.png){kind=icon}
返回
Dynamic error control method for ADRE based on the error mechanism model
.png){kind=icon}
OA
AI
DOI：10.1007/s10845-025-02747-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决自动化钻铆设备（ADRE）在批量生产中因加工质量不明确导致无法准确感知和动态控制加工误差的问题，开发了一种基于误差机理模型的动态误差控制系统。该系统由先进的数据流框架和嵌入其中的动态误差控制方法组成。利用基于数字线程的云-边协同架构，该方法基于加工参数实时预测铆接质量，并动态补偿和优化后续铆钉的参数，从而实现精确可控的误差管理。在该方法中，基于ADRE系统的结构特征提出了原创新型误差机理模型。依据该模型和最小参数原则，选择一组优化加工参数进行算法训练。此外，开发了一种具有强特征捕捉能力的铆接质量预测算法。该算法名为AttenBiNet，整合了MSCNN模块和自注意力机制进行深度特征提取，随后通过BiLSTM单元执行质量预测。该模型即使在存在缺失数据的情况下也表现出强鲁棒性。最后，利用自研ADRE设备采集的4712个铆钉的真实生产数据构建数据集，用于训练提出的AttenBiNet。结果表明，优化后的算法将MAE降低66.83%，RMSE降低64.18%。在数据缺失条件下，MAE仅增加0.0045，RMSE仅增加0.0093，证实了所提动态误差控制方法的有效性和鲁棒性。
Keyword:
Intelligent manufacturing
Equipment intelligence
Error dynamic control
Error mechanism model
Deep learning
期刊
IF:
7.4
论文数:
3.5K
被引数:
1.1W
机构
引用论文
Machine learning models for predicting volumetric errors based on scale and master balls artefact probing data基于比例尺和主球标准件探针数据的体积误差预测机器学习模型
OAAI
.png){kind=icon}
OAAI分享收藏Sensor placement utilizing a digital twin for thermal error compensation of machine tools利用数字孪生进行机床热误差补偿的传感器布置OAAI
OAAI分享收藏Iterative offline trajectory correction based on dynamic model for compensating robot-dependent errors in robotic machining基于动态模型的迭代离线轨迹修正以补偿机器人加工中的机器人依赖性误差
PREAI
分享收藏Identification of position-related geometric error terms from profile error in four-axis ultra-precision machine tool based on Informer model基于Informer模型的四轴超精密机床轮廓误差位置相关几何误差项识别
PREAI
分享收藏
查看更多内容