基于经验模态分解方法的曲面加工误差补偿

doi:10.13196/j.cims.2019.10.019

计算机集成制造系统 ›› 2019, Vol. 25 ›› Issue (第10): 2616-2622.DOI: 10.13196/j.cims.2019.10.019

基于经验模态分解方法的曲面加工误差补偿

陈岳坪,谌炎辉⁺,汤慧,葛动元

广西科技大学机械与交通工程学院

出版日期:2019-10-31 发布日期:2019-10-31
基金资助:
国家自然科学基金资助项目(51565006,51765007);广西自然科学基金资助项目(桂科自2018GXNSFAA050085);2016年广西高校高水平创新团队及卓越学者计划资助项目;广西科技大学创新团队支持计划资助项目;广西高校重点实验室主任基金资助项目(2014JZKG005)。

Compensation for machining errors of surfaces based on empirical mode decomposition

Online:2019-10-31 Published:2019-10-31
Supported by:
Project supported by the National Natural Science Foundation,China(No.51565006,51765007),the Natural Science Foundation of Guangxi Province,China(No.2018GXNSFAA050085),the Science Research Innovation Team Program of Guangxi Provincial Education Department,China,the Science Research Innovation Team Program of Guangxi University of Science and Technology,China,and the Guangxi Key Laboratory Director Foundation,China(No.2014JZKG005).

摘要/Abstract

摘要： 采用误差补偿技术对曲面的加工误差进行补偿是提高该类零件加工精度的有效方法。针对加工误差进行经验模态分解,将加工误差分解为若干个固有模态函数(IMF)和一个res趋势项函数。根据系统误差的特征,趋势项函数中一定存在系统误差,利用自相关分析法和频谱图对固有模态函数分析是否存在周期性变化系统误差,最终分解出系统误差和随机误差。搭建了数控机床在线检测的实验平台,实现了曲面零件的系统误差补偿。通过一个曲面零件的加工实验表明,补偿加工后的曲面精度提高了86.0%。仿真算例和实验结果表明,基于经验模态分解方法的加工误差补偿能有效提高曲面零件的加工精度。

关键词: 曲面, 经验模态分解, 加工误差, 误差分解, 误差补偿

Abstract: To improve the machining accuracy of surfaces,the method of Empirical Mode Decomposition (EMD) was applied to decompose machining errors into one or several Intrinsic Mode Functions (IMF) and a residue considered as the trend of signal.According to the characteristics of system errors,the residue included system errors undoubtedly.The methods of autocorrelation and spectral analyses were used to justify whether there were system errors with periodic variation,and the machining errors were decomposed into system errors and random errors.An experimental platform was built to perform the system error compensation.Taking a component with a complicated surface as an example,the machining accuracy was increased by 86.0%.It was verified that the machining error compensation based on EMD could effectively improve the machining accuracy of surfaces.

Key words: surface, empirical mode decomposition, machining error, error decomposition, error compensation

中图分类号:

TP391

陈岳坪,谌炎辉,汤慧,葛动元. 基于经验模态分解方法的曲面加工误差补偿[J]. 计算机集成制造系统, 2019, 25(第10): 2616-2622.

[1]	李学兵,胡天亮,刘忠强,马嵩华. 基于工件特征的曲面生成优化方法[J]. 计算机集成制造系统, 2021, 27(8): 2196-2203.
[2]	林俊义,吴雷,杨梅英,张雪枫,江开勇. 大型自由曲面零件的机器人视觉快速定位方法[J]. 计算机集成制造系统, 2021, 27(7): 1951-1958.
[3]	孙殿柱,沈江华,汪思腾,李延瑞,林伟. 复杂型面点云的法向特征聚类分级估计方法[J]. 计算机集成制造系统, 2021, 27(5): 1440-1446.
[4]	谭高山,张涛,张丽艳,李博. 基于动态精度评估机制的自适应定位方法[J]. 计算机集成制造系统, 2021, 27(12): 3550-3558.
[5]	张壮雅,赵珂,李跃松,段明德. 基于体素和三周期极小曲面的骨支架多孔结构设计[J]. 计算机集成制造系统, 2020, 26(第3): 697-706.
[6]	徐静,董雁. 基于等参数线的B样条曲面类型识别方法[J]. 计算机集成制造系统, 2020, 26(第2): 437-448.
[7]	郭景浩,张立强,王勇,刘钢. 基于非参数误差模型的镜像铣同步精度补偿[J]. 计算机集成制造系统, 2020, 26(7): 1756-1762.
[8]	吴继春,王笑江,周会成,方海国. 双转台五轴数控机床的非线性误差补偿[J]. 计算机集成制造系统, 2020, 26(5期): 1185-1190.
[9]	吴易泽,张旭. 基于集合经验模态分解和奇异谱分析的曲线光顺算法[J]. 计算机集成制造系统, 2020, 26(12): 3258-3267.
[10]	肖建新,张辉,李炳燃,李国林. 基于改进圆弧转接的直线段连续过渡算法[J]. 计算机集成制造系统, 2019, 25(第9): 2248-2255.
[11]	吴玉香,王鹏. 基于曲线长度自调整速度方程的非均匀有理B样条插补算法[J]. 计算机集成制造系统, 2019, 25(第9): 2256-2264.
[12]	成国庆,周炳海,李玲. 劣化系统的生产、质量控制与视情维护联合建模与优化[J]. 计算机集成制造系统, 2019, 25(第7): 1620-1629.
[13]	施群,吕雷,谢家骏,陶佳安. 基于自由曲面有向Voronoi区域划分算法的机器人加工刀轴低摆振路径规划[J]. 计算机集成制造系统, 2019, 25(第5): 1093-1100.
[14]	黄浩,黄筱调,丁爽,于春建,黄曼曼. 齿轮装夹位姿误差对人字齿轮加工精度的影响与补偿[J]. 计算机集成制造系统, 2019, 25(第2): 380-390.
[15]	聂兆伟,熊丹丹. 航空发动机叶片自适应修复目标曲面重构[J]. 计算机集成制造系统, 2019, 25(第1): 53-60.

基于经验模态分解方法的曲面加工误差补偿

Compensation for machining errors of surfaces based on empirical mode decomposition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics