CN108873810B - 一种影响三轴加工中心精度衰变的关键误差源识别方法 - Google Patents
一种影响三轴加工中心精度衰变的关键误差源识别方法 Download PDFInfo
- Publication number
- CN108873810B CN108873810B CN201810762241.8A CN201810762241A CN108873810B CN 108873810 B CN108873810 B CN 108873810B CN 201810762241 A CN201810762241 A CN 201810762241A CN 108873810 B CN108873810 B CN 108873810B
- Authority
- CN
- China
- Prior art keywords
- error
- mean value
- tool
- axis
- precision
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005259 measurement Methods 0.000 claims abstract description 50
- 230000035945 sensitivity Effects 0.000 claims abstract description 23
- 238000009826 distribution Methods 0.000 claims abstract description 21
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 41
- 238000005070 sampling Methods 0.000 claims description 22
- 230000003068 static effect Effects 0.000 claims description 20
- 238000003754 machining Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 4
- 238000007493 shaping process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
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
- G05B2219/34—Director, elements to supervisory
- G05B2219/34096—Approximate, replace curve, surface with circle, linear segments, least error
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
Abstract
本发明为一种影响三轴加工中心精度衰变的关键误差源识别方法,属于数控机床精度设计领域,该方法首先利用精度测量装置获取机床各项精度在不同测量时间节点的误差值,计算各精度项从首次测量到各测量时间节点的误差均值,并确定各项精度的误差均值分布区间;然后,将各项误差均值综合于刀具成形点,并将空间分布的误差均值在空间维上进行综合,进而建立三轴加工中心的综合空间误差均值模型;最后,依据各项误差均值分布区间,采用灵敏度分析方法,分析区间内各精度指标的误差均值对综合空间误差均值的影响,确定综合空间误差对各项精度指标的敏感度,完成关键误差源的识别。
Description
技术领域
本发明属于数控机床精度设计领域,特别涉及一种影响三轴加工中心精度衰变的关键误差源识别方法。
背景技术
精度衰变是影响数控机床性能的重要因素之一。与国外同类型机床相比,国产机床普遍暴露出精度快速衰变的问题。数控机床的精度变化是一个复杂、多因素作用,并随时间动态演变的综合过程。在机床的设计、制造过程中,由于设计的不合理、装配过当产生的集中应力,使机床在服役过程中机床基础件非常规变形、过度磨损,导致机床的单项或数项精度指标快速衰退,造成零件的加工质量快速下降,甚至导致零件报废。在实际工程中,解决机床精度快速衰变的方法往往是对机床各项精度进行定期检测,并通过人工经验对机床进行反复调试使机床精度得以保证。然而该方法调整复杂、耗时,且需要停机调整,势必给正常生产带来很大压力。为此,寻求一种影响三轴加工中心精度衰变的关键误差源识别方法,可有效指导机床的精度分配,在根源上解决机床快速衰变的问题,也可为实际装配和加工提出指导性建议。
目前,数控机床关键性几何误差辨识方法是基于各项精度在出厂检验时的静态数据为评价指标进行辨识。北京工业大学在专利ZL201410234462.X公开了《一种基于全局敏感度分析的三轴数控机床的关键性几何误差辨识方法》,基于多体理论,计算机床测量时的空间误差,并采用全局敏感度理论分析各静态精度项对空间误差的影响。然而,上述方法未以精度变化状态为评价指标进行关键误差源识别。北京工业大学在专利ZL201410653419.7公开了《一种数控机床加工精度可靠性敏感度分析方法》,基于多体理论建立空间误差模型,采用蒙特卡洛数字模拟方法,分析机床的加工精度可靠性。然而,上述方法仅能分析各项机床精度指标在其测量不确定性区间内对空间误差的影响,并未考虑到精度随时间的衰变情况,不能满足基于精度衰变的关键误差源识别。
发明内容
本发明目的在于克服现有方法不足,针对三轴加工中心的精度衰变问题,发明了一种影响三轴加工中心精度衰变的关键误差源识别方法。
针对机床各精度指标的动态衰变特点,通过测量机床各项精度指标于不同时间节点误差值,并将其映射到时间维,得到各项精度指标的误差均值,实现精度指标从动态到静态的转化;将映射后的各误差均值综合于刀具成形点,并将于空间分布的刀具成形点误差均值在空间维上综合成唯一评价指标,消除精度衰变状态评价指标在空间维上的信息重叠;利用灵敏度分析方法分析在各项精度指标对机床精度衰变的影响,最终实现对三轴加工中心精度衰变的关键误差源识别。
本发明采用的技术方案是:
一种影响三轴加工中心精度衰变的关键误差源识别方法,该方法首先利用精度测量装置获取机床各项精度在不同测量时间节点的误差值,计算各精度项从首次测量到各测量时间节点的误差均值,并确定各项精度的误差均值分布区间;然后,将各项误差均值综合于刀具成形点,并将空间分布的误差均值在空间维上进行综合,进而建立三轴加工中心的综合空间误差均值模型;最后,依据各项误差均值分布区间,采用灵敏度分析方法,分析区间内各精度指标的误差均值对综合空间误差均值的影响,确定综合空间误差对各项精度指标的敏感度,完成关键误差源的识别。
方法的具体步骤如下:
第一步,各项精度指标的测量与误差均值的计算
首先,采用精度检测设备检测三轴加工中心于不同时间节点ti(i=1,2,……,n)的各项精度指标误差。其中,i为检测次数。三轴加工中心测量误差项及其对应的编号如表1所示,
表1:三轴加工中心测量误差项及其对应编号
然后,假设各项测量误差在相邻测量时间节点内均匀变化,那么,编号j的误差从首次测量时间节点t1到第i次测量时间节点ti间的误差均值为,
接着,确定编号j的误差从首次测量时间节点t1到各次测量时间节点ti(i=1,2,……,n)的误差均值分布区间其中,分别为计算后编号j的误差项在首次测量时间节点t1到各次测量时间节点ti(i=1,2,……,n)间误差均值的最小值与最大值。
最后,按照上述方法,得到各精度项从首次测量时间节点t1到各次测量时间节点ti(i=1,2,……,n)的误差均值及其分布区间。
第二步,综合空间误差均值模型的建立
抽象三轴加工中心系统拓扑结构,并采用低序体阵列进行描述。通过建立广义坐标系,采用齐次坐标变换矩阵将机床各部分误差传递于刀具成形点。
首先,建立三轴加工中心拓扑结构。三轴加工中心结构如图1所示。将机床各组成结构定义为典型体集,规定第i个典型体为Ai(i=1,2,……,N),N为机床典型体个数。将机床床身定义为典型体A1,并按照装配顺序分别沿着刀具与工件两条支链依次编号,编号方向为远离床身的组件方向。其中,在床身与刀具间的典型体个数为v。三轴加工中心拓扑结构如图2所示。
然后,建立三轴加工中心的特征矩阵。每个典型体共有6个自由度。为表示各部件间相互位置关系,在各典型体Ai上建立与其固定联接的右手直角笛卡尔坐标系oi-xi-yi-zi。规定所有典型体相对应的坐标轴分别对应平行;坐标轴正方向与其对应运动轴正方向相同。
相邻典型体Ai与Aj间存在着理想状态下的静态、相互运动关系以及实际包含误差的静态、相互运动关系。当典型体间为相互运动关系时,其对应坐标系间的运动特征矩阵以及运动误差特征矩阵为如表2所示。
表2:理想运动特征矩阵与运动误差特征矩阵
其中,为编号j的误差均值;oijx、oijy、oijz分别为典型体Ai坐标系原点oi相对于典型体Aj坐标系原点oj在x、y、z方向的初始位置偏移;Mij为典型体Ai与Aj间的理想运动特征矩阵;ΔMij为典型体Ai与Aj间的运动误差特征矩阵;xl、yl、zl为机床在x轴、y轴、z轴运动位置。
设定典型体Ai与Aj间为相互静止的关系时,理想静态特征矩阵与静态误差特征矩阵为I4×4。设定刀具成形点在刀具坐标系内的坐标为Pt=(Ptx,Pty,Ptz),工件成形点在工件坐标系内的坐标为Pw=(Pwx,Pwy,Pwz)。
在理想状态下,机床没有误差,即各项误差变化均值为零。因此刀具成形点与工件成形点重合,可以表达为,
Pw,ideal=[M1(v+2)L MN(N-1)]-1[M12L Mv(v+1)]Pt (2)
式中Mij为典型体Ai与Aj间的理想运动特征矩阵;Pw,ideal为理想条件下工件成形点在工件坐标系内的坐标;Pt为刀具成形点在刀具坐标系内的坐标;v为床身与刀具间的典型体个数;N为机床典型体总个数。
在实际工况下,机床各项误差变化均值不为零,因此刀具成形点与工件成形点关系可以表达为:
Pw=[M1(v+2)ΔM1(v+2)L MN(N-1)ΔMN(N-1)]-1[M12ΔM12L Mv(v+1)ΔMv(v+1)]Pt (3)
式中Mij为典型体Ai与Aj间的理想运动特征矩阵;ΔMij为典型体Ai与Aj间的运动误差特征矩阵;Pw为实际条件下工件成形点在工件坐标系内的坐标;Pt为刀具成形点在刀具坐标系内的坐标。
因此,三轴加工中心空间误差均值模型为:
E=[Ex,Ey,Ez,0]T=Pw,ideal-Pw (4)
其中,Ex为沿x方向的空间误差均值;Ey为沿y方向的空间误差均值;Ez为沿z方向的空间误差均值。
可以进一步表示为:
T=[xt,yt,zt,0]T为刀具加工点在刀具坐标系中的坐标,t为刀具;L=[xl,yl,zl,0]T为机床在x轴、y轴、z轴运动位置。
设定刀具加工点在刀具坐标系中的坐标为定值。设定空间误差在x、y、z三个方向同等重要,则机床沿x方向、沿y方向、沿z方向的综合空间误差均值为,
其中,lx为机床x轴的运动行程;ly为机床y轴的运动行程;lz为机床z轴的运动行程。
第三步,精度衰变的敏感度分析
将编号1~21项误差均值组成的21维单元体的空间域Ω21作为输入量,并在空间域Ω21中的各误差均值进行采样,采样范围为各项误差均值分布区间,如编号j误差均值采样范围为采样为5000次,得到两个5000×21的采样集合。
因此,沿x方向综合空间误差均值对编号j误差均值的敏感度为,
沿y方向综合空间误差均值对编号j误差均值的敏感度为,
沿z方向综合空间误差均值对编号j误差均值的敏感度为,
附图说明
此处说明的附图是用来提供对发明的进一步理解,构成申请的一部分,但不构成对本发明的不当限定,在附图中:
图1为三轴加工中心结构图,其中:1-床身;2-z轴部件;3-刀具;4-x轴部件;5-y轴部件;6-工件;x、y、z、o分别为x坐标轴、y坐标轴、z坐标轴与原点。
图2为三轴加工中心拓扑结构图,1-典型体A1:床身;2-典型体A2:z轴部件;3-典型体A3:刀具;4-典型体A4:x轴部件;5-典型体A5:y轴部件;6-典型体A6:工件;x1、y1、z1、o1分别为典型体A1的x1坐标轴、y1坐标轴、z1坐标轴与原点;x2、y2、z2、o1分别为典型体A2的x2坐标轴、y2坐标轴、z2坐标轴与原点;x3、y3、z3、o3分别为典型体A3的x3坐标轴、y3坐标轴、3z坐标轴与原点;x4、y4、z4、o4分别为典型体A4的x4坐标轴、y4坐标轴、z4坐标轴与原点;x5、y5、z5、o5分别为典型体A5的x5坐标轴、y5坐标轴、z5坐标轴与原点;x6、y6、z6、o6分别为典型体A6的x6坐标轴、y6坐标轴、z6坐标轴与原点。
图3为本发明一种影响三轴加工中心精度衰变的关键误差源识别方法流程图
具体实施方式
下面将结合附图以及具体实施例来详细说明本发明,其中的示意性实施例以及说明仅用来解释本发明,但不作为本发明的限定。
实施例:一种影响三轴加工中心精度衰变的关键误差源识别方法
首先利用精度测量装置获取机床各项精度在不同测量时间节点的误差值,计算各精度项从首次测量到各测量时间节点的误差均值,并确定各项精度的误差均值分布区间;然后,将各项误差均值综合于刀具成形点,并将空间分布的误差均值在空间维上进行综合,进而建立三轴加工中心的综合空间误差均值模型;最后,依据各项误差均值分布区间,采用灵敏度分析方法,分析区间内各精度指标的误差均值对综合空间误差均值的影响,确定综合空间误差对各项精度指标的敏感度,完成关键误差源的识别。
图1为三轴加工中心结构图,被测机床为三轴立式加工中心,三轴行程分别为lx=850mm;ly=550mm;lz=600mm。关键误差源识别方法的具体步骤如图3所示:
第一步,各项精度指标的测量与误差均值的计算
首先,采用激光干涉仪于时间节点t1=1天、t2=119天、t3=163天、t4=201天检测三轴加工中心各项精度指标的误差。各项误差及其对应的编号如表3所示。
表3:三轴立式加工中心各项误差及其对应编号
各项误差的测量结果如表4所示,
表4:三轴加工中心各项误差测量结果
然后,假设各项误差在相邻测量时间节点内均匀变化,计算各项误差在首次测量时间节点t1到各次测量时间节点ti(i=2,3,4)间的误差均值。如编号1的x轴定位误差在第1次测量到第2次测量的误差均值为,
最终得到首次测量时间节点t1到第各次测量时间节点间的误差均值及其分布区间如表5所示。
表5:三轴加工中心各项误差均值计算结果
第二步,综合空间误差均值模型的建立
首先,建立三轴立式加工中心拓扑结构。三轴加工中心结构如图1所示。将机床各组成结构定义为典型体集,规定第i个典型体为Ai(i=1,2,……,N)。将机床床身1定义为典型体A1,并按照装配顺序分别沿着刀具4与工件6两条支链依次编号,编号方向为远离床身1的组件方向;三轴加工中心拓扑结构如图2所示,床身1定义为典型体A1,z轴部件2定义为典型体A2,刀具3定义为典型体A3,x轴部件4定义为典型体A4,y轴部件5定义为典型体A5,工件6定义为典型体A6。
然后,建立三轴加工中心的特征矩阵。每个典型体共有6个自由度。为表示各部件间相互位置关系,在各典型体Ai(i=1,2,……,N)上建立与其固定联接的右手直角笛卡尔坐标系oi-xi-yi-zi(i=1,2,……,6)。规定所有典型体相对应的坐标轴分别对应平行;坐标轴正方向与其对应运动轴正方向相同。
邻典型体Ai与Aj间存在着理想状态下的静态、相互运动关系以及实际包含误差的静态、相互运动关系。当典型体Ai与Aj间为相互静止的关系时,理想静态特征矩阵与静态误差特征矩阵为I4×4。当典型体间为相互运动关系时,其对应坐标系间的运动特征矩阵以及运动误差特征矩阵为如表6所示。
表6:理想运动特征矩阵与运动误差特征矩阵
其中,为编号j的误差均值;oijx、oijy、oijz分别为典型体Ai坐标系原点oi相对于典型体Aj坐标系原点oj在x、y、z方向的初始位置偏移;Mij为典型体Ai与Aj间的理想运动特征矩阵;ΔMij为典型体Ai与Aj间的运动误差特征矩阵;xl、yl、zl为机床在x轴、y轴、z轴运动位置。设定刀具3成形点在刀具坐标系内的坐标为Pt=(Ptx,Pty,Ptz),工件6成形点在工件坐标系内的坐标为Pw=(Pwx,Pwy,Pwz)。
在理想状态下,机床没有误差,即各项误差变化均值为零。因此刀具成形点与工件成形点重合,可以表达为
Pw,ideal=[M14M45M56]-1[M12M23]Pt。
式中,Mij为典型体Ai与Aj间的理想运动特征矩阵;Pw,ideal为理想条件下工件成形点在工件坐标系内的坐标;Pt为刀具成形点在刀具坐标系内的坐标。
在实际工况下,机床各误差项不为零,因此刀具成形点与工件成形点关系可以表达为:
Pw=[M14ΔM14M45ΔM45M56ΔM56]-1[M12ΔM12M23ΔM23]Pt。
式中,Mij为典型体Ai与Aj间的理想运动特征矩阵;ΔMij为典型体Ai与Aj间的运动误差特征矩阵;Pw为实际条件下工件成形点在工件坐标系内的坐标;Pt为刀具成形点在刀具坐标系内的坐标。
因此,三轴加工中心空间误差均值模型为:
E=[Ex,Ey,Ez,0]T=Pw,ideal-Pw。
其中,Ex为沿x方向的空间误差均值;Ey为沿y方向的空间误差均值;Ez为沿z方向的空间误差均值。可以进一步表示为:其中,为三轴加工中心各项误差均值集合T=[xt,yt,zt,0]T为刀具加工点在刀具坐标系中的坐标,t为刀具;L=[xl,yl,zl,0]T为机床在x轴、y轴、z轴运动位置。
设定刀具加工点在刀具坐标系中的坐标为定值。设定空间误差在x、y、z三个方向同等重要,则机床沿x方向、沿y方向、沿z方向的综合空间误差均值为,
第三步,精度衰变的敏感度分析
将编号1~21项误差均值组成的21维单元体的空间域Ω21作为输入量,并在空间域Ω21中误差均值进行采样,采样范围为各项误差均值分布区间,如编号j误差均值采样范围为采样为5000次,得到两个5000×21的采样集合。
因此,沿x方向综合空间误差均值对编号j误差均值的敏感度为,
沿y方向综合空间误差均值对编号j误差均值的敏感度为,
沿z方向综合空间误差均值对编号j误差均值的敏感度为,
其中, 为第1个采样集合中的第m个采样数组中,除去编号j误差均值的其余误差均值数据;为第2个采样集合中的第m个采样数组中,除去编号j误差均值的其余误差均值数据;为第1个采样集合中第m个擦痒数组中编号j误差均值数据。最终计算得到结果如表7-表9所示。
表7:x方向空间误差均值对编号各误差均值的敏感度:
编号 | 误差项 | 敏感度 | 编号 | 误差项 | 敏感度 | 编号 | 误差项 | 敏感度 |
1 | Δx<sub>x</sub> | 0.080 | 8 | Δy<sub>y</sub> | 0.010 | 15 | Δz<sub>z</sub> | 0.020 |
2 | Δy<sub>x</sub> | 0.000 | 9 | Δz<sub>y</sub> | 0.000 | 16 | Δα<sub>z</sub> | 0.063 |
3 | Δz<sub>x</sub> | 0.000 | 10 | Δα<sub>y</sub> | 0.109 | 17 | Δβ<sub>z</sub> | 0.000 |
4 | Δα<sub>x</sub> | 0.019 | 11 | Δβ<sub>y</sub> | 0.000 | 18 | Δγ<sub>z</sub> | 0.000 |
5 | Δβ<sub>x</sub> | 0.232 | 12 | Δγ<sub>y</sub> | 0.125 | 19 | Δγ<sub>xy</sub> | 0.237 |
6 | Δγ<sub>x</sub> | 0.009 | 13 | Δx<sub>z</sub> | 0.000 | 20 | Δβ<sub>xz</sub> | 0.095 |
7 | Δx<sub>y</sub> | 0.000 | 14 | Δy<sub>z</sub> | 0.000 | 21 | Δα<sub>yz</sub> | 0.000 |
表8:y方向空间误差均值对编号各误差均值的敏感度:
表9:z方向空间误差均值对编号各误差均值的敏感度:
编号 | 误差项 | 敏感度 | 编号 | 误差项 | 敏感度 | 编号 | 误差项 | 敏感度 |
1 | Δx<sub>x</sub> | 0.006 | 8 | Δy<sub>y</sub> | 0.010 | 15 | Δz<sub>z</sub> | 0.060 |
2 | Δy<sub>x</sub> | 0.000 | 9 | Δz<sub>y</sub> | 0.000 | 16 | Δα<sub>z</sub> | 0.000 |
3 | Δz<sub>x</sub> | 0.000 | 10 | Δα<sub>y</sub> | 0.139 | 17 | Δβ<sub>z</sub> | 0.000 |
4 | Δα<sub>x</sub> | 0.275 | 11 | Δβ<sub>y</sub> | 0.016 | 18 | Δγ<sub>z</sub> | 0.000 |
5 | Δβ<sub>x</sub> | 0.001 | 12 | Δγ<sub>y</sub> | 0.065 | 19 | Δγ<sub>xy</sub> | 0.004 |
6 | Δγ<sub>x</sub> | 0.038 | 13 | Δx<sub>z</sub> | 0.000 | 20 | Δβ<sub>xz</sub> | 0.135 |
7 | Δx<sub>y</sub> | 0.000 | 14 | Δy<sub>z</sub> | 0.000 | 21 | Δα<sub>yz</sub> | 0.251 |
以上所述一种影响三轴加工中心精度衰变的关键误差源识别方法仅本发明的较佳方法,故凡依本发明专利申请范围所述的特征及原理所做的等效变化或修饰,均包括本发明专利申请范围内。
Claims (1)
1.一种影响三轴加工中心精度衰变的关键误差源识别方法,其特征在于,
首先利用精度测量装置获取机床各项精度在不同测量时间节点的误差值,计算各精度项从首次测量到各测量时间节点的误差均值,并确定各项精度的误差均值分布区间;
然后,将各项误差均值综合于刀具成形点,并将空间分布的误差均值在空间维上进行综合,进而建立三轴加工中心的综合空间误差均值模型;
最后,依据各项误差均值分布区间,采用灵敏度分析方法,分析区间内各精度指标的误差均值对综合空间误差均值的影响,确定综合空间误差对各项精度指标的敏感度,完成关键误差源的识别;
具体步骤如下:
第一步,各项精度指标的测量与误差均值的计算
首先,采用精度检测设备检测三轴加工中心于不同时间节点ti(i=1,2,……,n)的各项精度指标的误差;其中,i为检测次数;三轴加工中心测量误差项及其对应的编号如表1所示,
表1:三轴加工中心测量误差项及其对应编号
然后,假设各项测量误差在相邻测量时间节点内均匀变化,那么,编号j的误差从首次测量时间节点t1到第i次测量时间节点ti间的误差均值为,
接着,确定编号j的误差从首次测量时间节点t1到各次测量时间节点ti(i=1,2,……,n)的误差均值分布区间其中,分别为计算后编号j的误差项在首次测量时间节点t1到各次测量时间节点ti(i=1,2,……,n)间误差均值的最小值与最大值;
最后,按照上述方法,得到各精度项从首次测量时间节点t1到各次测量时间节点ti(i=1,2,……,n)的误差均值及其分布区间;
第二步,综合空间误差均值模型的建立
抽象三轴加工中心系统拓扑结构,并采用低序体阵列进行描述;通过建立广义坐标系,采用齐次坐标变换矩阵将机床各部分误差传递于刀具成形点;
首先,建立三轴加工中心拓扑结构;将机床各组成结构定义为典型体集,规定第i个典型体为Ai(i=1,2,……,N),N为机床典型体个数;将机床床身定义为典型体A1,并按照装配顺序分别沿着刀具与工件两条支链依次编号,编号方向为远离床身的组件方向;其中,在床身与刀具间的典型体个数为v;
然后,建立三轴加工中心的特征矩阵;每个典型体共有6个自由度;为表示各部件间相互位置关系,在各典型体Ai上建立与其固定联接的右手直角笛卡尔坐标系oi-xi-yi-zi;规定所有典型体相对应的坐标轴分别对应平行;坐标轴正方向与其对应运动轴正方向相同;
相邻典型体Ai与Aj间存在着理想状态下的静态、相互运动关系以及实际包含误差的静态、相互运动关系;当典型体间为相互运动关系时,其对应坐标系间的运动特征矩阵以及运动误差特征矩阵为如表2所示;
表2:理想运动特征矩阵与运动误差特征矩阵
其中,为编号j的误差均值;oijx、oijy、oijz分别为典型体Ai坐标系原点oi相对于典型体Aj坐标系原点oj在x、y、z方向的初始位置偏移;Mij为典型体Ai与Aj间的理想运动特征矩阵;ΔMij为典型体Ai与Aj间的运动误差特征矩阵;xl、yl、zl为机床在x轴、y轴、z轴运动位置;
设定典型体Ai与Aj间为相互静止的关系时,理想静态特征矩阵与静态误差特征矩阵为I4×4;设定刀具成形点在刀具坐标系内的坐标为Pt=(Ptx,Pty,Ptz),工件成形点在工件坐标系内的坐标为Pw=(Pwx,Pwy,Pwz);
在理想状态下,机床没有误差,即各项误差变化均值为零;因此刀具成形点与工件成形点重合,可以表达为,
Pw,ideal=[M1(v+2)L MN(N-1)]-1[M12L Mv(v+1)]Pt (2)
式中Mij为典型体Ai与Aj间的理想运动特征矩阵;Pw,ideal为理想条件下工件成形点在工件坐标系内的坐标;Pt为刀具成形点在刀具坐标系内的坐标;v为床身与刀具间的典型体个数;N为机床典型体总个数;
在实际工况下,机床各项误差变化均值不为零,因此刀具成形点与工件成形点关系可以表达为:
Pw=[M1(v+2)ΔM1(v+2)L MN(N-1)ΔMN(N-1)]-1[M12ΔM12L Mv(v+1)ΔMv(v+1)]Pt (3)
式中Mij为典型体Ai与Aj间的理想运动特征矩阵;ΔMij为典型体Ai与Aj间的运动误差特征矩阵;Pw为实际条件下工件成形点在工件坐标系内的坐标;Pt为刀具成形点在刀具坐标系内的坐标;
因此,三轴加工中心空间误差均值模型为:
E=[Ex,Ey,Ez,0]T=Pw,ideal-Pw (4)
其中,Ex为沿x方向的空间误差均值;Ey为沿y方向的空间误差均值;Ez为沿z方向的空间误差均值;
可以进一步表示为:
设定刀具加工点在刀具坐标系中的坐标为定值;设定空间误差在x、y、z三个方向同等重要,则机床沿x方向、沿y方向、沿z方向的综合空间误差均值为,
其中,lx为机床x轴的运动行程;ly为机床y轴的运动行程;lz为机床z轴的运动行程;
第三步,精度衰变的敏感度分析
将编号1~21项误差均值组成的21维单元体的空间域Ω21作为输入量,并在空间域Ω21中的各误差均值进行采样,采样范围为各项误差均值分布区间,如编号j误差均值采样范围为采样为5000次,得到两个5000×21的采样集合;
因此,沿x方向综合空间误差均值对编号j误差均值的敏感度为,
沿y方向综合空间误差均值对编号j误差均值的敏感度为,
沿z方向综合空间误差均值对编号j误差均值的敏感度为,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810762241.8A CN108873810B (zh) | 2018-07-12 | 2018-07-12 | 一种影响三轴加工中心精度衰变的关键误差源识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810762241.8A CN108873810B (zh) | 2018-07-12 | 2018-07-12 | 一种影响三轴加工中心精度衰变的关键误差源识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108873810A CN108873810A (zh) | 2018-11-23 |
CN108873810B true CN108873810B (zh) | 2021-03-12 |
Family
ID=64301180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810762241.8A Active CN108873810B (zh) | 2018-07-12 | 2018-07-12 | 一种影响三轴加工中心精度衰变的关键误差源识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108873810B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156519A (zh) * | 2014-07-30 | 2014-11-19 | 北京工业大学 | 一种面向加工精度可靠度提升的多轴数控机床几何精度设计方法 |
CN105094047A (zh) * | 2015-07-31 | 2015-11-25 | 北京工业大学 | 一种基于扩展傅里叶振幅的机床重要几何误差源的提取方法 |
CN107368637A (zh) * | 2017-07-06 | 2017-11-21 | 天津大学 | 基于区间理论的精密卧式加工中心几何精度优化分配方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6721675B1 (en) * | 2003-01-31 | 2004-04-13 | The Boeing Company | Machine capability verification and diagnostics (CAP/DIA) system, method and computer program product |
CN103034166A (zh) * | 2012-11-26 | 2013-04-10 | 北京工业大学 | 一种机床关键性几何误差源识别方法 |
CN104050316B (zh) * | 2014-03-25 | 2017-02-15 | 北京工业大学 | 一种数控机床空间加工误差分布特征分析方法 |
CN104007700B (zh) * | 2014-05-29 | 2016-09-14 | 北京工业大学 | 一种基于全局敏感度分析的三轴数控机床的关键性几何误差辨识方法 |
CN104375460B (zh) * | 2014-11-17 | 2017-09-22 | 北京工业大学 | 一种数控机床加工精度可靠性敏感度分析方法 |
CN104965483B (zh) * | 2015-07-16 | 2018-01-19 | 北京工业大学 | 一种基于稳健设计的多轴数控机床加工精度保持性优化方法 |
CN105760662B (zh) * | 2016-02-03 | 2019-07-05 | 北京工业大学 | 一种基于快速马尔可夫链的机床加工精度可靠性灵敏度分析方法 |
CN108052747B (zh) * | 2017-12-17 | 2021-11-05 | 北京工业大学 | 一种基于价值分析法的机床几何精度优化方法 |
-
2018
- 2018-07-12 CN CN201810762241.8A patent/CN108873810B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156519A (zh) * | 2014-07-30 | 2014-11-19 | 北京工业大学 | 一种面向加工精度可靠度提升的多轴数控机床几何精度设计方法 |
CN105094047A (zh) * | 2015-07-31 | 2015-11-25 | 北京工业大学 | 一种基于扩展傅里叶振幅的机床重要几何误差源的提取方法 |
CN107368637A (zh) * | 2017-07-06 | 2017-11-21 | 天津大学 | 基于区间理论的精密卧式加工中心几何精度优化分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108873810A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Spatial statistical analysis and compensation of machining errors for complex surfaces | |
CN105760662B (zh) | 一种基于快速马尔可夫链的机床加工精度可靠性灵敏度分析方法 | |
Slamani et al. | Dynamic and geometric error assessment of an XYC axis subset on five-axis high-speed machine tools using programmed end point constraint measurements | |
CN110287553A (zh) | 一种基于拟蒙特卡洛模拟的加工误差模型全局灵敏度分析方法 | |
CN108445839B (zh) | 一种基于误差增量的机床精度敏感度分析方法 | |
CN108052747B (zh) | 一种基于价值分析法的机床几何精度优化方法 | |
Guo et al. | Investigation of sensitivity analysis and compensation parameter optimization of geometric error for five-axis machine tool | |
Abellán-Nebot et al. | Manufacturing variation models in multi-station machining systems | |
CN110955979B (zh) | 一种考虑几何误差偏相关性的机床加工精度可靠性灵敏度分析方法 | |
Guo et al. | Optimal tolerance allocation for precision machine tools in consideration of measurement and adjustment processes in assembly | |
CN113359609A (zh) | 五轴数控机床关键几何误差优化配比补偿方法 | |
CN111580459A (zh) | 五轴加工中心装配误差分析控制方法 | |
Djurdjanovic et al. | Online stochastic control of dimensional quality in multistation manufacturing systems | |
CN116184928A (zh) | 一种考虑刀具磨损的机床空间几何误差模型建模方法 | |
Zuo et al. | Integrated geometric error compensation of machining processes on CNC machine tool | |
Bazdar et al. | Variation source identification of multistage manufacturing processes through discriminant analysis and stream of variation methodology: a case study in automotive industry | |
CN104200063A (zh) | 机床空间加工误差的非确定性描述及预测方法 | |
CN108873807B (zh) | 一种考虑加工稳定性的三轴数控机床精度评价方法 | |
CN109839920A (zh) | 一种五轴机床运动轴灵敏度分析方法 | |
CN108873810B (zh) | 一种影响三轴加工中心精度衰变的关键误差源识别方法 | |
CN113656902A (zh) | 一种多轴运动平台工作末端位姿的误差敏感性分析方法 | |
Yang et al. | A new error compensation model for machining process based on differential motion vectors | |
Slamani et al. | Concept for the integration of geometric and servo dynamic errors for predicting volumetric errors in five-axis high-speed machine tools: an application on a XYC three-axis motion trajectory using programmed end point constraint measurements | |
Chen et al. | An accurate characterization method to tracing the geometric defect of the machined surface for complex five-axis machine tools | |
CN112001052B (zh) | 一种高精密多轴数控机床精度设计的定量分析方法 |
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 |