資源描述:
《數(shù)控機床加工精度評估技術(shù)的研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、西南交通大學(xué)碩士研究生學(xué)位論文第1頁摘要數(shù)控機床是機械制造業(yè)中的重要設(shè)備,其加工精度直接決定生產(chǎn)零件的質(zhì)量。在國內(nèi)外數(shù)控機床精度測量領(lǐng)域,主要應(yīng)用激光干涉儀與球桿儀離線測量數(shù)控機床精度。本文提出了基于多傳感器信息融合的數(shù)控機床加工精度的理論方法,實現(xiàn)數(shù)控機床加工精度的在線測量。首先,分析了數(shù)控機床的組成結(jié)構(gòu),找出對)jn-r精度有重要影響的關(guān)鍵部件。建立數(shù)控機床的坐標(biāo)系,對比加工過程中刀具的理想軌跡與實際軌跡,得到數(shù)控機床的誤差類型。其次,選擇合適的傳感器、采集卡、信號調(diào)理儀等硬件設(shè)備,確定傳感器的安裝位置,建立數(shù)據(jù)采集硬件平臺,基于LabVIEW
2、編制數(shù)據(jù)采集軟件。最后,由于數(shù)據(jù)采集系統(tǒng)采集到的原始信號中夾雜著大量噪聲以及原始信號比較微弱,因此,對采集到的信號進行放大、濾波處理,再進行時域、頻域以及小波分析,提取信號的特征值。根據(jù)不同工況將得到的特征值輸入至SOM神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練,SOM網(wǎng)絡(luò)輸出聚類結(jié)果。將待檢特征值輸入至已訓(xùn)練的SOM網(wǎng)絡(luò),輸出待檢特征值所歸屬的聚類。試驗結(jié)果表明,所提取的信號特征能反映數(shù)控機床的加工精度,SOM神經(jīng)網(wǎng)絡(luò)可以有效地識別待檢樣本的聚類結(jié)果,可以實現(xiàn)數(shù)控機床加工精度的在線測量,提高數(shù)控機床的加工效率,具有研究價值。關(guān)鍵詞:數(shù)控機床;信息融合;SOM神經(jīng)網(wǎng)絡(luò);精度
3、評估西南交通大學(xué)碩士研究生學(xué)位論文第1I頁AbstractCNCisthekeyequipmentofmachineryindustry,whoseaccuracydeterminesthequalityofpartsdirectly.InthehomeandabroaddetectionfieldoftheCNCaccuracy,Laserinterferometerandball-barwereappliedconstantlytomeasureCNCaccuracyoffline.AtheoryofdetectingCNCroachingac
4、curacybasedonmultisensorfusionWaspresented,whichtodetectCNCmachingaccuracyonline.Firstly,thestructureofCNCwasanalyze吐andthekeypartswhichinfluencetheCNCroachingaccuracywerefound.ThecoordinatesystemofCNCEstablished,contrastidealtrailandrealtrailofthetoolinroachingprocess,atlast,
5、theerrortypeofCNCWasachieved.Secondly,thepropersensor,dataacquisitioncard,signalconditioninginstrumentwereselected,andthepositionswherefixthesensorweredefined.TheplatformofdataacquisitionWasestablished,thesoftwareofdataacquisitionbasedonLabVIEWWascompiled.Atlast,theorginalsign
6、alwasamplifiedandfiltered,becausetherewastoomuchnoiseandthesignalwastooweak,andthenthesisalwasanalyzedintimedomain,frequencydomainandsmallwave.Characteristicsofthesignalwereextracted.ThecharacteristicswereinputtedtoSOMnettotrainingnetwork,andtheSOMnetoutputtedtheclusterresult.
7、Then,samplecharacteristicswereinputtedtoSOMnetwhichhasbeentrained.AndtheSOMnetoutputtedtheclusterwhichthesamplecharacteristicsbelongto.TheresultshowedthecharacteristicswhichwasextractedcouldreflecttheaccuracyofCNC,andtheSOMnetcoulddistinguishtheclusterresult,andrelizingtodetec
8、ttheaccuracyofCNConline,andimprovingworkingefficiencyofCNC.It