Thermal errors can have significant

Thermal errors can have significant effects on CNC machine tool accuracy. The errors come from thermal deformations of the machine elements caused by heat sources within the machine structure or from ambient temperature change. The effect of temperature can be reduced by error avoidance or numerical compensation. The performance of a thermal error compensation system essentially depends upon the accuracy and robustness of the thermal error model and its input measurements. This paper first reviews different methods of designing thermal error models, before concentrating on employing an adaptive neuro fuzzy inference system (ANFIS) to design two thermal prediction models: ANFIS by dividing the data space into rectangular sub-spaces (ANFIS-Grid model) and ANFIS by using the fuzzy c-means clustering method (ANFIS-FCM model). Grey system theory is used to obtain the influence ranking of all possible temperature sensors on the thermal response of the machine structure. All the influence weightings of the thermal sensors are clustered into groups using the fuzzy c-means (FCM) clustering method, the groups then being further reduced by correlation analysis.

ผลลัพธ์ (ไทย) 1:

ข้อผิดพลาดความร้อนสามารถมีผลกระทบอย่างมีนัยสำคัญความถูกต้องของเครื่องมือเครื่อง CNC ข้อผิดพลาดมา จากพิการความร้อนของเครื่องเกิดจากแหล่งความร้อนภายในโครงเครื่อง หรือ จากการเปลี่ยนแปลงอุณหภูมิ ผลของอุณหภูมิจะลดลง โดยหลีกเลี่ยงข้อผิดพลาดหรือตัวเลขค่าตอบแทน ประสิทธิภาพของระบบการชดเชยข้อผิดพลาดความร้อนเป็นหลักขึ้นอยู่กับความแม่นยำและความทนทานของแบบจำลองความร้อนข้อผิดพลาดและการวัดสัญญาณ กระดาษนี้ความคิดเห็นวิธีการออกแบบผิดพลาดความร้อนรุ่น ก่อนที่จะมุ่งเน้นระบบการอนุมานเลือนปรับประสาท (ANFIS) การออกแบบสองคาดเดาความร้อนรุ่นแรก: ANFIS โดยแบ่งข้อมูลพื้นที่เป็นสี่เหลี่ยมย่อยจอด (จำลอง ANFIS กริด) และ ANFIS โดยใช้เลือน c หมายถึงระบบคลัสเตอร์วิธี (จำลอง ANFIS FCM) ทฤษฎีระบบสีเทาจะใช้ในการขอรับการจัดอันดับของอิทธิพลของเซนเซอร์อุณหภูมิไปได้ทั้งหมดในการตอบสนองของโครงสร้างเครื่องจักรความร้อน สัดส่วนอิทธิพลทั้งหมดของเซ็นเซอร์มีคลัสเตอร์เป็นกลุ่มที่ใช้เลือนหมายถึง c (FCM) clustering วิธี กลุ่มแล้ว มีการลดเพิ่มเติม โดยการวิเคราะห์สหสัมพันธ์

ผลลัพธ์ (ไทย) 2:

ข้อผิดพลาดความร้อนสามารถมีผลกระทบอย่างมีนัยสำคัญกับความถูกต้องเครื่องมือเครื่อง CNC ข้อผิดพลาดมาจากรูปร่างขององค์ประกอบความร้อนของตัวเครื่องจากแหล่งความร้อนภายในโครงสร้างเครื่องหรือจากการเปลี่ยนแปลงอุณหภูมิ ผลของอุณหภูมิจะลดลงโดยการหลีกเลี่ยงความผิดพลาดหรือการชดเชยตัวเลข ประสิทธิภาพการทำงานของระบบการชดเชยข้อผิดพลาดความร้อนเป็นหลักขึ้นอยู่กับความถูกต้องและความทนทานของรูปแบบการผิดพลาดในการระบายความร้อนและการวัดปัจจัยการผลิต กระดาษนี้เป็นครั้งแรกความคิดเห็นวิธีการที่แตกต่างกันของการออกแบบรูปแบบการผิดพลาดในการระบายความร้อนก่อนที่จะมุ่งเน้นที่การจ้างงานปรับตัวของระบบประสาทระบบอนุมานฟัซซี (ANFIS) การออกแบบสองรุ่นทำนายความร้อน: ANFIS โดยแบ่งพื้นที่ข้อมูลลงในสี่เหลี่ยมย่อยช่องว่าง (โมเดล ANFIS-Grid) และ ANF​​IS โดยใช้เลือน C หมายถึงวิธีการจัดกลุ่ม (ANFIS-FCM Model) ทฤษฎีระบบสีเทาถูกนำมาใช้เพื่อให้ได้รับการจัดอันดับที่อิทธิพลของเซ็นเซอร์วัดอุณหภูมิที่เป็นไปได้ทั้งหมดในการตอบสนองความร้อนของโครงสร้างเครื่อง ทั้งหมดน้ำหนักอิทธิพลของเซ็นเซอร์ความร้อนเป็นคลัสเตอร์เป็นกลุ่มโดยใช้เลือน C-หมายถึง (FCM) วิธีการจัดกลุ่มกลุ่มนั้นถูกลดลงต่อไปโดยการวิเคราะห์ความสัมพันธ์

ผลลัพธ์ (ไทย) 3:

ข้อผิดพลาดความร้อนสามารถมีความสัมพันธ์กับ CNC ความแม่นยำเครื่องจักร ข้อผิดพลาดที่มาจากความร้อนของเครื่องที่มีองค์ประกอบที่เกิดจากแหล่งความร้อนภายในโครงสร้างเครื่องหรือจากการเปลี่ยนแปลงอุณหภูมิ ผลของอุณหภูมิจะลดลง โดยการชดเชยความผิดพลาด หรือตัวเลข ประสิทธิภาพของระบบการชดเชยข้อผิดพลาดความร้อนเป็นหลักขึ้นอยู่กับความถูกต้องและความแกร่งของข้อผิดพลาดและความร้อนแบบของข้อมูลการวัด กระดาษนี้ก่อนวิจารณ์วิธีการต่าง ๆ ของการออกแบบรูปแบบข้อผิดพลาดความร้อนก่อนที่จะมุ่งเน้นการอนุมานฟัซซี่และประสาทระบบ ( anfis ) ออกแบบแบบจำลองการทำนายความร้อน : anfis โดยแบ่งพื้นที่เป็นสี่เหลี่ยมย่อยข้อมูล ( แบบตาราง anfis ) และ anfis โดยใช้ฟัซซีซีมีนสำหรับวิธี ( แบบ anfis-fcm ) ทฤษฎีระบบสีเทาที่ใช้เพื่อให้ได้อำนาจการจัดอันดับของทั้งหมดที่เป็นไปได้ในการเซนเซอร์อุณหภูมิความร้อนของโครงสร้างเครื่องจักร ทั้งหมด weightings อิทธิพลของเซ็นเซอร์ความร้อนเป็นกระจุกเป็นกลุ่มโดยใช้ฟัซซี่ซีมีน ( FCM ) แบ่งกลุ่มแบบกลุ่มแล้วถูกลดลงโดยการวิเคราะห์สัมประสิทธิ์สหสัมพันธ์