数控慢走丝线切割机床热误差补偿方法的研究

摘要

数控慢走丝线切割机床是一种高精度特种加工机床,机床的热变形对其加工精度影响较大。目前解决这一问题,最好的办法就是进行实时监测补偿,其中确定温度测点和热误差补偿模型是两个关键的问题。本文在分析国内外机床热误差补偿研究现状的基础上,采用模糊聚类法对温度测点进行优化测量,用遗传算法优化的BP神经网络法建立热误差补偿模型。通过研究,首先确立了基于模糊聚类法的温度测点优化选择方案,然后建立了基于遗传算法优化的BP神经网络数控慢走丝切割机床热补偿模型；在理论研究的基础上进行了实验研究,通过实验研究,证实了本文构造的方法能够有效地提高数控慢走丝线切机床的热变形误差预测能力,并得到最精简的温度测点数。
　　 本研究主要内容包括：⑴通过对数控慢走丝线切割机床的热变形误差产生因为的研究,以及对国内外的研究状况的调查,并结合数控慢走丝线切割机床实际,提出了基于遗传算法优化的BP神经网络法的热误差补偿建模方法与模糊聚类法进行温度测点的优化选择的研究方案。⑵为了能更好地开展本课题的研究,对课题所涉及到的主要理论BP人工神经网络与遗传算法进行了学习、归纳、总结。⑶结合专家经验和对数控慢走丝线切割机床热变形的分析,确定温度测点的数量、温度测点布置方法及构建了温度测点优化和热误差补偿模型。⑷在理论研究的基础上,以DK7632型数控慢走丝线切割机床为研究背景进行了环境实验。通过实验研究,对模型进一步优化,实验初步证明本研究对提高数控慢走丝线切割机床的预测精度是可行的。该课题的研究为数控慢走丝线切割机床的热变形误差补偿奠定了理论与实验基础。

目录

文摘

英文文摘

第一章 绪论

1.1 研究背景及意义

1.2 数控慢走丝线切割机床的热误差分析及解决措施

1.2.1 数控慢走丝线切割机床热误差产生的原因

1.2.2 热变形误差基本解决措施

1.3 国内外研究状况

1.4 课题来源和主要研究内容

1.4.1 课题来源

1.4.2 本论文主要研究内容

第二章 BP人工神经网络与遗传算法理论

2.1 前言

2.2 BP人工神经网络简介

2.2.1 人工神经网络

2.2.2 BP人工神经网络原理

2.2.3 BP神经网络的算法

2.2.4 BP网络的特点

2.3 遗传算法简介

2.3.1 模式定理

2.3.2 遗传算法中的基本概念

2.3.3 遗传算法实现

2.3.4 遗传算法的特点

2.4 本章小结

第三章 温度测点优化和热误差模型的构建

3.1 机床温度测点优化选择

3.1.1 温度测点优化的意义

3.1.2 温度测点初选和布置

3.1.3 温度测点优化

3.2 GA优化的BP神经网络机床热误差模型

3.2.1 模型构建流程

3.2.2 BP神经网络部分

3.2.3 遗传算法部分

3.2.4 预测分析

3.2.4 编程实现

3.3 热误差补偿对比模型

3.4 本章小结

第四章 实验研究

4.1 实验目的和内容

4.2 实验设备

4.2.1 数控慢走丝线切割机床

4.2.2 温度和位移采集系统

4.2.3 测试用的夹具

4.3 实验方案

4.4 数据采集

4.4.1 数据采集测试系统界面

4.4.2 实验数据

4.5 数控慢走丝线切割机床温度测点优化选择

4.6 基于GA-BP神经网络的热误差补偿模型分析

4.6.1 确立模型结构

4.6.2 训练预测模型

4.6.3 预测能力分析

4.7 本章小结

第五章 总结展望

5.1 结论

5.2 问题与展望

参考文献

附录

作者在攻读硕士学位期间完成的学术论文

致谢