基于圖形識別的數(shù)控機床運動誤差快速溯因與推算.pdf

1、運動誤差，作為數(shù)控機床誤差的最終反應，包含了數(shù)控機床的幾何誤差和控制誤差的信息，對數(shù)控機床的加工精度有著重大的影響；如何快速準確的監(jiān)控生產(chǎn)線上運行的數(shù)控機床的運動誤差，對抑制加工產(chǎn)品批量事故的發(fā)生及提高企業(yè)的生產(chǎn)效率具有積極的意義。而當前學者們對于數(shù)控機床精度的研究偏重于檢測、控制與補償?shù)阮I域，對誤差溯源領域的的研究卻較少。已有對誤差溯源的研究多采用誤差建模，方法復雜且依賴數(shù)控機床的結構和類型，適用范圍較小。
　　本文提出利用數(shù)控

2、機床圓運動軌跡的圖形，采用圖形識別相關技術，定義一種新的特征角點并開發(fā)出角點檢測算子，檢測此角點在圓運動軌跡圖形上的分布規(guī)律；將圓周分割為16維，分析各維上可反映該維整體特征的平均半徑和反映局部特征的角點個數(shù)，從而建立可反映圖形特征的三維特征矩陣，并采用支持向量機對特征矩陣到誤差圖形的映射的魯棒性做了驗證，最后結合徑向基函數(shù)神經(jīng)網(wǎng)絡實現(xiàn)運動誤差源溯因網(wǎng)絡的構建，實驗結果顯示該方法識別準確率高，識別速度快，簡便而高效。更開發(fā)了軟件系統(tǒng)，簡

3、潔明了的界面，具有優(yōu)良的友好性。采用本文所述方法尤其適合機床使用企業(yè)在制造過程中的精度溯因與控制，方法經(jīng)濟簡便，具有較大的實際應用價值。
　　本文的主要研究內容分為圖形的角點檢測、圖形特征提取、特征矩陣到誤差圖形映射魯棒性的驗證和綜合誤差溯源網(wǎng)絡的建立三個部分：
　　首先是圖形的識別工作，本文提出一種新的特征角點，采用角點檢測的方法，將采集來的圓運動誤差軌跡圖形經(jīng)過預處理之后再分割為16維，經(jīng)過文中設計開發(fā)的角點檢測器檢測出

4、符合定義的特征角點。
　　其次，研究特征角點在分割為16維的誤差軌跡圖形的分布規(guī)律，計算各維圓周上所有點的平均半徑和特征角點個數(shù)，構建了一個三維特征矩陣，從而建立了誤差圖形與特征矩陣的映射關系。并采用支持向量機對該映射關系進行了驗證，結果顯示支持向量機對實驗樣本的分類效果顯著，表明文中所建立的映射關系魯棒性強。
　　最后，建立基于徑向基函數(shù)神經(jīng)網(wǎng)絡的綜合誤差溯因網(wǎng)絡，以特征矩陣為輸入，各單項誤差源為網(wǎng)絡輸出。經(jīng)過訓練的溯因網(wǎng)