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.     

基于改进松鼠搜索算法优化神经网络的数控机床进给系统热误差预测

为探究数控机床进给系统中各因素对热误差的影响规律,建立精准的热误差预测模型。 在进给速度为 10 m/ min、环境 温度 20℃的条件下进行进给系统热误差测量实验,获得进给系统关键点的温升及热误差。 为提高预测精度,采用 Tent 混沌改 进松鼠搜索算法,并利用改进的算法对神经网络进行优化,建立热误差预测模型。 利用热误差测量实验获得的数据进行验证, 结果表明改进前的神经网络预测误差为 12. 23% ,改进后的模型预测误差为 8. 92% ,精度有较大提升。 利用预测模型针对不同 进给速度下相同位置处热误差进行分析,结果表明,进给系统中关键测温点的温度和丝杠各点的热误差随着进给速度的增加而 增加。 因此提出的预测模型可实现进给系统热误差的准确预测,为误差补偿提供理论依据。     

数控机床直线进给轴温度测点优化研究

为分析数控机床直线进给系统的温度场,需要布置一定数量的温度测点来进行温度数据的采集。然而,测点的位置和数目都会对研究结果产生直接影响。为实现准确布置温度测点,文章提出一种基于统计学理论进行改进的Canopy-FCM-GRA温度测点优化模型。以某数控机床X向直线进给轴为例,首先根据测得的实验数据确定预聚类数,然后通过模糊矩阵和灰色关联度系数筛选出相应的温度敏感点,最后基于SVR理论分别建立温度测点优化前和优化后的温度-热误差预测模型,通过比较两个模型精度来验证温度测点优化的有效性。结果表明,温度测点优化效果良好,通过优化后的测温点可准确探究进给系统的热特性。     

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。     

数控机床热误差补偿模型稳健性比较分析

数学模型的精度特性和稳健性特性对数控机床热误差补偿技术在实际中的实施性影响不容忽视。对数控加工中心关键点的温度和主轴z向的热变形量采用多种算法建立了预测模型,对不同算法拟合精度进行分析。同时进行全年热误差跟踪试验,获得了机床在不同环境温度和不同主轴转速的试验条件下的敏感点温度和热误差值。以此为基础,对各种预测模型的预测精度进行比较验证不同模型的稳健性。结果表明,多元线性回归算法的最小一乘、最小二乘估计模型以及分布滞后模型在改变试验条件时预测精度下降,而基于支持向量回归机原理的热误差补偿模型仍能保持较好的预测精度,稳健性强。这为数控机床热误差补偿模型的选择提供了具有实用价值的参考,具有很好工程应用性。     

基于偏最小二乘的数控机床热误差稳健建模算法

建立预测模型对热误差进行预测和补偿是解决机床热误差问题的常用方法,该方法中模型的预测精度和稳健性易受环境温度影响而明显下降,对此本文提出了基于偏最小二乘法的热误差稳健建模算法。首先使用相关系数法筛选温度敏感点,并建立热误差偏最小二乘回归预测模型。进而基于全年环境温度下的多批次热误差实验数据,分析最佳的温度敏感点个数。最后建立热误差偏最小二乘回归模型,并与普通多元线性回归模型的预测效果比对分析。结果表明本文所提算法平均预测精度为5.7μm,模型稳健性为0.56μm,相较于普通多元线性回归算法,预测精度和稳健性分别提高13.8%和49.5%。说明本文所提的热误差稳健建模算法能够在环境温度变化较大时保持高预测精度和高稳健性。     

数控机床温度敏感点变动性及其影响

数控机床热误差补偿技术中的核心问题是建立能够反映机床温升与热误差之间的数学模型,其精度和稳健性则取决于模型自变量能否准确地反映机床温度场分布特性,即温度敏感点选择结果是否准确和稳定。通过对Leaderway-V450型数控加工中心主轴Z向的多批次空转数据进行分析发现,温度敏感点存在变动性特征,导致自变量间多重共线性程度发生变化,进而对模型的预测精度和稳健性产生严重影响。由于主成分回归算法具有消除自变量共线性影响作用,故提出采用该算法进行建模,并通过实际机床进行实践检验。结果表明,采用主成分回归算法建模,显著降低了温度敏感点变动性对模型预测精度的影响,能保证模型具有很好的预测精度和稳健性。     

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%。     

基于贝叶斯神经网络的机床热误差建模

热误差严重影响着机床的加工精度,对机床关键部件进行热特性分析是开发精密机床的重要环节。通过测量包括数控机床的特殊位置温度和定位误差在内的热特性,研究了温升与定位误差之间的关系,提出了一种基于贝叶斯神经网络的热误差建模方法。通过K-means聚类和相关系数法来选择温度敏感点,可以有效地抑制温度测量点之间的多重共线性问题。结果表明:通过使用贝叶斯神经网络能提高机床88.015 9%的精度,比BP神经网络高出15.763 8%,与BP神经网络模型相比,贝叶斯神经网络具有更加优良预测性能。贝叶斯神经网络模型为降低机床热误差的影响提供了新思路。     

Robustness of thermal error compensation modeling models of CNC machine tools

In order to achieve effective control of thermal error compensation of computer numerical control (CNC) machine tools, the prediction accuracy and robustness of the compensation model is particularly important. In this paper, the temperature of sensitive points and thermal error of the spindle in Z direction are measured. Using a combination of fuzzy clustering analysis and gray correlation method to select temperature-sensitive points and then using multiple linear regression of least squares and least absolute estimation methods, distributed lag model, and support vector regression machine to establish prediction models of the relationship between temperature of sensitive points and the thermal error. Also, the temperature values of sensitive points and the thermal error in the experimental conditions of different ambient temperatures and different spindle speeds are measured. By comparing the prediction accuracy of various prediction models under different experimental conditions verify the robustness of the models. Experimental results show that when the modeling data are less, the prediction accuracy of multiple linear regression of least squares and least absolute estimation methods and distributed lag model is declined, and their robustness are poor, while support vector regression model has good prediction accuracy and its robustness remains strong when changing the experimental conditions. However, when modeling data are rich, the prediction accuracy of various algorithms is improved, but the robustness of support vector regression model is volatile. The robustness analysis of different models provides a useful reference for the thermal error compensation model, selection of CNC machine tools, and has good engineering applications.     

精密数控机床主轴热伸长补偿技术研究

针对目前精密数控机床热误差补偿问题,在基于主轴热误差测量系统的基础上,提出一种基于FCM聚类、多元线性回归的热误差补偿模型。通过对某卧式加工中心主轴恒定转速和变速工况下进行温敏点测量,建立关键温敏点与机床主轴热伸长的几何关系,通过补偿结果和切削试验表明该方法可以有效地降低主轴热伸长误差,提升零件的加工精度。     

重型数控机床热误差建模及预测方法的研究

重型数控机床的热误差已经成为影响其加工精度的一个关键问题。针对一台典型的重型落地铣镗床,以机床热误差测量试验为依据,分析该类机床温度场的特点;据此提出一种旨在完成高效温度测点优化的改进系统聚类方法,该方法使用一种兼顾欧氏距离和相关系数的系统聚类准则,可以有效地降低优化后温度测点之间的共线性。基于优化后的温度测点,利用多元线性回归分析,构建了机床的热误差预测模型。现场试验数据表明,该方法可以将热误差预测的均方根误差降低到10μm以下,相较于其他方法有着更高的热误差预测精度,有望在其他重型数控机床的热误差建模和预测研究中得到更大的推广应用。     

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。       

Thermal Error Modeling Method with the Jamming of Temperature-Sensitive Points’ Volatility on CNC Machine Tools

Aiming at the deficiency of the robustness of thermal error compensation models of CNC machine tools, the mechanism of improving the models’ robustness is studied by regarding the Leaderway-V450 machining center as the object. Through the analysis of actual spindle air cutting experimental data on Leaderway-V450 machine, it is found that the temperature-sensitive points used for modeling is volatility, and this volatility directly leads to large changes on the collinear degree among modeling independent variables. Thus, the forecasting accuracy of multivariate regression model is severely affected, and the forecasting robustness becomes poor too. To overcome this effect, a modeling method of establishing thermal error models by using single temperature variable under the jamming of temperature-sensitive points’ volatility is put forward. According to the actual data of thermal error measured in different seasons, it is proved that the single temperature variable model can reduce the loss of forecasting accuracy resulted from the volatility of temperature-sensitive points, especially for the prediction of cross quarter data, the improvement of forecasting accuracy is about 5 μm or more. The purpose that improving the robustness of the thermal error models is realized, which can provide a reference for selecting the modeling independent variable in the application of thermal error compensation of CNC machine tools.     

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。     

Analysis of CNC machining based on characteristics of thermal errors and optimal design of experimental programs during actual cutting process

The compensation of thermal errors plays a critical role in developing the machine tools of intelligent computer numerically controlled (CNC). According to the international standards, the testing, modeling, and compensation of thermal error of CNC machine tools are carried out only in a so-called idling state where the spindle is free running without any workload. However, in practical applications, machine tools are often applied in the actual cutting state with more influence factors, such as cutting parameters, cooling liquid, and cutting force. Subsequently, the thermal characteristics at idling state and actual cutting state are compared and analyzed in this paper. It was found that the thermal error compensation model under idling state is not precise enough to be applied in actual cutting state. Also, further research finds that different combinations of cutting parameters, such as spindle speed and feed rate, also have influences on the accuracy of prediction and robustness of thermal error model under actual cutting state. Therefore, the cutting parameters of spindle speed, feed rate, depth of cut, and ambient temperature are studied with the usage of the Taguchi method. Through calculating signal-to-noise ratio (SN) of each combination through residual standard deviation of thermal error model, the combination of optimal cutting parameters can be obtained. The resultant analysis shows that the thermal error model under the combination of optimal cutting parameters demonstrates higher accuracy of prediction and better robustness.     

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。     

双转台五轴机床空间误差补偿技术研究

几何误差、热误差和切削力误差占到了机床总误差的75%,对这3项误差进行控制是提高机床加工精度的关键所在。以双转台五轴机床的空间误差作为研究对象,通过对加工位置、主要热源及电动机电流等相关因素进行分析,确定空间误差建模所需的位移变量、温度变量和切削力变量。以现有的多种误差建模方法为基础,通过对信息融合技术进行研究,提出一种机床空间误差的多模型融合预测方法,建立综合反映几何误差、热误差和切削力误差的最优空间误差模型。最后以DSP为核心,设计空间误差补偿器,实施空间误差补偿,验证补偿效果。结果显示,建立的模型预测精度较高,残差小于2μm,而实施空间误差补偿后,加工零件的轮廓误差也由15μm降到了5μm,补偿效果明显。