資源描述：
《基于隱馬爾科夫模型的機(jī)床軸承熱誤差狀態(tài)表征.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、2012年9月機(jī)床與液壓Sep．2012第40卷第17期MACHINET0OL＆HYDRAUUCSVo1．40No．17DOI：10．3969／j．issn．1001—3881．2012．17．009基于隱馬爾科夫模型的機(jī)床軸承熱誤差狀態(tài)表征謝鋒云(華東交通大學(xué)機(jī)電工程學(xué)院，江西南昌330013)摘要：熱誤差對工件精度有重大影響。引入HMM對機(jī)床軸承熱誤差表征進(jìn)行實測研究，通過測量軸承的溫度以及軸承的熱誤差，并劃分相應(yīng)狀態(tài)，研究其相關(guān)性，建立相應(yīng)的HMM，并對HMM中相應(yīng)算法進(jìn)行了實例計算。HMM優(yōu)化后，用易于觀測的溫度信號表征難于觀測的熱誤差。結(jié)果表明，該方法表征的熱誤差狀態(tài)與實際測
2、量的熱誤差狀態(tài)一致。關(guān)鍵詞：HMM；溫度；熱誤差；機(jī)床中圖分類號：TH161．5文獻(xiàn)標(biāo)識碼：A文章編號：1001—3881(2012)17—031—4ACharacterizati0nofThermalErrorforMachineToolsBearingBasedonHMMXIEFengyun(SchoolofMechanicalandElectronicalEngineering，EastChinaJiaotongUniversity，NanchangJiangxi330013，China)Abstract：Theworkingaccuracyofmachinetoolsisdec
3、isivelyaffectedbythermaleror．HMMwasintroducedtomakeactualmeasurementresearchtothermalerrorofmachinetoolbearing．Thetemperatureandthermalerrl0rofbearingweremeasuredandthestatesweredivided．AcorrespondingHMMwasestablished，andexamplecalculationsbycorrespondingalgorithmsofHMMwerecal'-riedout．AfterHMMw
4、asoptimized，thermalerrordifficulttoobservecanbecharacterizedbytemperaturesignaleasytoobserve．Theresultsshowthatthethermalerrorstatecharacterizedbythismethodisconsistentwithmeasureone．Keywords：HMM；Temperature；Thermalerror；Machinetools在機(jī)床加工中，熱誤差對加工工件精度有重大的的熱誤差，與更多歷史數(shù)據(jù)結(jié)合，還能對軸承熱誤差影響，相比其他誤差對基礎(chǔ)加工精度影響而
5、言，如J進(jìn)行預(yù)測。PEKLENIK等學(xué)者就提出，熱誤差的影響比例為1隱馬爾科夫模型基本理論與算法40％～70％。因此，要提高工件的加工精度，必須一個HMM通常記為A：(Ⅳ，，仃，A，B)，對機(jī)床的熱誤差作深入的研究。由于熱誤差的直接測其中：Ⅳ表示模型的隱狀態(tài)數(shù)目；M為可能的觀測數(shù)量非常困難，近年來，一些學(xué)者通過有限元、神經(jīng)網(wǎng)目；7r表示初始狀態(tài)概率矩陣；A為狀態(tài)轉(zhuǎn)移概率矩絡(luò)及多元線性回歸法等對熱誤差建模、熱誤差補(bǔ)償及陣，A中的每個元素o表示從狀態(tài)i轉(zhuǎn)移到狀態(tài)的熱變形預(yù)測進(jìn)行了研究，但對熱誤差表征這一基概率，a=P{q?=JsIq：S}，1≤，J≤Ⅳ；B表礎(chǔ)問題的研究很少。示觀察值概率矩
6、陣，中的每個元素bj㈩表示t時刻隱馬爾科夫模型(HMM)由BAUM和PETERIE狀態(tài)出現(xiàn)觀測值的概率，6m)=P{lq=．s，}，在1966年提出，作為馬爾科夫鏈的推廣，是一個雙1≤i，≤Ⅳ；7r=P(q=i)表示時刻1選擇某個狀態(tài)重的隨機(jī)過程，狀態(tài)不能直接觀察，但能通過觀測向的概率。矩陣A的維數(shù)為N×N，B的維數(shù)為N×M。量序列觀察，已成為信號統(tǒng)計處理強(qiáng)有力的工具，在HMM也可簡記為A=(仃，A，B)，一個HMM也正語音識別、生物信息科學(xué)、故障診斷領(lǐng)域取得廣泛的是通過仃、A、曰的不同分布來描述不同的隨機(jī)過應(yīng)用。作者引人HMM對機(jī)床軸承熱誤差表征進(jìn)行實程。測研究，通過測量軸承的溫度以
7、及軸承的熱誤差，并在實際工程中，應(yīng)用HMM必須解決3個基本問劃分相應(yīng)狀態(tài)，研究其相關(guān)性，建立相應(yīng)的HMM，題：并對HMM中相應(yīng)算法進(jìn)行了實例計算。HMM模(1)HMM評估問題。給定觀測序列O=OO?型優(yōu)化后，通過易于觀測的溫度信號來表征難于觀測O，及模型A，求觀測序列概率P(OIA)；收稿日期：2011—08—02基金項目：江西省自然科學(xué)基金資助項目(20114BAB206003)；載運(yùn)工具與裝備教育部重點(diǎn)實驗室資助項目(09JD03)作者簡介
