五轴数控机床运动误差建模与测试技术

针对双轴旋转工作台五轴数控机床,运用齐次变换矩阵建立了机床运动误差模型,并得到了相应的简化模型.为了测量双轴转台五轴数控机床的运动误差,提出一种基于双球杆仪的五轴机床运动误差分离方法.此方法通过控制数控机床的运动,使机床的任意1个旋转轴与2个直线轴构成三轴联动而另外2个轴保持静止,据此设计了6种机床运动轨迹来测量误差.在测量过程中采用双球杆仪来测量主轴与工作台之间的相对距离,将所测特定位置处的长度值代入误差模型即可得出机床的运动误差.该方法大大简化了数学模型的计算和误差分离的整个过程.仿真分析表明:此方法可以精确地分离出五轴数控机床的旋转工作台的所有8个运动误差,是一种非常有效而简便的五轴数控机床运动误差测量方法.     

基于样件测试法的五轴机床误差辨识方法

为了提高五轴机床误差模型的预测能力,提出一种基于样件测试法的五轴机床误差间接测量方法,并完成了阶梯轴样件的优化设计.通过对机床空间误差模型进行反求,建立样件加工误差与机床不同误差项之间的函数解析关系,进而得到了机床不同加工状态的动态误差.通过试验验证了该方法的可靠性.结果表明:该方法与激光测量结果吻合较好,可以提高五轴...     

五轴机床误差建模与补偿解析新算法

为了建立合理的五轴数控机床综合误差补偿模型,基于机床各部件为刚体联接的假设下,简化了机床运动学约束拓扑关系,本文提出了基于多刚体动力学的综合误差理论模型,并对误差分量进行分析,建立了误差参数表。机床热误差测量点分布离散且采样数据量大,结合灰色综合关联度算法,将离散点数据表征其关联关系,并拟合出各轴热误差量曲线,建立了机床热误差预测模型。综合机床各轴热误差产生的机理,定义了针对主轴热误差和进给轴热误差的新型测量法—5点测量法和6点测量法,大量实验证明理论预测辨识模型曲线与实验结果一致,残差范围在0~12um之间。基于机床误差线性叠加假设,将机床几何误差和热误差统一建模,提出了新型综合误差补偿模型。将此补偿模型用SIMEMS840D数控系统中的PMC单元开发实时补偿软件,大量实验表明某五轴数控机床的加工精度有了显著的提高,完成补偿后误差变化量在 0~29μm之内。     

五轴数控机床几何误差分析与建模

首先对五轴数控机床几何误差进行分析和描述并画出五轴数控机床拓扑结构图,采用特征变换原理把各运动体间的相互关系用变换矩阵来表示,将各实体间复杂的运动关系抽象为数学矩阵间的关系,得出实际相邻体间4×4阶齐次特征变换矩阵及其与特征之间的相互对应关系,得出五轴数控机床的误差模型表达式.     

机床误差敏感度分析方法

目前精度设计依然停留在以设计人员感官经验设计为主的层面,已开展的误差敏感度分析工作无法对精度设计提供直接的量化指导.针对上述问题,展开了机床误差敏感度分析方法的研究.首先,基于多体系统理论建立了数控机床的空间运动误差模型,同时构造了基于零部件公差的几何误差源参数的预估模型,在此基础上,进一步提出了基于部件运动增量的误差敏感度分析方法.以CA摆头五轴数控铣床为研究对象,以"S"试件为加工对象进行试验验证,利用基于机床部件运动增量的误差敏感度分析方法对五轴加工中心进行误差敏感度分析.结果表明:ε_y(x)、q_6~e、ε_x(x)、q_5~e、θ_C~e、ε_(zx)~(45)这6项误差源参数对应的误差敏感度系数之和为0. 95,其他误差源参数的敏感度系数之和仅为0. 05,因此该方法可以有效地识别出对数控机床加工精度影响较大的关键零部件,为提升数控机床的加工精度奠定了理论基础.     

五轴数控机床综合误差建模评价方法研究

针对五轴数控机床精度综合评价分析的需要,提出了一种对机床几何误差和伺服误差进行综合评价的方法。该方法通过机床线性轴和旋转轴联动的方式,利用球杆仪进行圆度误差检测,根据所建立的误差分析评价模型,通过对机床运动过程中的各项误差对机床总误差的影响进行分析得知,随着进给速度的增加,机床的几何误差基本保持不变,而伺服误差在机床总误差中所占比重逐渐增大,当进给速度增大到10 000 mm/min时伺服误差占机床总误差的75%左右。实验结果表明本机床误差评价模型具有较高的准确性,分析结果可为机床的误差补偿提供计算依据。     

基于圆检验的数控机床几何误差辨识

为了准确地辨识出三轴立式数控机床的各项几何误差,通过多体系统理论建立了三轴立式数控机床圆运动轨迹数学模型,分析了数控机床圆检验中典型误差对机床圆运动轨迹的影响机理.考虑多种几何误差对机床圆检验运动轨迹的影响,提出了一种基于最小二乘法和多项式误差模型的几何误差辨识方法,该误差辨识方法可以辨识出三轴立式数控机床的21项几何误差.数值仿真结果表明:该误差辨识方法具有准确性和可行性.     

THG400卧式加工中心误差分析与建模

分析THG400卧式四轴加工中心机床结构,基于多体系统理论建立卧式四轴加工中心的综合空间误差模型,分析机床某相邻体间变换特征矩阵运算方法;给出机床综合空间误差模型实际应用的基本思路,建立的综合空间误差模型能全面准确地为数控机床误差补偿的实际应用提供理论基础。     

多体系统理论的数控滚齿机综合空间误差建模

为提高数控滚齿机床的加工精度,结合自行设计的数控滚齿机床,利用近年来研究数控机床误差建模的新方法—多体系统理论对六轴滚齿机床进行几何误差分析,建立综合空间误差模型,得到综合空间误差变化规律。为利用数控误差补偿方法提高滚齿加工精度提供理论支持。     

双转台五轴数控机床主轴热误差测量与建模

为了测量数控机床实际切削加工过程中主轴的热误差,并优化热误差模型的输出,提出利用热测试件测量机床主轴热误差的方法,并利用误差特性分离出热误差。针对机床热误差建模中温度测点优化选择的问题,提出基于K-means++算法和相关系数法相结合的方法选取温度敏感点,采用K-means++算法对所有温度测点进行聚类,相关系数法计算各个温度变量与主轴热误差之间的相关性,从而确定温度敏感点,结合分离出的热误差建立主轴热误差多元线性回归模型。在VMC-C50双转台五轴数控机床上对该方法进行试验验证,结果表明,温度测点的数量由8个减少为2个,模型的预测精度及鲁棒性得到有效提升。     

机床空间误差完备建模方法与NC代码优化补偿技术

空间误差是机床几何误差元素综合作用的结果,但现阶段空间误差模型大多存在缺失若干几何误差元素的问题,直接影响着机床空间误差的预测精度。为此,提出一种机床空间误差完备建模方法,以多体系统理论及齐次坐标变换为分析研究手段,在充分考虑体间坐标系初始位置关系及原始误差特征矩阵的基础上,确保模型包含机床全部几何误差元素。进而,针对传统基于NC代码的空间误差补偿技术中存在残差的局限性,提出将NC代码坐标的逆向叠加过程转化为最优化设计问题,并借助遗传算法对该问题进行求解计算,达到消除空间误差补偿残差的目的。最终,以某型卧式加工中心为研究对象进行计算分析与实验验证,结果表明：依据所提方法构建的空间误差完备模型包含加工中心全部21项几何误差元素,空间误差预测结果较精确;所提NC代码优化补偿技术使加工中心空间定位精度得到进一步提升,补偿后定位精度增幅最高达90.92%。研究成果可为数字制造装备精度问题探索提供较重要的理论与工程技术支撑。     

基于响应面方法的数控机床空间动态特性研究

机床运动部件位置姿态在加工空间的变化,造成机床质量矩阵、刚度矩阵以及阻尼矩阵随之变化,导致机床动态特性预测具有复杂性和不确定性。针对加工空间机床动态特性的准确预测问题,本文提出一种基于响应面理论的数控机床空间动态特性研究方法。该方法以数控机床固有频率频率这一关键动力学性能指标为例,分析机床整机动态特性与机床位置姿态之间的数学关联关系,基于正交试验设计和响应面方法理论,构建预测广义加工空间数控机床动态性能变化的响应面模型,揭示机床动态特性在加工空间的演化规律,并在该响应面模型基础上提出机床动态特性影响因子概念,计算各方向运动部件的位移变化对机床动态特性的影响程度,共同确定机床最优加工位姿和加工路线。将该方法应用于一台三轴立式加工中心,采用正交试验设计确定移动部件的不同位置组合作为计算样本点,在ANSYS仿真软件中计算每个样本点的前5阶固有频率,建立反映位置特征与固有频率数值的二次多项式响应面模型,并通过计算响应面模型质量评价指标验证了该模型的有效性,以此分析机床前5阶固有频率在加工空间的分布规律及其对x、y、z向位移变化的灵敏度,阐明机床空间位姿对机床动态特性有较大的影响,为机床工艺规划和优化设计提供了新的分析方法及技术支持。     

基于蒙特卡洛模拟的机床关键几何误差溯源方法

为了溯源对加工误差影响最大的机床几何误差,提出了一种基于蒙特卡洛模拟的灵敏度分析方法.运用多体系统理论建立五坐标龙门加工中心加工误差生成模型,并建立了S形样件的直纹面数学模型.推导刀具轨迹到切削点的映射关系,建立了切削曲面模型.根据蒙特卡洛模拟采样机理,对机床加工误差模型进行全局灵敏度分析,获得影响机床加工误差的关键几何误差参数.按照灵敏度分析结果排序,获得影响z向加工误差最大的5项几何误差参数为δ_z(x)、δ_z(y)、δ_z(z)、δ_z(c)、δ_z(b).实验结果表明:5项关键误差参数共同作用对分析区域平均z向加工误差的影响度达88.2%,5项误差参数对机床z向加工误差影响最大,可以为提高五坐标机床的加工精度和设计精度提供指导.     

基于注意力机制的数控机床热误差深度学习预测方法

为提高热误差预测精度和鲁棒性,提出一种基于注意力机制和深度学习网络的数控机床热误差预测模型。采用数据转化策略,将数控机床原始温度数据转化为温度图像,直接作为深度学习网络的输入;提出一种基于注意力机制的温度敏感点识别网络,根据温度测点与热误差关联程度,赋予各温度测点不同的权值,避免了温度测点的人为选取弊端;建立12层深度CNN学习预测网络,利用其强大的图像特征学习能力,挖掘温度图像与热误差的非线性映射关系,无需对温度关键点进行预选择,保留了更多的热误差与机床温度特征关系,显著提高了模型预测精度。为了提高热误差模型的精度与泛化能力,引入Dropout正则化方法和Adam优化算法,对深度卷积神经网络的结构与参数进行了优化。该方法在针对G460L型数控车床的热误差验证中表现出较高的预测精度。通过与BP神经网络和多元回归等传统热误差模型进行对比,深度卷积神经网络框架下的热误差模型在泛化性指标上表现更优。     

Dimensional tolerance allocation for new type of parallel machine tools

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｐｒｏｔｏｔｙｐｅｏｆａｎｅｗｔｙｐｅｏｆｐａｒａｌｌｅｌｍａｃｈｉｎｅｔｏｏｌｓｉｓａ 6 6Ｓｔｅｗａｒｔｐｌａｔｆｏｒｍｍｅｃｈａｎｉｓｍ .Ｃｏｍｐａｒｅｄｔｏｔｈｅｔｒａ ｄｉｔｉｏｎａｌｍａｃｈｉｎｅｔｏｏｌ,ａｐａｒａｌｌｅｌｍａｃｈｉｎｅｔｏｏｌｐｏｓｓｅｓｓｅｓｍａｎｙａｄｖａｎｔａｇｅｓ ,ｓｕｃｈａｓｈｉｇｈｐｒｅｃｉｓｉｏｎ ,ｈｉｇｈｓｔｒｕｃｔｕｒａｌｒｉｇｉｄｉｔｙａｎｄｈｉｇｈｍａｃｈｉｎｉｎｇｆｏｒｃｅ/ｔｏｒｑｕｅｃａｐａｃｉｔｙ ,ｅｔｃ …     

应用虚拟制造技术开发五轴加工中心

为了满足机床的高精度、高刚度、高速度和复杂运动的要求,用三维CAD建立整机数字模型,对在设计阶段采用虚拟现实制造技术开发五轴加工中心新产品进行了研究。在虚拟模型上进行机床运动分析和机械干涉检查,采用有限元方法做动力学仿真分析,温度变化和热变形误差分析,以及加工和装配工艺分析等。在虚拟样机上的研究结果被用来在设计过程中改进机床。     

基于元动作单元的数控机床运动精度映射

为使数控机床精度设计有定量的理论数值供参考,从运动的角度出发,建立了基于元动作单元的数控机床运动精度映射模型. 采用“功能(Function)-运动(Motion)-动作(Action), FMA”的结构化分解方法得到元动作单元,并结合多体系统理论对数控机床拓扑结构进行了描述；运用旋量理论对数控机床误差建模,建立数控机床空间运动误差模型,并用螺旋理论得到空间运动误差综合值；以制造成本、空间运动误差螺距及其大小为设计准则,构建了运动精度映射模型,并应用NSGA-Ⅱ遗传算法对数控机床运动精度进行映射. 对某国产加工中心进行运动精度映射求解,说明了该模型的可行性和有效性.     

Interpolation-based contour error estimation and component-based contouring control for five-axis CNC machine tools

High accuracy contour error estimation and direct contour error control are two major approaches to reduce the contour error. However, two key factors make them complex for five-axis machine tools: the nonlinear kinematics and the coupling between the tool position and orientation. In this study, by finding the reference point nearest to the current actual position, and interpolating the point with two neighboring reference points and using the distance ratio, a new contour error estimation method for five-axis machine tools is proposed, which guarantees high accuracy while depending on only the reference points. By adding a weighted contour error on the tracking error in the workpiece coordinate system, and specifying a desired second-order error dynamics based on the error variable, an effective contouring control method is proposed, which can alleviate the problem: when the contour error components are introduced into the controller, the contour errors increase instead in some regions of the tracking trajectory. A series of experiments are performed on a tilting-rotary-table (TRT) type five-axis machine tool. The results reveal that the proposed estimation method has high accuracy, and compared with the case without contour error control, the proposed control approach can reduce the contour error along the whole trajectory.     

平面二次包络环面蜗杆数控加工误差分析研究

以多体系统建模理论和空间啮合原理为基础,研究数控机床各轴运动误差、刀具误差、工装误差等多项原始误差对平面二次包络环面蜗杆数控加工廓面精度的影响,推导出包含以上各误差的平面二次包络环面蜗杆误差廓面方程,利用牛顿迭代法计算并对误差计算结果进行对比分析,从理论上阐述各误差对加工蜗杆廓面精度的影响规律,为平面二次包络环面蜗杆高精度数控加工提供参考。       

数控车床主轴热误差SHO-LSTM预测建模

在高精度加工过程中,数控机床主轴误差对加工精度的影响较为严重。数控机床热误差占总误差比例高达40%~70%,是主要的误差源之一。为了提高热误差预测的精度,提出了一种使用海马优化算法(SHO)优化时序预测网络(LSTM)的精密车床主轴热误差预测建模方法。首先,利用羚羊优化算法(GOA)对模糊C均值聚类(FCM)的模糊矩阵常数、最大迭代次数、迭代终止条件进行优化并结合Person、Spearman和Kendall相关分析方法优化温度测点,使用手肘法确定最优分组规模。根据DB、BWP和Silhouette聚类评估指标评估温度测点聚类效果。其次,以车床主轴五点法获取的热误差数据和优化后的温度数据作为输入,使用SHO对LSTM的隐含层节点、全连接层节点、学习率、L2正则化常数进行优化,并使用S折交叉试验方法确定最优分组规模,建立主轴热误差SHO-LSTM预测模型。再次,在不同转速下对构建的热误差模型进行基于平均绝对误差MAE、均方根误差RMSE和平均绝对百分比误差MAPE的预测效果进行评估。最后在CKA6163A型车床上进行实例验证,使用五点法进行测量辨识,同时测量主轴附近的温度。实验结果表明：所提出的温度测点优化算法相比未优化的模糊C均值聚类(FCM)的DB指标降低了89%,BWP和Silhouette分别提高了59%和8.17%,对比结果表明优化后的聚类算法可有效降低温度测点间的共线性,提高预测模型的预测效率。所提出的海马优化算法(SHO)优化时序预测网络(LSTM)与未优化的时序预测网络(LSTM)相比,所提出的预测网络的均方根误差RMSE降低了42%,表明海马优化算法(SHO)可以提高时序预测网络(LSTM)的准确性;与天鹰(AO)优化卷积神经网络(CNN)相比,所提出的预测网络的均方根误差RMSE降低了3%;与反向传播神经网络(BP)相比,所提出的预测网络的均方根误差RMSE降低了57%,对比结果表明SHO-LSTM主轴热误差预测模型的鲁棒性和准确性更高。