数控机床主轴优化设计专家系统研究

为了提高数控机床的加工精度并促进制造业升级发展,对数控机床主轴优化设计专家系统进行了研究。基于当前丰富的数控机床主轴设计经验、机械动力学、优化方法和模糊逻辑理论,构造了主轴传动方式模糊优选法。以提高数控机床主轴的动静态性能为优化目标,通过灵敏度分析法选择设计变量,建立主轴结构多目标优化设计的数学模型,并提出一种渐进优化算法用于模型求解,得到一种新的主轴结构优化设计方法。将主轴传动方式模糊优选法和主轴结构优化设计方法进行集成,从而形成一套数控机床主轴优化设计专家系统。以一种精密数控机床主轴的多目标优化设计作为应用案例,将优化设计结果与实际情况和实验结果进行对比分析,验证了所构造的数控机床主轴优化设计专家系统的可行性。

选择高速钢刀具材料的专家模糊聚类算法

在加工中心数控系统内开发的选刀专家系统中应用模糊聚类分析法，结合选刀专家系统，提出了一套新的用于选择高速钢刀具材料牌号的模糊聚类分析模型和算法。实践证明，这种方法适用面广，易于扩充，简单、有效，具有一定的理论意义和较高的实用价值，为选刀专家系统的进一步开发打下了坚实的基础。

基于IFCM-GRA的空间多维热误差温度测点优化

热误差是精密、超精密加工中主要的误差源之一,热误差温度测点优化是热误差补偿的关键问题.在机床空间多维布置的大量温度测点之间存在多重相关性,从众多测点中选取特征点的优劣程度,将直接影响到热误差补偿效果.通过对温度测点间多重相关性及温度与热误差关系的综合分析,采用改进的模糊C-均值(IFCM)聚类算法对温度测点进行聚类,以减小类与类之间温度测点的相关性,且避免FCM算法对初始聚类中心敏感易局部收敛的缺点.对温度测点按灰色关联分析(GRA)中的灰色综合关联度进行排序,从变化量和变化率的角度综合反映温度与热误差的关系.采用IFCM-GRA对温度测点进行优化,提高了热误差模型的鲁棒性及准确性,使温度测点数量大幅度减少.在某型号精密卧式加工中心上进行实验,温度测点从17个减少到4个.在不同转速下,利用多元线性回归对优化出的温度测点与热误差建立模型,所建立模型均能很好地预测热误差变化情况,经对预测模型分析,轴向热误差由几十微米减小到5μm以内.

大型数控成形磨齿机热误差建模及补偿

基于大型数控成形磨齿机热误差是影响齿面加工精度的重要因素,通过建立磨齿机热误差实验平台,研究砂轮与工件轴的径向热误差随温度变化的关系。结合模糊聚类法基本原理和最小二乘法理论,建立砂轮与工件轴的径向热误差补偿模型,并将补偿模型的计算值与实验检测值进行对比。进行热误差补偿加工实验,验证热误差补偿模型的准确性与可靠性,揭示成形磨齿机热误差与温度之间的关系。研究结果表明:该误差模型的补偿精度高、可靠性好,与实验测量值的相对误差小于2.000%,可有效提升齿面整体加工精度(ISO)3级以上。

基于模糊综合评判的数控刀具材料优选

数控刀具材料与待加工材料之间存在着力学、物理和化学等性能的匹配问题,所以需要为某一具体条件下的加工对象选择一种合适的切削刀具。应用模糊数学理论中模糊综合评判这一重要方法可合理选择数控刀具材料,并以二级模糊综合评判来实现数控刀具材料的优选。

采用天鹰优化卷积神经网络的精密数控机床主轴热误差建模

针对数控机床因主轴热误差而严重影响加工精度等问题,结合求解最优解能力强的天鹰优化算法(AO)以及自学习和自适应能力强的卷积神经网络(CNN),提出一种采用AO-CNN的数控机床主轴热误差模型。根据磨齿加工过程特点,总结磨齿机主轴系统热变形规律,确定了X方向热误差为影响齿轮加工的主要因素;利用模糊C均值聚类(FCM)和相关系数法筛选出关键温度点;利用AO算法优化CNN结构的卷积核,并且建立AO-CNN的数控机床主轴X方向热误差预测模型。在2种不同转速的工况下对所建立模型的性能进行了验证,结果表明,采用AO-CNN进行热误差建模,数控机床X方向的热变形预测精度相比于CNN模型提高了15%,具有更加优越的预测精度。

数控机床温度测点优化

通过模糊聚类分析方法将不同位置测点的温度按特征进行归类,用热误差敏感度分析方法从每一类别中选出一个最优测点组成最优测点组合,实现数控机床温度测点优化,并利用最小二乘法进行多元线性回归分析对机床热误差进行建模,与实验对比,验证了此温度测点优化选择方法的有效性。

数控机床的热误差建模与补偿研究

数控机床的热变形误差是影响其加工精度的主要因素。针对当前机床热误差难以解决的问题,提出一种融合模糊聚类理论、灰色关联理论和多元线性回归理论的热误差建模及补偿原理,通过应用于实验室自主研制的AGPM,经机床温度场的测点优化分析、多元线性回归求解,建立了精确的热误差补偿模型。经补偿验证,该原理理论正确、简单易行、稳定可靠,可以大幅减小机床的热变形误差。

刀具材料物理机械性能的模糊聚类分析

采用模糊聚类分析的方法，对刀具材料的物理机械性能进行研究．研究结果表明，应用该方法可以合理地评价刀具材料在物理机械性能方面的亲疏关系，其结果客观、准确、可靠，从而为在纺织机械和纺织器材制造中刀具材料的选择决策提供了一种新方法，同时也为切削条件的优化提供了必要的依据．

基于LSTM循环神经网络的数控机床热误差预测方法

针对传统热误差预测中忽略了机床历史累积温度状态与机床热误差之间的关联关系,提出一种基于长短期记忆(LSTM)循环神经网络的数控机床热误差预测方法。LSTM循环神经网络可以有效利用机床当前时刻和历史时刻的温升数据来表征更加符合机床热变形机制的热误差。以一台精密卧式加工中心为例,首先进行热误差实验,然后利用模糊c均值(FCM)聚类算法从20个温度点中筛选出4个关键温度点,再以其温升数据为输入热误差数据为输出建立LSTM循环神经网络热误差预测模型。最后,在不同工况下与传统热误差预测模型进行预测性能对比分析,结果表明所提热误差预测方法预测精度最高提高约52%,具有更加优越的预测精度和泛化性能。

基于模糊C-means聚类的数控机床热误差补偿控制

数控机床在受热条件下产生热误差,降低了数控机床的稳定性。因此,提出基于模糊C-means聚类的数控机床热误差补偿控制方法,构建数控机床的输出工况信息采集模型,利用热力学传感器采集数控机床热动力学参数,对热误差相关性约束参数进行自整定控制,采用模糊C均值聚类方法实现对数控机床热误差约束参数的特征聚类处理。通过提取数控机床热误差补偿的高雷诺数信息分量,在不同的驱动响应控制模型下采用误差反馈补偿方法,实现对数控机床的气动扰动和流场分析,根据模糊C-means聚类结果,实现对数控机床热误差补偿控制。仿真结果表明,采用该方法进行数控机床热误差补偿的输出稳定性较好,误差补偿能力较强,提高了数控机床的加工精准度水平。

基于RAMS的数控机床综合评价方法研究

数控机床作为航空航天、海洋船舶和轨道交通等现代工业的制造母机,其结构庞杂,功能系统强耦合,运行工况多变,尤其是近年来其在高速、高精和智能化方向的迅猛发展,使得其安全可靠性已成为制约行业发展的关键共性问题。而传统的数控机床评价方法多从可靠性或维修性等单维度进行分析,导致评价结果的片面化和局限性,难以满足全方位分析评价的要求。基于可靠性、可用性、维修性和安全性(Reliability,availability,maintainability,safety,RAMS)理念,从可靠性、维修性、安全性和可用性等多维度入手分析,提出了数控机床多维度评价指标,结合故障总时间法、韦布尔比例失效率模型、灰色聚类法、模糊理论和层次分析法等方法理论,建立了数控机床RAMS综合评价方法。以数控机床电主轴功能部件为例,验证了RAMS综合评价方法的有效性。