國內CNC加工中心熱誤差建模研究
海天精工 加工中心 鉆攻中心前言：精密加工技術在現代機械制造屮越來越_t要，精密加工技術的關鍵是降低加工中心加工過程中產生的熱誤差。熱誤差是加工中心加工誤差的重要來源，指的是加工中心3：作中各部件產生熱變形，造成加工中心各零件之間相對位移，導致加工誤差。相比其他導致加工誤差的因素，熱誤差對工件加工精度的影響非常顯著，基本上達到總誤差的A W、Df•且越精密的加工中心其影響越大。熱誤差補償是在加工中心各部位放置溫度傳感器，實時監控和收集溫度變化的數據，再通過特定的數學模型分析和預報誤差，并將其信息反饋到CNC加工中心控制器，對該誤差進行實時補償。這里面有兩個關鍵點:①能否選擇全面準確地顯示加工中心周身溫度變化的傳感器的安放部位；②能否建立準確有效的數學模型。后者的重要性尤為明顯。1熱誤差數學模型的種類近年來人們構建的熱誤差數學模型主要有最小二乘法(LS)擬合建模、人工神經網絡（ANN)模型、灰色系統理論/新陳代謝(GM)建模、回歸模型（如多元線性回歸MRA模型、平滑自回歸ARMA模型、投影尋蹤回歸模型PSOPPR等)及基于時間序列分析的估計方法和綜合多種數學理論的綜合模型[3_4]等。本文將紹這些熱iV:差建模在W內的研究現狀,.，2熱誤差補償的諸種模型2. 1基于最小二乘法（LS)的擬合建?；谧钚《朔?LS )的擬合建模是較早的補償加工中心熱誤 的一種方式，111十其原理尚單• K此在實際操作中較容易實現，但是相比其他各種熱誤差數學模型，該模型的精度不理想，因而就產生了一些對該模型改進的建模方法。林偉青等人采用了在線最小二乘支持向量機（OL&SVM)的熱誤差回歸建模方法，實驗結果說明OL&SVM的建模方法不僅精度高，而且建模時M ):!卜系統的魯棒n也較好[___1。Vnpnik在統計學習JVilm險最小化擬理上發現了乞持X m機（Su|「p()r1 v(‘r1()r machine. SVM)方法卜]。在此墻礎上，Suykens等人提出LS~SVM方法，該方法在非線性函數估計、模式識別中效果顯著％'L&SVM建模法需要的數據量比較少，能保持較A的精度：林偉青等人嘗試用LS及LS_ SVM兩種方法對同一CNC加工中心進行試驗，通過測量裝夾在主軸上的工件來間接獲得主軸g向與軸向變形量以測定熱變形誤差。實驗表明L&SVM建模方法的計算精度遠A于ft統的LS迚模[1]]。他們在此基礎上義提出了動態自適應加權最小二乘支持矢量機（WLS-SVM)的方法，并對一臺XK713CNC加工中心進行測試，結果顯示:WL孓SVM的精度最高[9]。2.2基于人工神經網絡（ANN)模型建模神經網絡理論是一種非線性動力學系統，它通過工程技術手段模擬部分人腦神經網絡的結構與功能[1°]。神經網絡理論主要有兩類：前向網絡和遞歸網絡。較常用的模型是反向傳播(BP )網絡和徑向基(RBF)網絡。劉國良等人對BP及RBF網絡進行研宄，實驗結果表明：在加工中心熱誤差補償方面，BP網絡由于其偏差帶最窄、分散程度最小、偏離中心值的趨勢最緩，因此最具優勢；RBF網絡建?？?，效果略遜于BP網絡；最小二乘法建模簡單，但補償效果相對較差[11]。后來張宏韜等人將模糊邏輯理論與一般的祌經網絡模型相結合，提出了建立模糊神經網絡，研究表明建模數據應盡量覆蓋熱誤差的分布曲面，使訓練過程充分利用模糊規則調整網絡參數，從而使網絡結構參數得到優化，獲得更有效的補償效果[12]。閆嘉鈺等人在BP神經網絡基礎上提出了最優線性組合建模的方法，并在一臺CNC加工中心上進行了試驗，結果顯示，該模型比最優組成模型以及簡單平均組合模型獲得的熱誤差預測精度提高了 30%和22. 6%[13]。另外，在人體免疫系統理論的基礎上，閆嘉鈺等人還嘗試提出了免疫RBF網絡(AIRBF)及其在線訓練算法，能更有效地跟蹤訓練數據，提高數據預測精度，能更好地跟蹤突變數據點[14]。總之，神經網絡建模的方法在加工中心熱誤差補償方面精度較好，這方面優點突出，但其模型本身較為復雜，計算量較大，因而影響反饋控制時間。2.3基于灰色系統理論建模灰色數學理論在對信息不確定系統的建模、分析方面有獨特的功能，具有能研究小樣本、貧信息、不確定性問題的優點，理論上更適用于熱誤差建模[15_17]。傳統的灰色a論系統模咽如GiM n，1 >模型能比較成功地實現加工中心的熱誤差補償，但該模型在通過機床某一熱誤差元素（如車削加工工向熱誤差）自身時序數據建立模型時，未能考慮相關熱源溫度變化的影響。因而閆嘉鈺、楊建國等人對傳統的灰色系統GM(1,1)模型進行了改進，在切削加工試驗中對GM(1，4)以及GM(0,4)兩個模型進行了驗證，結果表明：GM(1,4)以及GM(0，4)模型擬合的精度可提升40%以上；另外GM(X，N)模型建立簡單、計算量小、便于工程應用[1S]。之后，閆嘉鈺等人又在加工中心試驗中應用改進型的GM (2，1)模型，使建模精度提升了5 5. 7 %，實際應用中更為便利[19]。而宋建軍等人提出了GM(1,1,«)模型，試驗結果顯示大幅提升了加工中心熱誤差的預測精度[?。海天精工 備注：為保證文章的完整度，本文核心內容都PDF格式顯示，如未有顯示請刷新或轉換瀏覽器嘗試，手機瀏覽可能無法正常使用！結束語：加工中心在加工過程中產生的溫度變化對車床加工誤_影響顯著，并且隨著加工過程不斷變化，建立數學模型對其進行熱誤差補償，實現較為便利，效果明顯，因此近年發展很快。在熱誤差補償建模時有兩個關鍵點：I如何能直接有效地反映加工中心各部位溫度的準確變化：②采用哪一種數學模型能更全面地分析溫度變化對CNC加工中心造成的誤差，從而提高其精度。但問題是，同時解決這兩個關鍵點對模型的設計要求往往是矛盾的。因為，有的數學模型精度雖髙，但計算量大，耗時加長，參數較多；而有的模型參數少，計算量小，實現方便，但精度稍差。所以如何既做到模型簡易，盡量減少無關緊要或次要的參數，提高運算速度，又同時滿足加工中心加工的較高精度要求，就需要在兩者之間尋求一種優化與平衡，使其在綜合效果上達到******，這將成為今后加工中心熱誤差補償模型的發展方向。海天精工是一家集銷售、應用及服務于一體的公司。產品包括：CNC加工中心、鉆攻中心、龍門加工中心、雕銑機、石墨機、五軸加工中心、立式加工中心、臥式加工中心等。我們機床的生產工廠設在廣東省寧波市，目前其生產的加工中心70%出口，其中出口到歐洲占到50%。我們盡心、盡力、盡意的服務！聲明：本站文章均來自網絡，所有內容不代表本站觀點，本站不承擔任何法律責任！