基于OE-CM算法的机床主轴热误差建模与补偿分析

针对机床热误差建模过程中,误差信息不透明、数据特性不全面等不利因素,根据机床主轴热误差实验数据,分别采用GM(1,n) 模型和最小二乘支持向量机(LS-SVM)模型建立主轴热误差预测模型并进行线性叠加,然后采用预测有效度算法调整模型加权系数,建立了最优有效度复合预测模型（OE-CM）以获取最佳预测效果。在VXC-560型三轴数控机床上进行在线实验建模,实验结果表明：OE-CM具有预测精度高、鲁棒性好等特点,整体预测效果优于灰色GM(1,n)模型和LS-SVM模型,适合在复杂工况条件下对机床主轴热误差进行预测和补偿,为提高机床热误差补偿精度建立了理论模型。为了验证该预测模型的有效性,对所研究的机床主轴进行热误差在线补偿,机床主轴Z向最大误差从23.8μm减小到8μm,减幅达到66.4%,较好地提高了机床精度,具有一定的工程化推广前景。     

制造机床热误差研究现状与思考

机床热误差，是影响机床加工精度稳定性的最大误差源，因此减少热误差对提高机床的加工精度至关重要。本文试图分析90年代后期以来，国内外在机床热误差补偿研究方面的研究成果；指出了目前热误差应用中存在的几个主要问题；机床特性检测和辨识，温度测点的优化，模型鲁棒性，最后给出了作者对于进一步主要研究内容的思考。     

数控机床热误差补偿的人工神经网络建模及其应用

使用神经网络理论对数控机床热误差数学建模进行研究分析，并将其与传统的最小二乘线性建模所得热误差数学模型进行综合对比。通过应用实例分析比较表明：BP网络模型和RBF网络模型与传统的最小二乘线性模型相比具有更好的拟合性和预测能力。     

精密车削中心热误差测试和优化建模

研究目的在于通过热误差实时补偿来提高INDEX-G200车削中心的精度。介绍了热误差测试、采用分组方法进行温度变量选择、热误差建模等整个过程，分析结果显示该车削中心半径方向的热误差大约在18μm以内，比预计值要大。按照所述方法建模，具有较高的预测精度和鲁棒性。     

数控机床热误差鲁棒建模新方法及实时补偿

提出数控机床热鲁棒建模的综合极值和优化试验设计法两种新方法。它们不仅使用统计理论,还结合机床结构,工程判断和众多经验等,使热误差数学模型的鲁棒性更强,精确性更高,文章针对研究车削中心,还提出了一个结构紧凑,简单易用和成本低廉的热误差补偿系统。提出的建模方法和补偿系统在某生产厂家５０多台相同类型车削中心的热误差补偿应用中,仅使用一或二种热误差数学模型,几乎所有机床的热误差补偿都得到良好的效果,经补偿     

机床主轴热误差建模

在测量机床关键部件温度和主轴热误差的基础上,用逐步回归方法建立了多元线性回归模型,并介绍了温度变量的选择。为机床的设计与制造提供了参考依据,也为机床的误差补偿提供了模型。     

半闭环数控机床几何与热复合的定位误差建模与补偿

数控机床在提升国家制造业水平中有着至关重要的作用,提高数控机床定位精度是一个关键性的问题.针对半闭环控制的数控系统,提出了几何与热复合的定位误差建模与补偿方法.首先对丝杠螺母进行了热特性分析.然后采用了三次样条插值对静态定位误差建模;基于温度传感器实时温度数据,建立了热误差模型;将二者相结合,建立了几何与热复合的定位误...     

灰色系统理论在机床热误差测点优化中的应用

针对影响机床加工热误差建模的机床温度场分布问题，借用灰色系统理论的关联度分析方法。对热传感器在机床上的优化布点进行了研究，从原先的16个温度测点减少到仅使用其中的4个关键温度进行热误差建模，从而可以较简便的分析所研究机床的热误差，提高了热误差建模的鲁棒性。     

数控机床热误差建模与补偿

数控机床热变形误差对零件加工精度有重大影响。基于GA-SVR(遗传算法-支持向量回归机)的数控机床热误差建模方法要点有三:其一是数据采样,用不同传感器测量机床关键点的温度与机床主轴变形量。其二是数据训练,把获得的数据进行支持向量回归机建模训练,同时使用遗传算法寻找支持向量回归机相关参数的最优值。其三是数据建模,建立机床热误差模型,并验证模型的准确度。仿真及实验结果表明,基于GA-SVR的数控机床热误差建模方法具有精度高和鲁棒性强的特点。并依此算法建立了以DSP和A/D为核心的热误差补差补偿器。     

数控机床误差补偿技术及热误差补偿技术

热变形误差是影响机床定位精度的重要因素之一,文章在分析我体系统基本变换的基础上,建立了计及几何误差,载荷误差和热变形误差的机床不空间综合误差计算模型。对ＸＨＦＡ２４２０加工中心的丝杠和滑枕系统的热变形误差进行了和补偿,实验结果表明热误差补偿量达６５％以上。     

数控机床误差元素建模技术

根据建模理论和工程判断针对数控车床各误差元素的不同特性,将误差元素分为三种不同形式,并对于不同的误差元素给出了不同的数学模型建立方法.理论分析与补偿试验充分证明了这种分类方法及由此建立的数学模型的合理性和正确性.     

数控机床温度与热误差检测系统

数控机床热变形补偿模型研究和应用中须快速采集大量温度与热误差信号.针对温度和热误差信号的特点开发了检测系统,此系统具有方便快速测量机床各部位温度和机床热误差的功能.     

灰色系统模型在机床热误差建模中的应用

提出了采用灰色系统模型进行机床热误差建模的基本原理及方法，以及其在机床热误差补偿建模中的应用。论述了如何利用实测的热误差序列，通过对全数据GM（1，1）模型、新信息GM（1，1）模型和新陈代谢GM（1，1）模型进行机床热误差建模和预报，得出了新陈代谢GM（1，1）模型是机床热误差补偿建模最理想模型的结论。     

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。     

数控机床运动误差诊断技术研究

列举了造成数控机床运动误差的主要来源，给出了各主要运动误差来源对应的特征曲线。在此基础上进行了综合误差的诊断研究，提出了可用于综合误差诊断的数学方法，并进行了大量的仿真研究，得到了较为满意的结果。     

机床热误差建模研究综述

机床热误差的产生不可避免,热误差在机床的总误差源中又占有较大比重。如何合理地对机床热误差进行建模,并以此为基础实现热误差的避免与补偿十分关键。在过去三十年里,众多国内外学者针对热误差的建模方法进行了探究,基于建模方法的不同可分为两类:经验热误差建模方法与理论热误差建模方法。经验热误差建模方法主要应用于机床热误差的补偿,基于对统计学模型的参数辨识实现热误差的预测。理论热误差建模方法主要用于机床热误差的避免,基于传热关系及力与位移的约束建立方程,并通过微分方程的数值求解得到热变形。以这两种机床热误差的建模方法为脉络进行展开,分别探讨了两类建模方法国内外的研究现状,并分析了各模型的优缺点,并对未来的研究趋势进行了展望。     

基于状态空间模型的数控机床热误差建模

为了减小机床运行参数变化导致的机床热误差变化对模型预测精度的影响,提出了状态空间建模算法,该算法可根据机床运行参数的变化而自动调整模型,从而使模型对机床运行参数的变化具有良好的自适应性。通过实验比较了模型对机床处于不同条件下的热误差预测精度,并基于状态空间模型在Leaderway V-450型数控机床上进行了平面切削的热误差补偿实验。实验结果表明：与传统热误差建模算法相比较,所提算法的预测精度提高了58.12%,稳健性也得到了有效提升,且实际热误差补偿效果显著。     

数控机床的弹性螺距误差补偿

误差补偿技术是提高数控机床加工精度的有效途径。分析了在数控机床中引进弹性螺距误差补偿技术的必要性,给出了算法简单、适用于实时位置控制的该技术的软件实现。     

基于外部机床坐标系偏移的热误差实时补偿

基于数控系统的外部机床坐标系偏移功能，通过修改数控系统中的PLC程序，将数控机床的热变形误差，即工件与刀具间的相对热运动值读入数控系统，利用外部机床坐标系的偏移而实现热误差的实时补偿，开发研制了高精度、低成本、满足实际要求的热误差实时补偿系统。经实际生产应用，机床的加工精度得到了大幅度提高。     

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。