基于粗集方法的机床热补偿误差的温度测点优化

机床热误差是影响机床加工精度稳定性的最大误差源,因此减小热误差对提高机床的加工精度至关重要。采用粗集理论对机床热变形建模及补偿技术中温度测点的选择进行优化,以HMC800A立式三轴加工中心温度测点的选择为例进行研究,结果表明该方法能有效地减少温度测点数量,既可以保证模型的精度,又可节省工作量。     

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。     

镗铣加工中心进给系统热误差检测实验研究

针对TX1600G镗铣加工中心X轴进给系统,设计实验方案采集进给系统的温度场和热误差数据,得到的数据可用于热误差补偿。首先依照实验方案,测量了丝杠关键位置的温度和丝杠上各测点的定位误差。然后利用误差分离原理,较好的分离出了丝杠的热误差。根据实验结果分析了前后轴承、螺母温度随时间变化的规律以及丝杠上各测点热误差与温度测点位置的关系。在实际测量过程中,综合丝杠定位方式和环境温度的影响,得到了丝杠的温度和热误差数据以及规律,测试效果理想,可为进一步的热误差补偿提供准确的数据支持。     

环境温度变化引起的精密卧式加工中心热误差建模

环境温度变化引起的机床热误差建模是揭示热误差演化规律并进行热误差补偿的基础。以普通车间中一台精密五轴卧式加工中心为研究对象，分析了车间环境温度波动的特性，揭示了环境温度变化引起的机床热误差的形成过程。从工程实际出发，设计了含3个环境温度测点和多个机床温度测点的热误差实验。建立了考虑变量间共线性的岭回归热误差模型，并通过坐标下降法求解了模型参数。结果表明，提出的模型比传统单点和多点线性回归热误差模型的预测性能分别平均提高了约33%和22%,为后期热误差补偿提供了一种有效的参考模型。     

基于逐步线性回归的温度测点优化

在数控机床热误差补偿技术中,温度测点的选择与优化是一个难点。文章采用逐步线性回归方法对核电轮槽铣床主轴箱的温度测点进行优化与建模。首先利用瞬态热-结构耦合分析了主轴箱在粗加工时的温升和热变形,再通过逐步线性回归方法对温度测点进行优化,利用优化后的温度测点建立了主轴X,Y,Z三个方向的热误差模型,最后对主轴箱在精加工运行时对所建立的模型进行了验证,结果表明:该方法不仅可以有效减小温度测点数目,还能保证模型的预测精度,三个方向的热误差均减小到5μm以下。     

基于激光跟踪仪测量摇篮式五轴加工中心回转半径方法

针对摇篮式五轴加工中心A轴回转半径测量精度低、步骤繁琐的难题,提出一种基于激光跟踪仪的非接触式回转半径测量方法,进行了测量试验。首先,使用激光跟踪仪在工作台平面上任意取点测量,并拟合平面方程;然后,在工作台平面取任意一点,并转动A轴取点,拟合回转圆得到圆心,重复得到第二个圆心,利用圆心坐标计算回转轴直线方程;最后,利用回转轴直线到工作台平面距离,计算回转半径。另外,给出了基于奇异值分解和最小二乘的拟合方法,用于提高拟合精度。利用激光跟踪仪和五轴加工中心进行了测量试验,工作台平面、两个回转圆拟合均方根误差分别为0.003 601、0.014 095、0.016 791,回转半径设计尺寸为50 mm,测量结果为49.994 mm。试验结果表明,该测量方法针对摇篮式五轴加工中心回转半径测量精度较高、测量方法简单。     

基于GRA-PCA的机床主轴系统热敏感点优化

热敏感点优化选取是热误差建模过程中的关键问题,所选取的热敏感点优劣将直接影响热误差模型的精确性和鲁棒性。提出一种灰色关联分析（GRA）和主成分分析（PCA）结合的机床主轴系统热敏感点优化方法,采用GRA筛选对热误差影响较大的温度测点,机床主轴不同位置处的多个测点温度值以及主轴在对应温度下产生的热漂移作为分析数据,通过计算温度变量与热漂移之间的灰色关联度,得到其灰色综合关联度矩阵,确定二者相关性后初选温度变量;根据PCA将高度相关的温度数据简化为较少的相互独立的主成分,将其作为后续热误差模型的输入,从而实现热敏感点优化。将该方法应用于数控机床主轴系统,优化完成的热敏感点数据作为主轴热误差模型的输入变量。结果表明：将优化所得热敏感点作为BP热误差模型输入,预测所得热误差与实际热误差的平均残差为0.83 μm,低于仅采用灰色关联分析法优化热敏感点的5.18 μm及仅采用主成分分析法优化热敏感点的4.57 μm,机床z轴热变形预测精度得到显著提高,有利于改善加工精度。     

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.     

加工中心主轴热误差的建模分析

采用五点法测量了加工中心主轴的温度场和热误差数据,研究了温度变化与主轴热误差之间的关系,并用不同的回归方法建立了两者的多元线性回归模型。经研究分析,利用偏最小二乘回归法进行建模具有较强的预测能力和较为理想的精度,可以满足加工中心热误差实时补偿的应用要求。     

五轴加工中心耳轴式工作台动力学分析与仿真研究

针对加工中心工作过程中出现的工作台变形、振动影响零件精度等情况,以往均是凭经验解决,不能有效发现实际存在问题的潜在规律性。文章通过计算机建模与仿真技术对课题中五轴立式加工中心耳轴式工作台的进行模态分析和谐响应分析,揭示台面的固有频率、最低刚度方向、共振频率、最大变形等可能造成潜在安全隐患的工作参数。将以上结果作为实际加工参考,实现对回转工作台深层次的理论研究,通过避免以上工作参数可使工作台满足零件的加工精度要求,杜绝凭经验解决。同时文章可为耳轴式工作台台面的设计和优化提供关键性的动力学分析方向和理论基础,使工作台结构趋于规律化。     

基于热传递函数的机床主轴热关键点辨识方法

针对机床热误差补偿技术中热态特性建模与热关键点辨识困难问题,提出一套较完善的主轴热态特性建模方法与热关键点快速辨识技术。考虑主轴系统温度与热变形等因素,建立主轴热态特性分析模型,结果表明:模型预测值与某精密卧式加工中心的热误差实测量值之间的误差均在20%以内,说明了所提建模方法的正确性。将模型输出结果用于主轴热关键点辨识,根据12个测点的热传递函数值筛选出6个热关键点;利用6个关键点的数据,基于BP神经网络建立一种主轴热误差预测模型;对比BP神经网络预测的输出值与热态特性模型的输出值,结果表明:最大误差为-0.060 36μm、最大相对误差为-0.200 6%,验证了所提热关键点辨识方法的有效性。     

基于改进模糊聚类和最大信息系数的数控机床温度测点选取北大核心

在加工过程中,机床会因热变形而产生误差,这将严重影响加工精度。减少加工过程的热误差是提高加工精度的有效途径,而确定关键温度测点不仅能提高计算效率,还可避免温度数据间复共线性问题,提高热误差模型的预测精度。提出基于改进模糊聚类和最大信息系数(MIC)的温度测点选择方法,通过改进模糊聚类对温度测点进行分类;根据MIC方法选择每类温度数据中的关键温度测点;使用BP神经网络对热误差进行建模。结果表明:与传统温度测点选择方法相比,利用所提方法改进的热误差模型精度更高。     

基于灰关联分析的热误差测点优化

针对影响机床热误差建模的机床温度场分布问题,提出了优化热关键点的新方法.借助于灰色系统理论的关联度分析方法,根据现场测得的统计数据序列,建立了灰关联分析模型,通过计算布置于机床上各个温度布点的温度传感器的温度采样序列值同机床定位误差之间的绝对灰色关联度值,最终从32个温度测点当中选择了4个点用于建立热误差补偿模型.最后基于四个测温关键点建模对Z轴的定位误差进行了补偿实验,结果证明补偿效果较好,所提出的热误差测点优化研究可以有效提高热误差模型的鲁棒性.     

加工中心主轴关键热敏感点选取与热误差预测

为探究数控机床主轴温度场信息与主轴热误差之间的非线性映射关系,提出一种基于人工蜂群优化算法(ABC)与广义回归神经网络的主轴热误差预测模型。首先,使用热成像技术布置温度传感器,并利用K-medoids算法对温度测点进行聚类分组,使用灰色关联度分析方法计算温度与主轴热误差之间的相关程度,进而提取出最佳热敏感点;其次,引入调节因子优化ABC算法的寻优过程,使用改进后的ABC网络确定GRNN网络的最佳参数及光滑因子;最后,以三轴数控加工中心为研究对象,进行温度数据与热误差数据的采集,建立基于ABC-GRNN热误差预测模型并与优化前进行比较。热误差实验结果表明,K-medoids算法与灰色关联分析相结合,有效避免了温度测点之间的多重共线性;ABC-GRNN模型可以更准确地预测出主轴各项误差值。     

基于模拟退火遗传算法优化BP网络的数控机床温度布点优化及热误差建模

在热误差建模中,温度测点的优化选择至关重要。提出了运用相关性方法,分析测点温度与主轴热漂移之间的关系,找到相关性较高的测点位置,实现温度布点的优化选择。在此基础上采用模拟退火遗传算法（ GSA）优化BP神经网络的方法建立热误差模型,并通过实验验证。结果表明：优化的热误差模型能够跳出局部最优而达到全局最优解,得到的误差模型拟合值更加接近实测误差值;基于GSA优化的BP网络模型较传统的神经网络模型有较高的精度及更强鲁棒性。     

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。     

加工中心主轴系统的热变形分析与有限元计算

以TH6350卧式加工中心为研究对象,构建了一套基于虚拟仪器系统的加工中心主轴系统温度场和热误差测量系统,测出了加工中心主轴系统的温度场和各项热变形.建立了基于I-DEAS的加工中心主轴系统的温度场和热变形有限元模型,得到了主轴系统的温度场和热变形分布及其计算结果,计算结果与实测值得到了较好的吻合,研究结果为加工中心的改进设计、温度控制和误差补偿提供了理论依据.     

基于模糊C均值聚类算法的温度测点优化与建模研究

在数控机床热误差补偿技术中,温度测点的选择与优化是一个难点。通过热成像仪获得了某立式铣床的温度场,根据温度场的分布情况,在机床上布置多个温度传感器。根据测量的温度和热变形数据,采用FCM模糊聚类和相关分析对温度测点进行了分组优化,然后利用多元回归分析建立了关键测温点的热误差模型,并通过实验进行了验证。结果表明:该方法能有效减少测温点,测温点由13个减少到5个,所建立模型预测精度较好,Y,Z方向热误差由50μm减少到9μm以内。     

具有丝杠热误差补偿功能的在线检测软件的开发

文章结合丝杠热变形的非线性等特点,采用径向基函数神经网络方法建立丝杠热变形误差模型.同时基于Windows平台开发了相应的补偿软件,该软件可以同时对机床几何误差与主轴、丝杠热误差进行补偿,有效地提高了在线检测精度.软件系统在MAKINO立式加工中心上进行了实验验证,补偿效果明显.     

基于ARM_Linux的数控机床热误差补偿控制器的设计

以减小机床热误差,提高加工精度为主要目标,设计以S3C2440A处理器与嵌入式Linux操作系统为控制平台,运用BP神经网络建立误差模型的热误差补偿控制器。首先,控制器通过布置在机床关键温度点上的温度传感器采集加工中心的温度信号,该信号经温度采集模块处理后送到CPU处理器计算出温度值。同时,用激光干涉仪检测出机床对应时刻的误差值。BP神经网络模型根据温度值与误差值计算出综合误差补偿值。然后,将计算出的补偿值通过接口传送给CNC控制中心,CNC控制中心做出误差控制指令,修正机床热变形造成的被加工工件的尺寸误差。仿真实验结果表明了补偿效果的可行性。