-
公开(公告)号：CN109800537B
公开(公告)日：2022-11-18
申请号：CN201910125065.1
申请日：2019-02-20
Applicant: 大连理工大学
Abstract: 本发明提供了一种基于深度神经网络和蒙特卡洛法的机床热误差模型可靠度计算方法，属于数控机床热误差补偿领域。该方法首先根据机床热特性参数的概率分布和热误差模型，生成一组用于训练深度神经网络的数据；然后基于深度置信网络构建深度神经网络，并应用训练数据对其进行训练；接着根据机床热特性参数的概率分布得出一组随机抽样数据，并以该组随机抽样作为输入，应用训练好的深度神经网络得出输出；最后基于蒙特卡洛法计算机床热误差模型的可靠度。对于既没有明确的解析表达式，也很难得出代替多项式的机床热误差模型，通过本方法，可定量分析热特性参数变化对机床热误差模型预测效果的影响，对热误差模型的长期预测效果做出预估。
-
公开(公告)号：CN109623499B
公开(公告)日：2020-08-25
申请号：CN201910100940.0
申请日：2019-01-31
Applicant: 大连理工大学
Abstract: 本发明提供了数控机床几何/热误差在线测量与补偿系统，属于数控机床误差测试与补偿技术领域。该数控机床几何/热误差在线测量与补偿系统包含硬件平台和测量与补偿软件两部分。硬件平台包括单向加速度传感器、数字IC式高精度温度传感器、多通道温度数据采集器和几何/热误差测量与补偿主机。测量与补偿软件在几何/热误差测量与补偿主机中运行，实现机床几何与热误差的测试与补偿，以及与FANUC数控系统通讯。本发明的优点在于通过加速度传感器实现了几何误差的快速高效测试，而不需要昂贵的专业仪器，并可以同时对几何和热误差进行在线实时补偿。
-
公开(公告)号：CN111136509B
公开(公告)日：2021-06-08
申请号：CN202010027781.9
申请日：2020-01-10
Applicant: 大连理工大学
IPC: B23Q17/09
Abstract: 本发明属于刀具状态监测技术领域，提供了一种基于ELM‑SDAE算法的刀具状态监测方法，先通过三向加速度传感器采集加工过程中的振动信号；再采用线性插值的方法对缺失值进行插补，采用朴素随机欠采样和添加白噪声的方法，对数据进行平衡处理，将振动信号进行矢量叠加获取主振动方向的有效值；接着构建ELM‑SDAE网络，采用贪婪逐层方法对网络模型进行训练；最后将实际加工过程中的实时振动经数据预处理后输入ELM‑SDAE网络中，网络输出刀具的当前状态，实现刀具状态的实时监测。本方法减少人工和专家经验的参与，避免训练过程可能陷入局部最优、学习率慢等能导致模型训练失败和泛化能力不足的情况，大幅度缩减网络的训练时间。
-
公开(公告)号：CN108838627B
公开(公告)日：2020-04-28
申请号：CN201810732082.7
申请日：2018-07-05
Applicant: 大连理工大学
IPC: B23P15/00
Abstract: 本发明提供一种用于直观检测立式铣床热误差变化的样件加工方法。立方体工件的上端面和两个相邻侧面为加工面，在冷态和不同热机状态下，在上端面进行一组微小切深的钻孔加工，在两个侧面进行一组宽度固定，高度逐次递减的表面铣削加工。随着机床运行热误差变大，在上端面会形成一组宽度逐渐变大的圆环刀痕，在两个侧面会形成台阶状表面。本发明优点：采用实际加工样件方式进行热误差测量，比空载时进行热误差测试更贴近实际。仅使用一个样件和一把刀具，通过三个加工面的特征可体现机床X、Y和Z三个方向的热误差。根据加工面的特征，通过肉眼就可以观察出机床热误差水平，而不需要任何专业仪器，对于在缺乏仪器时直观对比机床热误差有重要意义。
-
公开(公告)号：CN108803484B
公开(公告)日：2019-11-08
申请号：CN201810731148.0
申请日：2018-07-05
Applicant: 大连理工大学
IPC: G05B19/404
Abstract: 本发明提供了一种机床开关机时热误差补偿系统的智能处理方法，属于数控机床热误差补偿技术领域。针对目前热误差补偿方法在机床热态启动时补偿效果变差的问题，本发明在热误差补偿过程中，以一定的周期记录进给轴和主轴的相关热特性数据。在补偿装置随机床启动时，补偿软件在启动初始化中根据关机时间判断为热态启动还是冷态启动。若为热态启动则根据关机时间及记录的热特性数据计算出进给轴和主轴当前的热状态，并将该热状态作为热误差模型计算的初始值。该策略的优点在于：解决了热误差补偿状态必须在机床冷态时启动的问题，提高了机床热启动时的补偿精度，增加了热误差补偿的适用情况。
-
Patent Agency Ranking
公开(公告)号：CN108857280B
公开(公告)日：2020-02-18
申请号：CN201810731571.0
申请日：2018-07-05
Applicant: 大连理工大学
IPC: B23P15/00
Abstract: 本发明提供了一种用于直观检测卧式车床热误差的样件加工方法，属于数控机床热误差测试技术领域。针对目前热误差测试方法多使用专业仪器且在空载状态下进行，本发明应用一个圆柱形工件和一把外圆车刀，在冷态和不同热状态下对端面和外圆进行一组车削加工。随着机床热误差增大，在工件端面和外圆会形成一组同心圆台。端面同心圆台的高度越大说明在Z方向的热误差越大。外圆同心圆台的宽度越大说明在X方向的热误差越大。本发明的优点在于：采用实际加工样件进行热误差测量，比空载时进行热误差测试更贴近实际。且通过肉眼就可直观观察，不需要专业设备。仅使用一个样件和一把刀具，通过端面和外圆的特征可体现机床X和Z两个个方向的热误差。
-
公开(公告)号：CN108415368B
公开(公告)日：2019-08-13
申请号：CN201810061438.9
申请日：2018-01-23
Applicant: 大连理工大学
IPC: G05B19/401
Abstract: 一种数控机床直线运动轴几何精度快速检测方法，属于数控机床检测技术领域。该方法首先将测量装置安装于直线运动轴，并随着直线运动轴以三种不同速度匀速运动，上层测量系统自动进行多通道采集、存储运动测点加速度数据；然后，基于相同几何误差信号可分解为不同频率分量，对不同测速下加速度信号进行滤波；最后，对滤波后的各加速度数据时域二次积分得到位移数据，并对三种测速下的位移数据进行数据叠加，完成直线运动轴变形计算；通过端点连线法计算直线运动轴的直线度，完成机床直线运动轴的直线度快速测量。本发明具有调试方便、测量效率高、数据处理能力强的优点，可实现机床直线运动轴几何精度的快速测量，设备集成度高、便于实现自动化。
-
公开(公告)号：CN109800537A
公开(公告)日：2019-05-24
申请号：CN201910125065.1
申请日：2019-02-20
Applicant: 大连理工大学
Abstract: 本发明提供了一种基于深度神经网络和蒙特卡洛法的机床热误差模型可靠度计算方法，属于数控机床热误差补偿领域。该方法首先根据机床热特性参数的概率分布和热误差模型，生成一组用于训练深度神经网络的数据；然后基于深度置信网络构建深度神经网络，并应用训练数据对其进行训练；接着根据机床热特性参数的概率分布得出一组随机抽样数据，并以该组随机抽样作为输入，应用训练好的深度神经网络得出输出；最后基于蒙特卡洛法计算机床热误差模型的可靠度。对于既没有明确的解析表达式，也很难得出代替多项式的机床热误差模型，通过本方法，可定量分析热特性参数变化对机床热误差模型预测效果的影响，对热误差模型的长期预测效果做出预估。
-
公开(公告)号：CN111136509A
公开(公告)日：2020-05-12
申请号：CN202010027781.9
申请日：2020-01-10
Applicant: 大连理工大学
IPC: B23Q17/09
Abstract: 本发明属于刀具状态监测技术领域，提供了一种基于ELM-SDAE算法的刀具状态监测方法，先通过三向加速度传感器采集加工过程中的振动信号；再采用线性插值的方法对缺失值进行插补，采用朴素随机欠采样和添加白噪声的方法，对数据进行平衡处理，将振动信号进行矢量叠加获取主振动方向的有效值；接着构建ELM-SDAE网络，采用贪婪逐层方法对网络模型进行训练；最后将实际加工过程中的实时振动经数据预处理后输入ELM-SDAE网络中，网络输出刀具的当前状态，实现刀具状态的实时监测。本方法减少人工和专家经验的参与，避免训练过程可能陷入局部最优、学习率慢等能导致模型训练失败和泛化能力不足的情况，大幅度缩减网络的训练时间。
-
公开(公告)号：CN110561192A
公开(公告)日：2019-12-13
申请号：CN201910855352.8
申请日：2019-09-11
Applicant: 大连理工大学
IPC: B23Q17/09
Abstract: 本发明提供了一种基于堆叠自编码器的深孔镗刀状态监测方法，属于刀具状态监测技术领域。先将两个三向加速度传感器通过磁座分别吸附在深孔镗杆的两个保持架轴瓦外部，在工件内孔的加工进口处放置一个传声器，采集镗削过程中的振动和声信号；再采用限幅值滤波法，对采集到的数据进行数据预处理；然后，构建堆叠自编码器网络，采用贪婪逐层方法，利用预处理后的数据对堆叠自编码器进行训练；最后，将镗削加工过程中的实时振动和声信号经数据预处理后输入堆叠自编码器网络中，网络输出刀具的当前状态。该方法可实现深孔镗刀状态的实时监测。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.024 seconds)
