基于BP网络的6-UPU开环并联机床误差预测.pdf

基于BP网络的6-UPU开环并联机床误差预测.pdf

ID:52969842

大小:833.02 KB

页数:4页

时间:2020-04-05

基于BP网络的6-UPU开环并联机床误差预测.pdf_第1页
基于BP网络的6-UPU开环并联机床误差预测.pdf_第2页
基于BP网络的6-UPU开环并联机床误差预测.pdf_第3页
基于BP网络的6-UPU开环并联机床误差预测.pdf_第4页
资源描述:

《基于BP网络的6-UPU开环并联机床误差预测.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、2013年4月机床与液压Apr.2013第41卷第7期MACHINETOOL&HYDRAULICSVo1.41No.7DOI:10.3969/j.issn.1001—3881.2013.07.017基于BP网络的6-UPU开环并联机床误差预测韩绍民,赵庆志,辛庆杰,赵森(山东理工大学机械工程学院,山东淄博255049)摘要:以6-UPU教学型并联机床为实验平台,以壳体铝合金零件加工为研究对象,提取加工尺寸误差样本数据,采用BP神经网络建立加工尺寸误差预测模型,通过分析6-UPU教学型并联机床误差,提出实验数据与样本数据的处理原则,全面考虑到加工过程中各种

2、情况。提出的基于BP网络来预测加工误差具有较强的实用性和一定的先进性,能有效提高加工精度,为提高开环数控系统精度提供了新的途径。关键词:BP神经网络;6-UPU教学并联机床;样本;精度中图分类号:TP29文献标识码:A文章编号:1001—3881(2013)7—063—3ProcessingErrorPredictionfor6.UPUParallelMachineToolBasedonBPNeuralNetworkHANShaomin,ZHAOQingzhi,XINQingjie,ZHAOSen(SchoolofMechanicalEngineerin

3、g,ShandongUniversityofTechnology,ZiboShandong255049,China)Abstract:Astudyontheprocessingofanaluminumshellcomponentwitha6-UPUparallelmachinetoolwasmade.ThesampledataofthefinishsizeerrorwereextractedandamodelforthefinishsizeelTorpredictionwassetupbyusingBPneuralnetwork.Throughanaly

4、zingtheerrorof6-UPUteachingparallelmachinetool,theprocessingprincipleoftheexperimentaldataandsampledatawasputforward.wit}loverallconsiderationabouttheprocessingsituations.TheproposedpredictionofprocessingerrorbasedonBPneuralnetworkhasstrongpracticabilityandadvancednature,anditcan

5、effectivelyimprovethemachiningprecision,anditalsopro·videsanewwaytoimprovetheaccuracyoftheopenloopnumericalcontrolsystem.Keywords:BPneuralnetwork;6一UPUparallelmachinetool;Sample;Precision并联机床从本质上解决了串联机床布局上的固有动分支与动平台相连,每个驱动分支通过交流步进电缺陷,它以独特的优点越来越受到人们的重视。然机和滚珠丝杠来改变其长度,从而改变动平台的位置而,由于

6、市场的多样性、专业化以及并联机床的数控和姿态。这是一种六自由度的并联机构,精度问题依系统开发周期长、难度大,现在市场上流行的并联机然是当前并联机床待解决的难题和制约机床商品化和床多采用开环式设计,这就带来了加工精度问产业化的瓶颈问题。影响并联机床精度的误差很多,题。合理地预测加工误差,对于提高并联机床精度有包括并联机床上零部件制造误差、装配误差,加工过重要意义。程中的受力变形、热变形、铰链间隙误差等非线性误目前,应用基于专家系统、模糊技术及人工神经差。网络等的智能技术已成为研究数控加工参数优化选取2试验数据的处理的重要方法。人工神经网络技术的自学习,为解

7、为了提高试验的利用率,必须对离散的试验数据决这一问题提供了新思路,只要事先通过样本训练确进行处理,全面考虑到加工过程中遇到的各种情况。定网络内部各个单元直接的连接权,就可以准确地预这里只选取直线加工后的尺寸为代表来分析尺寸误测出加工误差。差,建立一维输出BP神经网络。如果要研究其他加作者以6-UPU教学型并联机床为实验平台,以工误差,增加网络输出维数即可。铣削壳类铝合金零件为研究对象,借助BP神经网络2.1样本的测量的自学习功能,建立并联机床误差模型,并进行数控(1)用精度为0.02mm的游标卡尺测量铣好的加工实验数据处理与分析。直线槽长度;16一UPU

8、教学型并联机床误差分析(2)用精度为0.02mln游标卡尺分别测量6根6-UPU

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。