摘 要

在工业制造领域，数控机床有着非常重要的作用，而热误差是影响机床加工质量的最主要因素之一。为了保证数控机床的加工精度，需要尽可能提高温度数据的质量，以保证热误差补偿过程的有效性。在本文中，以MATLAB软件为平台，对可能加入数据中的干扰现象进行了判断，并对采集到的温度数据进行了频谱分析、去噪滤波等操作。根据处理后的数据特点，建立了灰色预测模型。在把模型运用到实际采集到的数据中时，借助了灰色模型中的预测值，同时引入滑动窗口来降低数据处理复杂度，从而可以成功检测出异常的数据对象。通过计算采集到的数据和恢复数据之间的残差，证明本设计也能在一定误差范围内对数据进行恢复，满足设计要求。

关键词：数据；建模；异常值；恢复

Abstract

In the field of industrial manufacturing, numerical control machine tools play a very important role, and thermal error is one of the most important factors affecting the quality of machine tools.In order to ensure the machining precision of NC machine tools, the quality of temperature data should be improved as much as possible to ensure the effectiveness of thermal error compensation.In this paper, the interference phenomenon that may be added into the data is judged by using MATLAB software as the platform, and the temperature data collected are analyzed by spectrum analysis and denoising and filtering.According to the characteristics of the processed data, a grey prediction model is established.Used in the model to the actual, the data collected by means of grey predictive value in the model, and the sliding window are introduced to reduce the complexity of data processing, which can successfully detect abnormal data object.By calculating the residual difference between the collected data and the recovered data, it can be found that the design can also restore the data within a certain error range, which could satisfy the requirement.

Key Words：data；model；outlier；restore

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究的目的和意义 1

1.2 国内外研究现状 2

1.3 课题研究内容 3

第2章 数控机床温度数据建模过程 5

2.1数控机床温度数据采集 5

2.1.1 数控机床工作特点 5

2.1.2 数据采集过程 5

2.2 温度数据预处理方法 6

2.2.1 可能产生的干扰来源 6

2.2.2 预处理基本原理 7

2.2.3 频谱分析 7

2.2.3 滤波处理 9

2.3 温度预测模型 10

2.3.1 灰色模型 10

2.3.2 GM(1,1)模型 11

2.3.3 灰色系统生成数据列的方法 11

2.3.4 建模过程 12

2.3.5 灰色关联分析 13

2.3.6 检测指标 13

第3章 温度数据的异常值检测与恢复 15

3.1 异常值的产生 15

3.2 异常值的检测方法 15

3.2.1 检测原理 15

3.2.2 滑动窗口 16

3.3 异常值的恢复方法 17

3.4 实验结果与分析 17

3.4.1 MATLAB软件 17

3.4.2 各部分仿真情况 18

第4 章 总结与展望 23

4.1 全文工作总结 23

4.2 工作展望 23

参考文献 25

附录 27

致谢 34

第1章 绪论

1.1 研究的目的和意义

所谓制造业，即指在机械工业时代对各种制造资源能够按照市场的要求，通过制造产品的过程，来转变为给人们生活中能使用及利用的工具、生活必需品或工业产品。从本质上来说，制造业其实是所有与制造有关的行业的代称，不难想象，这也是对一个国家发展经济起着中流砥柱作用的行业。作为制造大国，工业制造必然是维系着国家的未来发展。为了更好地适应激烈的科学技术竞争，一种适合于产品快速更新换代、选择种类多样化、产品品质优异、生产率高，且还满足构建成本低等条件的自动化生产设备的应用已迫在眉睫。

工业革命以来，为了提高机械加工过程中生产和制造自动化的比例，同时还要提高工人以及机器的劳动能力、生产效率和生产精度，许多自动化生产的设备被研发了出来。这些设备和加工的手段包括自动机床、液压控制、数控机床、工业机器人等等。随着社会经济以及人们对产品的要求的不断提高，如何提高制造精度以及使用科学技术来使制造业向着高速的方向发展，成为了人们眼下最关注的问题。在计算机技术得到大力发展的今天，传统的制造业已经发生了前人不曾想象的巨大变化。早期的制造业，由于科学技术水平的落后，主要是靠人的手工制作完成，计算的工作量大导致工人的劳动负荷重，与此同时，生产效率也很低，可以说是事倍功半的劳动。而当今的制造业大部分都是由数控技术来操作的。在没有人的直接参与的情况下，以计算机技术为保障，机器可以自行进行工作，完成要求的任务。它们可以根据预设的程序按照人的要求开展有顺序、有规律、有秩序的活动，实现人设定的预期目标。制造业实现自动化、规模化、柔性化生产的基础技术便是在这样的情形下建立在数控技术之上的。

由于数控机床可以在一定程度上实现这些工业生产过程中的目标，而工业生产又是当下发展最好的趋势之一，因此数控机床的优势和改良后的机型被各类厂家加以热切关注。数控机床的发展日新月异，它朝着运行高速化、加工高精度化、功能复合化、控制智能化、并联驱动化、交互网络化等方向不断发展^[1]。

中国作为一个制造大国，就目前而言，盈利的优势主要还是劳动力多、价格较低、资源丰富等方面。而说到产品设计过程中的技术创新成分以及加工方的自主开发的能力时，相较国外同行来言，这之间的差距不可忽视。虽然中国是世界上消耗机床的第一大国，但是超过半数以上的机床设备以及绝大部分的重要配件都是从国外进口的。为了踏上更高的国际平台，中国的数控产业不应该也不能满足于现在的状况，而应该抓住机会不断提高技术，研发出新的科学方案，努力发展自己的先进技术，提升技术创新思维，提升高精度生产能力，努力缩短与发达国家之间的差距。中国发展数控机床业的空间还很大，市场也有很多。随着国家软实力的增强，未来信息产业、汽车行业等方面都会在数控机床的发展下有进一步的提升。中国的数控产业应力争早日实现数控机床产品从低端到高端、生产线从初级加工提升到高精尖加工制造的转变，从而实现从中国制造到中国创造、从制造大国到制造强国的蜕变过程。

1.2 国内外研究现状

在相当长的一段时间内，人们关注的仅仅是独立的数值和字符。而随着信息时代的到来和数据的大量产生，在实际生活中，数据大部分却是以数据流的形式存在。面对这些大量的数据，科学家们需要使用不同的建模、分析思路来处理这些数据流。在对这些持续的、快速产生的满足时间序列的数据流深入分析的过程中，希望获取其中有用的信息，从而对系统的内部和整体都有一个更为全面的了解。在对数据进行分析时，并不是数据流中的所有数据都可以直接被使用的。由于数据在产生、传输和接受的过程中，会有很多不可控的因素和外界干扰，导致绝大多数的数据流都是需要进行异常检测的。数据异常检测的问题遍布生活和学术研究的各个层面，国内外科学家也一直针对这个问题设计出最有效的解决方法。

由于时间序列各个因素之间的相关性有时难以确定，会对异常检测系统带来较大的困难。以输变电设备为研究背景，上海交通大学的严英杰等人，从对时间序列分析和无监督环境下学习的角度^[2]，运用对大数据分析的异常检测方法，针对多维数据，以全新角度实现了数据的快速异常检测。这种方法快速且有效，在检测设备的异常操作行为时可以有较好的成果。哈尔滨工业大学的庞景月以卫星遥测数据流异常检测为研究背景^[3]，考虑到卫星工作的环境在遥远的外太空，人一般无法对其直接进行操作，而卫星监测得到的数据又具有实时、大量等特性。于是针对这一情况，庞景月提出了面向滑动窗口的数据流模型。在卫星遥测的过程中，将重点放在如何对邻域出现的异常数据检测的本质问题进行分析。根据卫星遥测的数据特征，该分析模型能够满足连续及离线查询功能的概要生成技术，这对于遥远的卫星的情况的监测是很有利的。借助均匀链式抽样算法和高斯回归过程，该算法可以提高单数据流中连续异常情况的测试情况。北京邮电大学的龙滢则是以智能家具为研究背景^[4]，提出了一种数据异常检测方法，这种方法是基于滑动窗口的单传感器的。根据对滑动窗口内局部异常和全局异常的理解，更好地对设计过程进行评价。这种监测技术只利用数据的时间关联性，通过对距离的计算来降低时间复杂度。该异常处理流程借助真实的数据进行算法仿真，以检测率和误检率为检测指标分别分析参数对检测结果的影响，实现了能保证高检测率的局部异常检测和低误检率的全局异常检测。中国地震局地壳应力研究所的张聪聪^[5]根据对数字化的地震的前兆观测数据异常识别，并基于大数据的思想，提出了一种对异常数据综合应用方法。该方法针的重点在于对数据进行插值，在异常检测的环节，他们研究出一种方法来检查数据流中的明显异常值，从而解决了数据量巨大的情况下人工检测效率欠缺的现状。法国的Rémi Domingues，Maurizio Filippone和Pietro Michiardi使用可用的数据集和新的工业数据集进行基准测试^[6]，研究内容从数据流的欺诈检测、入侵检测、医学诊断和数据清理等方面进行。这个算法的研究背景就是异常值。通过将每个方法都运用于工业数据集中进行鲁棒性测试，从更全面的角度得到了算法的内部特点。Peter Rousseeuw和Mia Hubert从数据的鲁棒性为切入点^[7]，为了更好地能研究异常值的特性，他们分别从数据的单变量、低纬度以及高纬度的情况下分别进行讨论。同时他们还利用了位置估计、线性回归等数学方式来对鲁棒性的操作过程进行探讨。他们的研究使异常值检测的相关数学分析更为理性、系统和有效。Y. Zhang，N.A.S.Hamm等人立足于无线传感器网络中的数据分析情形^[8]，对WSN数据的质量、异常值分析进行了深入分析。由于传感器网络的工作环境可能会比较严峻，因此他们研究的算法不仅需要对时间序列有较强的分析能力，同时还要运用地质统计学。他们引用了瑞士的研究数据，将关注点放在无线传感器网络的异常值中，具有很强的实际运用能力。

基于对数据的正确采集和分析方式，加上有效的预测和恢复手段，数控机床上采集的相关温度数据可以被较好地进行处理，并且机床的加工精度也得以提高。除了上述的异常检测方法以外，还有许多的科学家仍在为这个领域做出巨大贡献。

1.3 课题研究内容

在工业制造业中，由于温度的异常变化会导致加工部件产生形变，因此热误差已成为影响数控机床加工精度的主要因素之一。为了更好地判断温度和加工效果之间的关联，温度数据的质量极大地影响了热误差补偿系统的稳定性和可靠性。本文主要对数控机床上采集到异常温度数据的情况进行了研究。根据机器的工作环境和温度采集的流程，分析采集到的数据可能存在哪些干扰以及判断干扰产生的原因。针对这些干扰，需要对数据进行预处理，从而得到更加有价值的数据，尽可能地排除噪声的影响。根据预处理后数据的特点，对数据进行特征提取，建立相应的数据模型进行有效预测，预测的过程中，根据相关的数学计算和推导过程，设计合理参数，完成建模。将预测得到的模型应用到实际的数据中，实现在一定范围内可以检测出异常值并使其得以恢复。本设计的流程框图如图1.1所示。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：