Robust and accurate prediction of thermal error of machining centers under operations with cutting fluid supply

A novel temperature measuring system named LATSIS was proposed to realize a robust and accurate prediction of the thermal deformation of machining centers, even under external disturbances such as cutting fluid supply. LATSIS enables a drastic increase in the number of sensors employed for measuring the temperature of the machine tool. Thus, the entire temperature distribution can be obtained by interpolating the measured temperature 3-dimensionally without calculating the heat conduction. A set of experiments was conducted in which the LATSIS was employed to predict the TCP error. A total of 284 sensors were placed on the machining center, and the TCP error was predicted based on the measured temperature for the situation with/without the cutting fluid supply. The results of the prediction showed good agreement with the measured TCP error even during the initial transient temperature change as well as in the cooling phase after the machine halt. The TCP error with the cutting fluid supply is accurately predicted. LATSIS was proven to be a robust and accurate method for predicting the thermal deformation of machine tools, and is a promising technology for future manufacturing systems.     

Thermal modelling of an HSC machining centre to predict thermal error of the feed system

Machine tools equipped with linear motors can achieve high feed speed as well as high accuracy. However, the direct feed drive system generates heat through power loss and friction. In combination with environmental influences such as machine shop climate, this can lead to a local deformation of the machine tool structure and induce a direct positioning error. This paper presents a thermal model, using the finite element method, to simulate the thermal behaviour of a high-speed cutting machining centre equipped with linear motors. This model considers the complex boundary conditions such as heat sources, contact and convective heat transfer. Transient changes in temperatures and deformations are allowed in the solution. The comparison of the experiments show that this model can predict the temperature distribution and positioning error under specified operating conditions very well.     

滑枕综合热补偿研究

新设计的滑枕热伸长补偿机构消除了滑枕达到热平衡之前因热变形造成的瞬态热误差。通过试验,测出机床达到热平衡后主轴的温度误差和机床对应的温度场,并利用最小二乘法拟合出该误差和温度值之间的数学模型,将数学模型输入数控系统中进行机床主轴的稳态热补偿,即温度误差补偿。这两种热补偿相结合的方式进一步提高了机床的加工精度,保证了数控龙门柔性生产线各种零件的加工精度要求。     

数控机床热变形误差补偿技术

热变形误差是影响机床加工精度的重要因素之一,通过实时热变形误差补偿可以提高数控机床加工精度.本文在分析产生机床热误差的原理的基础上, 探讨了热误差的测量方法,利用多元线性回归方法建立了机床热变形与温升之间的数学模型.应用数控系统的PLC补偿功能,对XH178加工中心加工过程中的热误差进行了实时补偿.实验结果表明误差补偿量达到80%以上.     

数控机床热误差建模及预测方法分析

热误差作为制约数控机床加工精度的关键因素,在重型数控机床上表现得尤为明显。以重型落地镗铣床为例,根据热误差测量试验数据,分析重型数控机床温度场特性,并基于兼顾相关系数和欧式距离的系统聚类准则,对温度测点系统进行优化,以减小温度测点间共线性。通过优化温度测点,采用多元线性回归分析,建立重型数控机床热误差预测模型。由现场试验可知,建立的热误差预测模型可将均方根误差控制在10μm以内,有效地提高了热误差预测精度。     

基于有限元分析的机床导轨热变形研究

高速高精度机床切削加工过程中,在多种热源的作用下导轨会产生热变形,影响工件与刀具间的相对位置,造成加工误差。找出导轨热位移较大的点,并分析其对加工精度的影响,对于减小加工误差提高加工精度至关重要。文章在对导轨热边界条件进行分析的基础上,应用有限元分析方法,建立了一类机床导轨的有限元热变形分析模型,并进行了热变形分析计算,为分析导轨的热变形对加工精度的影响提供了依据,并为机床综合热误差补偿提供参考。     

精密卧式加工中心主轴轴向热误差补偿方法

热误差是精密机床最主要的误差源之一。主轴是机床的关键部件,其热误差直接影响机床的加工精度。文章以某型号精密卧式加工中心主轴为对象,对其温度场和热变形进行了仿真分析。根据仿真结果发现主轴轴向热变形更严重,并结合机床结构确定温度传感器布置位置。在此基础上,对不同转速下主轴部分位置温度和轴向热误差进行现场测试。运用最小二乘法建立热误差补偿模型,直接结合机床FANUC数控系统实施主轴轴向热误差补偿。经实验验证,补偿后主轴轴向热误差减小了85%以上。     

A study of pre-compensation for thermal errors of NC machine tools

Thermally-induced errors are major contributors to the overall accuracy of machine tools. In this paper, an error pre-compensation system is developed to correct the thermal errors of the spindle and lead screws. A simple gauge 1-D ball array is used to accelerate and simplify the error measurement. An auto-regressive model based on spindle rotation speed is then developed to describe the thermal errors. Using the model, the thermal errors can be predicted without measuring the temperature field of the machine tool as soon as the workpiece NC machining program is made. By correcting the program, the errors can be pre-compensated before machining. Thus the process of compensation is greatly simplified and the cost is reduced. The test results on a vertical machining center show that a 70% reduction of thermal errors has been gained after compensation.     

机床复合结构热态特性的研究

机床热变形是影响机床精度的重要因素,占总制造误差的40％～70％,因此机床热变形控制技术成为当前的研究热点.添加相变材料的高孔隙率泡沫金属复合结构不仅能有效地减轻结构的质量,并具有良好的热特性.它利用相变材料的潜热特性,即物质在相变过程中吸收或释放一定的相变潜热而使温度保持不变.对复合结构热态特性进行仿真分析,结果表明:泡沫金属复合结构在受热情况下,在一定的时间范围内可保持在恒温状态不发生变化.这种热态特性对机床构件的制造具有重要意义,有利于减小机床的热变形,提高加工精度.     

数控机床热变形误差超前预测研究

针对当前数控机床热变形误差实施补偿存在的预测值滞后实际补偿值问题，提出基于长短期记忆(LSTM)神经网络算法热误差超前预测解决方案，详细探讨LSTM神经网络算法的解析流程，建立基于LSTM神经网络算法热误差超前预测模型，并进行关键温测点及热变形误差超前预测实验。实验结果表明：热变形误差实际值与预测值的最大残差、平均值和均方差均在可控范围内，超前预测的准确度为86.3%，进一步论证了机床热变形误差超前预测的有效性。     

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。     

龙门加工中心主轴滑枕结构有限元分析技术研究

龙门加工中心主轴滑枕结构是连接刀具和机床的一个重要部件,其受切削力和受热变形将直接影响刀具的加工精度.通过建立龙门加工中心主轴滑枕结构的有限元分析模型,在计算热源发热量以及主轴滑枕结构热边界条件的基础上,利用ANSYS有限元分析软件在其工作状态下进行切削力变形分析、稳态热变形分析以及热-结构耦合分析.得到了主轴不同转速条件下主轴滑枕结构热态性能及刀盘直径方向变形规律,为该型龙门加工中心主轴滑枕结构优化设计和热变形补偿提供了理论依据.     

机床热变形及热误差优化研究

为减少热变形对精密加工精度影响,对夏冬两季节机床主轴箱上温升和热变形及环境温度的影响进行了测试分析,并采用BP神经网络模型化的Volterra级数非线性系统实现热误差建模。分析结果表明：夏天环境温度受主轴箱散热影响而温度迅速升高;冬季机床散热较快,主轴箱上温升比较明显,环境温度几乎不变;同一台机床在夏季和冬季的热变形规律相似而变形量稍有不同。通过实验验证了该模型具有预测精度高的优点,为数控机床热误差实时补偿提供了参考。     

大型旋风铣床铣头系统热特性仿真分析

在多种热源的作用下,数控铣床产生热变形,对工件的加工精度产生很大的影响.利用Solid-Works软件对大型旋风铣床铣头系统进行三维建模,运用有限元分析软件ANSYS对热稳定状态下铣头系统的温升及热变形进行分析,得出了铣头系统温度及变形分布情况,并与风冷条件下的温升和热变形进行比较.仿真结果表明,当转速为900r/min时,强风冷使最高温升减小了20.28％,最大热变形减小了12.42％,为数控铣床结构改进和冷却系统的设计提供了理论依据.     

机床稳健性温度敏感点选择及热误差建模

针对VMC1165B立式加工中心,进行机床热特性及温度场分析,基于试验数据,避免进行热机制分析和计算温度场边界条件。采用模糊聚类结合Pearson相关系数法选出4个稳健性温度敏感点建立热误差模型,验证模型预测性能,并与模糊聚类结合灰色关联度选出的非稳健性温度敏感点热误差预测模型对比。结果表明：稳健性温度敏感点热误差预测模型的机床 X 向最大残差下降了25.44%, Y 向最大残差、平均绝对误差和均方差分别下降了25%、23.03%和33.25%。     

基于GA-BP神经网络的单向走丝线切割机床热误差补偿

单向走丝线切割机床是一种高精度加工机床,机床的热变形将对其加工精度有较大的影响.采用实验检测获得机床上各测温点的温升与对应机床热变形量数据.再利用研究构建的GA-BP神经网络法机床热变形误差预测模型,对机床热变形进行误差补偿,实验证明了该方法的先进性、可行性和实用性.     

BF-850B立式高速数控机床精度检测及误差补偿研究

机床在加工的过程中会因为物理变形和热变形,使得加工零件的精度难以保证,因此必须对运动中的影响机床精度的误差源进行误差分析及实时补偿。利用激光干涉仪和球杆仪对数控机床定位精度进行检测,并建立了关于机床变形的检测数据的数学模型,确定了定位误差补偿方法,同时以具体的数控机床为例进行了定位精度检测与误差补偿,最后对补偿效果进行了分析。结果表明：该定位误差检测及补偿方法具有可行性与实用性,使数控机床的定位精度得到了显著的提高。     

基于单温度传感器的数控机床主轴热误差建模方法研究

为了提高热误差模型的预测精度和减少布置在机床内部的温度传感器数量,提出一种基于单个温度传感器数据的主轴轴向热误差辨识模型。该模型的输入由单个温度传感器采集的数据处理生成,内部参数少,利用智能优化算法的全局寻优能力辨识模型参数,减少人工干预,使得模型泛化性更强。以某型号三轴机床为实验对象,通过机床切削工件,验证模型辨识效果。通过与神经网络主轴热误差预测模型对比分析及实验验证,结果表明：提出的热误差模型预测主轴轴向热误差的残差较小,预测精度较高,且具有内部参数少和泛化能力强等优点,可支持数控机床的集成应用。     

基于模糊聚类与灰色理论的机床主轴温度测点优化方法

数控机床主轴热误差是影响机床加工精度的主要因素之一,主轴热误差温度测点优化对于准确建立机床主轴热误差模型、提高机床精度具有十分重要的意义。提出一种基于模糊聚类与灰色理论的机床测温点优化方法,通过对主轴测温点进行模糊聚类分析,根据Xie-Beni有效性指标评定,将温度点归为几类,然后通过对模糊聚类后的测温点与主轴热误差进行灰色相关性分析,实现机床主轴温度测点的进一步优化。试验结果验证了该方法的可行性与有效性。