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(huì)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(kù)。
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(duì)工件精度有重大影響。引入HMM對(duì)機(jī)床軸承熱誤差表征進(jìn)行實(shí)測(cè)研究，通過(guò)測(cè)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(duì)HMM中相應(yīng)算法進(jìn)行了實(shí)例計(jì)算。HMM優(yōu)化后，用易于觀測(cè)的溫度信號(hào)表征難于觀測(cè)的熱誤差。結(jié)果表明，該方法表征的熱誤差狀態(tài)與實(shí)際測(cè)
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(hào)：TH161．5文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：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(duì)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(duì)軸承熱誤差影響，相比其他誤差對(duì)基礎(chǔ)加工精度影響而
5、言，如J進(jìn)行預(yù)測(cè)。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(gè)HMM通常記為A：(Ⅳ，，仃，A，B)，對(duì)機(jī)床的熱誤差作深入的研究。由于熱誤差的直接測(cè)其中：Ⅳ表示模型的隱狀態(tài)數(shù)目；M為可能的觀測(cè)數(shù)量非常困難，近年來(lái)，一些學(xué)者通過(guò)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(duì)熱誤差建模、熱誤差補(bǔ)償及陣，A中的每個(gè)元素o表示從狀態(tài)i轉(zhuǎn)移到狀態(tài)的熱變形預(yù)測(cè)進(jìn)行了研究，但對(duì)熱誤差表征這一基概率，a=P{q?=JsIq：S}，1≤，J≤Ⅳ；B表礎(chǔ)問(wèn)題的研究很少。示觀察值概率矩
6、陣，中的每個(gè)元素bj㈩表示t時(shí)刻隱馬爾科夫模型(HMM)由BAUM和PETERIE狀態(tài)出現(xiàn)觀測(cè)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(gè)雙1≤i，≤Ⅳ；7r=P(q=i)表示時(shí)刻1選擇某個(gè)狀態(tài)重的隨機(jī)過(guò)程，狀態(tài)不能直接觀察，但能通過(guò)觀測(cè)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(hào)統(tǒng)計(jì)處理強(qiáng)有力的工具，在HMM也可簡(jiǎn)記為A=(仃，A，B)，一個(gè)HMM也正語(yǔ)音識(shí)別、生物信息科學(xué)、故障診斷領(lǐng)域取得廣泛的是通過(guò)仃、A、曰的不同分布來(lái)描述不同的隨機(jī)過(guò)應(yīng)用。作者引人HMM對(duì)機(jī)床軸承熱誤差表征進(jìn)行實(shí)程。測(cè)研究，通過(guò)測(cè)量軸承的溫度以
7、及軸承的熱誤差，并在實(shí)際工程中，應(yīng)用HMM必須解決3個(gè)基本問(wèn)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(duì)HMM中相應(yīng)算法進(jìn)行了實(shí)例計(jì)算。HMM模(1)HMM評(píng)估問(wèn)題。給定觀測(cè)序列O=OO?型優(yōu)化后，通過(guò)易于觀測(cè)的溫度信號(hào)來(lái)表征難于觀測(cè)O，及模型A，求觀測(cè)序列概率P(OIA)；收稿日期：2011—08—02基金項(xiàng)目：江西省自然科學(xué)基金資助項(xiàng)目(20114BAB206003)；載運(yùn)工具與裝備教育部重點(diǎn)實(shí)驗(yàn)室資助項(xiàng)目(09JD03)作者簡(jiǎn)介
