一种基于指令过滤的数控铣床控制纠正方法

摘要

本发明提供的一种基于指令过滤的数控铣床控制纠正方法，包括如下步骤：①获得需要值；②读取历史值；③计算差值；④线性回归；⑤误差判断；⑥非线性回归；⑦差值预判；⑧输出实际值。本发明通过回归分析预判差值调整控制指令的方式，针对刀具在相同工作条件下的磨损情况有很好的调整作用，因此可极大的延长刀具更换周期，从而降低企业成本，而且还能保证较高的精度要求，同时运行速度快，可很好的满足铣加工过程中高速调整的需求。

说明书

技术领域

本发明涉及一种基于指令过滤的数控铣床控制纠正方法，属于数 控铣床控制技术领域。

背景技术

数控铣床在运行过程中，刀具会有磨损，而不同的加工，刀具的 模型情况也会有不同，现有技术中对数控铣床的操作过程并未考虑到 这一点，因此并未对刀具磨损的情况作出针对性的调整，以至于只能 用缩短刀具更换周期来保证铣加工精度和准确度，但是一些对于精确 度要求较高的情况下，为了保证精确度的要求，则刀具更换非常频繁， 由此企业成本很高。

发明内容

为解决上述技术问题，本发明提供了一种基于指令过滤的数控铣 床控制纠正方法，该基于指令过滤的数控铣床控制纠正方法通过回归 分析预判差值调整控制指令的方式，针对刀具在相同工作条件下的磨 损情况有很好的调整作用，由此可在很大程度上避免频繁更换刀具， 同时还能保证较高的精度要求。

本发明通过以下技术方案得以实现。

本发明提供的一种基于指令过滤的数控铣床控制纠正方法，包括 如下步骤：

①获得需要值：接收数控铣床控制系统将要作出的控制指令数值；

②读取历史值：根据接收到的控制指令数值，从历史数据库中读 取历史中相同操作下的控制指令数值、实际操作运行值和运行时间；

③计算差值：计算读取到的历史数据中控制指令数值和实际操作 运行值的差值；

④线性回归：以运行时间为自变量、差值为因变量，建立一元线 性回归模型，得到差值的线性回归曲线函数；

⑤误差判断：对得到的回归曲线误差进行判断，取误差最小的一 条曲线，对该曲线进行可信度检验，大于设定值则进行步骤⑦，小于 设定值则进行步骤⑥；

⑥非线性回归：以运行时间为自变量、差值为因变量，建立一元 非线性回归模型；

⑦差值预判：通过建立的模型，将当前控制指令的时间对应的运 行时间代入到回归模型中，得到对应的预判差值；

⑧输出实际值：将预判差值和控制指令数值结合形成实际控制指 令数值，并输出执行。

所述步骤⑤中设定值为0.9。

所述④中建立一元线性回归模型，通过最小二乘法进行。

本发明的有益效果在于：通过回归分析预判差值调整控制指令的 方式，针对刀具在相同工作条件下的磨损情况有很好的调整作用，因 此可极大的延长刀具更换周期，从而降低企业成本，而且还能保证较 高的精度要求，同时运行速度快，可很好的满足铣加工过程中高速调 整的需求。

附图说明

图1是本发明的流程示意图。

具体实施方式

下面进一步描述本发明的技术方案，但要求保护的范围并不局限 于所述。

如图1所示的一种基于指令过滤的数控铣床控制纠正方法，包括 如下步骤：

①获得需要值：接收数控铣床控制系统将要作出的控制指令数值；

②读取历史值：根据接收到的控制指令数值，从历史数据库中读 取历史中相同操作下的控制指令数值、实际操作运行值和运行时间；

③计算差值：计算读取到的历史数据中控制指令数值和实际操作 运行值的差值；

④线性回归：以运行时间为自变量、差值为因变量，建立一元线 性回归模型，得到差值的线性回归曲线函数；

⑤误差判断：对得到的回归曲线误差进行判断，取误差最小的一 条曲线，对该曲线进行可信度检验，大于设定值则进行步骤⑦，小于 设定值则进行步骤⑥；

⑥非线性回归：以运行时间为自变量、差值为因变量，建立一元 非线性回归模型；

⑦差值预判：通过建立的模型，将当前控制指令的时间对应的运 行时间代入到回归模型中，得到对应的预判差值；

⑧输出实际值：将预判差值和控制指令数值结合形成实际控制指 令数值，并输出执行。

由此，系统计算量较小，无需担心如神经网络等算法带来的效率 问题，而准确度也极有保障。

一般而言，基于统计原理，可信度取0.95较为合理，但经测试， 0.95的可信度过高，极容易出现线性回归模型无法拟合，而非线性回 归模型过拟合的情况，因此在经过大量测试后，最终确定最优选方案 为，所述步骤⑤中设定值为0.9。

为保证过程的高效，所述④中建立一元线性回归模型，通过最小 二乘法进行。