基于ASTUKF的分布式农业车辆路面参数辨识方法

针对分布式驱动农业车辆在路面参数辨识过程中,因路面环境变化出现的状态模型误差和时变噪声,导致辨识结果发散的问题,提出了基于自适应强跟踪无迹卡尔曼滤波(Adaptive strong tracking unscented Kalman filter, ASTUKF)的辨识方法。与传统内燃机农业车辆相比,分布式驱动可以直接获取驱动轮的状态信息,结合含有峰值附着系数和极限滑转率的μ-s曲线模型,建立了无迹卡尔曼滤波(Unscented Kalman filter, UKF)辨识算法的状态方程和量测方程。同时,将强跟踪滤波(Strong tracking filter, STF)和自适应滤波(Adaptive filter, AF)引入辨识算法,用以提高对多变环境的识别精度和鲁棒性,并采用奇异值分解(Singular value decomposition, SVD)解决了迭代过程中出现的非正定矩阵的问题。仿真试验结果表明,在突变噪声环境工况下,ASTUKF辨识结果可以快速收敛至目标值附近,且不受突变噪声的影响,各驱动轮峰值附着系数估计结果的平均绝对误差(Mean absolute error...     

数控机床主轴热误差的测定及研究

针对数控内外圆磨床K-C33的热误差问题,进行了以下工作:(1)把机床电主轴做为分析目标,简单了解了电主轴的结构布置,熟悉了电主轴生热来源和相关解决方法,并对电主轴发热及传热进行了一定的计算,对电主轴热特性进行了一定的分析研究。(2)以实验测得的数据为基础,对实验的4个测点的温度变化进行了详细的分析,并以此来观察温度变化的原因,从而为后续工作提供相关依据。     

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。     

基于非线性预测的机床主轴温升特性快速辨识

提出了一种快速辨识数控机床主轴温升特性的方法,该方法通过基于支持向量机回归的非线性预测技术,利用短时间实际采集主轴的温升数据,预测长达数小时的主轴温升曲线,并辨识出主轴的稳态温度、热平衡时间等温升特性参数。该方法可大大缩短数控机床主轴热平衡试验的时间。试验研究表明基于支持向量机回归的非线性预测方法快速辨识的主轴温升特性与热平衡试验结果相吻合,验证了本文方法的有效性与可行性。     

基于环境温度模型库分段式加权的数控机床热误差建模

针对环境温度变化较大时常用的热误差模型预测精度低的问题,提出了一种基于环境温度的模型库分段式加权的热误差建模方法,以UPM120型数控铣床为实验对象,通过跨季度的7批次数据,完成了环境温度15～35℃的分段式加权模型建模和预测精度分析。结果表明,环境温度变化在5℃以内时,多元线性回归模型的预测精度优于BP神经网络模型、分布滞后模型、灰色理论模型和支持向量机模型,可以将其作为分段式加权模型库中的基础模型。当环境温度变化较小时,基于多元线性回归的分段式加权模型预测精度为1.39μm;当环境温度变化较大时,其预测精度为1.51μm,均远高于单一环境温度样本的回归模型、多环境温度样本的回归模型和泛化能力强的支持向量机模型的预测精度。     

基于注意力机制的时空卷积数控机床热误差模型研究

为了提高数控机床热误差模型的精度与泛化性,提出了基于注意力机制的长短时记忆卷积神经网络(Long short term memory convolutional neural network based on attention mechanism, AM-CNN-LSTM)热误差模型。利用卷积神经网络提取高维数据空间状态特征的能力和长短时记忆网络提取长时间序列状态特征的能力,构建具有2个支路的热误差模型,分别提取特征后输入到注意力机制中进行特征重要性重构,建立原始数据与热误差的特征映射,最后通过全连接层进行热误差预测。采用G460L型数控机床进行实验数据采集,将不同季节采集到的温度数据和热误差作为模型输入,采用循环学习率与正则化优化方法对模型进行训练。与LSTM、ConvLSTM和CNN-LSTM热误差模型对比,结果表明,AM-CNN-LSTM模型对特征还原能力最强,残差波动范围最小,其残差范围较最大值下降62.09%,模型预测精度在2.4μm以内。     

基于LabVIEW的机床加工远程监控系统研究与开发

为了有效实施数控机床加工远程监控,并准确识别机床运行状态,开发了一套机床加工远程监控系统.该系统从数据采集、数据传输到Web远程用户界面都基于LabVIEW编程,用户无需使用或安装程序即可在任何Web浏览器浏览监控数据及机床运行状态.试验结果表明,该系统可对数控机床的各种运行状态实现可靠的监控.     

基于冗余联动的六轴联动数控机床加工轨迹误差优化

针对数控机床实际加工轨迹与理论轨迹存在误差的现象,提出利用六轴联动数控机床冗余联动特点优化该误差的方法。建立了一类六轴联动数控机床的运动学模型,并研究了其冗余联动特点。根据刀具接触点运动规律,以冗余旋转联动轴的运动优化刀具中心点运动轨迹误差和刀具轴线转动轨迹误差,从而实现加工轨迹误差的优化。在实际六轴联动数控机床上进行了抛光加工实验,通过应用所提出的轨迹误差优化算法,减小了抛光过程中的加工轨迹误差,降低了工件表面粗糙度,且保证加工后表面具有较高的均匀一致性,提高了抛光表面质量,从而验证了所提出方法的有效性。     

基于自适应深度学习的数控机床运行状态预测方法

针对机床状态动态标签及差异化分布数据下的预测适应性差与准确度低问题,结合时序特征关系和模型融合方法,建立自适应混合深度学习模型进行机床状态预测.首先,通过融合最小近邻分类器,设计一种基于权值累积的自适应更新法则,建立具有数据自适应性的状态预测模型.在此基础上,提出一种基于中心损失函数的特征距离度量优化策略,构建综合决策...     

基于NNFFC的数控机床进给驱动系统动态性能优化

考虑机械传动环节结构柔性对进给驱动系统整体动态性能的影响,首先构建滚珠丝杠进给系统状态空间模型,在此基础上,基于数字化模块仿真,进一步实现与伺服控制系统的集成建模,并通过实验对集成模型进行了验证。在此基础上,鉴于级联控制及其动态特性非线性特征下伺服控制参数最优值并不固定,通过控制参数值优化选取对进给驱动整体动态性能进行优化具有一定的局限性,提出神经网络自适应电流与速度前馈控制设计策略(NNFFC),基于控制参数时变最优参数组合自适应调节与电流速度前馈,对滚珠丝杠进给驱动动态响应性能进行优化,优化后整体进给驱动系统跟随误差由0.252 6降为0.111 5,干扰峰值由0.019降为0.007 0,上升时间由原来的0.128 3 s减少为0.107 5 s。