应用潜变量回归在线补偿双直接进给轴热误差

为了提高直线电机驱动的双直接进给轴的运动精度,对该类进给轴的热误差进行了建模并研究了误差补偿方法。分析了双直接进给轴进给过程中热误差产生的原因及其补偿的复杂性,给出一种基于潜变量回归的双直接进给轴热误差在线补偿方法。该方法应用激光干涉仪测量进给轴的热变形量,使用热电偶和红外测温仪测量进给轴关键点的温度变化;通过时间匹配变形和温度数据得到统计样本并建立基于潜变量回归的热误差识别模型。以模型的在线计算确定误差补偿量,给出了与数控系统兼容的补偿控制输出策略及补偿系统构建方案。在自构建的龙门双直线电机驱动进给轴平台上进行了在线补偿实验。结果表明:应用潜变量回归方法对双直接进给轴进行热误差补偿可使双直接进给轴的热误差减小75%。     

混合KPLS与模糊逻辑的双直接进给轴全行程热误差建模及补偿

为了提高双直线电动机驱动的同步直接进给轴的运动精度,对该类直接进给轴的全行程热误差在线补偿方法进行了研究。分析了双直接进给轴全行程热误差的影响因素,提出一种基于核偏最小二乘法(Kernel partial least squares,KPLS)和模糊逻辑相结合的双直接进给轴全行程热误差的在线补偿方法。应用激光干涉仪测量其热变形量,使用热电偶和红外测温仪测量进给机构关键点的温度,以时间匹配温度和变形量数据建立统计样本,在均匀离散点位置建立热误差KPLS识别模型,通过在线计算得到离散点热误差补偿量,再根据任意位置与离散点的模糊关联程度,综合计算全行程任意位置处热误差补偿量。以此理论为基础,建立补偿决策函数和补偿系统,依据补偿决策函数智能推断补偿值,通过向数控系统发送补偿码实现在线补偿。在自构建的龙门双直线电动机驱动的直接进给轴平台上,进行全行程热误差在线补偿试验研究,结果表明:混合KPLS与模糊逻辑可以有效的对双直接进给轴全行程热误差在线补偿,经过随机测试验证,补偿后的进给精度提高了50%。     

基于学习的2x/y直线进给轴圆轮廓误差精密补偿方法

为了提高龙门2x/y直线进给轴联动的圆轮廓精度,对进给轴联动圆轮廓误差的测量、评价和补偿方法进行研究。分析直线电动机驱动的进给轴联动过程存在圆轮廓偏差的原因及其补偿的复杂性,给出一种基于学习的联动轴圆轮廓误差在线精密补偿方法,此方法通过双光束激光干涉仪动态精密测量x/y联动轴的实时坐标值,应用最小二乘圆方法评价确定理想圆,接着通过与理想圆轴坐标位置的比较,计算得到轴向偏差学习样本,建立基于最小二乘支持矢量回归机(Least square support vector regression,LS-SVR)方法的轴向偏差离线识别模型,通过模型的在线回归计算确定联动进给过程的偏差补偿量,给出补偿量控制输出策略与补偿系统构建方案,在自构建的直线进给轴平台上进行在线补偿试验。结果表明应用该方法对2x/y直线进给轴联动的轴向偏差进行在线补偿,可使圆轮廓精度提高68.7%。     

高速直线电动机驱动进给轴热行为测试研究

以自构建的直线电动机驱动高速进给轴为研究对象,对全闭环位置反馈进给轴的温度场分布和热变形特性进行了定性分析,指出直线进给轴的几何热变形可以分为光栅尺线性变形、导轨的轴向俯仰角度误差变形和滑台变形3个部分组成,探讨给出进给轴温度测量以及基于激光干涉仪、电容测微仪的变形测量原理及方案,在自构建的直线进给轴试验台上,对该热变形过程进行了综合测试研究,测试结果客观反映了导致直线进给轴热变形误差的组合要素及其所占比例.     

数控机床进给轴热误差补偿技术研究综述

机床在内外热源共同作用下产生热变形,严重影响机床的精度稳定性与零件加工精度,如何抑制机床热误差是一个重要的研究领域.介绍了机床热误差避免方法和热误差补偿方法的研究进展.分析了直线进给轴误差的成因,并阐述了有/无预紧条件下丝杠热变形过程及机理.介绍了温度测点位置优化方法,以及数据驱动与机理驱动的热误差建模理念、方法及特点.介绍了旋转进给轴热误差测试方法,并给出了其建模及补偿效果.最后,对进给轴热误差补偿技术研究进行了展望.     

应用变量优选的PLSR分析直线进给轴热扭曲行为

为了探索直线电机驱动的高速直线进给轴热扭曲变形的影响因素,在试验的基础上,给出应用向前变量智能自筛选的偏最小二乘线性回归模型(Partial least squares regression,PLSR)分析影响进给轴热扭曲行为关联因素的分析方法。通过在自构建的进给轴试验平台,建立进给轴扭曲变形的测试系统,给出直线进给轴在发热过程和强冷却作用过程的热扭曲变形采样与进给轴温度动态采集方案。应用周期大变异的遗传算法为偏最小二乘回归参数的自检验方法,给出分析方法的具体实现步骤。通过实验和回归识别计算,分析了进给轴的温度分布及其对热扭曲行为的影响规律。结果表明,给出的变量自筛选偏最小二乘线性回归分析方法,可有效的筛选复相关的温度测点变量,并保持较高的回归识别精度,给出的方法与全变量PLSR和向后变量筛选的Bootstrap方法进行了比较,进一步表明了给出的回归分析方法的优越性。     

数控机床热误差建模及补偿研究

数控机床的热误差是影响机床精度的关键因素,因此需要对其进行预测和补偿。首先通过多工况下的定位误差测量和进给轴测量点的温度监测,分析了进给轴温度场和热误差的分布变化特征;利用多元线性回归表征温度变化与进给轴膨胀率的定量关系从而完成热误差的预测建模,针对三轴数控立式铣床进行了热误差补偿。实验结果显示:基于修正的最小二乘法的热误差参考点预测模型更符合实际工况,与补偿前相比机床进给轴的精度提升了47.5%。     

考虑电控数据的LSTM神经网络进给轴热误差建模

针对进给轴热误差建模中忽略电控数据和时间序列影响的问题,提出一种考虑温度变化与电控数据的长短期记忆(Long-Short Term Memory,LSTM)神经网络热误差预测模型.以三轴立式加工中心为试验对象,首先对进给轴进行热变形分析,再以温度变化、电控数据为输入样本,建立了LSTM神经网络热误差预测模型,随后通过与仅考虑温度变化的LSTM神经网络,以及同时考虑温度变化与电控数据的BP神经网络进行对比分析,试验论证表明,对数控机床进给轴进行热误差建模时,在考虑温度变化的基础上,进一步考虑电控数据可以提高模型的预测精度和鲁棒性,且在同样输入条件下,LSTM神经网络热误差预测模型相较于BP神经网络有更好的预测精度和鲁棒性.     

考虑电控数据的LSTM神经网络进给轴热误差建模

针对进给轴热误差建模中忽略电控数据和时间序列影响的问题,提出一种考虑温度变化与电控数据的长短期记忆(Long-Short Term Memory,LSTM)神经网络热误差预测模型.以三轴立式加工中心为试验对象,首先对进给轴进行热变形分析,再以温度变化、电控数据为输入样本,建立了LSTM神经网络热误差预测模型,随后通过与仅考虑温度变化的LSTM神经网络,以及同时考虑温度变化与电控数据的BP神经网络进行对比分析,试验论证表明,对数控机床进给轴进行热误差建模时,在考虑温度变化的基础上,进一步考虑电控数据可以提高模型的预测精度和鲁棒性,且在同样输入条件下,LSTM神经网络热误差预测模型相较于BP神经网络有更好的预测精度和鲁棒性.     

基于温度场和变形场的数控机床进给系统热误差分析方法研究

为了研究在数控机床加工过程中热误差对加工精度的影响，根据Z轴进给系统的实际组成结构，构建了数控机床Z轴进给系统的三维结构模型，在此基础上分析Z轴进给系统丝杆传动部分温度场和变形场的产生机理，提出一种考虑温度场及变形场对机床进给系统热误差产生影响的研究方法，并通过实验数据证明该方法构建的模型具有较高的准确性。     

基于CNN-GRU组合神经网络的数控机床进给系统热误差研究

热变形引起的误差是影响数控机床精度的主要因素之一。为了减小热误差对数控机床精度的影响,提出一种基于CNN-GRU组合神经网络的热误差预测方法。通过热误差实验,采集螺旋曲面专用数控机床直线进给系统的温升数据和热误差数据;利用模糊C均值聚类和灰色关联度分析筛选进给系统温度敏感点;以温度敏感点的温升数据和进给系统热误差为数据样本,建立CNN-GRU热误差预测模型。为验证模型的准确性和实用性,与基于CNN-LSTM和基于LSTM的传统热误差预测模型进行预测对比分析,结果表明CNN-GRU模型预测结果的平均绝对误差、均方根误差和决定系数均优于CNN-LSTM模型和LSTM模型,具有较高的预测精度和鲁棒性。提供的热误差模型可为后续误差补偿奠定基础,为数控机床的热误差预测提供思路。     

Application of ACO-BPN to thermal error modeling of NC machine tool

Thermal errors are the major contributor to the dimensional errors of a workpiece in precision machining. Error compensation technique is a cost-effective way to reduce thermal errors. Accurate modeling of errors is a prerequisite of error compensation. In this paper, four key temperature points of a NC machine tool were obtained based on clustering method. A thermal error model based on the four key temperature points was proposed by using ant colony algorithm-based back propagation neural network (ACO-BPN). The ACO-BPN method improves the prediction accuracy of thermal deformation in the NC machine tool. A thermal error compensation system was developed based on the proposed model, and which has been applied to the NC machine tool in daily production. The results show that the thermal drift in workpiece diameter has been reduced from 33 to 8 μm from its center of tolerance.     

Application of synthetic grey correlation theory on thermal point optimization for machine tool thermal error compensation

This paper presents two new methods to optimize the selection of minimum number of thermal sensors for machine tool thermal error compensation. The two methods, namely, direct criterion method and indirect grouping method, are based on the synthetic grey correlation theory. They are applied to analyze the data of an air cutting experiment on a CNC turning center. After optimization, the number of thermal points reduced from 16 to four. Thus, for machine tool thermal error modeling, the number of temperature variables is greatly reduced while coupling problems among temperature variables can be avoided. A real cutting experiment is then conducted to verify the efficiency of the presented optimization methods under practical manufacturing conditions. The comparison of the results between the model with all 16 thermal sensors and the model with four optimized thermal sensors indicates that, after optimization, the model accuracy is greatly improved.     

无温度传感器的数控机床进给轴热误差补偿

分析了目前常见的进给轴热误差补偿方法的缺点,如需要多个温度传感器、模型的鲁棒性较差等。提出一种基于无温度传感器的、强鲁棒性的机床进给轴热误差补偿方法,在恒温环境下实现对运动生热导致的热误差的补偿。给出了热误差模型的推导过程以及应用ISIGHT平台进行参数优化的过程。热误差模型基于摩擦生热、热传导和散热机理实时预测滚珠丝杠的温度场,以实现预测并补偿丝杠热误差的目的。在一台立式加工中心VMC850上对x、y、z轴进行了热误差测试并给出了模型的仿真效果。在另一台立式加工中心VMC850上采用激光干涉仪进行了热误差补偿前后的对比试验和加工对比试验。试验结果表明,该热补偿方法具有很高的精度稳定性和强鲁棒性。     

数控机床主轴热变形伪滞后研究及主轴热漂移在机实时补偿

为研究数控机床热变形规律,实现数控机床误差在机实时补偿,进行数控机床主轴热变形理论及试验分析,结果表明,数控机床主轴热变形与主轴温变在距热源约1/3位置存在近似线性关系,即主轴热变形存在伪滞后现象,这一结果为数控机床测温点优化布置及热误差鲁棒建模提供理论依据。为验证机床热变形伪滞后现象,对VM850加工中心主轴热漂移误差在机实时检测并建模,通过自主研发数控机床误差在线实时补偿系统对主轴热漂移误差进行实时补偿,经补偿,机床主轴热漂移误差减少90%以上,有效提高了数控机床主轴精度。     

基于非线性GA算法的动态P模型的参数辨识与验证

针对现有的GMM-FBG电流传感器的磁滞非线性问题,提出了一种改进的动态Preisach磁滞模型。采用非线性遗传算法对改进动态Preisach磁滞数学模型进行参数辨识,提高了动态磁滞曲线的预测精度。运用改进动态Preisach模型对GMMFBG电流传感器进行建模及实验验证,实验及仿真结果表明该模型具有较好的预测性,预测误差在3.0%以内。经过磁滞补偿使得传感系统电流的测量灵敏度达到0.050 nm/A。     

Compensation of machine tool thermal deformation in spindle axis direction based on decomposition method

One of the fundamental areas in high precision cutting is represented by the machine's thermal state monitoring. Understanding of this state gives significant information about the overall machine condition such as proper performance of cooling system as well as software compensation of machine's thermal deformation during manufacturing. This paper presents a method focused on compensation of machine's thermal deformation in spindle axis direction based on decomposition analysis. The machine decomposition is performed with the help of specially developed measuring frame, which is able to measure deformation of machine column, headstock, spindle and tool simultaneously. Compensation is than calculated as a sum of multinomial regression equations using temperature measurement. New placements of temperature measurement like spindle cooling liquid or workspace are used to improve the accuracy of this calculation. Decomposition process allows describing each machine part's thermal dynamic more precisely than the usual deformation curve usually used one deformation curve for the complete machine. The residual thermal deformation of the machine is considerably reduced with this cheap and effective strategy. The advantage is also in the simplicity of presented method which is clear and can be used also on older machines with slower control systems without strong computing power.     

Modified Elman network for thermal deformation compensation modeling in machine tools

Thermal deformation is one of the most significant causes of machining errors in machine tools. One effective method is to build a compensation system to offset the thermal errors. Therefore, an accurate model is the key part of the compensation system. This study proposed a modified Elman network (EN) to improve the prediction accuracy of the compensation model in machine tools. And the improved EN can be regarded as a feed-forward neural network with feedback from hidden layer and output layer as an additional set of inputs. The structure of this network determines its dynamic characteristic with memory function. On the other hand, thermal deformation of the spindle contributes the largest part of total thermal errors in precision machining. Then a precise finite element model of machine tool spindle was established. And a new method for calculating the heat transfer convection coefficient on the surface of the spindle was proposed in this paper. The improved EN was used to map the nonlinear relationship between temperature field and thermal errors of the spindle. At last, a verification experiment was implemented on a CNC center and some satisfying results were achieved.     

基于实时反馈的机床热误差在线补偿模型

为建立一种能够适应机床不同工况且具有准确预测能力的热误差补偿模型,提出一种基于限定记忆递推最小二乘法辨识热误差模型参数的机床热误差预测建模方法。该方法随着机床工作状况的改变,根据实时反馈的温度和热误差数据,采用递推方法对模型参数进行即时修正,使热误差模型能够及时跟踪机床系统的热特性变化,实现以较高的预测精度对机床热误差进行补偿。通过数控车床主轴轴向热误差辨识建模及补偿实验可以看出,限定记忆递推最小二乘法比一步最小二乘法辨识精度有较大提高,最大残差值减小了52.3%,标准差减小了67%。实验结果表明,利用该方法进行机床热误差模型参数辨识具有较高的预测精度和鲁棒性,有效可行。