数控机床主轴热变形伪滞后研究及主轴热漂移在机实时补偿

为研究数控机床热变形规律,实现数控机床误差在机实时补偿,进行数控机床主轴热变形理论及试验分析,结果表明,数控机床主轴热变形与主轴温变在距热源约1/3位置存在近似线性关系,即主轴热变形存在伪滞后现象,这一结果为数控机床测温点优化布置及热误差鲁棒建模提供理论依据。为验证机床热变形伪滞后现象,对VM850加工中心主轴热漂移误差在机实时检测并建模,通过自主研发数控机床误差在线实时补偿系统对主轴热漂移误差进行实时补偿,经补偿,机床主轴热漂移误差减少90%以上,有效提高了数控机床主轴精度。     

考虑温度变化的数控机床体积误差模型与检测

为提高不同温度下数控机床体积误差检测及建模精度，提出一种基于温升可重复的数控机床全温度范围体积热误差高精度检测方法，有效避免温度不匹配因素对分步体对角线测量体积热误差的影响；与常规热误差测量方法比较，基于温升可重复的分步体对角线测量方法可大幅提高体积热误差检测精度。阐明综合考虑刀具及主轴热变形的体积热误差综合数学模型建模机理，为误差检测、建模及补偿奠定基础。设计开发基于P89V51RD2单片机的误差检测及补偿平台，实验结果表明，补偿后体积热误差减小82.3%,大幅提高数控机床体积热误差检测及补偿精度。     

基于OE-CM算法的机床主轴热误差建模与补偿分析

针对机床热误差建模过程中,误差信息不透明、数据特性不全面等不利因素,根据机床主轴热误差实验数据,分别采用GM(1,n) 模型和最小二乘支持向量机(LS-SVM)模型建立主轴热误差预测模型并进行线性叠加,然后采用预测有效度算法调整模型加权系数,建立了最优有效度复合预测模型（OE-CM）以获取最佳预测效果。在VXC-560型三轴数控机床上进行在线实验建模,实验结果表明：OE-CM具有预测精度高、鲁棒性好等特点,整体预测效果优于灰色GM(1,n)模型和LS-SVM模型,适合在复杂工况条件下对机床主轴热误差进行预测和补偿,为提高机床热误差补偿精度建立了理论模型。为了验证该预测模型的有效性,对所研究的机床主轴进行热误差在线补偿,机床主轴Z向最大误差从23.8μm减小到8μm,减幅达到66.4%,较好地提高了机床精度,具有一定的工程化推广前景。     

基于分段拟合的机床大尺寸工作台热误差补偿模型

大型机床工作台在往复运动过程中,丝杠螺母会产生大量的热,一部分热量从螺母传入工作台导致工作台两侧翘曲,使工作台不同位置产生不同热误差。为提高大尺寸机床工作台的纵向热误差补偿精度,提出分段拟合热误差建模预测方法。该方法是沿工作台横向在多个位置建立对应点的纵向热误差模型,然后由各点单模型预测值进行分段拟合建立工作台整体预测模型,利用分段拟合模型实现对工作台任意位置热误差预测。同时为了提高热误差模型预测精度和鲁棒性,采用粒子群优化算法根据实时反馈热误差数据对模型参数辨识,使热误差模型能适应机床最新的工作状态。在一台三坐标铣床工作台上进行试验,建立X轴快速运动时工作台纵向热误差模型,试验结果表明:该方法鲁棒性好预测精度高,能够实现大尺寸工作台任意位置的热误差补偿,且具有一定的通用性。     

数控机床几何误差与热误差综合建模及其实时补偿

为提高数控机床的精度,提出一种数控机床的几何与热的复合误差综合建模方法。通过分析机床在不同温度状态下的误差数据,得到机床误差分布规律;根据几何误差和热误差的不同特性进行误差分离,采用多项式拟合与线性拟合方法建立机床几何误差与热误差的综合数学模型;利用数控(Computer numerical control,CNC)系统的外部机床坐标系偏置功能,应用自行研发的综合误差实时补偿系统进行误差在线实时补偿。该误差补偿方法综合考虑机床几何误差及其在机床不同温度下的变化,全面分析整个温升过程直至热稳态的误差及其变化规律。经检测认证表明,应用该误差补偿方法及其实时补偿系统可使机床在常温下的定位误差由44.1μm降低到3.6μm,补偿91.8%;温升之后的定位误差由26.0μm降低到5.1μm,补偿80.4%,大幅度提高机床的精度。     

数控机床热误差补偿最佳转速选择

为提高数控机床热误差补偿模型在实际工程应用中的补偿精度和稳健性,研究了热误差补偿建模时机床最佳转速状态的选择方法。首先,以Leaderway V-450数控加工中心主轴Z向为研究对象,控制机床主轴在空转状态下,以图谱和恒定转速两种方式进行了多批次实验。然后,采用模糊聚类结合灰色关联度选择温度敏感点并建立多元线性回归模型。最后,分析不同转速类型下模型的预测效果并对同种转速类型下模型预测效果进行相对评价,从而给出热误差补偿建模时机床最佳转速状态的选择方法。实验结果表明,根据国际标准中不同主轴转速类型建立的热误差补偿模型,对于机床热误差预测效果存在较大差异。根据实际工程应用选择的最佳转速状态建立的补偿模型有较好的预测效果。     

基于实时反馈的机床热误差在线补偿模型

为建立一种能够适应机床不同工况且具有准确预测能力的热误差补偿模型,提出一种基于限定记忆递推最小二乘法辨识热误差模型参数的机床热误差预测建模方法。该方法随着机床工作状况的改变,根据实时反馈的温度和热误差数据,采用递推方法对模型参数进行即时修正,使热误差模型能够及时跟踪机床系统的热特性变化,实现以较高的预测精度对机床热误差进行补偿。通过数控车床主轴轴向热误差辨识建模及补偿实验可以看出,限定记忆递推最小二乘法比一步最小二乘法辨识精度有较大提高,最大残差值减小了52.3%,标准差减小了67%。实验结果表明,利用该方法进行机床热误差模型参数辨识具有较高的预测精度和鲁棒性,有效可行。       

基于LIBSVM的数控机床热误差建模研究

通过建立数控机床热误差补偿的数学模型是实现机床热误差修正和提高机床精度的有效措施.本文以CL-20A数控车床主轴热变形为实验对象,在大量实验数据的基础上,利用逐步回归分析法找出机床温度敏感点,并采用基于MATLAB平台的支持向量机算法来建立车床主轴热误差数学模型.实验结果表明,所建立的模型能精确把握机床主轴热变形的规律和趋势,对于预测机床主轴热变形,实现实时热补偿具有实用价值.     

一种五轴数控机床的综合误差建模与补偿

研究五轴数控机床的综合误差建模与补偿方法。系统地分析了机床几何误差与热误差,并提出了其新的分类方法和一种直观形象的杆、副误差矩阵描述方法,根据这种误差描述方法建立了五轴数控机床的综合误差模型,最后根据矩阵微分法建立了机床综合误差补偿模型。     

数控机床热误差补偿高次多阶ADL模型应用分析

综合运用模糊聚类和灰色关联度理论对机床温度监测传感器进行了优选。同时针对现行常用的多元回归模型,采用自回归分布滞后模型（ADL模型）对数控机床热误差进行了建模。在获得较高精度基础上,对ADL模型进行扩展,提出了高次多阶ADL建模技术,并对其建模方法及精度进行了分析比对,实例证明,提出的高次多阶ADL模型在数控机床热误差补偿技术中具有较高的建模精度。     

数控机床XY工作台单向运动二维阿贝误差分析与建模

为了提高数控机床的加工精度,建立误差补偿模型。对温度影响下的数控机床XY工作台导轨系统各误差分量之间的误差相关性进行研究。首先,分析了XY工作台单向运动时各平动误差和角度误差的相关性和X向导轨系统二维阿贝误差的变化规律。然后,建立了Y轴导轨系统和X轴导轨系统误差相关性的阿贝误差计算模型。最后,分别进行了X轴导轨和Y轴导轨角度误差的相关性验证和导轨系统定位误差补偿效果对比实验。实验结果表明:利用工作台二维阿贝误差补偿后的定位误差2整体误差呈减小趋势,且比用传统方法补偿后的定位误差1最大相差3μm左右,占补偿后的工作台总误差的三分之一。本文所建立的导轨系统二维阿贝误差模型更符合数控机床XY工作台误差的实际变化规律,利用该模型导轨进行的工作台联动定位误差补偿效果比传统补偿方法的修正效果更好,为实时补偿数控机床误差,提高机床加工精度和在机测量系统的测量精度打下理论基础。     

基于在线最小二乘支持向量机的数控机床热误差建模与补偿

为消除数控机床热误差对加工精度的影响,提出了基于在线最小二乘支持向量机的数控机床热误差建模方法。为构建机床热误差模型,进行了建模实验,采用智能温度传感器与激光位移传感器分别测量机床温度值与主轴热变形量。将获得的数据进行在线最小二乘支持向量机建模训练,构建机床热误差模型。在根据模型得出误差预测值的同时,可以不断根据在线输入的新数据修正热误差模型本身,运算时间短,适用于在线建模。实验结果表明,基于在线最小二乘支持向量机的数控机床热误差建模方法具有精度高、鲁棒性强和计算时间短的特点。在此基础上,根据在线模型进行热误差补差,可有效消除机床热误差影响,提高数控机床的加工精度。     

基于互信息法和改进模糊聚类的机床热关键点优化研究

基于热误差模型进行机床热误差补偿是保证数控机床加工精度的一种有效方法,温度测点的布置和辨识会直接影响热误差建模的精确性和鲁棒性。本文提出一种互信息和改进模糊聚类法相结合的机床热关键点优化方法。以机床不同位置处的多个测点温度值及工件热变形作为分析数据,通过计算温度变量与热变形之间的平均互信息量,获得其综合关联度矩阵,确定二者之间的相关性后初选温度变量。根据改进模糊聚类法、F统计量和复判定系数对初选的温测点进行聚类,并结合温度变量与热变形之间的综合关联度值提取机床热关键点,从而实现测点优化。将基于该方法所得到的热误差模型与采用变量分组优化法获得的热误差模型进行比较,结果显示采用该方法进行热误差建模,机床X轴和Y轴的热变形预测精度得到显著提高,有利于改善加工精度。     

精密数控机床主轴系统热动态特性分析与研究

解决了因主轴热变形引起的数控机床加工精度下降的问题,建立了精密数控机床主轴径向和轴向动态热变形的计算机精细数值计算模型和主轴热误差动态预报理论模型,以期揭示温度变化对精密数控机床加工精度的影响机理,为精密数控机床综合误差补偿提供理论依据和技术支撑。本文采用理论分析、数值计算和试验研究相结合的方法,利用有限元方法的数值特点和实际工况实时测量数据的可靠性,为数控机床主轴系统热态特性研究提供理论与实际的依据。     

龙门数控机床主轴热误差及其改善措施

依据ISO和ASME标准建立龙门数控(Numerical control,NC)机床热误差测试条件,通过主轴恒转速和变转速热误差试验分析主轴箱温度场分布及其对主轴热误差的影响趋势。建立龙门机床误差元素模型,分析影响机床各坐标轴加工精度的主轴热误差分量。研究发现,主轴热误差和主轴箱温度存在单调对应关系,温度对主轴轴向的热伸长误差的影响要远大于主轴径向的热漂移误差,但温度变化相对各坐标变形存在热延迟和热惯性等特性。对主轴径向精度影响最大的热误差分量是由机床生热产生的同方向的偏移误差和与之垂直的偏转误差;对轴向精度影响最大的则是轴向的偏移误差。针对热误差特点和分布规律,提出结构优化、热平衡、误差补偿建模等3种减小热误差的措施,并对其各自优点进行了分析。     

基于状态空间模型的数控机床热误差建模

为了减小机床运行参数变化导致的机床热误差变化对模型预测精度的影响,提出了状态空间建模算法,该算法可根据机床运行参数的变化而自动调整模型,从而使模型对机床运行参数的变化具有良好的自适应性。通过实验比较了模型对机床处于不同条件下的热误差预测精度,并基于状态空间模型在Leaderway V-450型数控机床上进行了平面切削的热误差补偿实验。实验结果表明：与传统热误差建模算法相比较,所提算法的预测精度提高了58.12%,稳健性也得到了有效提升,且实际热误差补偿效果显著。     

数控机床全误差模型和误差补偿技术的研究

加工精度是数控机床必须保证的一项性能指标。提高机床精度是先进制造技术的重要课题，有误差避免和误差补偿两种方法。前者使机床造价大幅上升，而且精度的提高也有一定的限度。后者的精度提高几乎没有限制，对数控机床，计算机实时误差补偿技术是一种经济、有效的基本途径。基于多体系统理论，推导了多坐标数控机床，包含几何误差和热误差的全误差模型。文中介绍了坐标数控机床项误差的辨识方法(22线、14线和9线法)，还介绍了回转坐标6项误差的辨识方法。通过软件补偿，在3坐标联动和4坐标联动数控机床上实现了几何误差和热误差的补偿。实践结果表明误差模型的准确性和补偿方法的实用性。     

基于动态自适应LS-SVM的数控机床热误差建模研究

热误差是造成切削加工工件精度低的重要因素,研究机床热误差是提高加工精度的有效措施。为此,综合考虑最小二乘法(LS)、支持向量机(SVM)和动态自适应算法的优势情况下,提出了一种基于动态自适应LS-SVM的数控机床热误差建模方法。为构建热误差模型,以数控机床XK713进行试验,通过温度和位移传感器分别获取机床温度值与主轴变形量,同时通过动态自适应算法,参数能够被优化,以及对所采集的数据进行最小二乘支持向量机建模,从而可得该数控铣床热误差模型。通过与LS热误差建模方法进行对比分析,结果表明:所提出的热误差模型的精度远优于LS模型。该方法为机床热误差建模的研究和应用奠定了基础。     

基于灰色理论预处理的神经网络机床热误差建模

为最大限度减少热误差对数控机床加工精度的影响,尝试结合灰色理论和人工神经网络各自对数据处理的优点,提出一种基于灰色理论预处理的神经网络机床热误差补偿模型.在一台处于实际加工状态的数控车床上进行试验,采用数字式温度传感器测量经过优化选取的对热误差有关键影响的机床构件和加工环境的温度数据,采用非接触式位移传感器获得机床加工热误差数据,在不断调整灰色模型数据序列长度及神经网络权值、阈值的基础上,最终建立热误差补偿模型.通过与传统灰色模型和神经网络进行对比分析及试验论证表明,该补偿模型具有对原始温度和热误差数据要求低、计算简便、预测精度高、鲁棒性强等优点,可用于各种复杂实际加工场合中的数控机床热误差实时补偿.     

数控机床位置不相关热误差在线补偿方法

针对数控机床位置不相关热误差,提出一种基于平移偏置法的在线补偿方法。采用贝叶斯网络建立机床多温度输入的热误差模型,根据机床综合误差模型,采用平移偏置法计算运动轴补偿值。基于数控机床PLC-CNC通讯功能将误差补偿值输入数控系统进行在线补偿。补偿系统结构采用离线误差建模与在线误差补偿的方式,将离线模型计算的误差补偿值通过PLC输入到机床寄存器中进行在线补偿。对某机床厂研发的滚动导轨精密曲面成形数控磨床进行双主轴热变形补偿,结果表明平均补偿效率超过70%,补偿效率最高达到95.5%,验证了基于平移偏置法的位置不相关热误差补偿方法的有效性。