-
公开(公告)号：CN113051832A
公开(公告)日：2021-06-29
申请号：CN202110357140.4
申请日：2021-04-01
Applicant: 重庆大学
Abstract: 本发明公开了一种主轴系统热误差建模方法，包括如下步骤：1)以改进的BA算法构建IBA‑GRU模型的结构；2)以GRU神经网络的时间窗口大小，批处理大小和单元数量作为优化变量，初始化蝙蝠种群；3)采用改进的BA算法优化IBA‑GRU模型；4)将优化得到的最优超参数用于IBA‑GRU模型，得到主轴系统热误差模型并用于预测主轴系统的热误差。本发明还公开了一种主轴系统动态热误差预测系统、热误差控制方法和云雾计算系统。本发明的主轴系统热误差建模方法、误差预测系统、误差控制系统、误差控制方法及云雾计算系统，具有出色预测性能和鲁棒性，能够反映热误差机制并具有自学习能力。
-
公开(公告)号：CN113051831A
公开(公告)日：2021-06-29
申请号：CN202110355462.5
申请日：2021-04-01
Applicant: 重庆大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F17/18 , G06F119/08
Abstract: 本发明公开了一种机床热误差自学习预测模型建模方法，包括如下步骤：1)输入机床热误差数据，初始化机床热误差数据并构建D1:t＝{(x1，y1)，(x2，y2)…，(xt，yt)}；2)构建概率分布模型：yt＝f(xt)+εt；3)最大化AC函数以获得下一个评估点xt+1，并最小化目标函数和真实函数之间的总损失；4)评估目标函数以获得yt+1；5)判断是否达到最大迭代次数：若是，则输出参数集；若否，则将(xt+1，yt+1)添加到概率分布模型内以更新概率分布模型，返回步骤3)并重复上述步骤，直至获得最优解；6)将通过BOA算法获得的最佳超参数用于Bayesian‑LSTM神经网络模型，并使用Bayesian‑LSTM神经网络模型训练自学习误差预测模型，输出预测的热误差。本发明还公开了一种基于数字孪生的机床热误差控制方法。
-
-
公开(公告)号：CN111190390A
公开(公告)日：2020-05-22
申请号：CN202010036593.2
申请日：2020-01-14
Applicant: 重庆大学
IPC: G05B19/41
Abstract: 本发明公开了一种两端轴向约束的轴系统热误差建模方法：根据轴的热传导方程，求解得到在t时刻轴上任意位置处的温度T(x,t)；根据温度T(x,t)，得到依赖于温度的轴向载荷NT，从而得到轴的轴向热伸长量根据两端轴向约束的轴系统的几何关系，建立轴的轴向位移约束方程，得到当轴的径向弯曲量为w时导致的轴向热收缩量Δ；将轴向热伸长量和轴向热收缩量Δ代入所述轴向位移约束方程，求解得到轴的径向弯曲量w的一般解；利用温度T(x,t)修正径向弯曲量w的一般解，得到分解为与位置相关的热误差分量Ep(x,t)和与温度相关的热误差分量ET(x,t)的热误差方程E(x,t)；对热误差方程E(x,t)进行泰勒展开，得到两端轴向约束的轴系统的热误差的精确表达式。本发明还公开了一种轴系统总误差建模方法和轴系统热误差补偿系统。
-
-
Patent Agency Ranking
公开(公告)号：CN119511943A
公开(公告)日：2025-02-25
申请号：CN202411393572.0
申请日：2024-10-08
Applicant: 重庆大学
IPC: G05B19/404
Abstract: 本发明公开了一种倾斜工况下高速精密机床主轴系统热误差预测方法，利用误差机理分析，为在倾斜工况下运行的高速精密机床主轴系统开发了一种全面的热误差补偿方法。热误差被建模为指数函数，取决于稳态热误差、热误差平衡过程的时间常数和工作时间，其推导得到了误差机理分析的支持，通过热‑结构相互作用，用于精确识别稳态热误差和热误差平衡过程的时间常数，将倾斜工作条件的影响纳入轴承的准静态力学模型，解决了轴承发热和轴向和径向刚度的变化。本发明还公开了一种热误差补偿系统。
-
公开(公告)号：CN119337765A
公开(公告)日：2025-01-21
申请号：CN202411393579.2
申请日：2024-10-08
Applicant: 重庆大学
IPC: G06F30/28 , G06F30/23 , G06T17/20 , G06F119/14 , G06F113/08 , G06F119/08
Abstract: 本发明公开了一种精密磨齿机床冷却元件的多目标热‑流拓扑设计优化方法，包括如下步骤：步骤一：定义设计域：将冷却元件展开为平面，定义代表冷却元件几何结构的二维设计域，并采用有限元方法进行离散化；步骤二：数值建模：将冷却元件建模为多孔介质；在层流不可压缩流动的条件下，流体动力学由连续性方程和动量方程的无量纲形式控制；流体‑固体耦合热传递模型由无量纲能量守恒方程进行控制；步骤三：构建目标函数：优化目标被定义为传热和流体耗散功率的加权函数，并构建得到流固传热拓扑优化模型：步骤四：求解目标函数：步骤五：恢复冷却元件形状结构。本发明还公开了一种精密磨齿机床和冷却元件。
-
公开(公告)号：CN114002998B
公开(公告)日：2024-06-14
申请号：CN202111291778.9
申请日：2021-11-03
Applicant: 重庆大学
IPC: G05B19/404
Abstract: 本发明公开了一种齿形磨床几何误差和热误差同步控制方法，包括如下步骤：步骤一：根据齿形磨床的拓扑结构，得到理想状态下的砂轮与工件之间的齐次坐标变换矩阵#imgabs0#步骤二：结合齿形磨床每个运动轴的几何误差分量，得到实际状态下的砂轮与工件之间的齐次坐标变换矩阵#imgabs1#步骤三：结合齐次坐标变换矩阵#imgabs2#和齐次坐标变换矩阵#imgabs3#得到误差矩阵#imgabs4#步骤四：根据齿形磨床的Y轴、A轴、Z轴、X轴和C轴相对于砂轮的微分变换矩阵，分别得到Y轴、A轴、Z轴、X轴和C轴相对于砂轮的微分运动误差矩阵；步骤五：根据Y轴、A轴、Z轴、X轴和C轴相对于砂轮的微分运动误差矩阵，得到综合微分运动误差矩阵；结合误差矩阵#imgabs5#求解得到砂轮几何误差补偿值。
-
公开(公告)号：CN114237154B
公开(公告)日：2023-06-30
申请号：CN202111421117.3
申请日：2021-11-26
Applicant: 重庆大学
IPC: G05B19/404
Abstract: 本发明公开了一种基于ONT‑GCN时空模型的热误差预测模型及其建模方法和霾‑边‑雾‑云误差补偿系统。本发明基于ONT‑GCN时空模型的热误差预测模型，利用LSTMN神经网络捕捉传感器收集的数据的时间依赖性，利用GCN神经网络捕捉拓扑结构的空间特征，可以将捕获的空间特征和时序特征保留在ONT‑GCN单元中；ONT‑GCN单元的独特排序特性允许保留重要的热误差信息，因此，ONT‑GCN单元可以有序地传递热误差的时间和空间特征，从而提高热误差的预测精度。本发明的霾‑边‑雾‑云误差补偿系统，云计算具有强大的计算能力，用于解决耗时问题；通过设置雾计算层和边缘层等分布式计算层，可缓解工业互联网的带宽压力；通过霾计算层以加快信息获取过程，从而以保证系统执行效率和机床的加工精度。
-
公开(公告)号：CN116009396A
公开(公告)日：2023-04-25
申请号：CN202211630038.8
申请日：2022-12-19
Applicant: 重庆大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于动态距离语义超图卷积网络的时空误差预测模型，针对空间信息包含的基于距离的信息和基于语义的信息的两种依赖关系，通过区分距离图和语义图，全面捕获空间行为，包括基于距离和基于语义的热误差信息；另外，采用语义超图卷积可以表征多个传感器节点间的依赖关系，通过构建语义超图捕捉高阶空间行为；采用动态距离图卷积表征传感器网络中传感器节点的位置随时间变化，通过构建动态距离图捕捉动态空间行为；最后，利用最小门控单元结合动态距离图和语义超图，通过动态时空超图卷积捕获热误差的动态高阶时空行为，挖掘热误差的动态时空特征，能够有效提高误差预测精度和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.024 seconds)
