CN110231801B - 一种数控机床热致定位误差关键温度测点选择方法 - Google Patents

Abstract

本发明公开了一种数控机床热致定位误差关键温度测点选择方法，包括以下步骤：S1：通过实验测量获取进给系统热误差及温度场数值；S2：利用步骤S1中已测得的进给系统热误差及温度场数值，提取具备最大相关性、最小冗余性和最大交互性的参数作为关键参数，建立评价函数J(T_i)；S3：在评价函数J(T_i)的基础上，应用特征选择方法提取出关键温度测点。本发明可有效解决过多的温度变量会增加热误差预测和补偿模型的复杂性以及测点温度值之间存在关联、冗余及耦合的问题。

Description

一种数控机床热致定位误差关键温度测点选择方法

技术领域

本发明属于数控机床技术领域，具体涉及一种数控机床热致定位误差关键温度测点选择方法。

背景技术

机床是制造业的基础，对国民经济和国防工业领域有着重大的影响，数控机床作为海洋资源开发装备、大型船舶、高速机车、核电与风电、航空航天以及电动汽车等领域的基础部件的“制造母机”，其性能与战略新兴产业的发展具有极其密切的关系。机床定位误差是定位精度的直接反映，也是决定机床加工精度的重要因素。因此，降低定位误差对机床进给系统准静态性能的影响对提升机床加工精度至为关键。

热误差占机床总误差约70％，高速轴承、丝杠、导轨等部位产生的摩擦热效应，造成进给机构和主轴系统的热变形，不仅产生严重的热误差，而且会改变机床运行的动态参数，导致机床闭环控制的失稳和振动。机床误差补偿法成本相对低廉、实施性高而成为当前改善数控机床定位精度的主要手段。合理选择热变形敏感区域的实施定点测量，是建立热变形量即定位误差与温度变量的映射关系的基础，也是建立误差补偿模型的关键。由于机床温度场分布的复杂性、非平稳性，因此获取机床温度场的分布情况需要布置大量的温度传感器。通常情况下，机床上布置的温度传感器越多，获取的机床温度信息越全面。但是由于过多的布线不仅会引起温度检测方面的问题，而且众多温度变量中势必存在共线性和关联性不强的缺陷。

机床关键温度测点的选择是影响热误差模型精度与鲁棒性的主要因素之一。现有关键温度测点选择方法中，最常采用统计学中的回归分析和主因素分析，灰色关联度分析以及模糊理论中的模糊聚类分析。回归分析方法作为一种常用的方法，一般适用于线性、影响系统因素较少的情况下，对于多因素、非线性系统，回归分析方法就不再适用。主因素分析方法虽然能从众多的因素中挑选出几项关键因素，但往往容易忽略那些只能用语言描述却很难用数据表述的因素。模糊聚类分析方法虽然可以对各因素进行分类，但由于阈值选取的不同，将得到不同的分类结果。温度变量由于自身共线性耦合问题及对热变形误差的贡献问题即关联度问题等将影响到建模精度。建立热误差预测模型时使用过多的温度变量会增加模型的复杂性，而且一些测点温度值之间存在共线性耦合的问题，全部使用所有温度变量反而会增大模型的预测误差。因此也需要选取与热误差相关性密切的测点温度进行热误差建模，这样可以降低预测模型的复杂度和增加模型的预测精度。因此，选择反映进给系统热特性的关键的温度测点实施机床误差建模和误差补偿技术的首要问题之一。为了解决上述制约，本发明提出了一种数控机床进给轴热致定位误差关键测点选择方法。

发明内容

本发明目的在于提供一种数控机床热致定位误差关键温度测点选择方法，用于解决现有技术中制鞋工业线上，鞋子在生产完成后需对其后跟进行质量检测，在检测后跟形状高低是否一致时，需要工作人员进行人工判断；但是，这种方式存在一定误差，并且，夹具夹持住后跟的部分区域被夹具挡住，无法采集到这部分区域的信息，从而无法完成对这部分区域的高低配双检测的问题。

为实现上述目的，本发明所采用的技术方案是：

一种数控机床热致定位误差关键温度测点选择方法，包括以下步骤：

S1：通过实验测量获取进给系统热误差及温度场数值；

S2：利用步骤S1中已测得的进给系统热误差及温度场数值，提取具备最大相关性、最小冗余性和最大交互性的参数作为关键参数，建立评价函数J(T_i)；

S3：在评价函数J(T_i)的基础上，应用特征选择方法提取出关键温度测点。

进一步的，步骤S1包括以下子步骤：

S101：在进给系统温度场测量时，利用红外热像仪测量移动部件表面温度场分布，确定温度场的分布区域中关键区域；

S102：利用专用的温度-热变形同步测量系统测量，测量关键测点以及由于结构遮挡不易被热像仪扫描的主轴测点以及环境温度等测点；

S103：利用激光干涉仪和温度-热变形同步测量系统测量进给系统热误差，即测量进给轴位置相关的定位误差和关键区域的不同测点温度值。

进一步的，步骤S2包括以下子步骤：

S201：依据进给轴关键温度区域测点温度数值，建立温度分布区间[T_min,T_max]，热误差数值分布区间[P_min,P_max]；对温度分布区间和热误差分布区间进行等间隔划分，即分别产生N和M个等分子区域；计算T_i(i＝1,2,…,n)与P_j(_j＝1,2,…,m)在各子区间的样本数，确定p(T_i)(i＝1,2,…,N)与p(P_j)(_j＝1,2,…,M)的概率；

S202：计算温度Ti与Pj的互信息；

S203：计算当前位置测点温度T_i与候选关键温度测点子集S之间的相关性；

S204：计算候选温度测点与当前温度测点之间的交互因子Iw(T_i,T_j)；

S205：通过综合考虑三种关联关系来提取具备最大相关性、最小冗余性和最大交互性的参数作为关键参数，选择标准：

J(T_i)是评价函数，通过上述综合选择，可确定J(T_i)取得最大值及其对应的Ti；α和β是两个非负的参数，γ＝1-α-β，三项系数的取值范围为[0,1]。

进一步的，步骤S3包括以下子步骤：

S301：对冗余性权重系数和交互性权重系数进行初始化，即α＝0，确定候选测点子集；

S302：初始化权重系数β＝0；

S303：计算全部测点的评价函数系数J(T_i)，全部测点温度与位置误差的互信息I(T_i；P_j)，对全部测点参数依据其评价函数系数J(T_i)值从高到低排序；

S304：对关键温度测点子集的计数变量值i初始化，同时对关键温度测点子集进行初始化；

S305：计算关键参数子集中参数i与热误差数值的互信息，且i＝i+1；

S306：当符合子集检验标准时，进入下一步，反之返回上一步骤；

S307：保存选择后的关键测点子集中的全部参数，权重系数自增：β＝β+0.1；

S308：若α+β＞1，返回步骤[0027]，否则若α≤1，则实现权重系数自增即α＝α+0.1，然后返回步骤[0026]；

S309：依据测点参数的评价函数系数值，评价函数系数的增益比对应的温度作为典型变量，即为所求的关键测点；

S310：Y轴和Z轴方向关键温度测点的选择方法与上述X轴相同。

进一步的，在步骤S306中的子集检验标准为：在关键测点位置选择过程中，建立关键子集评价方法的用于检测关键子集内的候选参数是否满足选择要求，依据关键测点温度值与热致定位误差的互信息值和全部测点温度与热致定位误差的互信息值之比ξ，作为子集检验标准来判断关键参数的过滤的终止；

本发明的有益技术效果是：本发明在针对数控机床热变形导致的定位误差和温度场进行测量的基础上，利用基于信息论的互信息分析方法筛选与热致定位误差相关性较大的温度测量敏感点，通过量化候选关键测点与全部温度测点之间的共有信息量的大小对参数间的冗余性进行度量，利用候选参数与待选温度测点参数之间的交互信息量化不同测点之间的共线性耦合作用，最后通过评价函数确定关键测点的组合，相应的测点位置即为热误差测量时的温度传感器安装位置。传统方法中采用过多的温度变量会增加误差补偿模型的复杂性，并且测点温度值之间存在共线性耦合使得利用所有温度变量增大模型的预测误差。本发明具有降低预测模型的复杂度，增加模型的预测精度，降低测量成本、提升测量效率等优点。

附图说明

图1显示为本发明的一个实施例的工作流程示意图。

图2显示为本发明的一个实施例的数控机床温度-热误差测量系统总原理图。

图3显示为本发明的一个实施例的温度场测量曲线。

图4显示为本发明的一个实施例的热误差曲线。

具体实施方式

下面结合本发明的附图1-4，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：

结合图1和图2，依据红外热相仪器对数控机床准静态下温度场分布的特征，针对数控机床的电机外壳温度，轴承，螺母，环境温度，滑座，工作台，滑块布置温度传感器，获取相应的温度测量值Ti，(i＝1,2,…,28)。其中，T1～T9是X轴上进给系统电机、前轴承安装座、电机安装座、前轴承、后轴承、后轴承安装座、丝杠前端、丝杠末端、丝杠螺母，T10～T18是Y轴进给系统电机、前轴承安装座、电机安装座、前轴承、后轴承、后轴承安装座、丝杠前端、丝杠末端、丝杠螺母的测点温度，T19～T27是Z轴进给系统电机、前轴承安装座、电机安装座、前轴承、后轴承、后轴承安装座、丝杠前端、丝杠末端、丝杠螺母的测点温度，T28是环境温度测量值。

测点范围为[0,600]，各测点间距为50mm，且P0坐标为激光干涉仪的激光参考点。进给系统在连续运行前，首先测量冷态下各测点的误差值，测量值记为进给系统的几何误差。进给轴连续往复运行30min后测量各测点的误差，该测量值减去几何误差后的数据记为本次测量的热误差。为避免进给运动生热影响测量结果，测量时进给速度降至F＝0.5m/min。依据ISO230-2标准，每次测量5个往复循环，激光干涉仪每个测点测量时间为6s，机床每个测点暂停4s。为防止反向间隙误差对测量结果的影响，设置反向越程为2mm。进给轴各测点位置的热致定位误差Pj通过冷态和机床运行状态下的数值确定。

X轴的温度分布与热致定位误差如图3和图4所示。

依据进给轴关键温度区域测点温度数值，建立温度分布区间[Tmin,Tmax]，热误差数值分布区间[Pmin,Pmax]。对温度分布区间和热误差分布区间进行等间隔划分，即分别产生N和M个等分子区域。计算Ti(i＝1,2,…,9)与Pj(j＝1,2,…,12)在各子区间的样本数，确定p(Ti)(i＝1,2,…,N)与p(Pj)(j＝1,2,…,M)的概率。

温度变量与热误差位移值之间的相关性参数可有效阐述温度与机床进给轴热变形之间量化关联关系，通过计算温度Ti与Pj的互信息可是对其度量热误差变量中包含的温度测点的信息量体现在互信息数值中，温度与位移值之间互信息值较大即表明该点温度变化程度与热误差之间的关联程度较大。

计算当前位置测点温度Ti与候选关键温度测点子集S之间的相关性。利用互信息值可量化二者之间的共有信息量，该信息量的代数值越大，当前参数与候选参数之间的共有信息越多，当前测点温度相对关键参数子集的冗余信息越大

计算候选温度测点与当前温度测点之间的交互因子Iw(T_i,T_j),其表示形式如下：

通过综合考虑三种关联关系来提取具备最大相关性、最小冗余性和最大交互性的参数作为关键参数，选择标准：

J(Ti)是评价函数，通过上述综合选择，可确定J(Ti)取得最大值及其对应的Ti。α和β是两个非负的参数，γ＝(1-α-β)取值范围为[0,1]

在关键测点位置选择过程中，建立关键子集评价方法的用于检测关键子集内的候选参数是否满足选择要求。此处，依据关键测点温度值与热致定位误差的互信息值和全部测点温度与热致定位误差的互信息值之比ξ，作为子集检验标准来判断关键参数的过滤的终止

基于条件互信息的热致定位误差的关键温度测点选择方法如下所示。

S301：对冗余性权重系数和交互性权重系数进行初始化，即α＝0，确定候选测点子集；

S302：初始化权重系数β＝0；

S303：计算全部测点的评价函数系数J(T_i)，全部测点温度与位置误差的互信息I(T_i；P_j)，对全部测点参数依据其评价函数系数J(T_i)值从高到低排序；

S304：对关键温度测点子集的计数变量值i初始化，同时对关键温度测点子集进行初始化；

S305：计算关键参数子集中参数i与热误差数值的互信息，且i＝i+1；

S306：当符合子集检验标准时，进入下一步，反之返回上一步骤；

S307：保存选择后的关键测点子集中的全部参数，权重系数自增：β＝β+0.1；

S308：若α+β＞1，返回步骤[0027]，否则若α≤1，则实现权重系数自增即α＝α+0.1，然后返回步骤[0026]；

S309：依据测点参数的评价函数系数值，评价函数系数的增益比对应的温度作为典型变量，即为所求的关键测点，X轴的关键温度测点是进给系统电机T1、前轴承T4、丝杠螺母T9，关键测点子集是{T1、T4、T9}

S310：Y轴和Z轴方向关键温度测点的选择方法与上述X轴相同,Y轴的关键温度测点是进给系统电机T10、前轴承安装座T11、前轴承T13、丝杠螺母T18即{T10、T11、T13}，Z轴的关键温度测点是进给系统电机T19、后轴承T23、丝杠螺母T27即{T19、T23、T27}；

对三轴数控机床进给轴进行热误差与温度关系分析可知，关键的温度测点集为{T1、T4、T9、T10、T11、T13、T19、T23、T27}。

利用温度场测点位置信息和热致定位误差信息分析不同特征之间的关联关系进而选择关键测点参数，与基于因果关系和有限元仿真模型得到的用于热误差建模和误差补偿的输入参数的方法相比，基于特征选择算法的关键温度测点识别更适用于大规模复杂问题。

从测点温度与热致定位误差的相关性、测点温度候选子集内参数的冗余性和交互性三个维度，更有效地描述温度测点之间的关联关系。

基于本发明上述实施步骤获得的关键参数，可用于热误差建模和误差补偿，实现数控机床定位精度的精准预测，从而提升机床的制造精度。

在本发明的描述中，需要理解的是，术语“逆时针”、“顺时针”“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

Claims (3)

1.一种数控机床热致定位误差关键温度测点选择方法，其特征在于，包括以下步骤：

S1：通过实验测量获取进给系统热误差及温度场数值；

S2：利用步骤S1中已测得的进给系统热误差及温度场数值，提取具备最大相关性、最小冗余性和最大交互性的参数作为关键参数，建立评价函数J(T_i)；

S3：在评价函数J(T_i)的基础上，应用特征选择方法提取出关键温度测点；

步骤S1包括以下子步骤：

S101：在进给系统温度场测量时，利用红外热像仪测量移动部件表面温度场分布，确定温度场的分布区域中关键区域；

S102：利用专用的温度-热变形同步测量系统测量，测量关键测点以及由于结构遮挡不易被热像仪扫描的主轴测点以及环境温度测点；

S103：利用激光干涉仪和温度-热变形同步测量系统测量进给系统热误差，即测量进给轴位置相关的定位误差和关键区域的不同测点温度值；

步骤S2包括以下子步骤：

S201：依据进给轴关键温度区域测点温度数值，建立温度分布区间[T_min,T_max]，热误差数值分布区间[P_min,P_max]；对温度分布区间和热误差分布区间进行等间隔划分，即分别产生N和M个等分子区域；计算T_i(i＝1,2,…,n)与P_j(_j＝1,2,…,m)在各子区间的样本数，确定p(T_i)(i＝1,2,…,N)与p(P_j)(_j＝1,2,…,M)的概率；

S202：计算温度Ti与Pj的互信息；

S203：计算当前位置测点温度T_i与候选关键温度测点子集S之间的相关性；

S204：计算候选温度测点与当前温度测点之间的交互因子Iw(T_j；T_i)；

S205：通过综合考虑三种关联关系来提取具备最大相关性、最小冗余性和最大交互性的参数作为关键参数，选择标准：

J(T_i)是评价函数，通过上述综合选择，可确定J(T_i)取得最大值及其对应的Ti；α和β是两个非负的参数，γ＝1-α-β，三项系数的取值范围为[0,1]。

2.根据权利要求1所述的一种数控机床热致定位误差关键温度测点选择方法，其特征在于，步骤S3包括以下子步骤：

S301：对冗余性权重系数和交互性权重系数进行初始化，即α＝0，确定候选测点子集；

S302：初始化权重系数β＝0；

S303：计算全部测点的评价函数系数J(T_i)，全部测点温度与位置误差的互信息I(T_i；P_j)，对全部测点参数依据其评价函数系数J(T_i)值从高到低排序；

S304：对关键温度测点子集的计数变量值i初始化，同时对关键温度测点子集进行初始化；

S305：计算关键参数子集中参数i与热误差数值的互信息，且i＝i+1；

S306：当符合子集检验标准时，进入下一步，反之返回上一步骤；

S307：保存选择后的关键测点子集中的全部参数，权重系数自增：β＝β+0.1；

S308：若α+β＞1，返回步骤S303，否则若α≤1，则实现权重系数自增即α＝α+0.1，然后返回步骤S302；

S309：依据测点参数的评价函数系数值，评价函数系数的增益比对应的温度作为典型变量，即为所求的关键测点；

S310：Y轴和Z轴方向关键温度测点的选择方法与上述X轴相同。

3.根据权利要求2所述的一种数控机床热致定位误差关键温度测点选择方法，其特征在于，在步骤S306中的子集检验标准为：在关键测点位置选择过程中，建立关键子集评价方法的用于检测关键子集内的候选参数是否满足选择要求，依据关键测点温度值与热致定位误差的互信息值和全部测点温度与热致定位误差的互信息值之比ξ，作为子集检验标准来判断关键参数的过滤的终止；

Images