论文部分内容阅读
数控机床(Computer numerical control,CNC)的精度直接影响着加工工件的精度,机床本体存在的误差会直接复映到加工形状上,增大加工工件误差。在高精度加工过程中为保证加工质量,对机床运动误差进行溯因就显得尤为重要。近年来,人们对数控机床运动误差的研究主要偏向于数控机床误差辨识、精度检测等方面,却增大了机床的故障停机时间,降低了数控装备的服役可靠性;影响机床精度的因素多样复杂,特定模型只适用于对应类型机床,不具有普遍性。本文提出一种基于混沌特性的数控机床运动误差溯因方法。针对数控机床误差源,采用混沌理论和分形技术,对数控机床不同误差源时的系统非线性表现形式加以研究,利用球杆仪仪器做圆周测量精度运动时产生的圆度误差数据作为一维时间序列,依据小波方法对时间序列降噪后采用C-C方法计算得到时间延迟、嵌入维数等混沌特性参数,对数控机床进行混沌相空间重构。求取Wolf方法下的最大Lyapunov指数,G-P算法下的关联维数,结合功率谱图对比分析表明,数控机床的圆度误差信号在本文时间序列获取方法下呈现混沌特性,并且通过对以上四个混沌特性参数的研究表明,不同圆度误差影响下的参数会有一定差异性,可以用来作为机床状态监测及溯源分析的特征参数。在对机床误差的演化研究方面,发现在不同进给速度下的最大Lyapunov指数随着数控机床精度的降低而增大。最终通过SVM(Support Vector Machine,支持向量机)方法实现了圆运动典型误差溯因网络的搭建,实验结果表明该方法分类识别速度快,准确率较高,并且本文所叙述方法能为数控机床的混沌预测及后续演化分析提供较大的技术支持。本文的研究内容主要分为三个部分:首先是数控机床圆度误差测试及时间序列预处理;通过球杆仪仪器在一定条件下对机床进行圆度误差的实测实验,获取到了应用于混沌特性分析的时间序列数据,利用小波方法进行降噪处理。其次是对机床实测综合圆度误差进行了混沌特性分析,研究了机床在发生综合误差情况下的混沌特性及演化规律,以及典型运动误差所具有的混沌性质特征,包括时间序列功率谱分析、混沌相空间重构等内容,时间延迟、嵌入维数、最大Lyapunov指数和关联维数四种重要混沌表征参数的获取,构建了特征向量,从而实现了机床圆运动误差与特征向量间的映射。最后是数控机床运动误差溯因方法研究,基于SVM方法,以之上四个混沌特性参数的特征向量做为输入,六种典型误差源做为网络输出,搭建溯因网络。通过测试训练,实现了基于混沌特性的数控机床运动误差溯因,结果表明,识别率较高。