热误差补偿

摘要： 随着机床零部件的精度越来越高以及数控系统控制的高速发展,使得几何误差对机床整体的精度影响越来越小。而现代加工机床的加工特点,长时间的处于高速切削和快速进给的状态下连续运转,由于机床运动部件产生摩擦热、切削热以及外部热源等会引起系统的热变形,造成机床床身和主轴丝杠等主要部件的快速升温,且受热不均匀,产生由于温度的变化导致的精度误差,在精密及超精密加工中,热误差的影响非常严重,占机床总误差的40%~70%。通过热误差补偿功能,在不改变机床结构的前提下,能大大提高机床的加工精度和稳定性。

摘要： 在精密及超精密加工过程中,数控机床热误差是影响加工精度的一项重要误差源,最经济和有效地减少热误差的方法是热误差补偿技术.针对热误差补偿预测模型的预测精度问题,提出一种非线性组合预测模型.该预测模型利用灰色关联度方法对单项预测模型进行筛选,对筛选出的单项预测模型基于不同优化准则进行线性组合,通过广义回归神经网络对该线性组合模型进行非线性组合,得到非线性组合预测模型.误差预测结果表明:对比典型的BP神经网络预测模型,非线性组合预测模型的预测精度更高,最大误差由4.78μm减小到0.7μm.

摘要： 为满足机床精度要求,提出有传感器热误差补偿方法.详细介绍了热误差补偿原理,通过测试对比和数据分析,对机床的热误差问题进行实验研究.依据统计数据得出结论,将结论及方法应用于数控系统中,对数控系统热误差补偿模块进行完善.结果表明:传感器热误差补偿方法可以解决机床热误差造成的精度问题,广泛应用于机床质量检验.

摘要： 机床的热误差已成为影响机床工作性能的最主要因素之一,滚珠丝杠作为机床进给系统关键部件,其热变形直接影响着机床的加工精度.因此,对滚珠丝杠进行热误差控制与补偿十分重要.过去几十年里,国内外学者对滚珠丝杠进给系统热误差研究可以分成三部分内容:热特性研究,热误差建模和热误差补偿.先通过滚珠丝杠热特性分析获取必要的参数,然后以此为基础进行合理的热误差建模,最后进行热误差检测及其补偿.以此为脉络展开,分别探讨了三部分内容国内外的研究现状以及存在的优缺点,并对未来的研究趋势进行了展望.

摘要： 针对影响五轴数控机床加工精度的复杂热特性,提出了一种用于摇篮式五轴数控机床热误差建模方法.该方法主要采用鲨鱼嗅觉优化(SSO)算法和神经网络的复合建模方式,有效提高了机床热误差预测模型的精度和建模效率.首先通过使用热成像仪筛选出机床的温度敏感点,然后将温度传感器布置在机床热敏感点的位置,将采集到的热特性数据采用本文所提方法进行热误差建模,结果表明,该方法在建模速度和精度上要优于ABC和PSO神经网络,最后将该热误差预测模型应用于五轴数控机床热误差补偿实验,将试件加工精度提高了32％.

摘要： 为进一步提高磨床加工精度,需要在已减小几何误差的基础上对热变形误差进行补偿。本文对某数控外圆复合磨床进行三维模型的构建,并针对该磨床的砂轮架部分进行热源分析,根据已有方法计算热源的发热功率,分析砂轮架材料和结合面的传热率和各热源对砂轮主轴的变形影响,依据计算结果并结合砂轮架系统的边界条件建立ANSYS热变形分析模型,经过分析计算得到了砂轮架整体变形云图以及砂轮主轴在X,Y,Z三个方向的热位移,为后续砂轮主轴的热变形误差补偿提供了数据支持。

摘要： 为提高热误差补偿精度和实现热误差补偿群控,提出了一种车间机床热误差补偿群控方法,采用分布式采集、补偿控制以及集中式建模计算,有效提高了采集端的扩展性,充分利用了服务端的高性能.基于CAN总线,构建了机床状态信息采集平台,结合PSO-BP神经网络进行了热误差建模研究,开发了热误差补偿群控系统,开展了机床状态信息采集监控及误差补偿实验.实验结果表明:该系统具有较好的扩展性,适应多类型机床信息采集与交互;热误差补偿群控模型有效提高了机床定位精度,具有较好的工程应用前景.

摘要： With the development of advanced manufacturing technology,the requirement of high speed,high precision,high efficiency and intellectualization of NC system is getting higher and higher. Therefore,the compensation technology including thermal error com-pensation has important practical significance. The non-linearity of thermal error is one of the difficulties in error compensation. The traditional method uses off-line linear fitting method,which results in large fitting error and hard to guarantee real-time performance. Traditional thermal error compensation technology based on precise model meets the bottleneck of development. A data-driven method is proposed to realize thermal error compensation of machine tools. Fuzzy neural network is used as learning model. Combining with the error data collected in real-time processing,the optimal compensation strategy is provided,and a data-driven method is developed. The fitting error is reduced and the compensation accuracy of thermal error compensation is improved. The test results show that the proposed compensation scheme significantly improves the fitting accuracy compared with the traditional scheme,thus verifying the fea-sibility of the scheme.%随着先进制造技术的发展,对数控系统的高速、高精、高效、智能化方面的要求越来越高,为此,实现热误差补偿在内的补偿技术具有重要的现实意义.热误差的非线性问题是实现误差补偿的难点之一,传统的补偿方法采用离线线性拟合的方法,造成较大的拟合误差且实时性很难保证,为此传统的基于精确模型的热误差补偿技术遇到了发展瓶颈,提出了采用数据驱动的方法实现机床热误差补偿,采用模糊神经网络作为学习模型,结合加工过程实时采集到的误差数据,提供最优的补偿策略,减小了拟合误差,提高热误差补偿的补偿精度,并通过试验进行测试,测试结果表明所提出的补偿方案相对于传统的方案,显著改善了拟合精度,从而验证了该方案的可行性.

摘要： 数控机床热误差补偿建模方法很多，选择不同的方法对误差补偿效果有非常大的影响。神经网络理论建模方法与其他方法相比具有更好的拟合性和预测能力，尤其是神经网络与模糊逻辑理论结合的模糊神经网络体现出更优的性能。本文主要是通过对神经网络理论以及神经网络与模糊逻辑理论结合的模糊神经网络在数控机床热误差补偿建模中的效果比较研究，从而为得到简单有效的建模方法提供参考。

摘要： 本发明公开了一种基于CPS的重型数控机床热误差补偿控制系统及热误差补偿方法，所述热误差补偿控制系统包括：嵌入式采集卡：用于采集机床测点的温度信息、机床主轴刀尖的位移热误差，并对数据经过预处理后发送至运算控制器；运算控制器：用于根据接收的温度数据代入预测数学模型计算热误差预测值，并根据制定的补偿策略将热误差预测值处理为实时补偿值，并把热误差预测值和实时补偿值通过无线网络上传至云端服务器，所述预测数学模型和补偿策略通过无线网络接收远程更新；数控连接器；用于将接收的实时补偿值通过NCUC总线输入机床数控系统，机床数控系统在运行加工G代码时读取实时补偿值，并控制机床X、Y、Z轴移动。

摘要： 本发明公开了一种两端轴向约束的轴系统热误差建模方法：根据轴的热传导方程，求解得到在t时刻轴上任意位置处的温度T(x,t)；根据温度T(x,t)，得到依赖于温度的轴向载荷NT，从而得到轴的轴向热伸长量根据两端轴向约束的轴系统的几何关系，建立轴的轴向位移约束方程，得到当轴的径向弯曲量为w时导致的轴向热收缩量Δ；将轴向热伸长量和轴向热收缩量Δ代入所述轴向位移约束方程，求解得到轴的径向弯曲量w的一般解；利用温度T(x,t)修正径向弯曲量w的一般解，得到分解为与位置相关的热误差分量Ep(x,t)和与温度相关的热误差分量ET(x,t)的热误差方程E(x,t)；对热误差方程E(x,t)进行泰勒展开，得到两端轴向约束的轴系统的热误差的精确表达式。本发明还公开了一种轴系统总误差建模方法和轴系统热误差补偿系统。

摘要： 本发明公开了一种基于解析法的轴系统热特性分析方法，包括如下步骤：1)创建轴系统的瞬态热特性模型；2)根据轴系统的初始运行条件和与温度相关的变量的初始值，计算得到轴承的热负荷强度、轴系统中所有温度节点的接触热阻和润滑剂的对流传热系数的初始值；3)利用轴系统的瞬态热特性模型对轴系统进行瞬态热分析；4)比较相邻两个迭代子步骤中的滚动元件的温度，满足收敛条件，则进入步骤5)，不满足收敛条件，则进入步骤6)；5)结束分析；6)通过轴系统温度场更新接触热阻、对流传热系数和与温度相关的变量；7)循环步骤3)和步骤4)，直至满足收敛条件。本发明还提出了一种轴系统热误差建模方法和热误差补偿方法。

摘要： 一种基于Mist‑边缘‑雾‑云计算的热误差预测系统，包括Mist计算层、边缘计算层、雾计算层和云计算层；Mist计算层包括：树莓派(RPi)，用于将传感器采集得到的电流、电压信号转换为热误差数据；边缘计算层包括：过滤器；放大器；路由器；微型数据中心，用于存储最近的热误差数据并判断设备运行状态是否正常并在设备运行状态异常时快速响应；雾计算层包括：服务器；热误差预测单元，预测热误差得到热误差预测值；云计算层包括：数据库；训练单元，根据数据库内存储的热误差数据训练热误差预测模型、并将训练得到的热误差预测模型传输至热误差预测单元以更新热误差预测单元内的热误差预测模型。本发明还提出了一种基于Mist‑边缘‑雾‑云计算的热误差补偿系统。

摘要： 本发明公开了本发明首先提出了一种基于SLSTM神经网络的轴系统热误差建模方法，包括如下步骤：1)输入轴系统随时间变化的热误差数据；2)利用EMD算法将所述热误差数据分解为N个固有模态分量和一个残余分量，并分别将分量数据转换为三维输入矩阵；3)编码每个分量数据的初始时间窗口大小、批处理大小和单元数量，得到原始代蝙蝠种群；4)采用BA算法初始化原始代蝙蝠种群，得到具有不同时间窗口大小，不同批处理大小和不同单元数量的SLSTM神经网络；5)利用轴系统的热误差数据训练SLSTM神经网络以确定超参数，用最优超参数构造EMD‑BA‑SLSTM网络模型，然后重构预测组件，以获得预测结果的输出，即：本发明还公开了一种基于SLSTM神经网络的轴系统热误差补偿系统。

摘要： 本发明公开了一种基于LSTM神经网络的轴系统热误差建模方法，包括以下步骤：1)输入轴系统随时间变化的热误差数据；2)利用VMD算法将所述热误差数据分解为K个固有模态分量及对应的中心频率；3)编码每个固有模态分量的初始时间窗口大小、批处理大小和单元数量，得到原始狼群；4)采用GWO算法优化狼群，得到具有不同时间窗口大小，不同批处理大小和不同数量单位的LSTM神经网络；5)训练LSTM神经网络以确定超参数，用最优超参数构造SLSTM网络模型，然后重构预测组件，以获得预测结果的输出，即：其中，Pi为每个预测的固有模态分量，Pr为参与成分数据，P为最终的预测结果。本发明还公开了一种基于LSTM神经网络的轴系统热误差补偿系统。

摘要： 本发明公开了一种基于CPS的重型数控机床热误差补偿控制系统及热误差补偿方法，所述热误差补偿控制系统包括：嵌入式采集卡：用于采集机床测点的温度信息、机床主轴刀尖的位移热误差，并对数据经过预处理后发送至运算控制器；运算控制器：用于根据接收的温度数据代入预测数学模型计算热误差预测值，并根据制定的补偿策略将热误差预测值处理为实时补偿值，并把热误差预测值和实时补偿值通过无线网络上传至云端服务器，所述预测数学模型和补偿策略通过无线网络接收远程更新；数控连接器；用于将接收的实时补偿值通过NCUC总线输入机床数控系统，机床数控系统在运行加工G代码时读取实时补偿值，并控制机床X、Y、Z轴移动。

摘要： 本发明公开了一种两端轴向约束的轴系统热误差建模方法：根据轴的热传导方程，求解得到在t时刻轴上任意位置处的温度T(x,t)；根据温度T(x,t)，得到依赖于温度的轴向载荷NT，从而得到轴的轴向热伸长量根据两端轴向约束的轴系统的几何关系，建立轴的轴向位移约束方程，得到当轴的径向弯曲量为w时导致的轴向热收缩量Δ；将轴向热伸长量和轴向热收缩量Δ代入所述轴向位移约束方程，求解得到轴的径向弯曲量w的一般解；利用温度T(x,t)修正径向弯曲量w的一般解，得到分解为与位置相关的热误差分量Ep(x,t)和与温度相关的热误差分量ET(x,t)的热误差方程E(x,t)；对热误差方程E(x,t)进行泰勒展开，得到两端轴向约束的轴系统的热误差的精确表达式。本发明还公开了一种轴系统总误差建模方法和轴系统热误差补偿系统。

摘要： 本发明公开了一种基于解析法的轴系统热特性分析方法，包括如下步骤：1)创建轴系统的瞬态热特性模型；2)根据轴系统的初始运行条件和与温度相关的变量的初始值，计算得到轴承的热负荷强度、轴系统中所有温度节点的接触热阻和润滑剂的对流传热系数的初始值；3)利用轴系统的瞬态热特性模型对轴系统进行瞬态热分析；4)比较相邻两个迭代子步骤中的滚动元件的温度，满足收敛条件，则进入步骤5)，不满足收敛条件，则进入步骤6)；5)结束分析；6)通过轴系统温度场更新接触热阻、对流传热系数和与温度相关的变量；7)循环步骤3)和步骤4)，直至满足收敛条件。本发明还提出了一种轴系统热误差建模方法和热误差补偿方法。

摘要： 一种基于Mist‑边缘‑雾‑云计算的热误差预测系统，包括Mist计算层、边缘计算层、雾计算层和云计算层；Mist计算层包括：树莓派(RPi)，用于将传感器采集得到的电流、电压信号转换为热误差数据；边缘计算层包括：过滤器；放大器；路由器；微型数据中心，用于存储最近的热误差数据并判断设备运行状态是否正常并在设备运行状态异常时快速响应；雾计算层包括：服务器；热误差预测单元，预测热误差得到热误差预测值；云计算层包括：数据库；训练单元，根据数据库内存储的热误差数据训练热误差预测模型、并将训练得到的热误差预测模型传输至热误差预测单元以更新热误差预测单元内的热误差预测模型。本发明还提出了一种基于Mist‑边缘‑雾‑云计算的热误差补偿系统。