关节式坐标测量机热变形误差建模及修正研究

论文摘要

随着生产和科学技术的不断发展,现代制造业正朝着高效率、高精度、高质量及高智能等技术方向发展,对精密测量和精密加工提出了越来越高的要求,精密仪器和精密机床等设备的热变形是制约精密测量和精密加工精度进一步提高的主要因素之一。坐标测量机有着近五十年的发展历史,关节式坐标测量机后期发展而来,但由于其精度高、使用灵活、便携和对使用环境要求低等优点,得到了广泛的推广和应用,在我国的需求也与日俱增。关节式坐标测量机可以工作在10℃40℃范围内,其热变形引起的测量误差为该机器的主要误差源之一,要实现测量机高精度测量必需对热变形误差加以修正。本文在关节式坐标测量机测量模型基础上,首次对测量机多温度误差源及误差特性进行了研究,并建立了基于神经网络和神经网络集成的关节式坐标测量机热变形误差修正模型,经实验,这对于减小关节式坐标测量机热变形误差有一定的效果。论文在关节式坐标测量机测量模型和误差模型的基础上,对关节式坐标测量机的热特性进行了较为深入的研究,分析了在内、外热源作用下关节式坐标测量机上关节构件、臂、圆光栅传感器等热变形及对测量产生的影响。特别针对关节构件的热变形导致光栅动、定尺相互位置变化,论文采用傅里叶频谱分析方法,建立包含定动光栅位置姿态参数的光场输出模型,给出了定、动栅不平行时输出光场的数学表达式,并在matlab中进行了仿真,给出了不同偏角下的莫尔条纹误差值和及变化趋势。采用模糊聚类分析方法对关节式坐标测量机热变形误差建模及修正中温度测点进行分类,并确定以其中两个测点为参与建模的最佳温度测点。使用神经网络理论对关节式坐标测量机热变形误差数学建模进行了研究分析,以测头三坐标及两温度测点温度为输入、相对于20℃该点的变化量为输出构建了具有单隐层BP神经网络的关节式坐标测量机热变形误差模型。考虑到测量机位姿对测量误差、温度误差的影响,提出了基于神经网络集成的决策级数据融合热变形误差修正模型,该模型中的两个子网络一个是基于空间坐标点的神经网络----在单一姿态下以测量空间点坐标为输入特征变量的热变形误差神经网络模型;另一个是基于测量机位姿的的神经网络----所选择的有限个空间测量点在不同测量位姿下六个角度为输入特征变量的热变形误差神经网络模型。将两网络数据融合以提高模型的泛化能力。成功研制了关节式坐标测量机数据采集系统,该系统包括六个圆光栅传感器的数据采集、两个温度测点上温度传感器的数据采集及与上位机通信的电路,编制了下位机软件。系统采集的数据作为建模的数据样本。建立了关节式坐标测量机温度实验系统。做了关节式坐标测量机上温度场分布实验;通过对一标准杆件的长度测量,给出了关节式坐标测量机在环境温度改变及内热对测量的影响,通过实验表明了必须要对测量机的热误差进行修正;就模型所需数据样本进行了长时间的测量采集,并用此对所建模型进行训练和仿真。实验结果表明所建模型对关节式坐标测量机热变形误差修正是有成效的,特别是融合模型,可使误差达到原误差的二分之一。

论文目录

• 摘要
• ABSTRACT
• 致谢
• 第1章 绪论
• 1.1 关节式坐标测量机及研究现状
• 1.1.1 关节式坐标测量机测量模型及参数辨识方法研究
• 1.1.2 关节式坐标测量机精度研究
• 1.1.3 关节式坐标测量机结构研究
• 1.1.4 关节式坐标测量机软件研究
• 1.2 热变形误差修正意义及关节式坐标测量机热变形误差修正研究现状
• 1.3 论文主要研究内容
• 第2章 关节式坐标测量机热变形误差
• 2.1 关节式坐标测量机位置误差模型
• 2.2 关节式坐标测量机热特性
• 2.2.1 关节式坐标测量机传热方式和热变形
• 2.2.2 关节式坐标测量机用材料与热特性
• 2.2.3 关节式坐标测量机温度场
• 2.3 关节式坐标测量机热变形误差源
• 2.3.1 杆长的热变形
• 2.3.2 关节构件热变形
• 2.3.3 关节构件热变形导致光栅传感器输出误差研究
• 2.4 基于模糊聚类法的关节式坐标测量机温度测点确定
• 2.4.1 模糊理论基础
• 2.4.2 关节式坐标测量机温度测点确定
• 第3章 关节式坐标测量机数据采集系统研制
• 3.1 关节式坐标测量机数据采集系统结构
• 3.2 关节式坐标测量机数据采集系统设计
• 3.2.1 角度数据采集模块设计
• 3.2.2 温度数据采集模块设计
• 3.2.3 通信模块设计
• 3.2.4 单片机模块设计
• 第4章 基于BP神经网络的关节式坐标测量机热变形误差修正建模
• 4.1 神经网络基本理论简述
• 4.1.1 神经元模型
• 4.1.2 BP 神经网络模型
• 4.2 基于BP 神经网络关节式坐标测量机热变形误差模型
• 4.2.1 热变形误差模型结构及参数确定
• 4.2.2 网络训练和测试
• 第5章 基于神经网络集成的决策层数据融合热变形误差修正模型
• 5.1 问题的提出
• 5.2 数据融合方法
• 5.2.1 数据融合方法
• 5.2.2 数据融合级别
• 5.2.3 神经网络集成
• 5.3 基于神经网络集成的决策层数据融合热变形误差修正模型
• 5.3.1 融合模型的数据的特征提取
• 5.3.2 基于关节式坐标测量机位姿的热变形误差神经网络结构模型
• 5.3.3 基于神经网络集成的决策层数据融合热变形误差修正模型
• 第6章 关节式坐标测量机热变形误差修正实验
• 6.1 关节式坐标测量机热变形误差修正实验系统
• 6.1.1 实验系统建立
• 6.1.2 测量数据预处理
• 6.2 关节式坐标测量机热变形实验
• 6.2.1 环境温度变化对测量机测量的影响
• 6.2.2 测量机自发热对测量的影响
• 6.3 基于空间坐标点的BP 神经网络热变形误差修正模型实验
• 6.4 基于神经网络集成数据融合热变形误差修正模型实验
• 第7章 总结与展望
• 7.1 研究总结
• 7.2 研究展望
• 攻读博士期间发表的论文
• 参考文献