基于分段建模与自适应分段预测的热误差模型研究

为了提高热误差模型的预测精度和鲁棒性,对进给轴的热误差随温度变化曲线进行了分析,进而提出对热误差进行分段建模的必要性。在此基础上,针对最小二乘支持向量机高斯径向基核函数泛化能力较弱的缺陷,提出热误差自适应分段预测方法,对温度进行自适应分段处理,将温度控制在热误差模型的预测能力范围内。基于VMC850P立式加工中心进给轴进行试验,验证分段建模和自适应分段预测能够大幅提高热误差模型的预测精度和鲁棒性。     

华中热补偿系统在加工中心上的应用

VMC850LC立式加工中心在加装了高精度高可靠性温度传感器后,通过API软件测量数据与华中数控系统对接进行了热误差补偿试验,结果证明误差补偿的实施能够使机床保持良好的精度及可靠性,同时也使机床更加适合我国生产车间的工作环境,不管是对终端客户还是机床厂家都是大有裨益。     

考虑电控数据的LSTM神经网络进给轴热误差建模

针对进给轴热误差建模中忽略电控数据和时间序列影响的问题,提出一种考虑温度变化与电控数据的长短期记忆(Long-Short Term Memory,LSTM)神经网络热误差预测模型.以三轴立式加工中心为试验对象,首先对进给轴进行热变形分析,再以温度变化、电控数据为输入样本,建立了LSTM神经网络热误差预测模型,随后通过与仅考虑温度变化的LSTM神经网络,以及同时考虑温度变化与电控数据的BP神经网络进行对比分析,试验论证表明,对数控机床进给轴进行热误差建模时,在考虑温度变化的基础上,进一步考虑电控数据可以提高模型的预测精度和鲁棒性,且在同样输入条件下,LSTM神经网络热误差预测模型相较于BP神经网络有更好的预测精度和鲁棒性.     

考虑电控数据的LSTM神经网络进给轴热误差建模

针对进给轴热误差建模中忽略电控数据和时间序列影响的问题,提出一种考虑温度变化与电控数据的长短期记忆(Long-Short Term Memory,LSTM)神经网络热误差预测模型.以三轴立式加工中心为试验对象,首先对进给轴进行热变形分析,再以温度变化、电控数据为输入样本,建立了LSTM神经网络热误差预测模型,随后通过与仅考虑温度变化的LSTM神经网络,以及同时考虑温度变化与电控数据的BP神经网络进行对比分析,试验论证表明,对数控机床进给轴进行热误差建模时,在考虑温度变化的基础上,进一步考虑电控数据可以提高模型的预测精度和鲁棒性,且在同样输入条件下,LSTM神经网络热误差预测模型相较于BP神经网络有更好的预测精度和鲁棒性.     

滚珠丝杠的热力耦合作用仿真

以VMC850E立式加工中心的进给轴滚珠丝杠为研究对象,使用三维建模软件建立了滚珠丝杠的三维模型。通过理论计算和前人经验确定仿真的边界条件。使用ANSYS Workbench软件,分析了滚珠丝杠在组合热源下温度场、应力及变形,并对预拉伸状态下的滚珠丝杠进行了仿真分析。研究内容对滚珠丝杠的制造和优化具有一定意义。     

机理驱动的数控机床进给轴时变误差建模和补偿方法

目前数控机床时变误差实时补偿常采用的数据驱动模型,存在模型鲁棒性差、所需传感器数量多、工程实际应用受限等问题.为此,基于机理驱动建模方法建立了数控机床进给轴的时变误差预测模型.该模型可预测出丝杠在任意运动中的实时温度场.仅需在进给轴丝杠旁的床身上布置一个温度传感器,用于采集丝杠的初始温度以及加工时的实时环境温度.补偿器...     

立式加工中心关键部件误差辨识分析

为提高立式加工中心的加工精度,建立机床综合误差模型,对关键部件误差进行辨识分析。以齐次坐标变换为基础,对立式加工中心VMC850B进行综合误差建模,分析机床空间位置误差的形成;基于全局敏感性分析判定法,结合综合误差模型,建立辨识机床关键部件误差辨识方法;最后,结合关键误差识别理论和实际测量的机床VMC850B的空间位置误差,对整机空间位置误差进行贡献度分析,量化VMC850B机床部件误差对于机床空间位置误差的影响。通过基于敏感性的立式加工中心关键部件误差识别分析,为立式加工中心设计制造生产相关的关键部件精度控制提供思路。     

直线电机驱动进给轴热动态伪滞后建模与补偿方法研究

分析热动态伪滞后效应对直接进给轴驱动精度的影响,对进给轴具有的热伪动态特性进行建模和误差补偿研究。依据一维热传导和一维热膨胀理论,推导直线电机驱动进给轴热动态过程的温度分布模型和热变形误差动态模型,通过有限元分析方法和试验相结合,构建基于关键温度点的直接进给轴热伪滞后变形动态识别模型。应用激光干涉仪测量直接进给轴的热变形量,采用温度传感器和红外测温仪测量直接进给轴关键点的温度,构建进给轴动态热变形补偿系统,依据实时温度对应的热变形数据,发送热变形预测值给运动控制卡,进而向伺服控制器发送控制补偿指令,通过对直接进给轴的运动叠加控制,实现对直接进给轴的热变形补偿。在自构建的直接进给轴试验台上进行试验研究,结果表明：动态识别模型能有效的预测动态热行为,通过构建热变形补偿系统,可使直接进给轴进给精度提高75%。     

立式加工中心进给传动系统的分析与设计研究

进给传动系统的设计是立式加工中心设计的重要内容之一.以VMC1240立式加工中心的滚珠丝杠计算、轴承及伺服电机的选用为主,介绍其进给传动系统的设计方法和设计过程.     

数控机床热误差建模及补偿研究

数控机床的热误差是影响机床精度的关键因素,因此需要对其进行预测和补偿。首先通过多工况下的定位误差测量和进给轴测量点的温度监测,分析了进给轴温度场和热误差的分布变化特征;利用多元线性回归表征温度变化与进给轴膨胀率的定量关系从而完成热误差的预测建模,针对三轴数控立式铣床进行了热误差补偿。实验结果显示:基于修正的最小二乘法的热误差参考点预测模型更符合实际工况,与补偿前相比机床进给轴的精度提升了47.5%。     

基于GA-BP神经网络系统的滚珠丝杠热误差建模

滚珠丝杠是数控机床进给系统的关键部件,其热变形影响机床的定位误差。为提高数控机床的精度,提出一种基于GA-BP神经网络的热误差预测方法。以TX1600G镗铣加工中心进给系统的滚珠丝杠为研究对象,运用有限元法对丝杠进行热特性分析,并据此获得其温度和热误差数据。针对BP神经网络模型训练时间长,容易陷入局部极值等缺点,运用遗传算法优化BP神经网络的阈值和权值,并建立滚珠丝杠的热误差预测模型。通过MATLAB完成仿真实验,结果证明,GA-BP神经网络模型比BP神经网络模型拟合性能更好,预测能力更强。     

数控机床位置误差测试的优化方法研究及应用

数控机床的位置误差补偿是提高机床加工精度行之有效的方法,而对位置误差的精确测量是进行补偿的基础。通过分析位置误差测试的原理,并对比国内机床生产厂家通常的位置误差测试方法,提出了误差补偿中进行位置误差测试的优化方法。在VMC850E型数控立式加工中心上进行了位置误差的优化测试和补偿试验,证明了这种优化的测试方法对于最终提高补偿精度的有效性。     

基于遗传算法优化小波神经网络数控机床热误差建模

数控机床的热误差已经成为影响其加工精度的一个关键因素,为最大限度提高数控机床热误差补偿的精度和效率,结合遗传算法自适应全局优化搜索能力和小波神经网络良好的时频局部特性的优点,提出一种基于遗传算法优化小波神经网络的机床热误差补偿模型。以某型号五轴摆动卧式加工中心为试验对象,以机床温度变量和热误差为数据输入样本,建立小波神经网络模型热误差预测模型,然后用遗传算法优化小波神经网络权值、阈值,最终建立热误差预测模型。通过与传统人工神经网络和普通小波神经网络进行对比分析及试验论证表明,该补偿模型具有精度高、抗扰动能力和鲁棒性强等优点,有望在实际加工场合的数控机床的热误差预测和补偿研究中得到更大的推广应用。     

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.     

应用潜变量回归在线补偿双直接进给轴热误差

为了提高直线电机驱动的双直接进给轴的运动精度,对该类进给轴的热误差进行了建模并研究了误差补偿方法。分析了双直接进给轴进给过程中热误差产生的原因及其补偿的复杂性,给出一种基于潜变量回归的双直接进给轴热误差在线补偿方法。该方法应用激光干涉仪测量进给轴的热变形量,使用热电偶和红外测温仪测量进给轴关键点的温度变化;通过时间匹配变形和温度数据得到统计样本并建立基于潜变量回归的热误差识别模型。以模型的在线计算确定误差补偿量,给出了与数控系统兼容的补偿控制输出策略及补偿系统构建方案。在自构建的龙门双直线电机驱动进给轴平台上进行了在线补偿实验。结果表明:应用潜变量回归方法对双直接进给轴进行热误差补偿可使双直接进给轴的热误差减小75%。     

运用分步式矢量方法的立式数控加工中心误差分离的研究

针对立式数控加工中心存在的几何结构误差和误差测量的方法较为复杂、补偿周期较长的问题,运用多体系统理论建立立式数控加工中心的数学运动误差模型,利用矢量对角测量方法对可测得的位置误差进行误差分离,并在此基础上基于C++开发了三轴数控机床刀具加工轨迹仿真模块,以便仿真实展现立式加工中心的加工路径,并加以对比,验证误差补偿效果。结果表明,方法数学模型精确,可以快速分离出三轴立式加工中心的21项位置误差,最终解决数控机床误差补偿的效率问题。     

四轴加工中心热误差建模及补偿技术研究

文章基于多体系统理论,提出四轴加工中心的热误差建模理论和方法.通过优化测温点,建立热误差模型.在立式加工中心上对空间曲面进行加工和补偿实验,其结果表明补偿效果显著.     

基于正交与插值算法的精密抛光平台综合误差建模与补偿

为了提高四轴抛光平台的加工精度,本文针对以气浮平台和旋转台为主要运动方式的四轴抛光平台进行了几何与热综合误差建模与补偿研究。采用激光干涉仪、温度传感器等测量仪器分别对平台X、Z轴在不同温度下的定位误差进行重复测量与分析,证实了不同进给速度对定位误差没有显著影响。得到了四轴抛光平台X、Z轴的定位误差与温度之间的变化规律。基于正交多项式和插值算法分别建立了X、Z轴的几何与热综合误差模型。根据综合误差模型计算出预测数据曲线,并分别对X、Z轴的7组实验数据进行了数据拟合,拟合残差绝对值均不超过0.2μm。依据预测数据进行了补偿实验。结果显示,补偿后四轴抛光平台在常温下、温升(60 min)下和稳态下的Z轴定位误差分别降低了93.05%、92.45%、85.71%,X轴定位误差分别降低了89.28%、93.59%、93.33%。实验结果证明本文所提出的综合模型及补偿方法精度高,鲁棒性好。     

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。     

机床主轴温度测点的K-means优化及试验

针对机床热误差补偿技术中温度测点的优化选择,提出一种基于K-means算法和Pearson相关系数相结合的方法。通过K-means算法将不同位置测点的温度进行聚类,用Pearson相关系数计算温度与主轴热误差之间的相关性,从每一类别中选出一个最优测点组成最优测点组合,并对最优测点处的结果进行热误差建模。在立式加工中心VMC850E上对该方法进行了试验验证,将温度测点的数量由8个减少至2个。经方差分析和F检验,验证了最优测点处的温度与热变形之间显著线性,模型可靠。