基于深度學習和S試件的五軸機床誤差溯源方法研究與實現(xiàn).pdf

1、今年，我國大飛機C919完成首航，航母艦隊投入使用，國人為之自豪。五軸機床在此發(fā)揮了重要作用。五軸機床在切削自由曲面時具備優(yōu)異的性能，廣泛應用于船舶、航空航天、國防軍工等領域。五軸機床在三軸機床基礎上增加了兩個轉動軸，提升加工性能的同時極大增加了機構運動的復雜性，目前國內外對于五軸機床的加工性能測試缺乏相應的評定標準。
　　成都飛機工業(yè)公司根據(jù)國外檢測試件缺陷和實際生產經驗設計出S試件。通過五軸機床切削S試件，能綜合反映機床的加工

2、性能和動態(tài)特性。但目前建立S試件與五軸機床誤差項間的映射函數(shù)較為困難，基于 S試件的機床誤差溯源理論仍然有待完善。
　　深度學習是一種機器學習算法，能夠直接處理圖像等高維結構數(shù)據(jù)，自動建立準確的映射函數(shù)，在多個相關領域的取得成功。本文在現(xiàn)有誤差溯源方法基礎上，參考深度學習在相關任務的應用辦法，提出一種基于 S試件和深度學習的五軸機床誤差溯源方法，對于完善 S試件的機床誤差溯源理論并提高五軸機床的加工性能具有重要意義。具體研究內容如

3、下：
　　1、設計實際刀具位姿切削S試件的仿真算法，建立五軸機床單項誤差與S試件輪廓度誤差的正向映射函數(shù)。包括基于多體理論建立五軸機床空間誤差模型、通過Matlab輔助分析各單項誤差與S件輪廓度誤差的對應關系。
　　2、設計用于擬合S試件與誤差項間映射函數(shù)的深度學習卷積神經網絡結構，特殊改進包括將 S試件三維點云數(shù)據(jù)通過拉伸和投影轉化為三張不同維度的誤差圖，為此設計三通道的結構；誤差數(shù)據(jù)的分布不穩(wěn)定，精度高，采用批量正則化操