针对测量机接触式测头在动态测量过程中精度低这一问题，分析了测头的动态误差来源，并通过标准球的测量实验验证了影响测头动态测量精度的主要因素，其中逼近速率、测杆长度、测端直径是关键的3个影响因素。为了减小测头引起的动态测...针对测量机接触式测头在动态测量过程中精度低这一问题，分析了测头的动态误差来源，并通过标准球的测量实验验证了影响测头动态测量精度的主要因素，其中逼近速率、测杆长度、测端直径是关键的3个影响因素。为了减小测头引起的动态测量误差，引入了RBF神经网络误差补偿模型，从而避免了传统误差模型中复杂的数学关系的推导。在Global Class 9158测量机上对标准球的测量数据建立了训练样本，并对标准环规的测量数据作为测试样本进行误差补偿。测试结果表明经过误差模型补偿修正后测量误差均值从3．5μm减小到1．3μm，并且模型稳定可靠。展开更多
针对数控机床发生故障时多故障源、多变量、强耦合的特点和RBF神经网络结构参数选取依据经验的问题,提出一种融合核主元分析方法(kernel principal component analysis,KPCA)与粒子群算法优化RBF神经网络的数控机床故障诊断方法。首先,...针对数控机床发生故障时多故障源、多变量、强耦合的特点和RBF神经网络结构参数选取依据经验的问题,提出一种融合核主元分析方法(kernel principal component analysis,KPCA)与粒子群算法优化RBF神经网络的数控机床故障诊断方法。首先,对所测信号利用核主元分析方法进行降噪、拨冗余,提取故障特征;其次,利用粒子群算法(Particle swarm optimization,PSO)优化RBF神经网络隐层节点中心和宽度;最后,将经KPCA提取的故障特征作为输入,建立PSO优化RBF的故障诊断模型。通过某数控床伺服系统七种常见故障特征仿真实验,结果表明:与RBF神经网络、PSO优化RBF神经网络相比,融合KPCA和PSO优化RBF神经网络的故障诊断方法不仅提高了网络的训练速度及泛化能力,而且具有更高辨识精度。展开更多
文摘针对测量机接触式测头在动态测量过程中精度低这一问题，分析了测头的动态误差来源，并通过标准球的测量实验验证了影响测头动态测量精度的主要因素，其中逼近速率、测杆长度、测端直径是关键的3个影响因素。为了减小测头引起的动态测量误差，引入了RBF神经网络误差补偿模型，从而避免了传统误差模型中复杂的数学关系的推导。在Global Class 9158测量机上对标准球的测量数据建立了训练样本，并对标准环规的测量数据作为测试样本进行误差补偿。测试结果表明经过误差模型补偿修正后测量误差均值从3．5μm减小到1．3μm，并且模型稳定可靠。
