基于多元混沌时间序列的数控机床运动精度预测

为了解决有限长度且含有噪声时的单元精度时间序列相空间重构中的信息丢失问题,提出了基于多元混沌时间序列的数控机床运动精度预测方法。首先,引入多元相空间技术,将多个精度特征量时间序列映射到高维相空间,建立多元精度状态空间。然后采用主成分分析法,对高维相空间实现降维,去除冗余。最后,构建一种小波神经网络模型,将重构信息输入到预测模型中训练,实现对数控机床运动精度的预测。实验表明,该方法能够很好地分析数控机床运动精度变化规律,比单元混沌时间序列方法有更好的预测效果,且适应性和实用性更强。     

基于时序深度学习的数控机床运动精度预测方法

由于数控机床精度演化规律难以通过数学建模分析,提出了一种基于时序深度学习网络的数控机床运动精度建模与预测方法。基于长短时记忆网络建立时序深度学习预测模型,利用相空间重构原理构建模型时序输入向量,采用多层网格搜索方法选择最优隐含层层数、隐含层节点数等模型参数,以BPTT方法训练模型;模型自动提取运动精度时间序列的时空特征,挖掘精度时间序列前后关联信息,对运动精度变化趋势进行预测。实验结果表明,基于时序深度学习网络的预测模型能够准确预测数控机床精度的衰退趋势,预测的最大相对误差不大于7. 96%,优于传统方法。     

基于混沌理论的降水量预测方法研究

【目的】得到精确度较高的月降水量预测值。【方法】首先利用C-C关联积分法来确定波密站月降水量非线性系统的时间延迟τ和嵌入维数m,再对月降水量时间序列进行相空间重构,并利用小数据量法求取Lyapunov指数来判断月降水量时间序列的混沌特征,然后构建Volterra模型分别进行短期5a和长期15a降水量预测,将其预测小波预测模型和SVR预测模型的预测值对比,最后对Volterra短期预测模型进行叠加预测误差分析和模型推广分析。【结果】Volterra模型对混沌特征明显的月降水量进行短期预测时,其MAPE和EC分别为4.04%和0.941,相比小波和SVR模型来说具有较高的预测精度,同时叠加预测误差较小,其MAPE为7.657%,EC为0.894;而在长期预测时,该模型预测精度不如SVR模型;同时Volterra模型对混沌特征弱的月降水量进行短期预测时,其模型预测效果并不理想,MAPE为54.855%,EC仅为0.566。【结论】该方法能提供精确度较高的降水量预测值,为降水量的预测提供一种新的方法。     

对数控机床精度问题的探讨

社会的进步给数控机床的应用带来了便利,随着机械加工技术的进一步发展,人们对数控机床性能的要求也提出了新的建议。本文主要针对数控机床的精度问题进行探讨,根据影响精度问题的因素进行分析,提出合理的解决方案,进一步推进数控机床的高精度化发展。     

浅谈数控机床精度的检测方法

随着我国制造业的快速发展,数控机床在机械制造业已得到广泛应用,且对数控机床的精度要求也越来越高。如何检测数控机床的精度,成为各行业用户在验收与维护数控机床时非常关注的问题     

关于数控机床的精度检测的探讨

现代数控机床集合了电子计算机、伺服系统、自动控制系统、精密测量系统及新型机构等先进技术,能够加工形状复杂、精密、小批量零件,并且具有加工精度高、生产效率高、适应性强等特点.随着我国制造业的快速发展,数控机床在机械制造业已得到广泛应用,且对数控机床的精度要求也越来越高.如何检测数控机床的精度,正成为各行业用户在验收与维护数控机床时非常关注的问题.     

基于NURBS自由曲面重构的精度分析

通过对NURBS曲面重构技术的理论分析和实验研究,得知自由曲面的控制点数量对曲面重构精度有很大影响。在一定曲率半径时,适当增加控制点数量能减少曲面拟合误差,并使所重构的自由曲面更加光顺;而在相同控制点的情况下,曲率半径越小则精度越高,并用具体实例进行了验证。     

基于CEEMDAN-QPSO-BLS模型的径流预测研究

准确的径流预测是水资源优化配置和高效利用的前提,是制定防洪减灾决策的基础,然而受到人类活动、环境、气候等因素的影响,径流序列呈现出非线性、非稳态、多尺度变化的特点,这为径流的精准预测增加了难度。为提高径流预测的精准度和可信度,结合自适应噪声完备集合经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）方法,量子粒子群优化算法（Quantum Particle Swarm Optimization,QPSO）、宽度学习系统（Broad Learning System, BLS）模型,提出了一种基于CEEMDAN-QPSO-BLS组合式的径流预测模型。该组合模型首先使用CEEMDAN方法对原始径流信号进行分解,得到若干相对平稳的本征模态分量。其次利用QPSO算法对BLS模型的特征层节点组数、增强层节点组数和组内节点数进行寻优,得到最优的宽度学习网络拓扑结构,进而使用最优的QPSOBLS对多个稳态分量进行预测,并对预测分量进行重构,从而获得更高的预测精度。以黄河流域小浪底水库的日径流...     

数控机床强化加工精度的技术措施探讨

数控机床作为机电一体化的加工设备,将数字化电子技术及自动控制有机地整合在一起,加工产品精度高,质量稳定,有效提高了工作效率.技术人员应认真分析数控机床各种问题的影响因素,改进技术措施,强化零件的加工精度,提高企业的经济效益和社会效益.     

基于BP神经网络群结构的风电场短期风速预测

在混沌相空间重构理论的基础上,利用神经网络自学习、自组织和自适应能力,建立神经网络群结构,对短期风速进行组合预测。将相空间重构理论与BP神经网络相结合,作为子网模型,子网由单独BP神经网络预测输出,形成总的拟合网络的训练样本,经典的3层BP神经网络作为最终总的拟合神经网络模型。经过实际算例分析,发现采用神经网络群结构进行预测,预测精度与子网单独预测相比有所提高。这表明本文提出的神经网络群结构可以达到各个子网优势互补,提高预测精度的效果。     

基于图形识别的数控机床误差溯因方法

针对数控机床误差溯因方法复杂且适应性差的问题,提出了基于数控系统圆检测图形的特征角点分布规律,并与神经网络相结合实现对机床运动误差的快速溯因方法。首先,提取所生成圆图形的特征角点,构造反向间隙、周期误差等特征矩阵;然后结合神经网络将低维特征矩阵映射至高维特征空间,实现对数控机床误差的快速溯因。实验表明,该方法简单有效,误差识别准确率较高,且具有较强的通用性。     

基于BP神经网络的鲜鸡蛋货架期预测模型

为研究不同温度范围内鸡蛋的品质变化及货架期,通过实验室模拟,检测了鲜鸡蛋在5、25、35℃条件下的哈夫单位值、蛋黄系数等理化指标,分别构建了同等实验条件下的鲜鸡蛋货架期动力学预测模型和BP神经网络预测模型,并选取5、25、35℃温度下共6组数据进行模型验证。结果表明,基于BP神经网络的鲜鸡蛋货架期模型预测精度达到95.93%,动力学模型预测精度为90.79%,BP神经网络能更精确地预测鲜鸡蛋在5~35℃贮藏温度范围内的货架期。     

基于ADAMS的精密播种机的运动仿真研究

介绍应用Pro/E软件和ADAMS软件联合进行精密播种机单体虚拟制造和运动仿真的过程。首先应用Pro/E的参数化设计功能建立各零部件三维实体模型,通过约束装配,完成精密播种机单体的虚拟制造过程。利用接口软件Mech/Pro将模型导入ADAMS后进行运动仿真。仿真结果表明,平行四杆仿形机构仿形效果好,满足精密播种机对播深控制的要求,提高了设计效率和准确性,为精密播种机的系列化设计和制造奠定基础。     

拖拉机驾驶机器人换挡机械手运动分析

针对小型四轮农用拖拉机变速箱换挡阻力呈现时变、非线性特性,且换挡后需要松开换挡杆的特殊要求,设计了拖拉机驾驶机器人换挡机械手,该机械手为关节型结构,采用D-H方法建立机械手坐标变换矩阵,对机械手进行运动学分析,并通过拉格朗日动力学方程建立简化机械手的动力学模型。利用Solid Works建立换挡机械手虚拟样机模型,并采用多体动力学仿真软件ADAMS进行运动学和动力学仿真;为保证换挡平顺性,设置机械手末端执行器与拖拉机变速杆端部间位移小于50 mm为约束条件,将换挡过程中末端执行器抖动速度绝对值最小作为目标函数进行参数优化,当换挡机械手长度为220.0 mm、末端高度为393.25 mm时目标函数最优,此时机械手末端执行器抖动速度平均值较优化前减小28.18%,位移和加速度平均值变化率分别为49.55%和52.05%,位移、速度和加速度的峰值变化率分别为60.22%、66.24%和81.66%,通过仿真初步验证了所提机械手参数优化及所建模型的合理性和科学性。最后,在JINMA 300E型拖拉机上对优化后的换挡机械手进行实验研究,实验结果表明机械手可实现不同挡位的换挡动作,平顺性好,并可模拟拖拉机驾驶员换挡完成后对变速杆的松手动作,有良好的工程和应用价值。     

基于相空间重构与奇异值分解的刀具磨损信号降噪方法研究

在机械故障诊断过程中实测信号通常是非平稳,非线性的含噪信号,针对这一特点提出了基于相空间重构的奇异值分解降噪方法。此方法根据时延嵌入理论对采集的时序信号进行相空间重构,由自相关法和Cao方法分别求时延和嵌入维,对重构的坐标矩阵进行奇异值分解,分析奇异谱特点,分离有用信息和噪声平台,对信号进行降噪。重构的相空间同时也构造了动力系统吸引子,吸引子的相空间轨迹可以直观反映去噪效果。通过对MATLAB环境下的bumps信号和实际采集的刀具磨损声发射信号进行验证。结果表明,该方法降噪效果比较明显。     

基于任务的乘员信息处理能力研究

为解决装甲乘员信息处理能力难以测量评估的问题,对乘员信息处理能力分析方法进行了研究。分析了信息处理模型和IMPRINT分析方法特点,提出了基于任务的乘员信息处理能力研究方法,并以信息录入任务为例分析了不同乘员的信息处理能力,探究绩效差异的原因。实例分析结果表明,基于任务分析乘员信息处理能力是有效的,该研究方法可行,可作为装甲乘员信息处理能力的研究手段。     

基于数码相机的样木胸径获取方法

胸径测量是评价立地质量和林木生长状况的重要依据之一。利用普通数码相机对待测样地进行上下方向的任意摄影,并在林地中测量任意一段物体长度以便在解算中反推摄影基线,恢复摄影区域的真实空间比例关系,实现在图像上测量样地样木胸径和树心坐标的位置。该研究以摄影测量的理论为基础,以同名光线和摄影基线共面为条件,针对林业摄影测量的局限性,建立以垂直地面方向为主方向的摄影测量方式,实验分析验证测量算法的有效性,以Microsoft Visual Studio为开发平台,编制地面立体摄影测量系统软件,对5组样地25株立木进行测量计算,实验表明,采用普通数码相机测量样木胸径的精度高,25棵样木的平均绝对误差为0.29 cm,平均相对误差为1.99%,符合国家森林资源连续清查中关于胸径测量的精度要求,该方法在森林资源调查中具有实际的应用前景。     

PLC在机床电气控制中的应用

PLC是以电顺序的控制为基础的,以微处理器为核心的一种自动控制的装置.随着PLC在网路通信和数据处理发面的发展和完善,其扩展性更强,组态更加灵活,控制的可靠性更强,且其所具有的功能完善、体积偏小、速度快捷、维护方便的特点在实际生产中的应用也更广泛.文章就从PLC在机床电气控制中的应用进行探析.     

基于视觉导航的割草机器人运动控制

以割草机器人为研究对象,重点进行了草地识别和非接触避障两方面的研究,提出了基于视觉导航的割草机器人运动控制策略。并对割草机器人进行了场地试验,试验测试表明各控制方案相对有效,能够有效解决实际问题,对于智能割草机器人控制应用领域具有重要价值。      

基于模糊控制的播种机精密单体播深控制仿真研究

为了提高播种机单体播深控制的精度和速度及研究播种机作业过程中土壤的变化规律,设计了一种新的播种机单体控制系统,在播种自动化控制环节中引入了模糊算法和PID闭环控制,建立了播深模糊控制的数学模型,并通过多软件联合仿真的方式对控制系统进行了仿真实验,验证了算法的有效性和可靠性。利用MatLab线性回归算法得到播深和施加力的线性回归方程,通过播深的反馈调节对施加力进行模糊控制,使用Mat Lab模糊控制工具箱设置了控制参数,最终实现播种机精密PID闭环控制。应用Pro/E软件设计了精密播种机三维参数化模型,将模型导入到ADAMS软件中进行了运动仿真,将结果和Mat Lab计算得到的结果进行对比发现:其误差小于10%,说明仿真结果是可靠的。