| 数控车床主轴热误差完全自适应经验模态分解与小波阈值变换分离方法 |
| |
| 作者姓名： | 陈庚 丁强强 苏哲 郭世杰 唐术锋 |
| |
| 作者单位： | 1.内蒙古工业大学机械工程学院;2.塔里木大学;3.内蒙古工业大学内蒙古自治区机器人与智能装备技术重点实验室 |
| |
| 基金项目： | 国家自然基金（52065053,52365064）;中央引导地方科技发展计划（2020ZY0002）;内蒙古自然科学基金（20232LHMS05018）;内蒙古自然科学基金（2020BS05003）;内蒙古关键技术攻关计划（2021GG0255）;内蒙古自治区高等学校创新团队发展计划支持（NMGIRT2213）;内蒙古自治区直属高校基本科研业务费项目（ZTY2023005,JY20230043）;内蒙古自治区高等学校青年科技英才支持计划资助项目（NJYT23043）;内蒙古自治区“英才兴蒙”工程团队项目（2025TEL02）; |
| |
| 摘 要： | 数控车床主轴热误差是影响车床加工精度的主要因素之一。为提高热误差测量准确度,降低测量技术要求,提出一种基于完全自适应噪声集合经验模态分解（ICEEMDAN）和经验小波变换（EWT）的车床热误差信息分离方法。首先,使用ICEEMDAN算法对原始信号进行分解,将获得的低频模态分量重构后作为EWT算法的输入进行分解,使用离散系数评估EWT算法每次迭代的分解效果。其次,通过对一组仿真信号进行分解,验证该方法的准确性,与ICEEMDAN算法相比,ICEEMDAN–EWT算法的均方根误差（RMSE）降低了5.2%。最后,在CKA6 163A型车床上进行试验,使用五点法辨识热误差,将ICEEMDAN–EWT分离算法与傅里叶变换（FFT）算法进行对比。结果表明,与FFT算法相比,使用ICEEMDAN–EWT算法分离出的5项热变形信号与机床温度的Pearson相关性提高了3.8%,Spearman相关性提高了6.6%,准确度更高。
|
| 关 键 词： | 数控车床 主轴 热误差 完全自适应噪声集合经验模态分解–经验小波变换 ICEEMDAN–EWT 误差分离 |
|
|
