曲面加工工艺中需要对关键点位的轮廓度误差即点位轮廓误差进行预测,为了提高预测精度,提出了一种侧铣表面点位轮廓误差预测方法。首先利用刀触点和刀位点之间的几何关系,计算得到侧铣扫掠面上的轮廓点阵列;然后结合轮廓度误差的测量原理,利用NURBS曲面拟合方法构建了理想和实际加工表面模型,推导了预测点法线与实际加工表面交点的求解方法,实现了侧铣表面点位轮廓误差的预测;最后实验结果表明,预测值和测量值的差值都在0.006mm以内,且变化趋势相同,从而验证了该预测方法的有效性和准确性。

聚合经验模态分解和基于变量预测模型的模式识别的结合是一种有效的机械故障诊断方法。针对该方法在高速列车故障诊断时存在小样本方法不适用和识别率较低等不足,首先采用滑窗逐步回归法对基于变量预测模型进行了适应性改进,再利用样本间的关联性和连续性,将相邻样本纳入模式识别,并进行样本平滑性处理,从而有效提高了故障诊断识别率。实验分析结果表明,改进方法降低了对样本量的需求,故障识别率提高了20%以上。