热敏感点优化选取是热误差建模过程中的关键问题,所选取的热敏感点优劣将直接影响热误差模型的精确性和鲁棒性。提出一种灰色关联分析(GRA)和主成分分析(PCA)结合的机床主轴系统热敏感点优化方法,采用GRA筛选对热误差影响较大的温度测点,机床主轴不同位置处的多个测点温度值以及主轴在对应温度下产生的热漂移作为分析数据,通过计算温度变量与热漂移之间的灰色关联度,得到其灰色综合关联度矩阵,确定二者相关性后初选温度变量;根据PCA将高度相关的温度数据简化为较少的相互独立的主成分,将其作为后续热误差模型的输入,从而实现热敏感点优化。将该方法应用于数控机床主轴系统,优化完成的热敏感点数据作为主轴热误差模型的输入变量。结果表明:将优化所得热敏感点作为BP热误差模型输入,预测所得热误差与实际热误差的平均残差为0.83μm,低于仅

智能制造中,实现CNC集成视觉检测的难点是实时性和准确性。面向复杂的曲轴类工件,提出了一种基于骨架特征的曲轴快速辨识方法;首先结合改进的FDMA算法和改进的不变矩算法,给出了曲轴图像骨架化以及曲轴骨架特征描述方法;然后采用支持向量机,实现曲轴种类辨识;最后,提出了CNC集成CCD快速辨识系统的方案及工作原理。实验验证结果表明基于骨架特征的辨识方法计算量小,辨识速度快,辨识精度高,适用于拓扑结构相差较大的工件辨识。

现有CNC在线检测路径规划模型以路径为基础,难以满足自动编程系统对于确定点位信息的要求。针对这一问题,在基于特征的传统路径规划的基础上,基于多体理论实现过渡路径自动规划,并建立以参数化的检测信息为输入,以测量节点的位置和遍历顺序为输出的规划模型,可以直接为检测程序自动编写系统所用。根据这一模型生成检测程序,经FANUC 0i系统CNC加工中心验证,这种模型能够用于具有典型特征的规则型面和组合型面工件的路径规划,符合点位控制机床的运动特点,为自动编程的实现奠定了基础。且相对于人工路径规划,应用路径规划模型可以提高规划效率和准确性。

为了定量评价和分析高速数控车床在不同运行工况下的主轴温升特性,以某高速数控车床主轴系统为研究对象,在分析主轴系统热源基础上,考虑实际工况参数对主轴系统温升影响,设计了空转条件和切削条件下的工况参数表,利用正交实验法对各工况参数进行组合,然后运用ANSYS Workbench15.0进行热稳态分析,得到不同工况下主轴系统的温度场分布情况;在此基础上,采用了多元线性回归的方法建立变工况参数与车床主轴系统达到热平衡时最高温升的预测模型,并对模型进行了验证,结果表明主轴系统温度真实值与预测值的误差在0℃-2.5℃范围内,所以预测模型具有很高的预测精度。此模型为车床主轴系统温升特性评估、工程实践中工艺参数的合理确定和热误差补偿提供依据。

为研究复杂工况参数（主轴转速、进给量、切削深度等）对车削振动的动态耦合性影响，提出一种敏感点振动测试分析方法。以轴类零件数控车削加工工艺系统为研究对象，在工艺系统数字样机中加入复杂工况模型进行仿真测试以确定振动敏感点和不同工况下敏感点的振幅频率动态响应。实验结果表明：相对于主轴转速和切削深度，进给量对车削振动的影响最大，与数值模拟结果一致。