【技术实现步骤摘要】
一种基于社会蜘蛛聚类的电主轴温度测点优化方法
[0001]本专利技术涉及了一种温度测点优化方法,具体涉及一种基于社会蜘蛛聚类的电主轴温度测点优化方法。
技术介绍
[0002]在数控机床和其他精密加工机床中,热误差约占总误差的40%~70%。在实际应用中,高速电主轴作为机床的核心部件,其产生的热量引起的热误差是影响数控机床加工精度的主要因素。一般对电主轴系统进行数据采集需要设置较多的测温点才能全面描述主轴系统的发热情况,且每一个测温点都会带有一定的误差。这些数据点虽然可以全方面地概括电主轴系统各个部分的发热情况,但过多的测量数据会造成电主轴热误差模型输入数据的冗余性,降低模型计算速度的同时也会降低模型的拟合效果和准确度。所以,电主轴温度测点的优化是必须进行的工作。通过减少相关度高以及共线性明显的数据,获得最优质的一部分数据,达到提高热误差补偿效果的作用。
[0003]目前电主轴温度测点优化的方案中,如公开号为CN105022344A的中国专利文献公开了一种数控机床热误差补偿方法,即对数控机床主轴结构建立有限元仿真分析几何模型并作简化处理,根据主轴结构的工作状态及工作环境,加载合理的边界条件,将简化后的几何模型进行热力学和静力学的有限元仿真分析,在分析结果中取出一定数量点的温度以及热变形量,将这些数据用粒子群优化算法(Particle Swarm Optimization,PSO)进行筛选,最终选取最优的测点温度值作为数控机床热误差补偿参数并建立误差补偿模型,实现数控机床热误差补偿。公开号为CN114861879 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于社会蜘蛛聚类的电主轴温度测点优化方法,其特征在于:方法包括如下步骤:1)将若干温度传感器安装在电主轴的外壳的不同预设测点位置处,在空转状态下启动电主轴并驱动电主轴在不同转速下运行,在每个转速下通过各个温度传感器采集各自所在的电主轴的外壳处的温度数据,然后将每个温度传感器在电主轴不同转速下采集的温度数据进行降噪处理获得降噪温度数据;2)将社会蜘蛛算法进行初始化,然后将各个降噪温度数据作为社会蜘蛛算法的初始化样本空间,并使用社会蜘蛛算法优化后的FCM聚类算法进行迭代优化,社会蜘蛛算法输出最优的蜘蛛位置及其隶属度矩阵;3)将最优的蜘蛛位置及其隶属度矩阵进行解码后获得若干降噪温度数据,根据解码后的各个降噪温度数据及其温度传感器所在的预设测点位置,剔除其中共线性高于预设阈值的冗余的预设测点位置,将剩余的各个优化后的预设测点位置作为最终的电主轴温度测点位置,实现电主轴温度测点的优化。2.根据权利要求1所述的一种基于社会蜘蛛聚类的电主轴温度测点优化方法,其特征在于:所述的步骤2)中,将社会蜘蛛算法进行初始化,具体为在社会蜘蛛算法的蛛网上随机生成预定数量|pop|的蜘蛛起始位置,采用基于聚类中心编码,每个蜘蛛的位置都由C个聚类中心组成,故蜘蛛的位置信息的维度为C
×
z,其中z代表初始化样本空间中的各个降噪温度数据的组数;针对每个蜘蛛s,蜘蛛s存在一个存储器,存储器中的信息包括其中,P
s
为蜘蛛的所在位置,f(P
s
)为蜘蛛在位置P
s
时的适应度,为蜘蛛s在上一次迭代时的目标振动,c
s
为蜘蛛s自上一次改变其目标振动之后的迭代次数,w为蜘蛛s上一次迭代时的移动方向,m为蜘蛛s上一次迭代中用于游走的掩码。3.根据权利要求2所述的一种基于社会蜘蛛聚类的电主轴温度测点优化方法,其特征在于:所述的蜘蛛的所在位置P
s
具体如下:其中,p
11
、p
12
…
p
1z
分别表示第1个聚类中心点的第1、2
…
z个分量;p
21
、p
22
…
p
2z
分别表示第2个聚类中心点的第1、2
…
z个分量;p
ij
表示第i个聚类中心点的第j个分量;p
C1
、p
C2
…
p
Cz
技术研发人员:徐月同,陈冲,王郑拓,傅建中,仲柳洲,
申请(专利权)人:浙江大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。