第7期 2017年7月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2017)07014204
DOI : 10. 13462/j. cnki. mmtamt. 2017. 07. 034
No.7 Jul.2017
等损失 SVM在机床主轴轴心轨迹偏心预测中的应用
李振雨，王好臣，王功亮，孙莱婧，李家鹏（山东理工大学机械工程学院，山东淄博255049）
摘要：针对机床运行过程中主轴轴心轨避由于热变形、应力集中等原因而发生平移、旋转、压缩、伸展等，提出一种基于等损失SVM算法和误差标定拟合对机床轴心轨逆误差预测的方法。该方法首先通过实验测量出机床主轴轴心轨递偏心数据提取样本，运用等损失SVM算法对最优分类线进行设计，然后将获得的最优分类线与标定分类线比对拟合计算出拟合度，最后通过分析拟合度，得出机床
运转状态。此方法对于生产过程中机床的定期维修保养具有重要的指导意义。关键词：SVM；误差；分类线；预测
中图分类号：TH17;TG65
文献标识码：A
The Equal Loss of SVM be Applied to Trajectory Eccentric Prediction of Machine-tools Spindle
LI Zhen-yu, WANG Hao-chen, WANG Gong-liang,SUN Mo-jing, LI Jia-peng
( School of Mechanical Engineering, Shandong University of Technology , Zibo Shandong 255049, China) Abstract : In view of the axis' s translation, rotation, compression, stretching of machine tool spindle during running because of thermal deformation and stress concentration , putting forward an algorithm which can analyze axis trajectory error ,it based on SVM model and Error calibration fitting. Firstly , this method meas ured the eccentric spindle axis path through the experiment data to extract the sample and used the SVM al-gorithm to design the optimal classification line loss, Then compared the optimal classification with calibra-tion classification,to calculate the fitting degree, finally, through the analysis of fitting degree, obtained the state of machine running- In the process of this method for production of machine tool has an important guid-ing significance to the regular maintenance
Key words: SVM;error; classification lines ; prediction
0引言
机床主轴由于内部和外部诸多因素的影响，极易造成机床运转过程中的偏心运动]，当影响因素引起的主轴轴心偏心较为严重时，就会造成加工出来的工件误差较大，加工出来的产品不能够满足客户的要求，这严重降低了机床加工效率，同时也显著提高了企业的生产成本。因此，建立起一套能够预测机床主轴运转状态的方法就显得格外重要。
纵观国内外误差研究现状，普遍运用基于等损失 SVM的机床主轴轴心轨迹误差预测方法。如文献[2] 提出了基于支持向量机溃坝损失评估体系，分析了溃坝损失的计算方法及其影响因素，通过灰色关联度模型建立了评估指标体系；文献[3]为了克服传统财务危机预警模型在假设前提、样本容量、泛化能力等方面的缺陷，应用非线性SVM构建了财务危机预测模型；文献4」针对航空电源故障预测问题，通过利用非线性向量机建立供电参数的预测模型对航空电源故障进
行了预测。
不难发现，以上介绍的几个SVM算法的应用实例并没有考虑误差在造成损失上的差异性，因此预测精度难以保证。基于此，本文提出了一种基于等损失 SVM算法和误差标定拟合对机床轴心轨迹误差预测的方法。该方法通过比对优分类线和标定分类线计算出拟合度，在分析拟合度后，判定出机床主轴轴心偏转状态，有效的实现了对机床主轴运行状态的监测。
建立等损失SVM模型
在对机械设备故障进行诊断时，存在两个样本集，分别为设备运行正常样本集和设备存在故障样本集，现存在决策表见表1。
表1
诊断 N F
两类故障诊断决策表
状N 0
状态F L 0
收稿日期：20170123；修回日期：20170227
作者筒介：李振雨（1990—），男，山东济宁人，山东理工大学预士研究生，研究方向为故障诊断、机器人视党，（E-mail)15153312859@163.com；通
讯作者：王好臣(1962一），男，山东潍坊人，山东理工大学教授，研究方向为工业机器人系统集成、先进制造技术，（E-mail)wang-ha ochen@126.com。
万方数据