卧式加工中心主轴热误差动态检测与建模方法的研究

摘要

热误差是精密数控机床主要的误差源之一，由温度变化引起的热误差占实际精密加工误差的40％～70％。通过热误差补偿可以有效地消减产品的制造误差，大大地提高机床的加工精度。热误差检测、优化温度测点并建立准确可靠的热误差模型是热误差补偿的基础。
　　本文针对卧式加工中心的主轴系统进行热态性能分析，通过建立电主轴及主轴箱模型，计算主轴系统的热载荷及边界条件，分析在机床运转下主轴箱的温度场分布及电主轴刀具夹头的热变形，为主轴热误差动态检测提供依据。
　　在热态性能分析的基础上，通过搭建热误差位移动态采集硬件系统及多通道温度采集硬件系统，编写基于LabVIEW的热误差动态检测软件，建立热误差动态检测系统。采用OPC技术与温度采集系统进行通信，对位移信号进行处理，并实现位移与温度信号同步采集。采用五点法测量主轴在工作空间的热误差，并在不同工况下进行实验，为热误差温度测点优化和热误差建模奠定基础。
　　本文通过对温度测点间多重相关性及温度与热误差关系的综合分析，采用改进的模糊C-均值(IFCM)对温度测点进行聚类，以减小类与类之间温度测点的相关性，且避免FCM算法对初始聚类中心敏感易局部收敛的缺点。对温度与热误差按灰色关联分析(GRA)中的灰色综合关联度进行排序，从变化量和变化率的角度综合反映温度与热误差的关系。采用IFCM-GRA对温度测点进行优化，在保证热误差模型的鲁棒性及准确性的基础上，使温度测点数量大幅度地减少。
　　基于上述温度测点优化方法，本文综合考虑机床本体温度、主轴转速、冷却液温度及环境温度等多变量，且基于数控加工过程及材料热变形原理，将相对起始温度的差温值作为温度输入;利用偏最小二乘(PLS)方法提取输入变量的主成分作为最小二乘支持向量机(LS-SVM)的输入，形成差温多变量关联的PLS-LSSVM热误差组合模型，且经热误差动态检测实验验证该模型具有良好的准确性和鲁棒性。

目录

声明

摘要

1 绪论

1．1 课题来源及研究背景意义

1．1．1 课题来源

1．1．2 课题的研究背景意义

1．2 热误差检测与建模的研究现状

1．2．1 热误差检测的国内外研究现状

1．2．2 温度测点优化在国内外的研究现状

1．2．3 热误差建模在国内外的研究现状

1．3 本文研究内容

2 卧式加工中心主轴系统的热态性能分析

2．1 电主轴的结构分析

2．2 主轴系统热载荷分析

2．2．1 轴承热载荷的分析

2．2．2 电动机热载荷的分析

2．3 主轴系统热边界条件分析

2．3．1 冷却水的对流换热分析

2．3．2 间隙气体的对流换热分析

2．3．3 转子端部与周围气体的换热分析

2．3．4 外壳与周围气体的换热分析

2．4 主轴系统热-结构耦合分析

2．4．1 ANSYS Workbench主轴系统热分析

2．4．2 主轴系统有限元分析

2．4．3 主轴系统稳态温度场分析

2．4．4 主轴系统热变形分析

2．5 本章小结

3 热误差动态检测

3．1 动态检测系统整体方案的建立

3．2 热误差动态检测系统硬件设计

3．2．1 位移采集系统设计

3．2．2 温度采集系统设计

3．3 基于LabVIEW的热误差动态检测系统软件设计

3．3．1 软件总体框架设计

3．3．2 位移采集模块通信设计

3．3．3 温度采集模块通信设计

3．3．4 位移信号采集与处理

3．3．5 数据保存类型及结构

3．3．6 自动间隔保存设计

3．4 热误差动态实验设计

3．4．1 测试对象的主轴参数

3．4．2 工况设计方案的建立

3．4．3 温度传感器布置

3．4．4 位移传感器布置

3．5 热误差检测结果分析

3．6 本章小结

4 热误差温度测点优化

4．1 IFCM温度测点聚类

4．1．1 FCM聚类算法

4．1．2 FCM聚类的改进

4．2 GRA灰色综合关联度

4．2．1 准光滑序列

4．2．2 灰色综合关联度

4．3 IFCM-GRA温度测点优化

4．4 本章小结

5 卧式加工中心主轴热误差建模

5．1 影响机床热误差的因素

5．2 差温输入变量

5．3 PLS-LSSVM组合模型

5．3．1 PLS主成分提取

5．3．2 LS-SVM原理

5．3．3 PLS和LS-SVM的组合模型

5．4 建立差温多变量热误差模型

5．4．1 对比模型与输入变量

5．4．2 建立热误差模型

5．5 热误差模型预测

5．6 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢