机床温度测点优化方法研究及试验验证

针对机床热误差补偿技术中的关键温度测点选取问题,提出了一种温度测点优化新方法.首先采用简单相关分析,剔除掉与热误差明显不相关的测点.然后对初步筛选出的测点进行模糊聚类分析,以消除温度变量间的复共线性问题,同时进行灰色综合关联度分析,判断各测点与热误差间的紧密程度.根据分析结果,建立多个不同测点的热误差模型,对模型进行基于统计学理论的分析,确定出关键温度变量,将温度测点由20个减少至4个.根据优化结果,重新建立多元线性回归模型.误差预测结果表明,主轴Z向最大热误差从17.903μm减小到1.850μm.     

基于灰色综合关联度的数控机床温度测点分组优化

提出了基于灰色系统理论中的灰色关联分析方法对数控机床热误差元素进行优化建模的方法.该方法先根据温度测点之间灰色综合相关度矩阵,对依据工程经验布置在机床上的温度测点进行分组;再通过计算各温度测点数据与热误差数据间的相关程度,从各组中选择代表测点,并对其进行排列组合;通过计算各温度测点组合所建立模型的理论输出与实际热误差间灰色综合相关度,确定关键温度测点.将该方法应用于一台数控车削中心的热误差建模,温度测点数量由16个减至4个,据此表明建立的模型能够避免温度测点之间相互耦合的影响,准确性和鲁棒性均得到较大提高.     

数控机床温度测点优化及热误差预测方法研究

热误差补偿技术是提高机床加工精度经济有效的方法,确定最佳关键温度测点布置位置和数目将极大提高机床热误差模型的精度和鲁棒性。针对一台立式加工中心,进行了机床热误差测量试验,根据其温度场,提出了模糊聚类与信息论相结合的方法,寻找最佳温度测点布置位置。该方法根据温度变量间的相似性,对温度变量聚类分组,然后利用互信息法对组内变量单独寻优,实现温度测点优化布置,最后利用多元线性回归分析建立机床热误差预测模型。在VMC1165立式加工中心进行了试验验证,温度测点减少为4个,热误差模型的拟合最大残差降低到5μm以内,相对于其他方法进一步提高机床热误差预测精度。     

基于AVQ聚类和OIF-Elman神经网络的机床热误差建模

针对数控机床热误差补偿技术中温度布点选取的问题,提出了基于前馈神经网络的自适应矢量量化(AVQ)网络聚类的方法,将AVQ网络聚类法应用于一台加工中心并将18个测点减少到3个,基于输出-输入反馈Elman(OIF-Elman)神经网络模型建立了机床热误差与关键测点温度之间的关系.结果表明,采用基于AVQ网络聚类法和OIF-Elman神经网络预测模型,能够降低机床温度测点之间耦合作用的影响,提高热误差建模的准确性与鲁棒性.     

聚类回归分析在滚齿机热误差建模中的应用

利用聚类回归分析方法的基本原理,研究了温度传感器在滚齿机上的优化布置策略,并将温度测点从原先的11个减少到4个,完成了温度变量的优选.利用优选的温度变量,采用最小二乘法进行回归建模,得到热误差模型,并利用该模型在Y3150K型滚齿机上进行热误差补偿实验.结果表明,该建模方法不但增强了热误差建模的鲁棒性,提高了齿轮加工精度,而且节省了工作量与成本.     

基于模糊聚类测点优化与向量机的坐标镗床热误差建模

为了研究电主轴系统热特性对机床精度的影响,建立了主轴轴向及径向热误差模型.以精密坐标镗床为对象,采用五点法对主轴热误差进行测量,并分析了转速对主轴热误差及温度场的影响规律.利用模糊聚类分析法对温度变量进行分组优化,选出对热误差敏感的温度变量,建立主轴轴向热伸长及径向热倾角的最小二乘支持向量机(LS-SVM)以及多元线性回归(MLRA)的综合热误差模型,并设定了预测优度评价标准.结果表明:模糊聚类分组法能有效降低温度变量间的多重共线性,并提高模型的稳定性;LS-SVM模型具备全局寻优的特点,可实现不同工况的高精度预测,预测精度可达90%,且比传统的MLRA模型有更好的通用性以及更强的泛化能力,可作为后期热误差的补偿模型.     

基于最优分割和逐步回归方法的机床热误差建模方法研究

根据机械结构的基本热变形模式,分析加工过程中的机床热误差模态,对温度测点进行初步选择.通过最优分割法优化温度测点和逐步回归法建模,将温度测点个数从初始的16个减少到3个热关键点.机床热误差模型拟合结果与实际热误差测量结果进行比较,检验结果说明该热误差模型精确度优良.     

车床主轴与进给轴耦合热误差建模及补偿研究

针对车床实际加工中主轴与进给轴的热误差相互耦合共同影响工件精度的问题,建立了综合热误差模型并进行了有效补偿。以海德曼HTC500/500精密车床为研究对象,对车床主轴与进给轴热误差的耦合关系进行了解耦;利用模糊聚类理论实现了车床测温点的优化分组,建立了主轴与进给轴的耦合热误差多元线性回归模型,并在精密车床上得到实际应用。结果表明:车床耦合热误差模型符合实际工况,模糊聚类有效降低了温度变量之间的多重共线性,提高了模型的预测精度;主轴x/z方向的预测精度达88.4%、90.7%,进给轴x/z方向的预测精度达82.9%、71.3%;补偿后车床x/z方向精度分别提高了60.3%、56.6%,证明了耦合热误差模型的准确性。     

基于遗传RBF神经网络的高速电主轴热误差建模

针对高速电主轴热误差建模,对HMC80加工中心电主轴单元进行了热误差测量实验,综合利用模糊聚类法和灰色关联度分析法对测温点进行优化,使测温点数量从8个减少到3个,该方法同时考虑了温度变量之间的复共线性和测温点温度与热误差之间的相关性.以优化后的温度变量为输入,热误差为输出,建立基于遗传算法径向基函数(RBF)神经网络预测模型,并与其他方法进行比较.分析结果表明:相比于传统RBF神经网络法和多元线性回归法,遗传RBF神经网络建立的热误差预测模型精度更高、鲁棒性更强.     

精密进给系统热误差的协同训练支持向量机回归建模与补偿方法

针对精密进给系统热误差的数据稀缺且获取成本高的问题,提出了一种基于协同训练支持向量机回归算法(COSVR)的精密进给系统热误差建模与补偿方法。通过整合标记数据(温度和热误差)及未标记温度数据建立热误差模型,利用基于西门子840D数控系统开发的补偿方法进行补偿。以精密镗床双驱动滚珠丝杠进给系统X轴为研究对象,进行热特性实验,获取24 m/min进给速度下的标记数据和12 m/min进给速度下的未标记温度数据,利用COSVR整合所有数据建立热误差模型,并通过遗传算法优化的支持向量机回归算法(GA-SVR)仅选用标记数据建立对照模型,获取18 m/min进给速度下的标记数据用于模型性能测试。结果表明:与GA-SVR模型相比,COSVR模型的均方根误差减少了34.14%,且在100 min和520 min时的误差范围分别减小了62.62%和55.85%。COSVR模型具有更好的预测性能且能更有效地降低热误差,进一步提高了精密进给系统热误差的建模精度。     

基于状态空间模型的机床热误差动态建模

提出了一种基于状态空间模型的机床热误差建模方法,以几个关键温度点的温升为输入,结合状态变量和干扰来确定热误差输出,由子空间辨识算法得到模型参数.同时,在一台数控车床上进行实验,以探究模型的精度和鲁棒性.结果表明:在不同的转速条件下,所提出的模型能够补偿70%的热误差;与自回归模型的建模方法相比,状态空间模型表现出更优异的鲁棒性.     

基于灰色GM(1,4)模型的数控机床热误差补偿技术

为降低机床加工过程中温度场变化对机床加工精度的影响,分析了数控机床生产过程中热源组成及热误差产生机理,根据灰色关联度理论从原设定的8个温度测量点中计算选定4个机床温度关键测量点,建立了灰色GM(1,4)预测模型。该模型搭建了4个关键测温点的温度变化情况与机床热误差值之间的映射关系,能在生产过程通过获取关键点温度实时预测机床热误差值,再通过数控系统将预测值补偿到刀具进给位置,以此形成机床热误差补偿机制。最后,以精密卧式加工中心THM6380为实验对象,检验GM(1,4)模型预测结果与实际热误差值间的差距,拟合残差在±1μm以内,拟合效果良好。     

数控滚齿机热变形误差分析与补偿新方法

为了对数控滚齿机的热变形误差进行补偿,提高齿轮加工精度,利用聚类回归分析方法,优化选择了热误差补偿过程中的温度测量点.采用最小二乘回归方法建立了热误差模型,实验结果验证,该模型精度高.提出了一种热误差差动螺旋补偿方法,该方法完全采用外部硬件补偿,能够独立地实现对热变形误差的实时补偿.与其他补偿方法对比,该方法不受限于数控系统的开放性,通用性较强.     

数控机床多变量关联热误差组合模型及其实验验证

针对主要基于受综合因素影响的机床本体温度所建立的热误差模型鲁棒性较差的问题.综合考虑机床本体温度、动力源转速、冷却液温度及环境温度提出了多变量关联热误差组合模型.将最小二乘支持向量机(LS-SVM)的方法运用到热误差建模中,并利用偏最小二乘(PLS)方法提取输入变量的主成分作为LS-SVM的输入,形成PLS-LSSVM组合热误差模型.此外根据数控加工过程及材料热变形原理,将相对起始温度的差温值作为温度输入,使热误差补偿更加准确.在某型号精密加工中心进行实验验证,结果表明:PLS-LSSVM模型比LS-SVM更稳定,比PLSR预测精度高;考虑差温多变量的PLS-LSSVM模型较单纯考虑机床本体测量温度值的PLS-LSSVM~*模型,热误差预测值的均方根误差(RMSE)平均减少了5.5μm.     

基于在机测量的复杂曲面侧铣加工误差补偿研究

叶片类薄壁零件的加工误差测量与补偿,一直以来都是其精密加工的关键和难点。为了提高复杂曲面零件的加工效率与加工精度,采用基于在机测量的复杂曲面侧铣加工误差补偿方法。在复杂曲面零件侧铣加工后,测量并分析实际测点与设计曲面采样点间的误差。通过调整加工刀位实现复杂曲面侧铣加工的误差补偿。以一个叶片的侧铣加工与误差测量为实例,经侧铣加工、在线检测、误差分析、侧铣加工刀位调整、再加工测量等环节,通过实例零件的加工误差在机检测与调整刀位后的误差实验结果的比较,实例零件的加工精度有较大提高,验证了上述方法的有效性。     

机床热特性优化研究综述

随着精密加工技术的发展,探究机床各部件生热对精密加工的影响,以提升机床加工精度及精度稳定性成为当前研究重点。本文介绍了精密机床热特性的内、外环境影响因素及控制优化方法,从车间及其机床热环境、结构设计、冷却方式、热误差补偿技术4个方面展开,分析了现代精密机床中误差防止及误差补偿中使用的热设计措施,并针对现有机床温度分布不均、换热效果较差等特点,运用帕尔贴、碳纤维、相变微胶囊材料,结合传热学知识原理,提出了未来解决机床重要部件温升的可发展关键技术方案,以资参考。     

轨迹误差建模的多轴联动机床轮廓误差补偿技术

为了提高数控机床多轴联动加工精度,减小由传动机构和运动部件质量、刚度、阻尼及摩擦等因素造成的轮廓误差,针对交叉耦合控制参数难以选择及容易使系统不稳定的问题,提出了一种针对多轴联动机床进行运动轨迹误差建模和补偿的方法.该方法通过测量机床的典型实际联动轨迹,来建立轮廓误差模型,实现了加工过程轮廓误差的实时估算和补偿.通过对x、y轴工作台的联动轮廓误差建模和补偿实验,证明此方法可以显著减小圆弧及曲率连续变化曲线轨迹的加工误差,从而提高了在高速条件下的数控机床多轴联动的加工精度.     

混凝土超大构件机加工中徐变补偿的定位拟合法

通过在机加工生产线外测量特征点的方法得到混凝土超大构件的毛坯模型,采用龄期调整有效模量法计算超大构件的混凝土徐变,在最小二乘定位拟合算法基础上设计徐变补偿定位拟合算法,以得到机加工时的精确毛坯模型。机加工时只需再次测量少量特征点,并利用徐变补偿算法得到的构件毛坯模型进行匹配,即可求得机加工模型。对某预应力混凝土轨道梁机加工的结果表明,徐变补偿的定位拟合法的拟合精度与在机加工生产线内再次测量所有特征点所得的拟合精度非常接近。     

超大构件机加工中徐变补偿的定位拟合法

通过在机加工生产线外测量特征点的方法得到混凝土超大构件的毛坯模型,采用龄期调整有效模量法计算超大构件的混凝土徐变,在最小二乘定位拟合算法基础上设计徐变补偿定位拟合算法,以得到机加工时的精确毛坯模型.机加工时只需再次测量少量特征点,并利用徐变补偿算法得到的构件毛坯模型进行匹配,即可求得机加工模型.对某预应力混凝土轨道梁机加工的研究结果表明,徐变补偿的定位拟合法的拟合精度与在机加工生产线内再次测量所有特征点所得的拟合精度非常接近.     

主轴热误差的自组织补偿原理及其仿真

主轴热误差是工件加工误差的主要来源之一,针对传统补偿策略算法复杂、成本较高且通用性不强等问题,提出了一种基于自组织原理的主轴热误差补偿策略,它只需根据对主轴热倾斜状态的定性测量结果即可进行定量误差补偿,从而可以大大降低对误差测量精度的要求及测量成本,同时各补偿力间的协调关系根据自组织原则自动建立,简化了补偿算法。经过对某型加工中心主轴热误差进行的自组织仿真补偿,其主轴热倾斜误差减小了92%以上,热偏移误差减小了46%以上。