PCA-RPF构成的数控转台精度衰退模型

摘要

cqvip:针对数控转台精度衰退特性缺乏有效的评估方法的问题,提出一种数控转台重复定位精度衰退趋势预测模型,该模型将主成分分析法(principal component analysis,PCA)的多维融合能力与正则化粒子滤波算法(Regularized Particle Filter,RPF)的状态跟踪与预测的能力相结合。将数据驱动的方法引入到数控转台精度模型中,提取采集到的振动数据的时域和时频域特征;通过PCA融合多维特征向量,建立转台精度衰退趋势;在此基础上,利用RPF建立精度失效预测模型,预测精度的剩余寿命(RUL)。模型计算与试验测量的结果表明,该模型能够比较准确地得到数控转台精度失效的预测结果。