PCA-RPF构成的数控转台精度衰退模型

论文摘要

针对数控转台精度衰退特性缺乏有效的评估方法的问题,提出一种数控转台重复定位精度衰退趋势预测模型,该模型将主成分分析法(principal component analysis,PCA)的多维融合能力与正则化粒子滤波算法(Regularized Particle Filter,RPF)的状态跟踪与预测的能力相结合。将数据驱动的方法引入到数控转台精度模型中,提取采集到的振动数据的时域和时频域特征;通过PCA融合多维特征向量,建立转台精度衰退趋势;在此基础上,利用RPF建立精度失效预测模型,预测精度的剩余寿命(RUL)。模型计算与试验测量的结果表明,该模型能够比较准确地得到数控转台精度失效的预测结果。

论文目录

• 1 引言
• 2 特征向量提取
•   2.1 统计量特征指标
•   2.2 IMF能量提取
•   2.3 主成分分析法融合多维特征
• 3 建立数控转台精度衰退预测模型
• 4 数控转台精度衰退加速寿命试验
•   4.1 试验设备简介
•   4.2 数据处理
•   4.3 结果与分析
• 5 结论

文章来源

类型: 期刊论文

作者: 王刚,陈捷,洪荣晶,王华

关键词: 数控转台,主成分分析法,粒子滤波算法,定位精度,剩余寿命

来源: 机械设计与制造 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 金属学及金属工艺,自动化技术

单位: 南京工业大学机械与动力工程学院,江苏省工业装备数字制造及控制技术重点实验室

基金: 国家科技重大专项(2012ZX04002041),“高档数控机床与基础制造装备”国家科技重大专项(2014ZX04011031)

分类号: TG659

DOI: 10.19356/j.cnki.1001-3997.2019.09.007

页码: 26-29+34

总页数: 5

文件大小: 839K

下载量: 39