基于热误差混沌演化的机床运动精度劣化预示
热误差恶化是导致数控机床精度衰退的主要因素之一,提出利用机床热误差的混沌特性揭示隐藏在无序和复杂表象中的温升过程内在规律,对机床运动精度劣化进行早期预示.对机床温度测点历史数据进行混沌相空间重构,用Lyapunov指数证明数控机床温升过程实际为一种具有混沌特性的复杂非线性系统演化运动,从多维空间和视角来辨识系统,挖掘系统中蕴藏的热误差规律;提出一种混沌演化和长短时记忆网络(Chaotic phase space evolution and long short term memory neural,CPSE-LSTM)热误差预测模型,以相空间重构后的混沌温升序列为输入,提取动态混沌时间序列的时空特征,提高机床热误差演化模型在不同条件下的准确性和泛化能;定义温升过程的圆运动重复定位误差,利用机床主轴热误差与圆运动精度的映射关系评估机床的运动误差,对数控机床运动精度衰退进行早期预示.实验结果表明,CPSE-LSTM模型在不同条件下均有较高的预测精度和泛化能力,对机床运动精度的评估值与实测值高度吻合.
热误差预测、运动精度、混沌演化、精度劣化、深度学习
58
TH161
国家自然科学基金;重庆市自然科学基金;重庆理工大学创新基金资助项目
2022-08-30(万方平台首次上网日期,不代表论文的发表时间)
共10页
231-240