嵌入式数控机床热误差补偿装置设计与实现

为减少热误差对数控机床加工精度的影响,针对华中数控HNC-848型数控系统机床设计了一种嵌入式热误差补偿装置。该装置采用基于STM32+FPGA的嵌入式系统设计方法,实现机床温度数据获取、热误差建模、热误差补偿执行等功能。利用采集的前2 160组优化后机床测温点数据在STM32处理器内进行多元线性回归热误差建模,后2 160组优化后数据进行热误差预测。测试结果表明该装置热误差预测效果良好。通过在机床数控系统编写补偿子程序,利用该热误差补偿装置,实现了热误差实时补偿功能。     

基于模糊C-means聚类的数控机床热误差补偿控制

数控机床在受热条件下产生热误差,降低了数控机床的稳定性.因此,提出基于模糊C-means聚类的数控机床热误差补偿控制方法,构建数控机床的输出工况信息采集模型,利用热力学传感器采集数控机床热动力学参数,对热误差相关性约束参数进行自整定控制,采用模糊C均值聚类方法实现对数控机床热误差约束参数的特征聚类处理.通过提取数控机床...     

重型数控机床热误差的分离与建模

为解决重型数控机床热误差严重的问题,提出一种基于线性回归的热误差分离和建模方法．对机床的几何误差与热误差进行分离,得到相应的热误差参数;结合主因素和互不相关等温度传感器优化布置策略,选出相应的热误差关键点;采用线性回归理论进行热误差的建模.在一台型号为TK6920的重型数控落地铣镗床上进行了立柱热倾斜误差补偿实验．结果表明:利用所建立的热误差模型进行补偿,立柱在X和W方向的直线度误差分别由0.45 mm和0.25 mm降到了0.13 mm和0.09 mm,补偿率分别为71％和64％．采用误差补偿技术可降低重型数控机床的热误差,从而提高其加工精度．     

数控机床闭环控制系统的螺距误差补偿

介绍了数控机床闭环控制系统的一种螺距误差补偿方法，该方法采用等间距、可变点数进行补偿，补偿方法简便、快速、实用，有效地提高了机床的加工精度。     

数控机床误差补偿的数控指令修正方法研究

数控机床的加工是通过数控指令来实现的,理想的数控指令可得到理想的刀具轨迹,但在实际加工中,由于运动误差,实际轨迹与理想轨迹有差异,致使这些指令不能得到理想的轨迹.作者结合数控机床各部件间的运动形式,对数控指令修正方法进行了研究,通过对数控指令加以修正,使加工轨迹控制在理想轨迹附近,改善了加工的质量,并以三轴数控机床为对象进行了实验验证,结果证明该修正方法有效的提高了机床加工精度.     

大型射电望远镜日照热误差及其补偿的仿真研究

射电望远镜广泛应用于射电天文、测控导航等领域，随着其工作频率的升高、口径的增大，日照引起的结构热变形对其性能的影响愈发严重；本文针对待建的新疆110 m口径射电望远镜，建立了其日照热力耦合模型，分析了天线在不同时刻、风速及姿态下的温度、变形情况，总结了结构日照温度场、变形场的时空分布特征，最后采用最佳吻合抛物面方法对反射面精度进行了评价，并通过副反射面位置补偿量的变化趋势揭示了天线热变形的共性规律及机理。结果表明：对于日照引起的天线热变形误差，风速越大，结构温度分布越均匀，其越接近等温膨胀变形，反射面形状精度越高；温差引起的结构不均匀变形是反射面精度下降的主要原因，温差越大结构的不均匀变形越大，反射面的形状精度越低；同一姿态不同风速下反射面热误差空间分布具有相似性，该分布与太阳直射点位置直接相关，且会跟随直射点位置发生变化，但由于日照强度、风速等因素的不同，其变形幅度不同。各种姿态下反射面精度变化规律相似，与风速的相关性均为反射面精度随风速上升而提高；采用副反射面位置补偿技术可明显缓解日照热误差影响。本文的分析方法与结论对大口径全可动射电望远镜的设计建造及其热误差控制具有一定参考价值。     

基于BP神经网络的数控机床误差辨识方法研究

数控机床误差辨识是进行误差补偿的关键技术,一般很难通过建立准确的数学模型对误差进行辨识.而神经网络具有良好的非线性函数逼近能力,因此可将其应用于数控机床误差辨识.研究了基于BP神经网络的数控机床测头测量误差参数的辨识方法.通过理论分析和实验研究,可确定测头安装误差参数和测头测量误差参数的模型,还可确定消除测头系统不确定性误差项的条件.研究为确定检测方法和规划检测路径提供了可靠的依据.     

基于多体理论的五坐标数控机床的热误差建模

基于多体系统理论,针对数控机床加工系统中主轴部分的热误差,首次提出了五轴联动数控机床的热误差模型,并在MAKINO四轴加工中心几何误差参数辨识结果和主轴热误差参数辨识结果的基础上对该模型进行了仿真验证;仿真实验显示该建模方法具有良好的工程应用前景。     

基于多体系统理论的丝杠热误差补偿系统的研究

基于多体系统理论,介绍了能够补偿丝杠热变形误差的综合建模理论和方法。同时结合丝杠热变形的非线性等特点,采用径向基函数神经网络方法对丝杠热误差参数进行辨识。通过实验验证,补偿效果显著。     

数控机床热误差的时序分析法建模及其应用

提出了采用时间序列分析法进行机床热误差建模的基本原理及方法,及其在数控机床热误差补偿建模中的应用。利用实测的热误差序列进行时序分析识模、建模和预报。再通过由微机结合机床控制器构成的补偿系统,利用所建立的时序分析模型,经过微机算出补偿值并送入机床控制器对刀架进行附加进给运动完成实时补偿。实验结果表明,可将工件的尺寸变化从原来的25 μm以上降到10 μm以内,大幅度提高了机床的加工精度,从而论证了时序分析法在数控机床热误差建模应用中的可行性与有效性。     

机床热误差补偿建模方法研究

在机床热误差补偿技术研究中,热误差鲁棒建模是机床热误差补偿的成功关键之一。对国内外几种主要的热误差建模方法进行了较为深入的分析研究,比较了不同方法各自的优缺点,并针对缺点介绍了一些改进方法。在此基础上,总结归纳了目前研究存在的问题,并对未来的发展方向进行了探讨。     

数控车床几何和热误差综合实时补偿方法应用

对数控机床几何和热误差进行补偿是提高数控机床加工精度的有效方法.对数控机床的几何误差和热误差进行了分类并给出了建模方法.提出了一种基于外部坐标系偏移功能的误差实时补偿装置并叙述了其实现方法.在K360型数控车床进行了X轴定位误差和主轴径向热误差的补偿试验,证明了这种补偿方法在精度改进中的有效性.     

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。     

开放式数控切割机神经网络误差补偿研究

分析了影响数控火焰切割机加工精度的主要因素,利用开放式数控系统的软件开放性,提出了采用IGCAQBP学习算法的神经网络方法来对包括金属热变形、机械传动误差等非线性因素在内的多种因素造成的加工误差进行误差补偿,设计了嵌入开放式数控系统中的神经网络误差补偿器,给出了实用的补偿器使用方法,并对误差补偿功能进行了扩展,仿真结果和实际应用表明该方法稳定有效。     

基于投影追踪回归的机床热误差建模技术

针对机床热误差建模温度变量多、非线性度高的问题,提出了一种基于投影追踪回归的建立数控机床热误差模型的新方法。与传统的回归建模方法相比,该方法具有模型简单、计算简便的优点。将该方法应用于一台数控车床的实验研究,建立了该车床的热误差模型。实验结果表明,新方法能够大幅提高所建模型的精度及鲁棒性,进而提高机床的加工精度。     

SMART-CNC超精密数控曲面磨床综合误差补偿技术

为了能进一步提高数控磨床的磨削加工精度,运用多体系统运动学理论、神经网络方法和有限元分析方法,分别对SMART-CNC超精密曲面数控磨床的空间几何误差、热变形误差以及力变形误差进行了建模和计算,通过逆运动学迭代求解算法求解出可消除磨床几何误差和载荷误差的精密加工数控指令值,通过神经网络算法所控制的微位移夹具机构,消除了磨床热变形误差的影响.实验结果表明,综合运用上述误差补偿方法后,将该磨床的磨削误差由原来的0.225 μm减小到0.045μm,取得了比较明显的综合补偿效果.     

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。     

数控钢管切割机切割误差补偿的研究

在对管切割中影响尺寸精度和相贯线形状的误差源进行分析的基础上,提出了一种示教再现的误差补偿切割方案,并建立了相应的误差分离模型。     

数控装备误差补偿关键技术研究

制造业虚拟工厂模式可以降本增效、优化服务质量,是应对全球化激烈竞争的不二选择。在该模式下,为不断提升产品质量,主要研究与之生产过程相关的数控装备精度提升关键技术即误差补偿关键技术,具体包括误差源分析、误差建模、误差测量及误差数据处理。由此,以五轴机床为数控装备的代表,找出了影响其精度的45项几何误差;并通过误差建模,构建了这45项误差与五轴机床系统总误差的关系;其次,根据五轴机床误差特性,构建了测量系统,并证实了该系统的有效性;最后,针对测量数据,展开误差处理分析,解决了非测量节点数据问题,同时大幅降低了数据量信息,为快速有效地进行误差补偿奠定了数据基础。