基于自然指数模型的机床定位误差建模与实时补偿

为提高数控机床的运动性能和加工精度,提出了基于自然指数模型的机床定位误差建模方法.通过分析在不同温度条件下的定位误差变化规律,将定位误差分为几何误差和热误差两个部分,其中,几何误差部分可以采用多项式模型进行拟合,而对于热误差部分,则建立其与环境温度、机床关键构件温度之间的自然指数模型,从而描述了热误差和温度场之间的非线性变化规律.通过与传统的多元线性回归模型进行试验结果对比表明:基于自然指数模型的定位误差建模方法在任何温度条件下均可获得较高的预测精度,经过误差补偿,可以大幅提高机床精度.     

数控伺服系统跟踪及轮廓误差分析

分析了数控加工中伺服系统跟踪误差和轮廓误差的计算方法,详细讨论了双轴数控加工中轴跟踪误差和轮廓误差之间的关系。指出了多轴加工中轮廓误差建模和误差控制方法的理论意义和应用价值。     

基于支持向量机的机械加工误差预测与补偿模型的研究

对加工系统进行补偿是提高机械加工精度的有效手段.通过对加工系统的研究,建立误差预测模型,是进行误差补偿的必要途径.本文以镗孔加工为实验对象,提出了基于支持向量机(Suport Vector Machine,SVM)的加工系统误差预测模型,实验结果显示,支持向量机可以应用于误差预测建模,且在系统误差的预测精度上高于基于径向基(RBF)神经网络的误差预测模型.     

基于多体系统理论的车铣中心空间误差模型分析

数控机床的误差建模是进行机床运动设计、精度分析和误差补偿的关键技术,也是保证机床加工精度的重要环节.本文利用多体系统理论来构建超精密数控机床的几何误差模型,该模型简便、明确,不受机床结构和运动复杂程度的限制,为计算机床误差、实现误差补偿和修正控制指令提供了理论依据.在机床实际应用中,可以利用由精密机床误差建模所推导出的几何位置误差来修正理想加工指令,控制机床的实际运动,从而实现几何误差补偿,提高机床加工精度.     

基于多体系统理论的数控机床加工精度几何误差预测模型

针对多轴联动数控机床加工精度误差补偿问题,从分析数控机床误差产生机制和建立精度误差补偿模型的角度,提出基于多体系统理论的数控机床加工精度几何误差预测模型。分析B-A摆头五轴龙门数控机床的拓扑结构关系、低序体阵列、各典型体坐标变换,推导出B-A摆头五轴龙门数控机床的精度几何误差预测函数模型。采用平动轴十二线法误差参数辨识算法,计算出B-A摆头五轴数控机床21项空间几何误差,为精度几何误差预测函数提供有效的误差参数。该精度误差参数建模方法,对不同结构和运动关系的数控机床具有通用性,为后续数控机床误差动态实时补偿提高切削加工精度提供了理论基础。     

加工误差灰色预测模型优化建模的研究

为提高灰色模型在加工误差预测补偿控制中的应用效果,针对机械加工误差的特点,提出了一种基于等维新息GM（1,1）模型和背景值定权生成相结合的建模方法,利用加工测量数据实现灰色模型维数和背景值权系数的优化选择。结果表明,这种方法能减小原始序列随机性对模型的影响,增强灰色预测模型的适应性,提高加工误差的预测精度。     

精密加工中心主轴热误差测量技术的研究

热误差是影响精密加工中心加工精度的主要因素之一,因此减小热误差对提高加工中心的精度至关重要.通过对热误差进行检测、建模,可以从一定程度上消除热误差对精密加工中心的影响,提高加工精度.文章以精密立式加工中心VDM55为研究对象,在分析热误差来源及形式的基础上,利用研制的温度和热误差检测系统,测量了加工中心主轴温度场和热误差.该测量系统具有成本低、测量精度高、结构简单的特点.通过合理设计的热误差测量实验,获得了真实有效的主轴热误差数据.测量数据的分析结果表明,该方法对研究机床热误差规律和建模具有很大的应用价值.     

高精密数控机床的非线性误差分析、控制及补偿

误差控制及补偿是提高数控机床精度的重要手段,因此误差模型的建立与分析显得至关重要.本文详细阐述了数控机床几何误差、热误差、切削力误差和控制误差的基本概念、起因、建模及参数辨识,综述了误差研究现状,并对今后的研究方向进行了展望.对减小误差的控制策略和误差综合软件补偿两个方面进行了探讨.为提高数控机床的加工精度提出了可行的思路.     

基于BP神经网络的电主轴热误差补偿模型

热误差是影响高精度数控机床加工精度的主要的误差因素.文章主要论述了利用BP神经网络来建立CX8075车铣复合加工中心电主轴热误差补偿模型的建模的过程,以两组不同的数据,分别进行的训练和预测,经过在软件MATLAB中的模拟测试,通过BP神经网络建立的电主轴热误差补偿模型具备了较高的拟合和预测精度.分析结果表明,电主轴的原始热误差值与模型计算的输出结果的值非常接近,最低补偿率可达90％以上,这代表运用该BP神经网络模型能够补偿大部分的热变形误差.     

基于神经网络系统的滚珠丝杠热误差建模

在追求高精度加工的现代数控系统中,热误差的消除具有重要的意义.文章首先简述了神经网络系统的特性及训练方法,成功地将神经网络模型应用于对数控机床直线进给系统的热误差进行建模,并取得了预期的成果,使最大预测误差降低到2μm,为进一步的热误差补偿奠定了基础.详细阐述了实际建模流程,根据训练数据的具体特征提出了一种新的数据预处理方法,使这些数据能更有效地应用于模型训练,是论文的一个创新点.     

五轴数控机床非线性误差建模及补偿方法

针对五轴数控机床后置处理中由于平动轴和旋转轴的联动产生的非线性误差,提出一种基于误差建模的非线性误差在线预测与补偿方法.根据任意两个相邻刀位数据点产生的非线性误差,获得误差的分布特征,建立起误差分布模型;利用最小二乘法求解出非线性误差的数学表达式,经与误差许用值相比较来确定新的刀位点,从而实现非线性误差的在线预测及补偿...     

精密加工中心直线轴复合误差建模研究北大核心

为提高精密机床加工精度,针对直线轴几何误差与热误差两类重要误差项进行分析,并提出一种复合定位误差建模方法。首先对两端固定式丝杠进给系统的热误差机制进行分析,建立正弦函数误差表达式,利用有限元法提取丝杠表面温度并作为输入量代入到热误差模型中。利用切比雪夫多项式建立静态几何误差预测模型。将两模型叠加,得到复合定位误差模型。对精密加工中心直线轴进行检测实验,实验值与预测模型对比后发现预测精度达到85%以上,验证了复合误差模型具有较高的预测精度,为直线轴定位误差补偿提供了参考。     

基于多体系统理论的精密加工中心综合误差建模

基于多体系统理论,针对一台含有工作台站的精密加工中心,建立其综合误差模型,分析并解决了交换工作台站的运动误差对综合误差的误差传递问题,改进了各轴热漂移误差的综合误差建模方法。运用该误差模型进行实时补偿,能有效提高加工中心的加工精度。     

基于BP神经网络的磨床力误差补偿方法

为建立磨削加工参数与磨削力导致的力变形误差之间的关系模型,提出基于神经网络的力误差建模和实时补偿方法。建立经遗传算法优化的BP神经网络以表征磨削参数与磨削力的关系;运用有限元方法对零件进行力学分析,建立磨削力与力变形量的关系模型;建立加工参数与切削力误差映射模型,预测误差补偿量,进行实时补偿。实验结果表明:该切削力误差模型准确有效,具有较高的应用价值。     

数控机床主轴热误差的数据驱动模型研究

当实际工况与建模工况存在差异时,传统的热误差模型往往表现出较差的鲁棒性和预测精度,主要原因在于建模数据的局限性和模型的未建模动态。为了改善上述状况,提出了一种基于数据驱动的数控机床主轴补偿模型。此模型采用无模型自适应控制算法建模,结合机床运行中生成的数据(温度数据和误差数据)对热误差模型进行实时修正,使模型能快速适应新的加工工况,从而提高模型的鲁棒性。在一台数控车床主轴上进行了试验验证,结果表明:无模型自适应控制与多元回归模型比较,其标准差、最大残差和误差平方和分别提高了41%、62%和56%,此模型的鲁棒性和预测效果好。同时,此方法为大数据在机床主轴热误差补偿中的应用奠定了基础。     

Statistical optimization and assessment of a thermal error model for CNC machine tools

The objective of a thermal error compensation system for CNC machine tools is improved machining accuracy through real time error compensation. The compensation capability depends on the accuracy of the thermal error model. A thermal error model can be obtained using an appropriate combination of temperature variables. In this study, the thermal error modeling is based on a correlation grouping and a successive linear regression analysis. During the successive regression analysis, the residual mean square is minimized using a judgement function, which, although simple, is effective in the selection of variables in the error model. When evaluating the proposed thermal error model, the multi-collinearity problem and computational time are both improved through the correlation grouping, and the linear model is more robust against measurement noises than the engineering judgement model, which includes variables with higher order terms. The modeling method used in this study can be effectively and practically applied to real-time error compensation because it includes the advantages of simple application, reduced computational time, sufficient model accuracy, and model robustnesss.     

Position geometric error modeling,identification and compensation for large 5-axis machining center prototype

This paper presents a position geometric error modeling, identification and compensation method for large 5-axis machining center prototype. First, regarding the prototype as a rigid multi-body system, a geometric error model has been established, which supports the identification of position geometric error associated with a translational axis by using laser interferometer, and a rotational axis by using laser tracker. Second, based on this model, an improved identification approach named as virtual rigid-body is put forward for calculating positioning error of each large translational axis. Detailed derivation of a generalized matrix equation is given. Third, analytical models based on the least-squares theory were adopted to compute error values at an arbitrary position for error compensation. Finally, the identified position geometric errors were compensated by using recursive software-based error compensation method. The results show that the position accuracy of large machining center prototype has been improved with compensation and up to the design requirements.     

基于SSA-BP的电主轴热误差优化建模

为解决某加工中心电主轴的热误差补偿问题，建立预测精度高、鲁棒性强的热误差补偿模型。搭建实验台，利用美国雄狮回转误差分析仪采集电主轴的温度场和热误差数据。介绍麻雀搜索算法(SSA)原理、具体优化流程。采用SSA优化BP神经网络的权值和阈值，建立SSA-BP神经网络预测模型。与之前建立的BP神经网络预测模型相比，优化后预测效果更优，为电主轴热误差建模提供新的思路。     

Integrated machining error compensation method using OMM data and modified PNN algorithm

This paper presents an integrated machining error compensation method based on polynomial neural network (PNN) approach and inspection database of on-machine-measurement (OMM) system. To improve the accuracy of the OMM system, geometric errors of the CNC machining center and probing errors are compensated. Machining error distributions of a specimen workpiece are measured to obtain error compensation parameters. To efficiently analyze the machining errors, two machining error parameters, W_err and D_err, are defined. Subsequently, these parameters can be modeled using the PNN approach, which is used to determine machining errors for the considered cutting conditions. Consequently, by using an iterative algorithm, tool path can be corrected to effectively reduce machining errors in the end-milling process. Required programs are developed using Ch language, and modified termination method are applied to reduce computation times. Experiments are carried out to validate the approaches proposed in this paper. The proposed integrated machining error compensation method can be effectively implemented in a real machining situation, producing much fewer errors.