王 刚， 陈 捷,2， 洪荣晶,2， 王 华,2

(1.南京工业大学 机械与动力工程学院，南京 211800；2. 江苏省工业装备数字制造及控制技术重点实验室，南京 211800)

数控转台是高档数控机床的重要功能部件，数控转台的分度精度和重复定位精度对数控机床的加工精度具有重要影响[1]。在数控机床中转台处于加工区域，工作环境恶劣，容易导致精度的过快衰减。已有的测量精度方法过于繁琐，且在很多情况下限于环境因素难以测量。因此，找到一种以描述数控转台精度衰减为核心的建模方法不失为一种新的尝试。目前，建模思路主要分为两种[2]，一种是根据数控转台的物理结构建立数学模型；Yu等[3]分析了一种大型数控转台的电液耦合的动态特性，并且认为数控转台蜗轮传动系统的综合反向间隙是影响分度精度和动态特性的关键因素之一；然而，建立一个能准确且全面地反映数控转台的精度变化的数学模型十分困难；另一种是通过智能算法在振动信号等数据驱动的基础上建立模型[4]，与数学模型相比智能算法不需要分解数控转台的结构，而是通过振动信号等数据作为观察值，对蕴含在数据中的反应数控转台状态变化的信息进行发掘，从而转化为对数控转台状态的评价。Benkedjouh等[5]使用小波变换进行降噪和提取特征向量，运用支持向量机(Support Vector Machine， SVM)建立剩余寿命预测模型。Lu等[6]在大型回转支承的研究中使用小波能量熵(Wavelet Energy Entropy， WEE)和检验模态分解法(Empirical Mode Decomposition， EMD)进行降噪和特征向量提取，使用主成分分析法(Principal Component Analysis， PCA)对多维特征向量进行降维，最后运用最小二乘支持向量机建立了衰退预测模型。……