机械工程学报

作者：杨勇明, 汪中厚, 刘雷, 石照耀, 久保爱三

单位：1. 上海理工大学机械工程学院 上海 200093;2. 南京航空航天大学机电学院 南京 210016;3. 北京工业大学北京市测控技术与仪器工程研究中心 北京 100124;4. 应用科学研究所 京都 606-8202 日本

关键词：测头综合预行程误差,BP神经网络,误差补偿,在机检测,磨齿机；

基金：国家自然科学基金（51875360）、南京航空航天大学“直升机传动技术重点实验室”开放课题（HTL-0-19G04）和上海市科学技术委员会（19060502300）资助项目。

因为测头预行程误差的存在，现有研究大都考虑单项或双项影响因素进行误差补偿。然而多次的实验统计表明，由于接触式测头的各向异性，导致信号传输迟滞、检测速度、测球半径、测杆长度、测头重力及测球表面测点法矢等因素都会对检测信号的触发时机产生影响，因而存在测头综合预行程误差，故而很难进行精确补偿。借助BP神经网络的高效逼近算法，利于求解输入为多项误差影响因素场合的测量误差输出问题，有效提高在机检测精度。根据自主研发卧式磨齿机L300G在机检测原理，以多项误差影响因素为输入节点，以测头综合预行程误差为输出节点，建立基于BP神经网络的测头综合预行程误差预测模型。完成误差补偿后，开展磨齿机标准样板齿轮在机检测实验。结果表明：误差补偿前后，齿向精度均为4级；误差补偿后，齿形精度提高2个等级，为4级精度，与格里森检测结果相吻合。结果验证了模型的正确性，有望在国产低成本磨齿机的高精度在机检测系统中推广使用。

来源：2022年第21期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2022年第21期