数控车床定位精度的激光检测法

数控机床的定位精度是反映数控机床控制特性和加工质量的重要指标,直接决定着零件的加工精度。如果机床的定位精度超差,则会导致加工出的零件不合格,这也直接影响了数控机床性能与功能的发挥。为了快速、准确检测出机床的定位误差并进行误差补偿,阐述了利用双频激光干涉仪进行数控机床定位精度检测的方法。     

机床定位误差测量及补偿

分析造成机床定位误差的原因,并利用激光干涉仪获取误差量,通过数控系统的补偿功能,大大提高了运动轴的定位精度,显著提高机床的加工精度。     

回转轴运动精度的干涉测量与误差补偿分析

采用激光干涉仪检测混联数控机床回转轴的运动精度,达到对其综合评价的目的,为机床的运动精度误差补偿做准备.对雷尼绍激光干涉仪的结构和角度测量原理进行了详细探讨,分析了干涉仪在回转轴运动精度测量中的主要影响因素和误差诱因;作出了角度测量中正弦近似误差特性曲线,并提出了该测量误差的数学模型;讨论了激光波长补偿的机理,提出了一种通用、简便易行的回转轴角位移精度检测方法.     

基于激光干涉仪反馈的数控系统在线补偿接口开发

运用激光干涉仪对进给轴直线度误差进行在线补偿,对于进一步提高数控机床的加工精度具有重要意义;针对激光干涉仪在数控系统应用的在线补偿接口通讯要求,以MCV—500激光干涉仪和SINUMERIK 840D数控系统为基础,研究构建接口开发平台,设计基于MFC多线程技术实现动态数据采集与在线补偿同步实现的原理,给出串口通讯在数据采集中的实现方式,探讨了偏差补偿量的编码方式及对数控系统的复合控制方法,实现激光干涉仪与数控系统之间的融合;量后以自开发的直线电机进给轴试验台为对象,给出了直线度误差在线补偿的具体实例,直线度偏差由补偿前的36.6μm降至14.5μm,验证了基于激光干涉仪开发数控系统在线补偿接口的可行性。     

基于激光干涉的大角度高精度在线测角方法研究

由于红外探测器尺寸限制,大多数红外遥感相机仍采用扫描系统来扩大探测视场。随着探测精度要求的提高,对扫描系统的测角精度要求也越来越高,因此,高精度扫描系统测角精度决定了遥感器的性能。基于某红外遥感相机扫描系统测角技术要求,对扫描系统测角精度的在线检测方法进行研究。扫描系统最大扫描角度为±5.8°,测角精度1"的。根据对国内外高精度测角设备的调研,确定一种具备大角度、高精度在线测角能力的激光干涉仪——SIOS SP-TR2000激光干涉仪对扫描系统转动角度进行检测。SP-TR2000激光干涉仪主要是用于高精度测距,开发用于高精度测角使用,因此采用雷尼绍激光干涉仪+RT300 (KUNZ)转台作为检测系统对SP-TR2000激光干涉仪测角精度进行检定,检定后SP-TR2000激光干涉仪系统测角精度为0.245″,满足扫描系统1″测角精度需求。对基于SP-TR2000激光干涉仪的在线静态及动态测角方案进行阐述,并根据误差分析可知在线测试系统测角误差为0.247″,表明基于SIOS SP-TR2000激光干涉仪的大角度高精度在线测角方法可行。     

基于激光干涉技术的大尺寸绝对测量方法的研究

大型工件在制造过程中,面临着各式各样的检测任务,大尺寸测量技术成为现代测试技术的一个越来越重要的分支,为提高大尺寸工件静态几何量的检测精度,将激光干涉仪与传统测长机相结合,提出两种基于激光干涉技术的大尺寸高精度的绝对测量方法.通过对两种测量方法的不确定度理论分析和实验比对,验证方法的准确度和可行性.一方面激光干涉仪传统的动态测量转换为高精度的静态量检测,拓展了激光干涉仪的应用领域,同时弥补了测长机在绝对测量能力方面的不足,提高了测长机的测量精度和检测效率.     

数控机床几何误差检测补偿技术

在分析机床几何精度影响因素的基础上,深入研究数控机床几何误差的检测和补偿原理,为通过误差补偿技术提高数控机床精度提供测量方法和补偿依据。     

时栅角位移传感器误差测试及补偿

在工业现场,角位移传感器校准受特殊条件的限制,很难用标准器进行密集误差采样来提高精度。针对该问题提出了一种稀疏误差采样及补偿方法。在分析时栅角位移传感器的感应信号的基础上,提出稀疏采样第1个对极内细分误差+对极点零位误差的测补方式,给出用激光干涉仪获取零位和细分误差的方法及采用稀疏采样的误差补偿模型进行补偿的具体过程。以72对极时栅角位移传感器为对象进行研究,实验结果表明:该方法充分剔除了零位误差且补偿了细分误差,在稀疏采样的条件下即可实现整周范围的有效补偿,大大提高了修正效率和测量精度,时栅传感器的精度达到2.69″。     

应用于机器人标定的主动式靶标装置设计与精度优化

激光跟踪仪是工业机器人标定技术中常用测量设备,但其测量范围受限于被动式靶标的激光光线接收角度,进而影响了机器人的标定精度。为解决该问题,设计了一种具有三自由度的主动式靶标装置,并提出了一种精度优化方法,有效地补偿因装置的装配而引入的测量误差。该方法利用圆点分析法初步辨识主动式靶标装置的DH参数,基于距离平方误差模型法对该装置进行DH参数的精辨识,并基于坐标系转换将主动式靶标装置的位置误差补偿到激光跟踪仪输出的位置向量,从而实现误差的补偿。通过实验验证了该主动式靶标装置能够有效地扩大工业机器人关节的被测范围。所提出的精度优化方法能够将该装置的测量误差降低9331%,实际定位精度为00507 mm,能够满足机器人标定的精度要求。     

基于图像技术的微位移检测方法及其应用

为提高刚度测量中位移检测的精度,提出一种图像式微位移检测方法.该方法采用边界拟合和"路径匹配"技术,使位移量的检测精度达到了亚微米级.此微位移检测方法已用于弹性元件刚度测量仪中,并采用激光干涉仪进行标定.实验结果表明,微位移检测方法稳定性好,速度快且获得了优于0.1μm的精度.     

数控机床的螺距误差检测及补偿

本文介绍了数控机床的螺距误差补偿原理和基于激光干涉仪的螺距误差测量系统,并且讨论了在螺距误差测量中所出现的问题和解决方案,最后介绍了螺距误差补偿的适用范围。     

Error compensation and accuracy improvements in 5-axis machine tools using the global offset method

To enhance the machine tool accuracy, the Global offset method is developed for compensating the five-axis machine tool errors based on the measurement results of one or more identical machined parts. The machined features of a part are measured in a CMM and evaluated by a compensation processor, based on which the Global offset parameters, representing the machine tool errors, are estimated. The methodology is capable of compensating the overall effect of all position-dependent and position-independent systematic errors which contribute to particular workpiece accuracy. The developed technique and software are based on the Global offset method which interprets the computed deviations between the measured and nominal dimensions of the part through the analysis, synthesis and modeling of a fixture and rotary tables errors. The proposed model-based error compensation method is simple enough to be implemented in five-axis CNC machine tools. Production results exhibit effective compensation and remarkable improvement in the workpiece accuracy of the five-axis machine tools.     

An RBF neural network approach to geometric error compensation with displacement measurements only

A novel radial basis function (RBF) neural network-based geometric error compensation method with displacement measurements only is proposed in this paper. The individual geometric error components are formulated mathematically based on laser interferometer calibration with displacement measurements only and modeled using RBF neural network for error compensation in motion controller. Only 4 and 15 displacement measurements are required to identify the error components for XY and XYZ table, respectively. The experiment results on two XY tables illustrate the effectiveness of the proposed method. The overall errors can be reduced significantly after compensation, and different data intervals can be selected to reduce calibration time but maintain a high level of accuracy. The proposed methodology can be extended to other types of precision machine and is more suitable for precision machines requiring a relative low level of accuracy, but fast calibration like those used for acceptance testing and periodic checking.

     

工业机器人定位误差规律分析及基于ELM算法的精度补偿研究

针对工业机器人应用于飞机零部件自动化钻孔时绝对定位精度较差的问题,提出利用极限学习机（ELM）算法建立机器人法兰中心点理论位置与实际位置之间的误差模型,并优化补偿机器人定位精度的方法．首先基于空间网格采样方法,获得了机器人绝对定位误差沿机器人基坐标系不同方向的误差变化规律,分析了建模补偿的可行性;其次建立基于ELM算法的误差补偿模型,并针对误差模型训练中隐含层神经元个数取值问题进行了分析优化．实验结果表明,机器人绝对定位误差值沿其坐标系不同方向存在不同的变化规律,补偿前绝对定位误差分布范围为0.29 mm~0.58 mm,平均误差为0.41 mm;补偿后定位误差分布范围降低到0.04 mm~0.32 mm,平均误差为0.18 mm;采用ELM算法建模的补偿速度快,泛化性能好．     

基于五轴数控机床的激光在线检测方法研究

在制造行业中,零件的质量检测通常采用手工检测和离线检测,随着激光技术的发展,激光在线检测逐渐进入零件的质量检测领域;文中针对传统的零件质量检测方法的不足,分析了目前国内外激光检测技术和数控机床在线检测技术的发展态势,探讨了基于五轴数控机床的激光在线检测方法及其在检测路径设计过程中的一些亟待解决的技术问题;该方法基于光学三角测量原理,将零件加工场所和检测场所统一于数控机床,从而提高了检测活动的效率和检测结果的准确性。     

Error compensation in machine tools: a neural network approach

For a non-idealized machine tool, each point in the workspace is associated with a tool point positioning error vector. If this error map can be determined, then it is possible to substantially improve the positioning performance of the machine by introducing suitable compensation into the control loop. This paper explores the possibility of using an artifical neural network (ANN) to compute this mapping. The training set for the ANN is obtained by mounting a physical artifact whose dimensions are precisely known in the machine's workspace. The machine, equipped with a touch trigger probe, measures the positions of features on the artifact. The difference between the machine reading and the known dimension is the machine error at that point in the workspace. Using standard modeling techniques, the kinematic error model for a CNC turning center was developed. This model was parameterized by measurement of the parametric error functions using a laser interferometer, electronic levels and a precision square. The kinematic model was then used to simulate the artifact-measuring process and develop the ANN training set. The effect of changing artifact geometry was explored and a machining operation was simulated using the ANN output to provide compensation. The results show that the ANN is capable of learning the error map of a real machine, and that ANN-based compensation can significantly reduce part-dimensional errors.     

基于卷积神经网络的焊缝表面缺陷检测方法

针对工业激光焊接中,采用传统方法进行焊缝质量检测效率低下的问题,提出了一种基于卷积神经网络的工业钢板表面焊缝缺陷检测方法;首先基于卷积神经网络,搭建了一个多分类模型框架,并分析了各层中所用到的函数及相关参数;然后基于工业数控机床和工业相机进行了焊缝数据采集,并对这些数据进行了分类、增强、扩增等前期预处理;最后基于数控机器轴,采用滑动窗口检测的形式采集实际待测图像,并通过实验对比了传统的机器学习算法在该类图像数据中的性能评估;经实验证实,通过卷积神经网络训练得到的多分类模型,焊缝缺陷检测精度能达到97%以上,且每张待测图像的测试时间均在300 ms左右,远超机器学习算法,在准确性和实时性上均能达到实际工业要求。