基于混沌相空间重构的数控机床精度非线性动力学演化、预测与溯因新方法

CNC machine tool's precision reliability is the important commonness and key scientific problem that constraints the development of our numerical control equipments.The change of the numerical control machine tool's precision state is a spatial and temporal evolution of the complex nonlinear dynamical system,and the learning about the evolution is far from enough.It is difficult to meet the needs of the theory and engineering application.The idea is that through the study of dynamical evolution model of the precision based on the reconstructed phase space of the chaotic time series,to grasp the nonlinear evolution mechanism,then to propose the precision prediction method based on the chaotic prediction theory according to the Topological isomorphism principle.The developmental trend of the CNC machine could be predicted accurately,and the causes that cause the change of the CNC machine precision could be traced according to the features of Poincare section in the phase space.So far the reports that applying the chaotic theory to nonlinear evolution of CNC machine precision are rarely,and the evolution mechanism is not clear.This research will devotes to the nonlinear dynamics behavior in the precision evolution of the CNC machine,breakthrough in key technologies for the reconstruction of precision phase space，establishment chaos intelligent forecasting model based on dynamic latency network and chaos intelligent abductive model based on the neural network.

数控机床的精度可靠性问题是制约我国数控装备行业发展的重大共性和关键性科学问题。数控机床精度状态的变化是一个复杂非线性动力系统的时空演化过程，对其演化规律的认识还远远不够，难以满足理论及工程应用的需要。为此，本项目研究基于混沌时间序列重构相空间的精度动态演化模型，掌握其非线性演化机理，根据拓扑同构原理提出基于混沌预测理论的精度预测方法，对数控机床精度状态的发展趋势做出准确预测，并根据相空间庞加莱截面特征追溯数控机床精度变化的原因。迄今关于混沌理论运用于数控机床精度非线性演化的研究还鲜有报道，其演化机理尚不清楚。本项目拟以数控机床精度演化的非线性动力学行为特征为研究基点，突破重构精度相空间延迟映射的关键技术，建立基于动态时延网络的混沌智能预测模型和基于神经网络的混沌智能溯因模型，最终实现基于混沌理论的数控机床精度演化、预测与溯因的新方法，为解决数控机床精度可靠性问题提供理论支撑和技术支持。

课题围绕数控机床精度演变的非线性动力学行为特征等三个关键科学问题开展了以下研究，并取得了相应的成果：.（1）在研究实现重构精度相空间延迟映射关键技术的基础上，对数控机床运动精度的一维时间序列进行了相空间重构，研究了数控机床精度状态演化过程中的非线性动力学特性，用相点轨迹描述了运动精度在相空间中的演化规律，构造了一个非线性演化模型，研究了其演化规律。实验表明，该模型是与原系统拓扑同构的高维相空间，可以很好地追踪数控机床精度的演变规律，有较高的演化精度。.（2）实现了基于重构相空间的数控机床精度状态动态预测原理与方法。构造了基于RBF神经网络的非线性预测模型，引入量子粒子群方法，对预测模型参数进行优化，采用优化后的模型对数控机床运动精度演化趋势进行了预测；同时，为了解决在长度有限或含有噪声时单元精度时间序列相空间重构中的信息丢失问题，研究实现了一种基于多元混沌时间序列和小波神经网络的数控机床运动精度预测方法。实验表明，该方法预测精度高，对多台数控机床的实验证明了方法的有效性和适用性。.（3）研究实现了基于相空间拓扑结构特征的数控机床精度衰退溯因原理及方法。设计了一种基于差分双混沌的高档数控机床电主轴精度监测诊断模型，该方法有利于降低漏检率，相轨迹区分度高，可以较准确检测出精度故障信号。提出了一种利用图形模式识别技术进行运动误差快速溯因的方法，建立了基于圆运动轨迹的复域自回归模型，研究了轨迹图形的RBF误差溯因识别网络；此外，针对多误差因素，研究了数控系统圆检测特征角点分布规律，并与神经网络模型结合，实现了对机床运动误差的快速多因素溯因方法。实验证明，该方法能快速识别数控机床运动误差因素，具有准确率较高、通用性较强的特点，有较高的实际应用价值。.课题成果为数控机床精度研究领域提供了一种新的思路和方法，能为后续研究工程实践提供理论基础，为解决数控机床精度可靠性问题提供技术支持和技术平台。