申请/专利权人：重庆大学

申请日：2021-08-11

公开（公告）日：2024-04-02

公开（公告）号：CN113589757B

主分类号：G05B19/404

分类号：G05B19/404

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.11.19#实质审查的生效;2021.11.02#公开

摘要：本发明公开了一种成形磨削综合误差模型创建方法，包括如下步骤：步骤一：获取磨齿机的误差项：11测量得到磨齿机的与位置相关的几何误差以及与位置无关的几何误差；12针对车身X轴和Z轴建立闭环有限元模型以模拟温度场，通过温度场模拟获取：13建立热误差预测模型，利用热误差预测模型分别预测得到：步骤二：根据多源误差理论，利用磨齿机的几何误差项和热误差项分别建立磨齿机各相邻的系统体之间的误差变换矩阵；步骤三：根据磨齿机的拓扑结构，得到工件与砂轮之间的误差变换矩阵，也即为构建得到成形磨削综合误差模型。本发明还提出了一种磨齿机几何‑热误差控制方法，实现了几何误差和热误差控制，能够显著提高齿面磨削精度。

主权项：1.一种成形磨削综合误差模型创建方法，其特征在于：包括如下步骤：步骤一：获取磨齿机的误差项：11利用测量仪器测量得到磨齿机的与位置相关的几何误差以及与位置无关的几何误差；12针对车身和Z轴建立闭环有限元模型以模拟温度场，通过温度场模拟获取：由车身热误差引起的在X方向和Z方向上的位置误差和由车身热误差引起的在Y方向上的角度误差由Z轴热误差引起的在X方向和Z方向上的位置误差和由Z轴热误差引起的在Y方向上的角度误差13建立热误差预测模型，利用热误差预测模型分别预测得到：由砂轮主轴热误差引起的在X方向和Z方向上的位置误差和由C轴热误差引起的在X方向和Z方向上的位置误差和步骤二：根据多源误差理论，利用磨齿机的几何误差项和热误差项分别建立磨齿机各相邻的系统体之间的误差变换矩阵，得到：工件与C轴之间的误差变换矩阵T32；C轴与车身之间的误差变换矩阵T21；车身与Z轴之间的误差变换矩阵T14；Z轴与立柱之间的误差变换矩阵T45；立柱与回转拖板之间的误差变换矩阵T56；回转拖板与Y轴之间的误差变换矩阵T67；Y轴与砂轮主轴之间的误差变换矩阵T78；砂轮主轴与砂轮之间的误差变换矩阵T89；步骤三：根据磨齿机的拓扑结构，得到工件与砂轮之间的误差变换矩阵：T39＝T32T21T14T45T56T67T78T89其中，T39为工件与砂轮之间的误差变换矩阵，也即为构建得到成形磨削综合误差模型；所述步骤13中，所述热误差预测模型的创建方法，包括如下步骤：131初始化燕鸥优化算法的参数，随机生成燕鸥的初始位置；判断燕鸥的初始位置是否超出预设范围，若是，则将燕鸥的初始位置改为边界；若否，则保持燕鸥的初始位置不变；132创建BTCN神经网络，将燕鸥的初始位置映射为BTCN神经网络的批处理大小和滤波器数量；所述BTCN神经网络的双线性层包括两个BTCN卷积层，令其中一个BTCN卷积层的输出为A1＝a1,…,an，另一个BTCN卷积层的输出为A2＝a'1,…,a'n，则双线性层的融合输出G'为： 对G'取对角元素并进行归一化处理，则得到双线性层的最终输出G；133以热误差数据训练BTCN神经网络后、利用BTCN神经网络预测热误差，以热误差数据的热误差实际值和由BTCN神经网络预测得到的热误差预测值之间的平均绝对误差视为适应度函数；134判断平均绝对误差是否小于设定阈值；若是，则以当前燕鸥位置映射得到的批处理大小和滤波器数量作为BTCN神经网络的最佳超参数；若否，则更新燕鸥优化算法的参数，并将更新参数后的燕鸥优化算法的搜索结果与之前的最优解进行比较，若更新参数后的搜索结果的适应度小于之前的最优解的适应度，则以更新参数后搜索到的位置Pstz+1替换之前最优解的位置Pbestz；135判断迭代次数是否达到最大值，若是，则终止迭代，以平均绝对误差最小时的燕鸥位置映射得到的批处理大小和滤波器数量作为BTCN神经网络的最佳超参数；若否，则迭代次数加1，并将更新后的燕鸥位置映射为BTCN神经网络的批处理大小和滤波器数量后，循环执行步骤133；136以燕鸥优化算法得到的批处理大小和滤波器数量作为BTCN神经网络的最佳超参数，构建得到STO-BTCN热误差预测模型；所述步骤134中，燕鸥优化算法参数的更新方法如下：Cst＝SA*PstzMst＝CB*Pbestz-PstzCB＝0.5*RandDst＝Cst+Mst其中，Pstz是燕鸥的当前位置；z是迭代时间；Cst是燕鸥在不相互碰撞的情况下的位置；CB是一个随机变量；Mst是当前位置向最优位置移动的过程；Pbestz是燕鸥的全局最优位置；Rand是一个介于0和1之间的随机数；Dst是当前位置向最优位置更新的轨迹；SA为避免碰撞的控制参数，且： 其中，Itermax是最大迭代次数；更新燕鸥优化算法参数后搜索到的的燕鸥位置为： 其中：Dθ＝|r6Pbestz-Pstz| r4∈0,360°其中，Pstz+1表示更新参数后搜索到的燕鸥位置；r3,r4,r5和r6表示在[0,1]范围内随机生成的四个参数；a表示常数；Dθ是当前位置与最佳位置之间的距离；所述BTCN神经网络包括至少两层BTCN单元，相邻两层BTCN单元之间采用残差块相连接；所述残差块的表达式为：zi+1＝σTzi+zi其中，zi+1和zi分别是第ith个残差块的输出和输入；σ是relu激活函数；Tzi是第ith个残差块中的非线性变换；所述BTCN单元采用因果卷积和扩张卷积，因果卷积的表达式为： 扩张卷积的表达式为： 其中，其中，Ft是输出；xt-i是输入；fi是滤波器；k是卷积核的大小；d是扩张因子。

全文数据：

权利要求：

百度查询： 重庆大学 成形磨削综合误差模型创建方法及磨齿机几何-热误差控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD