基于多元相空間重構(gòu)的數(shù)控機(jī)床運(yùn)動(dòng)精度預(yù)測.pdf

1、精度是數(shù)控機(jī)床的一個(gè)重要性能指標(biāo)。數(shù)控機(jī)床精度直接影響加工零件的精度和質(zhì)量，體現(xiàn)著整個(gè)制造業(yè)的技術(shù)水平和競爭力。我國是數(shù)控機(jī)床消費(fèi)大國，但不是數(shù)控機(jī)床制造強(qiáng)國，需求和制造力處于不平衡狀態(tài)，尤其是高檔數(shù)控機(jī)床。與進(jìn)口數(shù)控機(jī)床相比，國產(chǎn)數(shù)控機(jī)床的精度保持性不高，提高精度保持性是國內(nèi)數(shù)控機(jī)床亟待解決的問題。本文針對數(shù)控機(jī)床運(yùn)動(dòng)精度進(jìn)行了分析和預(yù)測，根據(jù)分析和預(yù)測結(jié)果，可在數(shù)控機(jī)床運(yùn)動(dòng)精度失效之前采取措施減小或消除誤差來源，從而提高產(chǎn)品加工精度

2、，并延長數(shù)控機(jī)床的服役時(shí)間，提高精度保持性。另外還能指導(dǎo)機(jī)床維修工作，防止失修帶來的經(jīng)濟(jì)損失。
　　本文針對數(shù)控機(jī)床的多個(gè)運(yùn)動(dòng)精度特征量時(shí)間序列，基于多元相空間技術(shù)建立運(yùn)動(dòng)精度相空間，將低維時(shí)間序列映射到高維相空間中，恢復(fù)混沌吸引子，揭露復(fù)雜表象后的有序狀態(tài)。引入主成分分析法對重構(gòu)后的相空間進(jìn)行去冗降維，簡化模型結(jié)構(gòu)。然后構(gòu)建小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型，以運(yùn)動(dòng)精度的相點(diǎn)坐標(biāo)為輸入，圓度誤差變化量為輸出，對預(yù)測模型訓(xùn)練學(xué)習(xí)，從而實(shí)現(xiàn)數(shù)控機(jī)

3、床運(yùn)動(dòng)精度的預(yù)測。本文主要的研究工作如下：
　?。?）搭建實(shí)驗(yàn)平臺(tái)測試數(shù)控機(jī)床運(yùn)動(dòng)精度，獲取多個(gè)運(yùn)動(dòng)精度特征量時(shí)間序列數(shù)據(jù)。并通過算數(shù)平均法對數(shù)據(jù)進(jìn)行降噪處理，采用最大李雅普諾夫指數(shù)分析數(shù)控機(jī)床運(yùn)動(dòng)精度序列的混沌特性。
　　（2）重構(gòu)數(shù)控機(jī)床運(yùn)動(dòng)精度相空間。采用C-C算法分別計(jì)算出各運(yùn)動(dòng)精度特征量時(shí)間序列的相空間重構(gòu)參數(shù)。然后通過主成分分析法濾除冗余信息，簡化相空間結(jié)構(gòu)。以運(yùn)動(dòng)精度相空間維數(shù)作為小波神經(jīng)網(wǎng)絡(luò)輸入層神經(jīng)元數(shù)目，

4、避免了試湊法，保證了輸入信息的完備性。
　?。?）構(gòu)建數(shù)控機(jī)床運(yùn)動(dòng)精度小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型。選用Morlet小波作為隱含層神經(jīng)元激勵(lì)函數(shù)，分析并確定小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，給出了預(yù)測模型參數(shù)修正算法，然后通過重構(gòu)后的運(yùn)動(dòng)精度相空間數(shù)據(jù)對預(yù)測模型進(jìn)行訓(xùn)練和預(yù)測。最后根據(jù)預(yù)測評價(jià)指標(biāo)（預(yù)測精度、最大相對誤差、相對均方誤差），對結(jié)果分析評價(jià)。同時(shí)與未降維處理的多元WNN預(yù)測模型、單元WNN預(yù)測模型進(jìn)行比較。
　　實(shí)驗(yàn)結(jié)果表明：基于多元相