。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'/> 数控机床温度测点选取及热误差补偿建模-硕士-中文学位【掌桥科研】
首页> 中文学位 >数控机床温度测点选取及热误差补偿建模
【6h】

数控机床温度测点选取及热误差补偿建模

代理获取

目录

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

展开▼

摘要

对于数控机床而言,热误差是其最大的加工精度误差源,可达机床加工精度总误差的70%<'[1]>。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。首先运用有限元分析软件ANSYS对研究对象进行有限元实体建模,用有限元节点温度变化来表示研究对象所有位置的温度变化情况,并通过热——结构耦合分析,计算出实体模型整体的热变形量;然后将ANSYS分析所得的各节点温度值和主轴头部的热变形量作为数据样本,再结合Kohonen神经网络进行选点。结果表明运用此方法进行最佳温度测点的选择,选点过程简单且较容易实现。本文运用此方法结合具体的一台CK6132数控车床进行测点分析,证明了此方法的可行性和有效性,为今后在数控机床上布置温度传感器提供了理论的指导和依据。 本文针对如何建立有效的数控机床热误差补偿模型,提出了基于Kohonen竞争学习规则的RBF神经网络,即采用Kohonen自组织学习规则来确定RBF神经网络隐层中心向量,该算法具有简单有效,运算量小,程序运行时间短的特点,提高了RBF网络的工作性能。然后运用此RBF网络建立数控机床热误差补偿模型,并将该模型的预报结果与GRNN网络、BP网络、多元线性回归的建模效果进行比较。结果表明,基于Kohonen竞争学习规则建立的RBF神经网络热误差补偿模型,具有较高的模型预报精度和反应速度快的优点,适用于数控机床热误差实时补偿。本文最后利用ActiveX技术,将用MATLAB编制好的RBF网络程序嵌入到VB程序中,使VB能够隐式调用MATLAB应用程序,从而很方便的实现了神经网络预测机床热误差的功能。

著录项

  • 作者

    罗立辉;

  • 作者单位

    福建农林大学;

  • 授予单位 福建农林大学;
  • 学科 机械设计及理论
  • 授予学位 硕士
  • 导师姓名 林高飞,苏继龙;
  • 年度 2007
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类
  • 关键词

    数控机床,热误差,加工精度,误差补偿;

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号