机床主轴温度测点的K-means优化及试验

针对机床热误差补偿技术中温度测点的优化选择,提出一种基于K-means算法和Pearson相关系数相结合的方法。通过K-means算法将不同位置测点的温度进行聚类,用Pearson相关系数计算温度与主轴热误差之间的相关性,从每一类别中选出一个最优测点组成最优测点组合,并对最优测点处的结果进行热误差建模。在立式加工中心VMC850E上对该方法进行了试验验证,将温度测点的数量由8个减少至2个。经方差分析和F检验,验证了最优测点处的温度与热变形之间显著线性,模型可靠。     

基于模糊聚类及相关性分析的温度测点布置优化方法研究

热误差严重影响机床的加工精度,通过热误差补偿技术提高机床加工精度是一个非常有效的途径。温度测点的选择与优化是热误差补偿技术研究中的难点。为了合理地减少温度测点数量,通过实验检测不同工况下进给系统各部件的温度分布,利用模糊聚类分析方法按温度变化规律对温度测点进行分类,通过对主轴温度场分布情况的分析,利用相关性分析方法,从24个温度测点中选取5个温度特征点,用于加工中心的热误差补偿,很大程度上提高了热误差建模的效率。结合以上两种方法,优化温度传感器测点的布置位置,减少了温度测点数量,提高了热误差补偿的精度。     

基于灰色关联和模糊聚类的机床温度测点优化

针对机床热误差补偿技术中温度测点优化选择的问题,提出采用基于灰色关联分析和模糊聚类分析相结合的方法对机床温度测点进行优化选择。采用灰色关联分析法计算温度变量与主轴热误差之间的相关系数,并据此优选温度变量,采用模糊聚类分析法对所选择的温度变量进行聚类,确定关键温度变量,结合关键温度变量建立热误差线性回归模型。在精密卧式加工中心MCH63上对该方法进行了试验验证,结果表明,温度测点的数量由29个减少到6个,机床轴向热误差由41.3μm减小到7.6μm。     

基于刀具偏转的机床主轴径向热误差的建模预测方法

为了有效地解决刀具实际加工位置对机床主轴径向误差的影响,提出了一种基于刀具偏转的机床主轴径向热误差建模预测方法。以立式加工中心HNC715主轴为研究对象,利用主轴分析仪对主轴径向热误差进行了数据采集,在分析了机床主轴径向热误差的数据后进行了线性回归分析,构建了不同转速下检测棒上下端径向热误差模型。通过对刀具偏转原理与检测棒上下端径向热误差模型进行分析,提出了机床主轴径向热误差综合建模方法,并对该方法进行了实验验证。验证结果表明:该机床主轴径向热误差综合建模方法有效且预测精度高。     

基于粒子群优化灰色神经网络的机床主轴热误差建模

主轴热误差是影响机床精度的主要因素,建立准确的主轴热误差模型是进行机床误差补偿的关键。研究了温度测点优化和神经网络建模的方法,给出了粒子群优化灰色神经网络建模的流程。开展了主轴热误差热特性试验,得到了主轴热变形随主轴转速的变化规律。基于粒子群优化灰色神经网络建立了主轴轴向伸长和俯仰角热误差模型,并与灰色神经网络和BP网络的预测性能进行了对比,结果表明该模型可有效提高网络模型的收敛性和预测精度。     

基于互信息法和改进模糊聚类的温度测点优化

基于热误差模型进行机床热误差补偿是保证数控机床加工精度的一种有效方法,温度测点的布置和辨识会直接影响热误差建模的精确性和鲁棒性。本文提出一种互信息和改进模糊聚类法相结合的机床热关键点优化方法。以机床不同位置处的多个测点温度值及工件热变形作为分析数据,通过计算温度变量与热变形之间的平均互信息量,获得其综合关联度矩阵,确定二者之间的相关性后初选温度变量。根据改进模糊聚类法、F统计量和复判定系数对初选的温测点进行聚类,并结合温度变量与热变形之间的综合关联度值提取机床热关键点,从而实现测点优化。将基于该方法所得到的热误差模型与采用变量分组优化法获得的热误差模型进行比较,结果显示采用该方法进行热误差建模,机床X轴和Y轴的热变形预测精度得到显著提高,有利于改善加工精度。     

基于互信息法和改进模糊聚类的机床热关键点优化研究

基于热误差模型进行机床热误差补偿是保证数控机床加工精度的一种有效方法,温度测点的布置和辨识会直接影响热误差建模的精确性和鲁棒性。本文提出一种互信息和改进模糊聚类法相结合的机床热关键点优化方法。以机床不同位置处的多个测点温度值及工件热变形作为分析数据,通过计算温度变量与热变形之间的平均互信息量,获得其综合关联度矩阵,确定二者之间的相关性后初选温度变量。根据改进模糊聚类法、F统计量和复判定系数对初选的温测点进行聚类,并结合温度变量与热变形之间的综合关联度值提取机床热关键点,从而实现测点优化。将基于该方法所得到的热误差模型与采用变量分组优化法获得的热误差模型进行比较,结果显示采用该方法进行热误差建模,机床X轴和Y轴的热变形预测精度得到显著提高,有利于改善加工精度。     

基于Kohonen自组织竞争网络的机床温度测点辨识研究

提出一种基于Kohonen神经网络的温度测点辨识优化算法,用机床进给系统上不同位置处的温度测点变化值及定位误差作为输入样本来训练神经网络。利用该网络的自组织竞争将胜出的结果输出到相应的分类模式中,根据各类分类模式中温度变量与热误差之间的相关系数,确定出机床热关键点。通过多元线性回归理论建立了热误差模型,与基于变量分组优化方法的热误差模型比较发现,该方法具有更好的可行性和有效性。     

数控机床工作台误差综合补偿方法研究

针对由几何误差与热误差引起的数控机床工作台与主轴之间相对位置变动的问题,通过试验分析其在不同温度状态下的误差数据,得到机床工作台平面度误差随热变形保持不变的规律,并提出了一种数控机床工作台平面度误差与主轴热误差的综合补偿方法。该方法通过分别建立工作台平面度误差模型和热误差模型,并运用叠加原理建立综合误差补偿模型,对传统固定单位置点建模补偿方法的原理性缺陷进行了改进。结合机床关键部件的实时温度值和刀具位置的实时坐标值,计算出了全工作台各区域各温度阶段的误差补偿值,进而实现了全工作台主轴轴向综合误差的实时补偿。检验及分析结果表明,相比于传统固定单位置点热误差建模补偿方法,该方法所建模型残余标准差减小约7μm,精度提高比例达到50%;单次最大补偿残差减小约11μm,精度提高比例达到60%,大幅度提高了机床的加工精度。     

机床温度测点布置技术与优化方法的研究

机床的热误差严重影响机床的加工精度,通过热误差补偿技术来减小热误差,从而提高机床的加工精度至关重要。温度测点的选择与优化是热误差补偿技术研究中的难点,本文综述了温度测点布置策略和优化方法,阐述了各方法的优缺点,并对温度测点优化技术的发展趋势进行了展望。     

大型空间反射镜发射率测量及误差分析

为了准确测定空间相机主镜毛坯件的表面发射率以便定量分析相机热控效果,本文在分析热像仪测温原理的基础上,利用现有测量条件,提出一种利用两种已知发射率材料作为参考的发射率测量方法.根据测量试验,得到主镜表面发射率为0.565.为定量反映各因素对测量精度的影响,对测量公式进行了误差分析.分析结果表明,与被测件表面发射率接近的材料的热像仪测温误差及发射率标称误差对测量精度有较大影响,同时得到本次试验因热像仪测温误差及参考材料发射率标称误差带来的测量误差为±0.028.最后,结合相机热平衡试验的数据对测量结果进行了验证,结果表明测量得到的主反射镜的发射率基本反映了热平衡试验的主镜表面状态,证明本文的方法对主反射镜发射率的测量是适用有效的.     

Utilization of heat quantity to model thermal errors of machine tool spindle

Thermal error modeling of the spindle plays an important role in predicting thermal deformation and improving machining precision. Even though the modeling method using temperature as the input variable is widely applied, it is less effective due to severe loss of thermal information and pseudo-hysteresis between temperature and thermal deformation. This paper presents a novel modeling method considering heat quantity as the input variable with theoretical analysis and experimental validation. Firstly, the change of thermal state of a metal part being heated is discussed to reveal the essence of the relationship between heat, thermal deformation and temperature, and the theoretical basis of the modeling method proposed in this paper is elaborated. Subsequently, the relationship between thermal deformation and heat quantity is further studied through modeling the thermal deformations of stretching bar and bending beam using heat quantity as the independent variable, and the stretching model is verified based on finite element method. Then, the thermal error models of the spindle are developed with the heat elastic mechanics theory and the lumped heat capacity method. In succession, the parameter identification of thermal error models is carried out experimentally using the least square method. The average fitting accuracy of these models is up to 91.3%, which verifies the good accuracy and robustness of the models. In addition, these models are of good prediction capability. The proposed modeling method deepens the research of thermal errors and will help to promote the application of relevant research results in the actual production.     

采用目标区域互信息的星空图像配准

提出了采用目标区域互信息的测度方法对星图进行精确配准以解决星图中存在噪声、伪星点、星点稀疏以及星图间的旋转等问题。首先对星图进行图像分割,检测出星点目标并对星点进行二值化处理;然后基于互信息配准模型,在含星点的目标区域上,利用Powell算法将最大互信息作为目标函数来指导图像间最优变换参数的搜索。分析了适宜于互信息测度配准的星点分割算法,并论证了采用目标区域互信息的星图配准的可行性。对提出的算法与标准的互信息配准算法进行了对比。结果表明:提出算法的时间消耗与图像中星的数量有关,在图像大小为1 000×1 000时,提出算法的加速比为标准算法的3.4倍。该算法在星图中存在噪声、伪星点、星点稀疏和旋转的情况下仍能进行准确配准,50组实拍星图配准误差平均值为0.138 2pixel,满足了星空图像对精确配准的要求。     

Development of thermal error model with minimum number of variables using fuzzy logic strategy

Thermally-induced errors originating from machine tool errors have received significant attention recently because high speed and precise machining is now the principal trend in manufacturing processes using CNC machine tools. Since the thermal error model is generally a function of temperature, the thermal error compensation system contains temperature sensors with the same number of temperature variables. The minimization of the number of variables in the thermal error model can affect the economical efficiency and the possibility of unexpected sensor fault in a error compensation system. This paper presents a thermal error model with minimum number of variables using a fuzzy logic strategy. The proposed method using a fuzzy logic strategy does not require any information about the characteristics of the plant contrary to numerical analysis techniques, but the developed thermal error model guarantees good prediction performance. The proposed modeling method can also be applied to any type of CNC machine tool if a combination of the possible input variables is determined because the error model parameters are only calculated mathematically based on the number of temperature variables.     

红外热像仪精确测温技术

为实现红外热像仪对温度的精确测量,根据热辐射理论和红外热像仪的测温原理,推导了计算被测物体表面真实温度的通用计算公式;讨论了发射率对测温精度的影响,分析了用红外热像仪进行精确测温的条件,探讨了环境、大气和热像仪本身对测量精度的影响,并绘制了各种因素对测温精度影响的理论曲线。结果表明:发射率为0.7时,真实温度为50℃,发射率偏离0.1时,对于3~5 μm热像仪来说,测温结果偏离真实温度0.76~0.89 ℃; 对于8~14 μm热像仪来说,测温结果偏离真实温度1.56~1.87℃。本研究结果对提高热像仪测量温度和表面发射率的准确性,减小不必要的测量误差具有实际意义。     

基于传热正反模型的动态测温方法研究

为减少热惯性温度传感器的动态测温误差,提出了基于传热模型和反演算法的动态测温方法,其实质是将求解被测对象的真实温度转化为一个优化问题.该方法首先建立温度传感器非线性非定常瞬态传热正模型和有限元求解方程,并进行实验验证.在此基础上,推导了瞬态传热一阶敏度计算公式,建立了温度传感器的非稳态反演传热模型,结合快速反演算法,反求作为边界条件的被测对象真实温度.将所提出的动态测温方法应用于具有内外两层套管、传热过程复杂的复合温度传感器.实验和仿真结果均表明,正向模型的仿真值与测量值相比最大误差小于5℃,反演求解的被测对象真实温度误差不超过1％,热响应时间由548 s缩短到106s.应用实例分析结果表明,所提出的动态测温方法具有较高的准确性和快速性.     

Thermal deformation analysis and compensation of the direct-drive five-axis CNC milling head

The machining precision of the milling head is primarily affected by the thermal errors that originated from the thermal deformation. Thermal error compensation is an economical and efficient method to overcome these thermal errors. The milling head’s heat source is analyzed to calculate the thermal boundary load based on component parameters of the milling head. The milling head’s thermal deformation is then simulated using ANSYS software to achieve the milling head’s temperature distribution and the amount of thermal deformation. Through the design and construction of the milling head temperature and thermal deformation experiment platform, the thermal deformation experiment of the milling head is performed. Accordingly, the measuring point temperature and the tooltip offset are obtained. Finally, a thermal error compensation method is proposed based on the homogeneous transformation. The research results give a theoretical reference and technical support for the thermal error compensation, optimized design, and development of milling heads.

     

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.