دانلود ترجمه مقاله بکارگیری شبکه عصبی بر اساس خوشه فازی برای مدل سازی خطای حرارتی

1. مقدمه 2. اصول آزمایش و تجهیزات 3. نتایج آزمایش و تحلیل آنها 4. گروه بندی بوسیله خوشه سازی فازی و بهینه سازی برای نقاط اندازه گیری دما 5. مدل سازی شبکه عصبی MIMO 6. اعتبار سنجی مدل 7. نتیجه گیری

چکیده – برای بررسی اثر مشخصات حرارتی یک سیستم محور موتوری بر دقت یک ماشین ابزار، یک مدل خطای حرارتی برای انسباط محوری محور و انحراف زاویه ای حرارتی شعاعی پیشنهاد شد. با ماشین مته کاری مختصات CNC دقیق به عنوان یک قطعه کار، با استفاده از روش پنج نقطه ای برای کالیبره کردن خطای حرارتی سیستم محور با حسگرهای جریان گردابی برای امتداد دادن حرارتی محوری و مقادیر اریب شده حرارتی و دماهای نقاط اندازه گیری با PT100 بدست امدند. روابط بین سرعت دوران و میدان دمایی، خطاهای حرارتی تحلیل شدند. سپس، روش تحلیل خوشه سازی فازی برای گروه بندی و بهینه سازی متغیرهای دما استفاده شد و متغیرها برای حساسیت دمایی خطا انتخاب شدند. در آخر، یک روش شبکه عصبی مصنوعی MIMO برای انبساط حرارتی محوری محور و رانش حرارتی شعاعی پیشنهاد شد. نتایج نشان دادند که دقت تخمین مدل می تواند به 86% با توانایی تعمیم کامل تحت شرایط برش مختلف برسد، و یک مدل تئوری و پارامترهای مشخصات حرارتی برای جبرانسازی خطای حرارتی و طراحی معادله حرارتی فراهم می شود. مقدمه: ماشین مته کاری مختصاتی CNC دقیق، ابزاری برای پردازش اجزاء نوع جعبه ای پیچیده هستند. با این وجود، دقت کاهش می یابد و بسیار کمتر از مقدار طراحی اولیه می شود، هنگامی که ماشین برای دوره مدت طولنی استفاده شود. این امر دقت نتایج اولیه را با گذر زمان بخاطر نگهداری ناکافی و پایداری دقت کاهش می دهد و خطای حرارتی عامل اصلی دقت ناکافی ، که در بر گیرنده 70% از تعداد کل خطاهای بوجود آمده از منابع خطای مختلف است، می باشند. خطای حرارتی مسئول بخش زیادتری از خطای کل است، هنگامی که ماشین ابزار پیشرفته تر شود. علاوه بر آن، مشخصات دینامیک محور نیز بر خطای حرارتی تاثیر می گذارند؛ ژانگ یون یک روش متعادل سازی مبتنی بر طیف هولوگرامی (holospectrum) برای بهبود دقت ماشین کاری پیشنهاد داد. توزیع دمای غیریکنواخت باعث بوجود آمدن خطای حرارتی در ماشین ابزارهای CNC می شود؛ این توزیع غیرخطی و غیرایستاء می شود و با گذر زمان تغییر می کند. تزویج متقابل مکان و قدرت منبع حرارتی، ضریب انبساط و ساختار ماشین ابزار، مشخصه های حرارتی پیچیده ای تولید می کنند. دونمز، پیشنهاد داد که دماهای متغیر خطای حرارتی تولید می کنند و خطای حرارتی عامل بزرگی برای کاهش دادن دقت ماشین ابزار است.

To investigate the effect of the thermal characteristics of a motorized spindle system on the precision of a machine tool, a thermal error model for spindle axial expansion and radial thermal declination is proposed. With precision CNC coordinate boring machine as an object, using the five-point method to calibrate spindle system thermal errors by the eddy current sensors for axial thermal elongation and radial thermal tilted values, and temperatures of measurement points are obtained by the PT100. The relationships between the rotational speed and temperature field, thermal errors are analyzed. Then fuzzy clustering analysis method is used to group and optimize the temperature variables, selecting the variables for thermal error-sensitive. Finally the MIMO artificial neural network approach is established for the spindle axial thermal elongation and radial thermal drifts. The results indicated that the model prediction accuracy could reach 86% with perfect generalization ability under different cutting conditions, providing a theoretical model and thermal characteristic parameters for both thermal error compensation and thermal equilibrium design. Introduction: Precision CNC coordinate boring machine is a tool for processing complex box-type components. However, the accuracy decreases and becomes far lower than the initial design value after the machine is used for a long period of time. This decreased accuracy over time primarily results from inadequate maintenance and accuracy stability, and the thermal error is the main factor for the inadequate accuracy, accounting for 70% of the total number of errors arising from various error sources [1]. Thermal error will account for a larger proportion of total error as the machine tools become more sophisticated. Moreover, the dynamical characteristic of a spindle also affects the thermal error; Zhang Yun proposed a holospectrum-based balancing method to improve the machining accuracy [2]. A non-uniform temperature distribution causes thermal errors in CNC machine tools; this distribution becomes non-linear and non-stationary and varies with time. The mutual coupling of location and strength of the heat source, coefficient of expansion, and machine structure create complex thermal characteristics [3]. Donmez proposed that changing temperatures produce thermal error and thermal error is a major factor for reducing machine precision [4].