基于改进卷积神经网络的数控机床旋转轴热误差建模方法

为对五轴数控机床旋转轴的热误差进行更精确地预测,解决变工况条件下预测精度不佳与热误差数据获取困难的问题,提出了基于改进卷积神经网络的热误差建模方法.采用激光干涉仪与热成像仪采集不同温度下的角度定位误差与热图像,对热误差进行傅里叶函数拟合,将预测目标由不同角度下的热误差转变为拟合函数参数.在VGG网络模型架构上,引入SKNet注意力机制,以提高模型对变工况下的热图像特征提取水平,并采用全局平均池化代替全连接层,以改善过拟合情况.将建立的模型用于热误差预测,结果表明,旋转轴热误差预测RMSE在升温状态下为8.36″,降温条件下为9.57″,预测精度达90%以上,优于普通卷积神经网络模型.结果证实了所提方法在旋转轴热误差建模中的有效性.

亚像元定位技术在二维动态测角系统中的应用

对于面阵CCD/CMOS测角系统,如何在有限像元阵列的条件下同时实现宽视场、高精度测量是该测量方案面临的一大难题。本文提出了采用光能积分重心算法实现亚像元定位精度以缓解测量视场与测量精度的矛盾,通过理论分析与实验验证表明,当有效像元尺寸大于20个像元时,在光源稳定条件下可实现1/20像元位置定位精度。当然,该精度只是测量系统对包含角度信息的位置参量的定位精度,对于二维动态测角系统而言,角度参量测量实际可以达到的精度依赖于位置-角度逆运算函数。

边坡长期监测中测斜仪测量数据的修正

针对在边坡长期监测过程中出现的部分测斜数据离散性较大、位移方向不合理的问题,分析了测斜仪的主要系统误差,提出探头角度定位旋转误差是影响现场测量结果的主要误差。通过现场实例,比较修正前后的数据,说明了角度定位旋转误差修正的合理性。

MCV-5000系列激光多普勒干涉仪

MCV-5000系列专为大型五轴机器的空间校验与补偿而设计，静态定位误差、角度误差、旋转轴误差及动态性能皆可测得。