Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/1585
標題: CNC工具機熱變位補償–實驗方法設計與資料處理
CNC Machine Tool Thermal Drift Compensation-Experiment Method and Data Processing
作者: 葉佐禮
Yeh, Tso-Li
關鍵字: thermal error compensation
熱誤差補償
k-means
rough set
linear regression model
ANFIS
k-means
粗糙集合
線性迴歸模型
適應性類神經模糊推論系統
出版社: 機械工程學系所
引用: 1.王逸如、陳信宏,“數位信號處理的新利器-TMS320C6X”,全華資訊股份有限公司,台北,2004年3月。 2.李顯宏,“MATLAB 7.x程式設計與應用技巧”,文魁資訊股份有限公司,台北,2005年1月。 3.吳宗正,“迴歸分析”,華泰資訊股份有限公司,台北,2003年10月。 4.吳明隆,“SPSS 8.0統計應用實務”,松崗資訊股份有限公司,台北,2000年8月。 5.吳賢財、洪正瑞、楊開南,“DSP晶片入門”,全華資訊股份有限公司,台北,1999年3月。 6.林傑斌、劉明德、陳湘,“資料採掘與OLAP理論與實務”,文魁資訊股份有限公司,台北,2002年4月。 7.林傳生、李佩謙,“數位訊號處理器(DSP)簡介與應用”,全華資訊股份有限公司,台北,1996年4月。 8.彭啟倧、李玉柏、管慶,“DSP與即時數位信號處理”,儒林資訊股份有限公司,台北,1996年。 9.葉怡成,“類神經網路模式應用與實作”,儒林資訊股份有限公司,台北,2003年11月。 10.盧明智,“線性IC積木式實驗與專題製作”,全華資訊股份有限公司,台北,2000年1月。 11.蘇奕肇,“精選類比實用電路集”,全華資訊股份有限公司,台北,1996年7月。 12.王焜潔,“CNC雙刀塔立式車床之剛性及模態分析”,修平學報第四期,民國九十一年三月。 13.王焜潔,“CNC立式車床主軸最佳設計分析”,修平學報第五期,民國九十一年九月。 14.溫坤禮、賴家瑞,“灰色GM(h,N)分析與粗糙集方法之比較研究”,計量管理期刊,第一卷第一期,pp.39-58,2004年6月。 15.溫坤禮、賴家瑞,“粗糙集方法於授信審核之應用”,計量管理期刊,第二卷第一期,pp.69-78,2005年6月。 16.張權緯、姜智彬、康淵、陳宣霖、廖榮皇、張嘉揚、魏安宏、卓連益,“工具機熱變形位移補償模型之探討與比較”,第二十屆機械工程研討會論文集,中華民國九十二年十二月五日~六日。 17.孟令人,“高精度工具機熱變形補償控制技術”,碩士論文,台灣大學機械系,1998。 18.苗新元,“工具機切削中熱誤差之量測與補償”,碩士論文,中興大學機械系,1995。 19.陳宣任,“可調式模糊理論在CNC工具機熱變位預測之應用”,碩士論文,中興大學機械系,1999。 20.湯穎奇,“應用K-means分群演算法於選取模式樹節點屬性之研究”,碩士論文,成功大學資訊管理研究所,2005。 21.雷賀君,“前十字韌帶傷害快速診斷系統-以粗略集合、基因演算法與倒傳遞網路為工具”,碩士論文,大葉大學工業工程學系,2004。 22.楊金聲,“利用類神經網路與線性迴歸進行成本預測之研究-以印刷電路板產業為例”,碩士論文,中原大學資訊管理學系,2005。 23.張金華,“適用於資料挖掘的屬性挑選與快速k-means組群化演算法”,私立逢甲大學資訊工程研究所碩士論文,民國八十九年。 24.鄭榮富,“綜合加工機主軸熱變形之即時補償”,碩士論文,中正大學機械系,1993。 25.謝宗哲,“高精度工具機熱誤差補償技術”,碩士論文,中興大學機械系,1998。 26.羅文陽等,“CNC程式連線傳輸技術”,機械工業雜誌,pp.170~177,1998年2月。 27.J. Wesley. Hines, “MATLAB supplement to Fuzzy and neural approaches in engineering”, Wiley, 1997. 28.J.M. Mendel, “Uncertain Rule-Based Fuzzy Logic Systems : Introduction and New Directions”, Prentice Hall PTR:Upper Saddle River, NJ, 2001. 29.J.S. Jang, C.T. Sun, E. Mizutani,“Neuro-Fuzzy and Soft Computing”, Prentice-Hall International Inc, 1997. 30.Rulph Chassaing, “Digital Signal Processing and Applications with the C6713 and C6416 DSK”, John Wiley, 2005. 31.Rulph Chassaing, “DSP application using C and the TMS320C6X DSK”, John Wiley, 2002. 32.Bryan,J.B. “International Status of Thermal Error Research”, Annals of CIRP, Vol.39/2, pp.645-656, 1990. 33.B. Walczak and D.L. Massart, “Rough sets theory”, Chemometrics and Intelligent Laboratory Systems, 47, pp.1-16, 1999. 34.C.H. Lo, J. Yuan, J. Ni, “Optimal temperature variable selection by grouping approach for thermal error modeling and compensation”, International Journal of Machine Tools & Manufacture, Vol. 39, pp.1383-1396, 1999. 35.Dr.-Ing. Drs.h.c Gunter SPUR. “Thermal Behavior Optimization of Machine Tools Using Design Measures and Compensatory Techniques”, Proceeding of The 4th International Machine Tool Engineers Conference(IMEC), November 5,6, 1990. 36.G. P. Babu and M. N. Murty, “A Near-optimal Initial Seed Selection in k-Means Algorithm Using A Genetic Algorithm”, Pattern Recognition Letter, Vol. 14, pp.763–769, 1993. 37.J.G. Yang, Y.Q. Ren, Z.C. Du, “An application of real-time error compensation on an NC twin-spindle lathe”, Journal of Materials Processing Technology,129, pp.474-479, 2002. 38.J.S. Chen, “Real-Time Compensation for Time-variant Volumetric Error on a Machine Center”, Transaction of ASME, Vol.115, November, 1993. 39.J.S. Chen. and G. Chiou, “Quick Testing and Modeling Thermally Induced Errors Of CNC Machine Tools”, International Journal of Machine Tools & Manufacture, Vol. 35, No.7, pp.1063-1074, 1995. 40.J.S. Chen, “A Study of Thermally Induced Machine Tool Errors in Real Cutting Conditions”, International Journal of Machine Tools & Manufacture, Vol. 36, No.12, pp.1401~1411, 1996. 41.J.S. Jang,“ANFIS:Adaptive-network-based fuzzy inference system”, IEEE Trans. On Systems and Man Cyberent, Vol.23, No. 3, pp.665-685, 1993. 42.J. Yuan and J. Ni, “The real-time error compensation technique for CNC machining systems”, Mechatronics 8, pp.359-380, 1998. 43.P.C. Tseng and C.S. Ho, “An Authentic Thermal Inaccuracy Compensation Method on Machining Center”, The Third International Conference on Automation Technology, July, 1994. 44.P.S. Bradley and U.M. Fayyad, “Refining Initial Points for K-Means Clustering”, Proceedings of the Fifteenth International Conference on Machine Learning ICML98, pp.91-99. Morgan Kaufmann, San Francisco, 1998. 45.S. Li, Y. Zhang, and G. Zhang, “A Study Of Pre-Compensation For Thermal Errors Of NC Machine Tools”, International Journal of Machine Tools & Manufacture, Vol. 37, No. 12, pp.1715-1719, 1997.
摘要: 隨著產品要求越來越嚴格,CNC工具機的熱誤差逐漸受到重視。熱誤差補償系統的性能主要依照熱誤差模型的準確性而定。該研究提出一個新的熱誤差模型技術以找出工具機溫昇相對熱位移的關係,包括三個數學方法:k-means與粗糙集合理論和線性迴歸模型。首先,工具機主軸的溫昇與熱位移分別藉由溫度感測器AD590與電容式位移感測器進行量測工作。量測數據由資料探勘方法:k-means與粗糙集合理論進行資料化簡,其中線性輸出位移作為決策屬性。然而應用線性迴歸模型找出溫昇相對熱位移的關係。同時利用適應性類神經模糊推論系統(ANFIS)建構熱誤差模型,以驗證ANFIS的預測性能。最後,提出的線性迴歸模型結合資料探勘方法對於工具機熱誤差預測模型具有很好的成效,ANFIS亦具有不錯的成效。該研究所提出的建模方法特別適合於快速建立數學模型的應用上。
The thermal effect on machine tools has become a well-recognized problem in response to the increasing requirement of product quality. The performance of a thermal error compensation system strongly depends on the accuracy of the thermal error model. The paper presents a novel thermal error modeling technique including three mathematic schemes: k-means and rough set theorem, and linear regression model in order to map the temperature ascent against thermal drift of the machine tool. First, the temperature ascent and thermal displacement of spindle nose are measured via temperature sensor AD590 and capacitance displacement sensor, respectively. Second, these measured data are reduced by the data mining schemes of k-means and rough set theorem using linear output displacement as decision attributes. A linear regression(LR) model is then applied to map the reduced temperature ascent against thermal displacement. Meanwhile, an artificial neural fuzzy inference system(ANFIS) thermal error modeling scheme is utilized to validate the prediction performance of ANFIS. Eventually, it is found that the proposed LR scheme incorporating data mining technique arrives at a comprehensive machine tool thermal error prediction model as well as that by ANFIS. Such a model is especially useful in a production environmental wherein the engineers are facing the strong requirement for a fast modeling method.
URI: http://hdl.handle.net/11455/1585
其他識別: U0005-1407200610342100
文章連結: http://www.airitilibrary.com/Publication/alDetailedMesh1?DocID=U0005-1407200610342100
Appears in Collections:機械工程學系所

文件中的檔案:

取得全文請前往華藝線上圖書館

Show full item record
 
TAIR Related Article
 
Citations:


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.