。要提高加工精度,减少热误差,就必须对其进行有效的补偿。而如何选择最佳的温度测点及如何建立有效的热误差补偿模型是进行热误差补偿时需要解决的两个关键问题。本文针对这两方面的问题开展相应的研究工作。 本文针对最佳温度测点的选取,提出了运用有限元和Kohonen神经网络相结合的新方法来选取最佳温度测点。首'/>
文摘
英文文摘
声明
第一章绪论
1.1数控机床热误差补偿技术研究意义
1.2数控机床热误差补偿的过程
1.3数控机床热误差补偿技术国内外研究现状
1.3.1数控机床热误差补偿技术国外研究现状
1.3.2数控机床热误差补偿技术国内研究现状
1.4本课题有待解决的关键问题和研究方案的确定
1.5本课题研究的主要内容和关键创新点
第二章基于ANSYS的热分析原理与过程
2.1传热基本概念
2.1.1热传递的方式
2.1.2热分析分类
2.2热传导理论基础
2.2.1温度场
2.2.2热力学第一定律
2.2.3傅里叶导热定律
2.2.4热传导的微分方程
2.3温度场的有限元理论
2.3.1空间域的离散
2.3.2时间域的离散
2.4 ANSYS热分析
2.4.1 ANSYS的热分析功能
2.4.2边界条件和初始条件
2.4.3 ANSYS热分析基本过程
2.4.4耦合场分析
2.5数控机床热分析的边界条件
2.5.1切削热
2.5.2滚动轴承摩擦热
2.5.3表面换热
2.6基于ANSYS的数控车床整机热分析过程
本章小结
第三章基于Kohonen网络的温度测点辨识原理
3.1人工神经网络的基本理论
3.1.1人工神经网络简介
3.1.2人工神经网络的基本特征
3.1.3人工神经网络的分类
3.2 Kohonen神经网络简介
3.2.1 Kohonen网络结构与原理
3.2.2 Kohonen神经网络的学习过程
3.3基于Kohonen网络的温度测点辨识
本章小结
第四章CK6132数控车床最佳温度测点选取
4.1 CK6132数控车床整机有限元模型的建立
4.1.1基于Pro/E的CK6132数控车床实体建模
4.1.2建立CK6132数控车床有限元模型
4.2 CK6132数控车床整机有限元分析条件
4.2.1设置材料特性
4.2.2求解边界条件
4.3 CK6132数控车床最佳温度测点的选取过程
4.3.1有限元计算过程
4.3.2运用Kohonen神经网络对节点进行分类
4.3.3 CK6132数控车床最佳温度测点的确定
本章小结
第五章基于神经网络的数控机床热误差补偿建模
5.1基于Kohonen竞争学习规则的RBF神经网络模型及应用
5.1.1 RBF神经网络的结构
5.1.2 RBF神经网络的学习算法
5.1.3基于Kohonen竞争学习规则的RBF神经网络
5.1.4基于Kohonen竞争学习规则的RBF神经网络热误差补偿建模
5.2 GRNN神经网络模型及应用
5.2.1 GRNN神经网络简介
5.2.2基于GRNN神经网络热误差补偿建模
5.3 BP神经网络模型及应用
5.3.1 BP神经网络简介
5.3.2基于BP神经网络热误差补偿建模
5.4基于ActiveX的VB与MATLAB的数据交换的实现
5.4.1 ActiveX部件
5.4.2 VB与MATLAB数据交换的实现过程
本章小结
第六章总结与展望
参考文献
攻读硕士学位期间正式发表的学术论文
致谢
福建农林大学;