加工中心主轴热误差建模与检测技术研究

热误差是影响高端数控机床精度的主要因素,主轴系统受热变形影响尤其显著。首先,在分析电主轴热误差因素的基础上,基于齐次变换矩阵建立电主轴热误差综合描述;进而综合采用接触式、非接触式温度场及热变形测量技术,构建主轴热误差测量方案,并结合相关系数法设置关键测温点;基于热误差描述模型及检测数据,建立电主轴热误差模型,成功开发电主轴热误差补偿系统,将加工中心运行过程中的热误差控制在3μm以内,证明了系统的有效性。     

加工中心主轴系统的热变形分析与有限元计算

以TH6350卧式加工中心为研究对象,构建了一套基于虚拟仪器系统的加工中心主轴系统温度场和热误差测量系统,测出了加工中心主轴系统的温度场和各项热变形.建立了基于I-DEAS的加工中心主轴系统的温度场和热变形有限元模型,得到了主轴系统的温度场和热变形分布及其计算结果,计算结果与实测值得到了较好的吻合,研究结果为加工中心的改进设计、温度控制和误差补偿提供了理论依据.     

加工中心主轴系统的热变形分析与有限元计算

以TH6350卧式加工中心为研究对象,构建了一套基于虚拟仪器系统的加工中心主轴系统温度场和热误差测量系统,测出了加工中心主轴系统的温度场和各项热变形.建立了基于I-DEAS的加工中心主轴系统的温度场和热变形有限元模型,计算出了主轴系统的温度场和热变形,计算结果与实测值得到了较好的吻合,研究结果为加工中心的改进设计、温度控制和误差补偿提供了理论依据.     

加工中心主轴热误差的分析与建模

在测量加工中心主轴系统的温度场和热误差数据的基础上,研究了温度变化与主轴热误差之间的关系,并用主成分分析法建立了两者的多元线性回归模型.经计算分析,该模型具有较高的精度,可以满足加工中心热误差实时补偿的应用要求,同时也可作为机床设计和制造的参考依据.     

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。     

加工中心主轴热误差的建模分析

采用五点法测量了加工中心主轴的温度场和热误差数据,研究了温度变化与主轴热误差之间的关系,并用不同的回归方法建立了两者的多元线性回归模型。经研究分析,利用偏最小二乘回归法进行建模具有较强的预测能力和较为理想的精度,可以满足加工中心热误差实时补偿的应用要求。     

精密加工中心主轴热误差测量技术的研究

热误差是影响精密加工中心加工精度的主要因素之一,因此减小热误差对提高加工中心的精度至关重要.通过对热误差进行检测、建模,可以从一定程度上消除热误差对精密加工中心的影响,提高加工精度.文章以精密立式加工中心VDM55为研究对象,在分析热误差来源及形式的基础上,利用研制的温度和热误差检测系统,测量了加工中心主轴温度场和热误差.该测量系统具有成本低、测量精度高、结构简单的特点.通过合理设计的热误差测量实验,获得了真实有效的主轴热误差数据.测量数据的分析结果表明,该方法对研究机床热误差规律和建模具有很大的应用价值.     

加工中心主轴关键热敏感点选取与热误差预测

为探究数控机床主轴温度场信息与主轴热误差之间的非线性映射关系,提出一种基于人工蜂群优化算法(ABC)与广义回归神经网络的主轴热误差预测模型。首先,使用热成像技术布置温度传感器,并利用K-medoids算法对温度测点进行聚类分组,使用灰色关联度分析方法计算温度与主轴热误差之间的相关程度,进而提取出最佳热敏感点;其次,引入调节因子优化ABC算法的寻优过程,使用改进后的ABC网络确定GRNN网络的最佳参数及光滑因子;最后,以三轴数控加工中心为研究对象,进行温度数据与热误差数据的采集,建立基于ABC-GRNN热误差预测模型并与优化前进行比较。热误差实验结果表明,K-medoids算法与灰色关联分析相结合,有效避免了温度测点之间的多重共线性;ABC-GRNN模型可以更准确地预测出主轴各项误差值。     

能够进行热误差补偿的加工中心在线检测软件的研究

研究了加工中心在线检测软件误差补偿技术，基于Windows平台开发了误差补偿软件，并对软件开发中的关键技术：建立检测系统的几何误差与热误差综合模型，测头误差处理技术进行了研究。可以同时对测头误差、机床几何误差与热误差进行补偿，有效地提高了在线检测精度。软件系统在MAKINO立式加工中心上进行了实验验证。     

基于GA-LSSVM的数控机床热误差建模方法研究

为减小数控机床热误差对加工精度的影响,实现对热误差的补偿控制,提出一种基于遗传算法(GA)优化的最小二乘支持向量机(LSSVM)数控机床热误差建模方法。利用遗传算法优化选择LSSVM惩罚因子C和核函数参数σ~2,构建针对某卧式加工中心主轴热误差的GA-LSSVM模型。根据该模型得到热误差的模拟值和测量值对比曲线,通过分析发现GA-LSSVM模型性能较好,模型残差较小,预测精度较高。建立热误差LSSVM模型和传统BP模型并与GA-LSSVM模型作对比,结果表明:GA-LSSVM模型绝对残差δ及均方误差MSE均为最小,模型决定系数R~2最大,验证了GA-LSSVM建模方法的有效性。     

利用偏最小二乘回归法对主轴热误差数值建模的研究

采用五点法测量了加工中心主轴系统的温度场和热误差数据,利用偏最小二乘回归法建立了两者的多元线性回归模型.经研究分析,该模型具有较强的预测能力和较为理想的精度,可以满足热误差实时补偿的需要.     

Simulation of thermal behavior of a CNC machine tool spindle

The thermal deformations of a CNC machine tool spindle are the major contributor of thermal error. It is very significant both theoretically and practically to study how to accurately simulate the thermal error of the spindle. Firstly, this paper proposes a method for computing the coefficient of convection heat transfer of the spindle surface by referencing the theory on computing the coefficient of convection heat transfer of a flat plate when air flows along it. Secondly, the temperature field and thermal errors of the spindle are dynamically simulated under the actions of thermal loads using the finite element method. Thirdly, the characteristics of heat flow and thermal deformation within the spindle are analyzed according to the simulation results. Fourthly, the selection principle of thermal key points, which are indispensable for building a robust thermal error model, is provided based on the thermal error sensitivity technology. At last, a verification experiment is implemented on a CNC turning center, and the results show the simulation results are satisfying to replace the experiment results for further studies.     

Characterizations and models for the thermal growth of a motorized high speed spindle

In this paper, the characterizing and modeling of the thermal growth of a motorized high speed spindle is reported. A motorized high speed spindle has more complicated dynamic, non-stationary and speed-dependent thermal characteristics than conventional spindles. The centrifugal force and thermal expansion occurring on the bearings and motor rotor change the thermal characteristics of the built-in motor, bearings and assembly joints. It was found that conventional static models using regression analysis and artificial neural network failed to give satisfactory model accuracy and robustness. An auto-regression dynamic thermal error model, that considers the temperature history and spindle-speed information, has been proposed and proved to improve the model accuracy. However, it was found that temperature-based thermal error models, that correlated thermal displacement of the rotating cutting tool to the temperature measurements on the spindle housing, were not robust. Many nonlinear and time-varying thermal sources, such as coolant jacket, motor air gap, motion joints and assembly interfaces influence thermal displacement. The relationship between temperature measurements and thermal displacements is highly nonlinear, time-varying and non-stationary. A new thermal model which correlates the spindle thermal growth to thermal displacements measured at some locations of the rotating spindle shaft has been proposed. It was found that the displacement-based thermal error model has much better accuracy and robustness than the temperature-based model.     

数控车床热误差建模与补偿研究

数控机床热变形引起的误差通常占到总体误差的40%~70%。以某公司生产的某型卧式数控车床为研究对象,检测主轴热误差和X进给轴热误差,基于最小二乘法对该机床主轴X、Y、Z向和X进给轴分别建立热误差模型。考虑到实测环境温度相对参考温度20℃时滚珠丝杠伸长的因素,对主轴热误差实测值进行了修正。根据主轴X向修正后的热误差模型和X进给轴热误差模型建立了X轴综合热误差模型,并采用西门子840D系统进行了热误差补偿试验,热误差降低了54.5%,CP值由1.34提升至1.88,证明此该建模与补偿方法有效、可行。     

A review on spindle thermal error compensation in machine tools

Thermal error caused by the thermal deformation is one of the most significant factors influencing the accuracy of the machine tool. Among all the heat sources which lead to the thermal distortions, the spindle is the main one. This paper presents an overview of the research about the compensation of the spindle thermal error. Thermal error compensation is considered as a more convenient, effective and cost-efficient way to reduce the thermal error compared with other thermal error control and reduction methods. Based on the analytical calculation, numerical analysis and experimental tests of the spindle thermal error, the thermal error models are established and then applied for implementing the thermal error compensation. Different kinds of methods adopted in testing, modeling and compensating are listed and discussed. In addition, because the thermal key points are vital to the temperature testing, thermal error modeling, and even influence the effectiveness of compensation, various approaches of selecting thermal key points are introduced as well. This paper aims to give a basic introduction of the whole process of the spindle thermal error compensation and presents a summary of methods applied on different topics of it.     

基于蝙蝠算法优化的小波神经网络车床主轴热误差建模

为提高数控车床主轴热误差的预测精度,以某型号数控车床主轴为研究对象,提出基于小波神经网络(WNN)的主轴热误差建模方法。利用K-means++聚类结合相关性分析理论,将温度测点从10个减小到2个。针对小波神经网络对初始值敏感的问题,采用蝙蝠算法(BA)将预测输出值与实验测量值之差的绝对值作为个体适应度函数,将蝙蝠个体的位置向量映射为小波神经网络的初始连接权值、尺度因子及平移因子,实现对小波神经网络初始值的优化。利用优化后的小波神经网络建立车床主轴热误差预测模型,与未优化的小波神经网络和BP神经网络预测模型对比。结果表明:BA-WNN对主轴轴向热误差的预测精度较高、残差较小、预测能力更强。     

基于CS-GMC(1,N)的数控机床全新热误差建模优化方法

为降低机床热误差对数控加工精度的影响,提高灰色模型GMC(1,N)的预测精度,将布谷鸟搜索（CS）算法引入GMC(1,N)灰色模型中,用于优化灰色模型GMC(1,N)的生成系数,构建了基于CS-GMC(1,N)的数控机床热误差预测模型。以小型三轴立式数控铣床为研究对象进行了主轴热误差实验,热误差预测性能分析结果表明：CS-GMC(1,N)模型的预测精度高于PSO-GMC(1,N)模型,为机床主轴热误差建模及后续热误差补偿提供了参考。     

数控机床主轴热误差的数据驱动模型研究

当实际工况与建模工况存在差异时,传统的热误差模型往往表现出较差的鲁棒性和预测精度,主要原因在于建模数据的局限性和模型的未建模动态。为了改善上述状况,提出了一种基于数据驱动的数控机床主轴补偿模型。此模型采用无模型自适应控制算法建模,结合机床运行中生成的数据(温度数据和误差数据)对热误差模型进行实时修正,使模型能快速适应新的加工工况,从而提高模型的鲁棒性。在一台数控车床主轴上进行了试验验证,结果表明:无模型自适应控制与多元回归模型比较,其标准差、最大残差和误差平方和分别提高了41%、62%和56%,此模型的鲁棒性和预测效果好。同时,此方法为大数据在机床主轴热误差补偿中的应用奠定了基础。     

基于GA-SVR的数控机床热误差建模

为了提高数控机床加工精度,消除数控机床热误差对加工精度的影响,文章提出了基于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.为了构建机床的热误差模型,首先采用温度传感器与位置传感器测量机床的温度与对应的机床主轴变形量.其次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.最后建立机床热误差模型,并验证模型的准确度.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.