论文部分内容阅读
随着现代工业的快速发展，高档数控机床在制造业中已经成为一个不可或缺的重要组成部分，是国家竞争力强弱的标志，对军工、航空航天、汽车、船舶、能源和高科技产业具有非常重要的影响。但随着加工零件的形状越来越复杂与精度要求越来越高，数控机床的热误差问题就慢慢突显出来。研究表明，热变形引起的加工误差占机床总误差的30％-70%，热变形已经成为影响数控机床加工精度的主要原因。本文在综合国内外相关研究的基础上，利用热误差补偿技术，结合遗传算法优化参数的支持向量机回归模型进行热误差补偿建模研究，并通过实验验证其有效性。主要研究工作如下： （1）数控机床热误差与温度采集实验。设计了数控机床热误差实验方案，并对云南机床厂生产的数控车床CX100的结构及热源、东华DH5923动态采集系统、温度传感器和非接触式电涡流位移传感器的原理做了详细分析。 （2）GA-SVM热误差补偿模型的理论研究。对支持向量机的基础知识进行了介绍，重点说明了支持向量机的结构风险最小化原则和各参数对热误差建模的泛化推广能力的影响。最后利用遗传算法对支持向量机回归的参数进行优化，对支持向量机回归模型的进行构建。 （3）不同工况下SVM热误差模型研究。分析支持向量机中高斯径向基核函数的参数、惩罚因子和不敏感损失函数对SVM的精度和推广能力的影响，结合结构风险最小化原则，提出多工况SVM热误差模型的建立。 （4）GA-SVM热误差模型有效性的实验验证。首先对数控车床CX100进行热误差及温度的实时采集，并优化温度测控点，然后利用GA-SVM对热误差进行建模，并与BP神经网络热误差模型进行对比，验证了GA-SVM热误差模型的优越性。