导读:本文包含了热误差论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:误差,数控机床,滚珠,建模,热传导,丝杠,神经网络。
热误差论文文献综述
伍伟敏,孙慧,徐文庆,胡巍,周丽萍[1]（2019）在《基于五轴数控机床的热误差检测研究》一文中研究指出工件加工精度是衡量数控机床工作性能的关键指标,研究如何快速、准确的判断出数控机床产生热误差的机理,并对其进行热误差补偿,对提升工件的加工精确度有着极其重要的意义。近些年,随着我国工业产业的日益发展,对零部件的加工需求也在逐渐扩张,这对数控机床加工业来讲,确是迎来大好发展前景。但是,机床在持续工作中,常因外界环境温度的干扰以及机床自身生成的热量影响,导致机床温度随工作时间的推移而产生非规律性的温度变化,根据金属的热传导特性,机床机构的温度变化势必会造成机床各部件的伸缩或变形,从而导致机床加工精度出现偏差。因此,分析数控机床产生热误差的原因,并对其进行热误差检测,从而达到提高数控机床的加工精度、及减小工件误差的目的。(本文来源于《内燃机与配件》期刊2019年23期）
李彬,张云,王立平,李学昆[2]（2019）在《基于遗传算法优化小波神经网络数控机床热误差建模》一文中研究指出数控机床的热误差已经成为影响其加工精度的一个关键因素,为最大限度提高数控机床热误差补偿的精度和效率,结合遗传算法自适应全局优化搜索能力和小波神经网络良好的时频局部特性的优点,提出一种基于遗传算法优化小波神经网络的机床热误差补偿模型。以某型号五轴摆动卧式加工中心为试验对象,以机床温度变量和热误差为数据输入样本,建立小波神经网络模型热误差预测模型,然后用遗传算法优化小波神经网络权值、阈值,最终建立热误差预测模型。通过与传统人工神经网络和普通小波神经网络进行对比分析及试验论证表明,该补偿模型具有精度高、抗扰动能力和鲁棒性强等优点,有望在实际加工场合的数控机床的热误差预测和补偿研究中得到更大的推广应用。(本文来源于《机械工程学报》期刊2019年21期）
刘明敏[3]（2019）在《基于机械原点偏移原理的数控机床热误差补偿技术应用》一文中研究指出本文采用数控系统原点偏移原理实现数控机床热误差补偿。具体的,本文所用方法首先对系统测量温度敏感点的温度与热误差,然后采用逐步回归分析进行温度敏感点关键点的筛选,采用多元回归分析建立热误差补偿模型,从而进行热误差补偿技术的研究。在选择机床温度敏感点时首先对各温度变量进行聚类,去相关性处理后采用逐步回归分析法进行温度敏感点的选择,然后对温度关键点进行排列组合计算判定系数,最终确定最佳温度敏感点。利用所选择的最佳温度敏感点建立多元回归模型,然后在多个模型中进行热误差补偿分析。结果表明,利用数控系统原点偏移功能,可以实现数控机床热误差补偿功能。(本文来源于《电子技术与软件工程》期刊2019年23期）
袁江,陶涛,邱自学,许凯,任东[4]（2019）在《基于传感标签技术的滚珠丝杠热误差监测与实验》一文中研究指出针对高速滚珠丝杠进给系统热源分布广、有线监测方式布线困难、热误差数据难以获取的问题,设计一种滚珠丝杠热误差在线监测系统。该系统通过传感标签和读写器实现温度数据无线收发,基于LabVIEW开发的上位机系统采用RS232串口对热误差数据实时存储。实验表明该系统测量精度高,运行稳定可靠,适用于丝杠进给系统多热源分布的实时在线测量。(本文来源于《仪表技术与传感器》期刊2019年11期）
张腰,杨庆东[5]（2019）在《基于GS-SVM的数控机床热误差预测研究》一文中研究指出为了提高立式加工中心热误差的预测精度,考虑影响立式机床热误差的主要因素,提出了支持向量机预测热误差预测模型,并用网格搜索算法对支持向量机的参数惩罚因子和核参数进行搜索。通过实验数据分析得出结论,基于GS-SVM模型对数控机床主轴热变形能够进行准确预测,并与BP算法模型进行对比。结果表明GS-SVM主轴热变形预测模型效果优于BP算法预测算法,具有较高的预测精度,为数控机床热误差研究提供参考。(本文来源于《机械工程师》期刊2019年11期）
谢泽兵,阮毅,余宁[6]（2019）在《五轴数控机床热误差检测案例分析》一文中研究指出对机床热误差的检测是为了解机床热误差规律、寻找数据支撑,从而进行误差补偿或减少热误差发生,提高机床精度。通过数控机床的主轴热误差检测案例,简单介绍热误差检测方法及在实际中的运用。案例表明机床不同的热误差源的性质不同,对机床精度的影响也不同,因此实现误差补偿所需建立的模型也就不同,需要热误差检测方法也将不同。机床热误差检测方法的研究为热误差补偿技术的研究提供了前提和基础。(本文来源于《机电工程技术》期刊2019年10期）
[7]（2019）在《基于传感器的热误差补偿技术》一文中研究指出为了进一步提升数控机床的加工精度和一致性,华中数控计划与机床企业充分合作,实施"机床品质提升工程"计划,将华中8型智能数控系统热误差补偿技术应用于数控机床,致力于提高机床加工效率、加工精度和加工一致性,提升机床品质和市场竞争力。(本文来源于《世界制造技术与装备市场》期刊2019年05期）
虞敏,赵建华[8]（2019）在《基于分段建模与自适应分段预测的热误差模型研究》一文中研究指出为了提高热误差模型的预测精度和鲁棒性,对进给轴的热误差随温度变化曲线进行了分析,进而提出对热误差进行分段建模的必要性。在此基础上,针对最小二乘支持向量机高斯径向基核函数泛化能力较弱的缺陷,提出热误差自适应分段预测方法,对温度进行自适应分段处理,将温度控制在热误差模型的预测能力范围内。基于VMC850P立式加工中心进给轴进行试验,验证分段建模和自适应分段预测能够大幅提高热误差模型的预测精度和鲁棒性。(本文来源于《机械制造》期刊2019年09期）
李朕均,赵春雨,闻邦椿,卢泽宸[9]（2019）在《数控机床进给系统热源发热率辨识与热误差预测》一文中研究指出数控机床进给系统具有热源多且各热源发热率时变性强的特点.但以往研究对各热源发热率的时变性关注较小,因此很难实现丝杠温升和热误差的精确预测.本文将Monte Carlo(MC)模拟集成FEM方法捕获到进给系统各热源的发热率,进而确定了各热源发热率占系统总发热率的比例——分配比随系统运行时间的变化规律.然后,基于进给系统各热源的发热率分配比,提出利用进给系统伺服电机的力矩电流计算各热源发热率的方法.最后,基于一维热传导方程的有限差分法,提出了丝杠温升和热误差的数值预测模型,并利用试验验证了模型预测的精确性.(本文来源于《东北大学学报(自然科学版)》期刊2019年09期）
杜柳青,王承辉,余永维,徐李[10]（2019）在《基于深度自编码器的大型龙门加工中心热误差建模方法》一文中研究指出为提高热误差模型的预测能力,提出一种基于深度学习方法的数控机床热误差建模方法。利用模糊聚类法和灰色关联度分析法选取温度变量的热敏感点,采用深度自编码器(Stacked automatic encoder,SAE)网络从选出的输入样本中提取特征,构建特征集,然后使用遗传优化算法(Genetic optimization algorithm,GA)对BP神经网络参数进行寻优,从而提出一种基于SAE-GA-BP的数控机床热误差建模方法。以某大型龙门五面加工中心为实验对象,研究并选择了加工中心加工过程中的主要误差源——主轴热误差进行补偿,对主轴热误差深度学习模型和多元回归模型进行了分析对比。结果表明,在预测精度方面所提出的建模方法优于传统多元回归模型,从而验证了该建模方法的可行性和有效性。(本文来源于《农业机械学报》期刊2019年10期）
热误差论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
数控机床的热误差已经成为影响其加工精度的一个关键因素,为最大限度提高数控机床热误差补偿的精度和效率,结合遗传算法自适应全局优化搜索能力和小波神经网络良好的时频局部特性的优点,提出一种基于遗传算法优化小波神经网络的机床热误差补偿模型。以某型号五轴摆动卧式加工中心为试验对象,以机床温度变量和热误差为数据输入样本,建立小波神经网络模型热误差预测模型,然后用遗传算法优化小波神经网络权值、阈值,最终建立热误差预测模型。通过与传统人工神经网络和普通小波神经网络进行对比分析及试验论证表明,该补偿模型具有精度高、抗扰动能力和鲁棒性强等优点,有望在实际加工场合的数控机床的热误差预测和补偿研究中得到更大的推广应用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
热误差论文参考文献
[1].伍伟敏,孙慧,徐文庆,胡巍,周丽萍.基于五轴数控机床的热误差检测研究[J].内燃机与配件.2019
[2].李彬,张云,王立平,李学昆.基于遗传算法优化小波神经网络数控机床热误差建模[J].机械工程学报.2019
[3].刘明敏.基于机械原点偏移原理的数控机床热误差补偿技术应用[J].电子技术与软件工程.2019
[4].袁江,陶涛,邱自学,许凯,任东.基于传感标签技术的滚珠丝杠热误差监测与实验[J].仪表技术与传感器.2019
[5].张腰,杨庆东.基于GS-SVM的数控机床热误差预测研究[J].机械工程师.2019
[6].谢泽兵,阮毅,余宁.五轴数控机床热误差检测案例分析[J].机电工程技术.2019
[7]..基于传感器的热误差补偿技术[J].世界制造技术与装备市场.2019
[8].虞敏,赵建华.基于分段建模与自适应分段预测的热误差模型研究[J].机械制造.2019
[9].李朕均,赵春雨,闻邦椿,卢泽宸.数控机床进给系统热源发热率辨识与热误差预测[J].东北大学学报(自然科学版).2019
[10].杜柳青,王承辉,余永维,徐李.基于深度自编码器的大型龙门加工中心热误差建模方法[J].农业机械学报.2019
论文知识图
