.2019
[2].李彬,张云,王立平,李学昆.基于遗传算法优化小波神经网络数控机床热误差建模[J].机械工程学报.2019
[3].胡腾,郭曦鹏,米良,杨随先,郑华林.机床空间误差完备建模方法与NC代码优化补偿技术[J].工程科学与技术.2019
[4].杨闪闪,王玲,殷勤,殷国富.基于响应面法的机床螺栓结合部刚度辨识与动力学建模[J].工程科学与技术.2019
[5].韩江,曹伟,姜阳,夏链.车铣复合机床运动学建模及逆解计算研究[J].合肥工业大学学报(自然科学版).2019
[6].李蓬伟.五轴数控机床的加工精度建模研究[J].机电工程技术.2019
[7].周恒飞,叶文华,郭云霞,梁睿君,章婷.基于支持向量回归机的数控机床几何误差元素建模研究[J].航空制造技术.2019
[8].辛宗霈,冯显英,杜付鑫,李慧,李沛刚.基于BP神经网络的机床热误差建模与分析[J].组合机床与自动化加工技术.2019
[9].张子祥,李粉霞.数控机床热误差建模及预测方法分析[J].机床与液压.2019
[10].谢飞,王玲,谭峰,殷国富.基于新陈代谢原理的机床热误差伪滞后建模[J].哈尔滨工业大学学报.2019