针对磨削加工中无法实现自动补调,且传统模型无法精确预测补偿值变化趋势这一问题,提出了将灰色关联系统与支持向量机相结合的预测模型,灰色关联系统通过分析比对关联度大小筛选出影响程度大的因素,并将对应的参数作为输入。以此训练出支持向量机预测模型,通过模型预测的补调值通过主动量仪实现自动增减。实验结果为通过交叉验证优化后的预测值平均相对对误差为MRE=0.385,均方根误差为MSE=0.266,实验证明了模型的可行性与可靠性。

针对在磨削加工的过程中,测量尺寸因为断续表面的存在发生突变,可能会导致磨床停机进而影响磨加工的工件尺寸精度这一问题,提出了智能断续表面尺寸处理系统,该系统对断续表面的情况加以处理,忽略测量装置测量断续表面的数据,筛选出断续表面发生突变的尺寸,并通过支持向量机预测模型将相应数据进行替换,大幅度提高了产品加工精度和质量。首先基于支持向量机分类的方法建立断续表面尺寸智能判定模型,同时利用交叉验证对训练模型进行参数寻优,最终实现了智能断续表面处理系统在磨加工过程中的应用,验证了该系统的可行性。

针对磨削加工中对加工尺寸误差超出预设值范围时报警的需求,基于交叉验证参数寻优与支持向量机（SVM）算法结合组态软件提出了一种远程磨加工报警系统,该系统对工件尺寸实时预测,并且当工件尺寸超出预设值范围时通过组态软件将报警信息传输到监控界面,防止由于进给速度不均匀而影响工件的磨削质量或导致工件最终加工尺寸受到影响。通过实验验证经过交叉参数寻优优化参数后的模型预测平均误差小于2mm,MRE=0.0070,MSE=0.0020,实验证明基于支持向量机模型的合理性与可行性,为建立报警系统提供了理论基础。

针对由于影响磨削工件尺寸精度因素复杂,传统预测模型无法准确预测其趋势变化,且预测精度低这一问题,提出了将灰色关联系统与支持向量机相结合的预测模型,灰色关联系统通过分析比对关联系数筛选出影响程度大的因素,并将对应的参数作为输入,以此建出支持向量机预测模型。通过实验验证经过交叉参数寻优优化参数后的模型预测平均误差小于2μm,平均相对误差为MRE=0.0065,均方根误差为MSE=0.0015,实验证明了基于灰色关联支持向量机模型的可行性与可行性。

针对磨加工主动测量仪信号点到尺寸时的工件尺寸与信号点预设值由于圆度误差而存在偏差的问题,提出了基于支持向量机的圆度误差修正的尺寸判定方法。通过交叉验证参数寻优方法和最小二乘支持向量机理论搭建了圆度误差预测模型,实验分析模型的平均相对误差为MRE=0.0095,均方误差为MSE=0.0050;基于圆度误差的修正方法使到尺寸判定偏差绝对值最大不超过0.5μm,有效减弱了圆度误差对尺寸判定的影响,证明了基于圆度误差尺寸判定的合理性和可行性。