CN106873525B - 一种基于数控机床实时数据的主轴组件热变形预测方法 - Google Patents
一种基于数控机床实时数据的主轴组件热变形预测方法 Download PDFInfo
- Publication number
- CN106873525B CN106873525B CN201710141557.0A CN201710141557A CN106873525B CN 106873525 B CN106873525 B CN 106873525B CN 201710141557 A CN201710141557 A CN 201710141557A CN 106873525 B CN106873525 B CN 106873525B
- Authority
- CN
- China
- Prior art keywords
- thermal deformation
- real time
- spindle assemblies
- numerically
- deformation prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/404—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35408—Calculate new position data from actual data to compensate for contour error
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Automatic Control Of Machine Tools (AREA)
- Numerical Control (AREA)
Abstract
本发明属于热变形预测相关技术领域,其公开了一种基于数控机床实时数据的主轴组件热变形预测方法,其包括以下步骤:(1)数控机床运行实验G代码程序,同时实时采集加工过程中主轴组件的热变形量、主轴的电流、速度及位移信号,并根据采集的实时数据求出热变形量与主轴的电流、速度及位移信号之间的关系以建立热变形预测模型;(2)设置热误差补偿值调整系数以对所述热变形预测模型进行调整;(3)将实时采集的主轴的电流、速度及位移带入所述热变形模型以预测出对应的热变形量。以上所述的主轴组件特变形预测方法降低了设计及预测成本,提高了预测精度,灵活性较高,通用性较好。
Description
技术领域
本发明属于热变形预测相关技术领域,更具体地,涉及一种基于数控机床实时数据的主轴组件热变形预测方法,尤其适用于无温度传感器的机床。
背景技术
在加工产品时,小型钻攻中心的主轴高速旋转,产生大量的热量,导致主轴组件的热变形问题十分严重;变形量大,最高超过0.12毫米;热平衡时间较长,平均热机时间为120分钟;针对上述问题,现阶段主要有以下几种解决方案:
(1)改善冷却系统,提高散热速率。改善内藏式电机的外循环油水冷却系统、合理选择轴承和前后轴承座的材料、设计对称结构、适当加入阻尼等,以此来保证主轴组件运转的热平衡性。然而,该种方法不可能仅通过设计和制造技术等抑制热误差产生的手段来消除所有误差,且利用该方法来提高加工精度所花费的成本呈指数规律增长。
(2)安装温度传感器。在每台机床上安装一个或多个温度传感器,通过算法选出最优最少的温度敏感点,然后把温度敏感点所采集的温度代入基于温度的热变形预测模型,实现对热变形的预测。这种方法比较适合价值高、体积大的大型机床,不适用于价值低、体积小的高速钻攻中心,且预测精度有限,灵活性较差;(3)建立基于时间的热误差补偿模型。该方法是建立主轴组件的热变形量与时间的模型,将主轴的运转时间和停止时间输入到模型中,计算出主轴组件的热变形量,在加工过程中进行补偿。采用这种补偿方法时,要求每个零件的加工时间要长,否则预测的主轴组件热变形量的误差会因为主轴的停止时间过长而增大,而且该补偿方法的通用性较差,不同的加工程序需要建立不同的补偿模型。
相应地,本领域存在着发展一种预测精度较高且成本较低的热变形预测方法的技术需求。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于数控实时数据的主轴组件热变形预测方法,其基于主轴组件热变形的热点,针对主轴组件热变形预测方法进行了设计。所述主轴组件热变形预测方法基于主轴的电流、速度及位移,其在抑制热误差产生的基础上进一步减小误差,降低设计及预测成本,且提高了预测精度,灵活性较高。
为实现上述目的,本发明提供了一种基于数控机床实时数据的主轴组件热变形预测方法,其包括以下步骤:
(1)数控机床运行实验G代码程序,同时实时采集加工过程中主轴组件的热变形量、主轴的电流、速度及位移信号,并根据采集的实时数据求出热变形量与主轴的电流、速度及位移信号之间的关系以建立热变形预测模型;
(2)设置热误差补偿值调整系数以对所述热变形预测模型进行调整;
(3)将实时采集的主轴的电流、速度及位移带入所述热变形模型以预测出对应的热变形量。
进一步地,所述热变形预测模型的表达式为:
其中,Δlτ为第τ次测量时主轴的变形量,li、Si、Vi分别为0~τ之间第i个采样点的电流、位移、速度,K1、K2为模型中的系数,n表示从程序开始运行到对刀时刻的时间(ms),n1表示主轴从程序运行开始到对刀时刻的旋转时间(ms)。
进一步地,K1、K2是通过曲线拟合的方式求得的。
进一步地,所述热误差补偿值调整系数分别为δ1=1,δ2=1,调整后的所述热变形预测模型的表达式为其中K1'=K1δ1,K2,=K2δ2。
进一步地,依据预测出的热变形量进入补偿环节进行补偿,当主轴组件的热变形达到稳定状态后,之后的补偿值设为所述主轴组件达到稳定状态时预测的热变形量。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,本发明提供的基于数控机床实时数据的主轴组件热变形预测方法,其基于主轴的电流、速度及位移进行预测,且设置有热误差补偿系数来对热变形预测模型进行调整,降低了设计及预测成本,提高了预测精度,灵活性较高,通用性较好。
附图说明
图1是本发明较佳实施方式提供的基于数控机床实时数据的主轴组件热变形预测方法的整体流程示意图。
图2是图1中的基于数控机床实时数据的主轴组件热变形预测方法涉及的热变形预测流程图。
图3采用图1中的基于数控机床实时数据的主轴组件热变形预测方法中建立模型时涉及的拟合模型曲线与实际热变形曲线的对比示意图。
图4是采用图1中的基于数控机床实时数据的主轴组件热变形预测方法获得的热变形量与实际热变形量的对比及误差曲线示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参阅图1至图3,本发明较佳实施方式提供的基于数控机床实时数据的主轴组件热变形预测方法,其基于主轴的电流、速度及位移进行热变形量的预测。所述的基于数控机床实时数据的主轴组件热变形预测方法主要包括以下步骤:
步骤一,数控机床进行实验G代码程序,同时实时采集加工过程中主轴组件的热变形量、主轴的电流、速度及位移信号,并根据采集的实时数据求出热变形量与主轴的电流、速度及位移信号之间的关系以建立热变形预测模型。本实施方式采集数据时所采用的机床型号为TD-500A,数控系统型号为HNC-8,机床主轴最高转速为24000r/min,本实施方式中主轴的转速取为15000r/min。
加工过程中热变形的测量方法为:打开数控机床后,利用对刀仪测出主轴所在位置,然后让所述数控机床运行指定的实验G代码程序,此过程中,保持所述数控机床的Z轴的位置不变,主轴以15000r/min的转速旋转,一段时间后,所述对刀仪再次测量所述主轴的位置,一直重复这个动作。同时,实时采集加工过程中主轴的电流、速度及位移信号,采样频率为1000Hz。用每次对刀时测量的值减去第一次测量的值,即可得到关于主轴热变形量Δli的一系列值,建立主轴热变形量与电流I、速度V和位移S之间的关系模型为式中,Δlτ为第τ次测量时主轴的变形量,li、Si、Vi分别为0~τ之间第i个采样点的电流、位移、速度,K1、K2分别为模型中的系数,利用曲线拟合的方式可求得K1、K2的值拟合原理为最小二乘法。
本实施方式中,用每次对刀时测量的值减去第一次测量的值,得到的关于热变形量Δli的一系列值(单位:mm):
Δli=[0,0.0025,0.0049,0.0074,0.0097,0.0119,0.0140,0.0160,0.0178,0.0195,0.0211,0.0225,0.0239,0.0250,0.0264,0.0278,0.0291,0.0303,0.0318,0.0330,0.0342,0.0353,0.0365,0.0375,0.0386,0.0394,0.0403,0.04100.0419,0.0428,0.0438,0.0446,0.0454,0.0461,0.0467,0.0474,0.0481,0.0489,0.0498,0.0506,0.0514,0.05240.0532,0.0539,0.0545,0.0552,0.0559,0.0566,0.0574,0.0583,0.0589,0.0595,0.0601,0.0605,0.0609,0.0614,0.0617,0.0622,0.0627,0.0634,0.0639,0.0645,0.0651,0.0656,0.0661,0.0667,0.0674,0.0677,0.0682,0.06850.0688,0.0692,0.0697,0.0702,0.07060.0710,0.0714,0.0717,0.0720,0.0724,0.0729,0.0733,0.0738,0.07420.0745,0.0748,0.0752,0.0753,0.0757,0.0759,0.0760,0.0762,0.0765,0.0767,0.0770,0.0773,0.0776,0.07800.0781,0.0784,0.0786,0.0790,0.0794,0.0799,0.0802,0.0806,0.0807,0.0809,0.0812,0.0814,0.0817,0.08210.0822,0.0824,0.0825,0.0827,0.0828,0.0830,0.0830,0.0831,0.0832,0.0832,0.0833,0.0835,0.0835,0.08360.0838,0.0838,0.0840,0.0840]
根据模型表达式分别计算出电流和位移积分速度和变形量的积分其中,n表示从程序开始运行到对刀时刻的时间(ms),n1表示主轴从程序运行开始到对刀时刻的旋转时间(ms),计算的积分结果如下:
通过最小二乘法拟合得到模型中的K1、K2值,K1=1.5341*10-8,K2=-8.3670*10-17,所以模型确定为:主轴热变形的拟合模型曲线与实际热变形曲线的对比结果详见图3。
步骤二,设置热误差补偿值调整系数以对所述热变形预测模型进行调整。具体地,同一品牌的机床即使在外部条件(环境温度、空气流动等)和加工条件(零件、加工材料、加工程序等)都相同的情况下,由于机床装配质量的差别,模型中的参数K1、K2会有一定的变化,则设置热误差补偿值调整系数δ1、δ2来对模型进行调整:
K1′=K1δ1
K2′=K2δ2
由K1′、K2′建立模型:
本实施方式中,热误差补偿值调整系数δ1=1,δ2=1。
步骤三,将实时采集的主轴的电流、速度及位移带入所述热变形模型以预测出对应的热变形量,并进入补偿环节进行补偿;当主轴组件的热变形达到稳定状态后,之后的补偿值设为所述主轴组件达到稳定状态时预测的热变形量。具体地,调整后,所述模型表达式为本实施方式选取的热变形量预测间隔为1s,电流、速度等的采样周期为1ms,所以在1s的间隔内共有1000个采样点。1s时,采集第1s内主轴运动过程中的电流、速度和位移,并计算他们的积分带入到所述模型表达式中求得第1秒时的热变形量,并进入指定的补偿环节进行补偿;
(n+1)s时,采集第(n+1)s内主轴运动过程中的电流、速度和位移,并计算他们的积分带入到模型表达式中求得第(n+1)s时的热变形量,并进入指定的补偿环节进行补偿;如此一直累加计算,直到热变形达到稳定状态,大约120min后,补偿值便可以设为120min时刻的补偿值,直到加工完成。
请参阅图4,本实施方式中,数控系统在n=0时开始加工零件,程序运行10min(600s)时,采集加工过程中主轴的电流、速度和位移,计算积分把A600、B600输入到模型表达式中,得到预测热变形量Δl600=0.0188mm,并进入指定环节进行补偿;当数控机床运行时间达到120min时,计算积分把A7200、B7200输入到模型表达式中,得到预测热变形量Δl7200=0.0831mm,并进入指定环节进行补偿。此时,主轴的热变形已达到平衡状态,之后加工过程以0.0831mm作为补偿量。自图4可以看出,采用本实施方式提供的基于数控机床实时数据的主轴组件热变形预测方法获得热变形量的误差明显降低,预测精度较高。
本发明提供的基于数控机床实时数据的主轴组件热变形预测方法,其基于主轴的电流、速度及位移进行预测,且设置有热误差补偿调整系数来对热变形预测模型进行调整,降低了设计及预测成本,提高了预测精度,灵活性较高,通用性较好。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于数控机床实时数据的主轴组件热变形预测方法,其包括以下步骤:
(1)数控机床运行实验G代码程序,同时实时采集加工过程中主轴组件的热变形量、主轴的电流、速度及位移信号,并根据采集的实时数据求出热变形量与主轴的电流、速度及位移信号之间的关系以建立热变形预测模型;所述热变形预测模型的表达式为:
其中,Δlτ为第τ次测量时主轴的变形量,Ii、Si、Vi分别为0~τ之间第i个采样点的电流、位移、速度,K1、K2为模型中的系数,n表示从程序开始运行到对刀时刻的时间(ms),n1表示主轴从程序运行开始到对刀时刻的旋转时间(ms);
(2)设置热误差补偿值调整系数以对所述热变形预测模型进行调整;所述热误差补偿值调整系数分别为δ1、δ2,调整后的所述热变形预测模型的表达式为其中K1′=K1δ1,K2′=K2δ2;
(3)将实时采集的主轴的电流、速度及位移带入所述热变形模型以预测出对应的热变形量。
2.如权利要求1所述的基于数控机床实时数据的主轴组件热变形预测方法,其特征在于:K1、K2是通过曲线拟合的方式求得的。
3.如权利要求1所述的基于数控机床实时数据的主轴组件热变形预测方法,其特征在于:依据预测出的热变形量进入补偿环节进行补偿,当主轴组件的热变形达到稳定状态后,之后的补偿值设为所述主轴组件达到稳定状态时预测的热变形量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710141557.0A CN106873525B (zh) | 2017-03-10 | 2017-03-10 | 一种基于数控机床实时数据的主轴组件热变形预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710141557.0A CN106873525B (zh) | 2017-03-10 | 2017-03-10 | 一种基于数控机床实时数据的主轴组件热变形预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106873525A CN106873525A (zh) | 2017-06-20 |
CN106873525B true CN106873525B (zh) | 2019-05-07 |
Family
ID=59170093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710141557.0A Active CN106873525B (zh) | 2017-03-10 | 2017-03-10 | 一种基于数控机床实时数据的主轴组件热变形预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106873525B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107255997B (zh) * | 2017-06-26 | 2020-06-05 | 安徽省捷甬达智能机器有限公司 | 一种基于温度检测的机床运动补偿方法 |
CN108459557B (zh) * | 2017-07-26 | 2021-11-19 | 华中科技大学 | 零件加工尺寸评测方法 |
CN107695775B (zh) * | 2017-09-19 | 2019-06-25 | 武汉理工大学 | 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 |
CN108334661B (zh) * | 2017-12-29 | 2021-08-06 | 武汉华中数控股份有限公司 | 一种进给轴热变形预测方法 |
EP3715989A1 (de) * | 2019-03-29 | 2020-09-30 | Siemens Aktiengesellschaft | Verfahren und vorrichtung zur überwachung eines fräspro-zesses |
CN113021078B (zh) * | 2021-03-01 | 2022-10-14 | 珠海艾诚精密模具有限公司 | Nc主轴动态伸长量的检测方法 |
CN114152238B (zh) * | 2021-11-03 | 2023-10-27 | 东风汽车集团股份有限公司 | 加工中心热变形补偿方法、装置、设备以及可读存储介质 |
CN114029787B (zh) * | 2021-11-08 | 2022-11-25 | 陕西科控技术产业研究院有限公司 | 一种半闭环控制方式下数控机床进给系统弹性变形补偿方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1762655A (zh) * | 2004-10-22 | 2006-04-26 | 山崎马扎克公司 | 机床的热位移修正方法和热位移修正装置 |
CN1868666A (zh) * | 2006-06-28 | 2006-11-29 | 四川长征机床集团有限公司 | 数控机床主传动系统的热变形补偿方法 |
CN101530974A (zh) * | 2008-03-13 | 2009-09-16 | 兄弟工业株式会社 | 机床的热位移修正方法和热位移修正装置 |
CN105759719A (zh) * | 2016-04-20 | 2016-07-13 | 合肥工业大学 | 一种基于无偏估计拆分模型的数控机床热误差预测方法及系统 |
-
2017
- 2017-03-10 CN CN201710141557.0A patent/CN106873525B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1762655A (zh) * | 2004-10-22 | 2006-04-26 | 山崎马扎克公司 | 机床的热位移修正方法和热位移修正装置 |
CN1868666A (zh) * | 2006-06-28 | 2006-11-29 | 四川长征机床集团有限公司 | 数控机床主传动系统的热变形补偿方法 |
CN101530974A (zh) * | 2008-03-13 | 2009-09-16 | 兄弟工业株式会社 | 机床的热位移修正方法和热位移修正装置 |
CN105759719A (zh) * | 2016-04-20 | 2016-07-13 | 合肥工业大学 | 一种基于无偏估计拆分模型的数控机床热误差预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106873525A (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106873525B (zh) | 一种基于数控机床实时数据的主轴组件热变形预测方法 | |
US11287795B2 (en) | Self-adaptive compensation method for feed axis thermal error | |
US7778725B2 (en) | Method for estimating thermal displacement in machine tool | |
US11294353B2 (en) | Spindle thermal error compensation method insensitive to cooling system disturbance | |
Liu et al. | Thermal error robust modeling method for CNC machine tools based on a split unbiased estimation algorithm | |
CN106444628B (zh) | 一种数控机床主轴热伸长误差实时补偿方法 | |
Wu et al. | Thermal error compensation method for machine center | |
US10245697B2 (en) | Method for controlling temperature adjustment system of machine | |
CN107861470A (zh) | 基于pmc控制的数控机床主轴热伸长误差实时补偿方法 | |
JP7514322B2 (ja) | 工作機械制御及び工作機械に対する特性図に基づく誤差補償のための方法 | |
CN108594761A (zh) | 一种基于初始温度保持策略的电主轴热误差主动控制方法 | |
CN104483900A (zh) | 半闭环控制数控机床滚珠丝杠进给系统定位误差建模方法 | |
CN113219901B (zh) | 一种数控机床智能化热误差补偿方法 | |
JP2015104765A (ja) | 工作機械および工作機械における加工制御方法 | |
CN108356603B (zh) | 五轴数控机床主轴热变形误差补偿方法及系统 | |
US20220197242A1 (en) | Fluctuation amount estimation device in machine tool and correction amount calculation device | |
Wei et al. | Sub-regional thermal error compensation modeling for CNC machine tool worktables | |
JP4505385B2 (ja) | 工作機械の熱変位推定方法 | |
US11809156B2 (en) | Thermal displacement correction method for machine tool | |
CN109765844A (zh) | 一种数控机床温度误差补偿估算方法及装置 | |
JP4469681B2 (ja) | 工作機械の加工誤差の補正方法 | |
JP2009248209A (ja) | 工作機械の熱変位推定方法 | |
WO2012082543A2 (en) | Method for automatic compensation of thermal distortion in a gantry machine | |
Zhang et al. | Thermal error exponential model of CNC machine tools motorized spindle based on mechanism analysis | |
JPH11221738A (ja) | 工作機械の熱変位推定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |