CN111123833B - 一种机床的热误差补偿计算方法、装置、设备和存储介质 - Google Patents
一种机床的热误差补偿计算方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111123833B CN111123833B CN201911223090.XA CN201911223090A CN111123833B CN 111123833 B CN111123833 B CN 111123833B CN 201911223090 A CN201911223090 A CN 201911223090A CN 111123833 B CN111123833 B CN 111123833B
- Authority
- CN
- China
- Prior art keywords
- machine tool
- temperature
- error compensation
- thermal
- thermal error
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000005520 cutting process Methods 0.000 claims abstract description 30
- 238000012417 linear regression Methods 0.000 claims abstract description 30
- 238000003754 machining Methods 0.000 claims abstract description 26
- 239000002131 composite material Substances 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000003801 milling Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 230000000737 periodic effect Effects 0.000 claims description 11
- 229910001018 Cast iron Inorganic materials 0.000 claims description 6
- 238000005553 drilling Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 229910000975 Carbon steel Inorganic materials 0.000 claims description 5
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 5
- 229910052782 aluminium Inorganic materials 0.000 claims description 5
- 239000010962 carbon steel Substances 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000010998 test method Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 abstract description 15
- 238000005259 measurement Methods 0.000 abstract description 11
- 230000001360 synchronised effect Effects 0.000 abstract 1
- 230000007246 mechanism Effects 0.000 description 10
- 238000010438 heat treatment Methods 0.000 description 4
- 238000009529 body temperature measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 102000016550 Complement Factor H Human genes 0.000 description 1
- 108010053085 Complement Factor H Proteins 0.000 description 1
- 102000003712 Complement factor B Human genes 0.000 description 1
- 108090000056 Complement factor B Proteins 0.000 description 1
- 102100030386 Granzyme A Human genes 0.000 description 1
- 101001009599 Homo sapiens Granzyme A Proteins 0.000 description 1
- 102100032352 Leukemia inhibitory factor Human genes 0.000 description 1
- 108090000581 Leukemia inhibitory factor Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010792 warming 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
- G05B2219/35—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)
- Numerical Control (AREA)
Abstract
本发明公开了一种机床的热误差补偿计算方法、装置、设备及存介质，方法包括获取复合切削加工条件的多种物理参数；每种物理参数包括至少两种状态量；基于田口实验法计算对机床的目标参数的影响最大的物理参数的状态量组合；将状态量组合赋值至机床对应的复合切削加工条件，使得机床在状态量组合下进行加工；获取进行温度和误差同步量测后的温度值以及热变形量；利用模糊C‑均值聚类算法将温度值进行分群，以获得k个温度群，并将每个温度群中心发生处作为集群温度特征点；基于k个集群特征点及粗集合理论法，获得核集群因子；基于核集群因子及热变形量，建立线性回归热误差补偿模型，对机床的热误差补偿计算。提高直线定位以及旋转定位精度。
Description
技术领域
本发明涉及设备加工技术领域，尤其涉及一种机床的热误差补偿计算方法、装置、设备和存储介质。
背景技术
数控机床运转时，因为发热导致内部结构与机构产生变形误差，此热误差占整体误差比超过70％，严重影响最终加工件精度。而减少机床热误差的主要方法是采用热补偿，目前商业上作法是利用控制器内建补偿装置或是外接一补偿电路板，采事先量测温度值与变形值，依据简单数学回归模式，建立数据表格；实际操作时，透过黏贴于机床各机构件表面或内建于主轴等若干处的温度传感器，读取数据，再由数据表格获得刀具位置补偿值，将其转换为电流讯号输入控制器PLC的寄存器，在接受到G代码运行指令时，可读取此补偿值并使其送出机械讯号，移动刀具尖点的X，Y，Z位置，使其补偿误差。这种热变形补偿技术均只针对简单数控立式铣床或车床，在简单加工条件与工作状况下，建立简单热误差模型，并无任何能适用于立式五轴加工中心机，在遭遇各种复合多变的加工条件下，无法精准做到热误差补偿。
发明内容
针对上述问题，本发明的目的在于提供一种机床的热误差补偿计算方法、装置、设备和存储介质，解决了目前使用广泛的数控立式五轴加工中心机在进行各式铣、钻、切等复合多变加工时，模型无法准确建立而导致预测不准的问题。
本发明第一方面提供了一种机床的热误差补偿计算方法，包括：
获取复合切削加工条件的多种物理参数；其中，每种物理参数包括至少两种状态量；
基于田口实验法，计算对机床的目标参数的影响最大的物理参数的状态量组合；
将所述状态量组合赋值至机床对应的复合切削加工条件，以使得所述机床在所述状态量组合下进行加工；
获取对在所述物理参数组合下进行加工的机床进行温度和误差同步量测后的温度值以及热变形量；
利用模糊C-均值聚类算法将所述温度值进行分群，以获得k个温度群，并将每个温度群中心发生处作为集群温度特征点；
基于k个集群特征点以及粗集合理论法，以获得核集群因子；
基于核集群因子以及热变形量，建立线性回归热误差补偿模型，对机床的热误差补偿计算。
优选地，所述物理参数以及物理状态包括：加工状态包括周期性加工以及非周期性加工状态；加工方式物理参数包括面铣、端铣以及钻孔；切削状况物理参数包括轻、中以及重切削状态；工件材质变化物理参数包括铝、铸铁以及碳钢状态；运转状态物理参数包括空转、换刀换工件待机以及热机状态；主轴转速物理参数包括低、中以及高转速状态；三轴进给速度物理参数包括慢、中以及快状态；切深变化物理参数包括小、中以及大深度状态。
优选地，目标参数为所述机床的刀尖点X、Y、Z三轴向的变形量y1、y2、y3的总和值η；其中，
优选地，利用模糊C-均值聚类算法将所述温度值进行分群，以获得k个温度群，并将每个温度群中心发生处作为集群温度特征点，具体为：
定义k为类别数目，mj(j＝1,2,…,k)为每个聚类的中心的温度，μj(Ti)是第i个样本对应第j类的隶属度函数，则基于隶属度函数的聚类损失函数为：
采用迭代法对Jf、mj以及μj(Ti)进行求解，直至满足收敛条件得到b、k以及mj(j＝1,2,…,k)的最优解，以将温度值分成k群，并将每个温度群中心mj(j＝1,2,…,k)发生处定为集群温度特征点。
优选地，所述基于k个集群特征点以及粗集合理论法，以获得核集群因子，具体为：
基于k个集群特征点、以决策属性为热变形量的变化剧烈程度、粗集合理论中的可辨识矩阵原理，构成可辨识矩阵；其中，可辨识矩阵表达式为：
对可辨识矩阵做逻辑运算，以获得影响变形量较大的核集群因子；其中，所述变形量为三直线轴变形误差或旋转轴位置误差。
优选地，基于核集群因子以及热变形量，建立线性回归热误差补偿模型，对机床的热误差补偿计算，具体为：
将核集群因子作为自变量，以热变形量为因变量，建立线性回归热误差补偿模型，其中，所述线性回归热误差补偿模型表达式为：Y1＝α1T1+α2T2+α12T12+α31T31…+α41T41+β；其中，T1、T2、T3....T41为核集群因子,Y 1为线性回归热误差补偿模型；
基于线性回归热误差补偿模型，对机床的三直线轴变形或旋转轴位置进行热误差补偿计算。
优选地，还包括：根据均方根误差RMSE，以获得对应误差值；
其中，M为核集群因子数目；Yt为三直线轴变形误差或旋转轴位置误差。
第二方面，本发明实施例还提供一种机床的热误差补偿计算装置，包括：
物理参数获取单元，用于获取复合切削加工条件的多种物理参数；其中，每种物理参数包括至少两种状态量；
状态量组合计算单元，用于基于田口实验法，计算对机床的目标参数的影响最大的物理参数的状态量组合；
赋值单元，用于将所述状态量组合赋值至机床对应的复合切削加工条件，以使得所述机床在所述状态量组合下进行加工；
温度值以及热变形量获取单元，用于获取对在所述物理参数组合下进行加工的机床进行温度和误差同步量测后的温度值以及热变形量；
温度群获取单元，用于利用模糊C-均值聚类算法将所述温度值进行分群，以获得k个温度群，并将每个温度群中心发生处作为集群温度特征点；
核集群因子获取单元，用于基于k个集群特征点以及粗集合理论法，以获得核集群因子；
模型建立单元，用于基于核集群因子以及热变形量，建立线性回归热误差补偿模型，对机床的热误差补偿计算。
优选地，所述物理参数以及物理状态包括：加工状态包括周期性加工以及非周期性加工状态；加工方式物理参数包括面铣、端铣以及钻孔；切削状况物理参数包括轻、中以及重切削状态；工件材质变化物理参数包括铝、铸铁以及碳钢状态；运转状态物理参数包括空转、换刀换工件待机以及热机状态；主轴转速物理参数包括低、中以及高转速状态；三轴进给速度物理参数包括慢、中以及快状态；切深变化物理参数包括小、中以及大深度状态。
优选地，目标参数为所述机床的刀尖点X、Y、Z三轴向的变形量y1、y2、y3的总和值(望大值)η；其中，
优选地，温度群获取单元，具体包括：
定义模块，用于定义k为类别数目，mj(j＝1,2,…,k)为每个聚类的中心的温度，μj(Ti)是第i个样本对应第j类的隶属度函数，则基于隶属度函数的聚类损失函数为：
求解模块，用于采用迭代法对Jf、mj以及μj(Ti)进行求解，直至满足收敛条件得到b、k以及mj(j＝1,2,…,k)的最优解，以将温度值分成k群，并将每个温度群中心mj(j＝1,2,…,k)发生处定为集群温度特征点。
优选地，核集群因子获取单元，具体包括：
构建模块，用于基于k个集群特征点、以决策属性为热变形量的变化剧烈程度、粗集合理论中的可辨识矩阵原理，构成可辨识矩阵；其中，所述可辨识矩阵的表达式为：
逻辑运算模块，用于对可辨识矩阵做逻辑运算，以获得影响变形量较大的核集群因子；其中，所述变形量为三直线轴变形误差或旋转轴位置误差。
优选地，补偿模块建立单元，具体包括：
补偿模块建立模块，用于将核集群因子作为自变量，以热变形量为因变量，建立线性回归热误差补偿模型，其中，所述线性回归热误差补偿模型表达式为：Y1＝α1T1+α2T2+α12T12+α31T31…+α41T41+β；其中，T1、T2、T3....T41为核集群因子,Y1为线性回归热误差补偿模型；
误差补偿计算模块，用于基于线性回归热误差补偿模型，对机床的三直线轴变形或旋转轴位置进行热误差补偿计算。
优选地，还包括：
误差值计算单元，用于根据均方根误差RMSE，以获得对应误差值；
其中，M为核集群因子数目；Yt为三直线轴变形误差或旋转轴位置误差。
本发明第三方面还提供了一种机床的热误差补偿计算设备，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序能够被所述处理器执行以实现上述实施例所述的机床的热误差补偿计算方法。
本发明第四方面还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述实施例所述的机床的热误差补偿计算方法。
实施本发明实施例，具有如下有益技术效果：
在上述一实施例中，通过对数控立式五轴加工中心机的各种可能的多变复合加工条件下机床机构与结构发热特性，通过田口实验法能找出最佳实验因子组合的加工实验模拟条件，并据此完成实验后，利用数据挖掘法三模式中的模糊C-均值聚类算法、可辨识矩原理、量测数据最简关系线性回归建模模式，对机床的热误差补偿计算，本发明使数控立式五轴加工中心机床其因热造成的直线误差由高于50μm降低至5μm以下，旋转误差由高于0.1度降低至0.02度以下，提高了直线定位精度、提高旋转定位精度，对于例如手机机壳与模具制造产业有极大帮助，可提高生产效率、降低生产工时。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的一种机床的热误差补偿计算方法的流程示意图。
图2是本发明第二实施例提供的一种机床的热误差补偿计算装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，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。
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
实施例一：
请参阅图1，本发明第一实施例提供了一种机床的热误差补偿计算方法，其可由机床的热误差补偿计算设备来执行，特别的，由机床的热误差补偿计算设备内的一个或多个处理器来执行，并至少包括如下步骤：
S101，获取复合切削加工条件的多种物理参数；其中，每种物理参数包括至少两种状态量。
在本实施例中，所述物理参数至少包括八种，每种物理参数包括至少两种状态量，具体地，物理参数以及物理状态包括：加工状态包括周期性加工以及非周期性加工状态等；加工方式物理参数包括面铣、端铣以及钻孔等；切削状况物理参数包括轻、中以及重切削状态等；工件材质变化物理参数包括铝、铸铁以及碳钢状态等；运转状态物理参数包括空转、换刀换工件待机以及热机状态等；主轴转速物理参数包括低、中以及高转速状态等，例如1000rpm,2000rpm,3000rpm；三轴进给速度物理参数包括慢、中以及快状态等，如10m/min、20m/min、30m/min三种位准；切深变化物理参数包括小、中以及大深度状态等，如0.1mm、0.5mm、1mm三种位准。
S102，基于田口实验法，计算对机床的目标参数的影响最大的物理参数的状态量组合。
在本实施例中，对上述八个物理参数因子，依序命名为A、B、C、D、E、F、G和H，其中A因子有2个位准变化、B因子3个位准变化、C因子有3个位准变化、D因子有3个位准变化、E因子有3个位准变化、F因子有3个位准变化、G因子有3个位准变化、H因子有3个位准变化。目标参数取为机床主轴刀尖点X、Y、Z等三轴的变形量y1,y2,y3的总和值η，
可构成田口直交表，如下表1所示，则共须完成18次实验，每次实验加工参数变化(A～H)，便可计算对机床的目标参数的影响最大的物理参数的状态量组合，例如结果形式可为A1B2C3D2E2F2G3H1，表示实验的条件若因子及其位准组合为A因子取位准1、B因子取位准2、C因子取位准3、D因子取位准2、E因子取位准2、F因子取位准2、G因子取位准3、H因子取位准1，则此实验可激发最大的热变形误差。
表1田口法直交表
S103，将所述状态量组合赋值至机床对应的复合切削加工条件，以使得所述机床在所述状态量组合下进行加工。
S104，获取对在所述物理参数组合下进行加工的机床进行温度和误差同步量测后的温度值以及热变形量。
在本实施例中，将所述状态量组合赋值至机床对应的复合切削加工条件后，接着架设温度与变形量测设备，并依前项实验分析所得各因子对应的位准变化来设定实验条件，完成温度与变形量测实验，采用温度与误差同步量测。在温度量测方面，采利用置放于机床的前后两台红外线热像仪做机床整体机构表面的温度量测，将目标机床表面温度量测区概分为5区，每区取10个温度点。第一区主轴机构系统(含主轴马达主轴箱)共10个温度点(T1～T10)、第二区立柱结构系统(含伺服马达与导轨)共10个温度点(T11～T20)、第三区底座结构系统(含伺服马达与导轨)共10个温度点(T21～T30)、第四区鞍座及工作台机构系统(含伺服马达与导轨)共10个温度点(T31～T40)，第五区刀库及换刀系统共10个温度点(含环境温度)(T41～T50)。总共50个测量温度点。在误差量测方面，利用R-test光学式量测仪，量测主轴头相对于工件中心点的X、Y、Z三直线轴方向误差y1,y2,y3与12项旋转相关的误差(如下表2所示)。每隔5min量测一次，每次实验90min，共量测20次。具体地，将温度传感器置于各主要发热源处，应变规置于主轴底端，同步量取热源处特征温度及主轴底端在X、Y、Z三特征方向变形。在误差量测方面，应变规置于主轴底端，量测主轴头底部端点相对于工件中心点的X、Y、Z三直线轴方向误差。
再例如，基于前面所得，取A1B2C3D2E2F2G3H1为最佳加工模拟实验，前面再加一段10分钟暖机时间，形成共90分钟的总加工时间：0-10分钟暖机(取加工条件：A1B1C1D1E1F1G1H1I1)，10-20分钟(A1：周期性加工)，20-30分钟(B2：端铣)，30-40分钟(C3：重切削)，40-50分钟(D2：工件材质为铸铁)，50-60分钟(E2：换刀换工件待机)，60-70分钟(F2：主轴转速，含低、中、高转速三种位准，如1000rpm,2000rpm,3000rpm)，70-80分钟(G3：三轴进给速度，30m/min)，80-90分钟(H1：切深变化1mm)。采用温度与误差同步量测。在温度量测方面，采利用置放于机床外的前后两台红外线热像仪做机床整体机构表面的温度量测，每隔5分钟量测一次，每次实验100分钟，共量测20次。在误差量测方面，利用R-test光学式量测仪，量测主轴头底部端点相对于工件中心点的X、Y、Z三直线轴方向误差，及所有12种旋转误差。每隔5分钟量测一次，每次实验分钟，共量测18次。
表2旋转轴相关12项位置误差
S105，利用模糊C-均值聚类算法将所述温度值进行分群，以获得k个温度群，并将每个温度群中心发生处作为集群温度特征点。
在本实施例中，首先将量测得到的温度与变形数据，利用模糊C-均值聚类算法将温度分群。其中数据集定为T＝{T1,T2,T3,…,T50},表机床五大系统区各特征点温度，定义k为类别数目，mj(j＝1,2,…,k)为每个聚类的中心的温度，μj(Ti)是第i个样本对应第j类的隶属度函数，则基于隶属度函数的聚类损失函数可以表示成下列(1),(2),(3)式：
其中，
为加权指数。Jf极小值发生于
(3)；采用迭代法求解上三式(1)、(2)、(3)直至满足收敛条件得到b,k,及mj(j＝1,2,…,k)最优解，完成将温度分成k群，每群中心mj(j＝1,2,…,k)发生处定为集群温度特征点。其次将计算所得整体机床表面温度5特征群，每群取10个温度点(含群特征中心点)。如第一群主轴机构系统(含主轴马达主轴箱)共10个温度点(T1～T10)、第二群立柱结构系统(含伺服马达与直线导轨)共10个温度点(T11～T20)、第三群底座结构系统(含伺服马达与直线导轨)共10个温度点(T21～T30)、第四群鞍座及工作台机构系统(含伺服马达与直线导轨)共10个温度点(T31～T40)，第五群刀库及换刀系统共10个温度点(含环境温度)(T41～T50)。
S106，基于k个集群特征点以及粗集合理论法，以获得核集群因子。
在本实施例中，将量测得到结果数据归一化并设定变化位阶，如表3。再利用粗集合理论中的可辨识矩阵
其中σi为第Ni样本的决策属性，而ζ(Ni)为Ni样本的条件属性。针对前面选取的k个集群特征点温度样本，决策属性σi选定为热变形量的变化剧烈程度；若变化程度低者，则指定为0<no>，而变化程度高者，则指定为1<yes>。今利用方程式(4)，可构成一可辨识矩阵，例如下表4所示。
表3数据归一化及变化位阶设定
表4可辨识矩阵
| <![CDATA[m<sub>ij</sub>]]> | <![CDATA[N<sub>1</sub>]]> | <![CDATA[N<sub>2</sub>]]> | <![CDATA[N<sub>3</sub>]]> | … | <![CDATA[N<sub>20</sub>]]> |
| <![CDATA[N<sub>1</sub>]]> | - | - | - | - | - |
| <![CDATA[N<sub>2</sub>]]> | - | - | - | - | - |
| <![CDATA[N<sub>3</sub>]]> | <![CDATA[ξ<sub>1</sub>,ξ<sub>2</sub>]]> | <![CDATA[ξ<sub>1</sub>,ξ<sub>2</sub>,ξ<sub>3</sub>]]> | - | - | - |
| … | <![CDATA[ξ<sub>3</sub>]]> | <![CDATA[ξ<sub>1</sub>,ξ<sub>2</sub>]]> | - | - | - |
| <![CDATA[N<sub>20</sub>]]> | - | - | <![CDATA[ξ<sub>2</sub>]]> | - | <![CDATA[ξ<sub>1</sub>,ξ<sub>3</sub>]]> |
在表4的可辨识矩阵中，将每一行做<OR>逻辑运算(∨)，其结果再做<AND>逻辑运算(∧)，其总和逻辑运算式如(8)之型式：f(A)＝(ξ1∨ξ2)∧ξ3∧(ξ1∨ξ2∨ξ3)∧(ξ1∨ξ2)∧ξ2∧(ξ1∨ξ3)(8)；上式(8)经布尔运算(Boolean operation)可获得最后核(duct)属性，如式(9)之可辨识关系式：f(A)＝ξ2∧ξ3(9)；其意义为运算可得核集群因子为T2(ξ2对应特征点温度)及T3(ξ3对应特征点温度)。据此计算方式，可获得对最终热变形具线性影响的最后结果，类似如下(10)型式：T1∧T2∧T12∧T31…∧T44→Yt(10)；其意义为影响总变形Yt量较大的核集群因子为T1、T2、T12、T31、…T44。
S107，基于核集群因子以及热变形量，建立线性回归热误差补偿模型，对机床的热误差补偿计算。
在本实施例中，将核集群因子作为自变量，以热变形量为因变量，建立线性回归热误差补偿模型，其中，所述线性回归热误差补偿模型表达式为：Y1＝α1T1+α2T2+α12T12+α31T31…+α41T41+β；然后基于线性回归热误差补偿模型，对机床的三直线轴变形或旋转轴位置进行热误差补偿计算。
综上，通过对数控立式五轴加工中心机的各种可能的多变复合加工条件下机床机构与结构发热特性，通过田口实验法能找出最佳实验因子组合的加工实验模拟条件，并据此完成实验后，利用数据挖掘法三模式中的模糊C-均值聚类算法、可辨识矩阵原理、量测数据最简关系线性回归建模模式，对机床的热误差补偿计算，本发明使数控立式五轴加工中心机床其因热造成的直线误差由高于50μm降低至5μm以下，旋转误差由高于0.1度降低至0.02度以下，提高了直线定位精度、提高旋转定位精度，对于例如手机机壳与模具制造产业有极大帮助，可提高生产效率、降低生产工时。
在上述实施例的基础上，本发明一优选实施例中，还包括：根据均方根误差RMSE，以获得对应误差值；
其中，M为核集群因子数目；Yt为三直线轴变形误差或旋转轴位置误差。
参见图2，本发明第二实施例还提供一种机床的热误差补偿计算装置，包括：
物理参数获取单元100，用于获取复合切削加工条件的多种物理参数；其中，每种物理参数包括至少两种状态量；
状态量组合计算单元200，用于基于田口实验法，计算对机床的目标参数的影响最大的物理参数的状态量组合；
赋值单元300，用于将所述状态量组合赋值至机床对应的复合切削加工条件，以使得所述机床在所述状态量组合下进行加工；
温度值以及热变形量获取单元400，用于获取对在所述物理参数组合下进行加工的机床进行温度和误差同步量测后的温度值以及热变形量；
温度群获取单元500，用于利用模糊C-均值聚类算法将所述温度值进行分群，以获得k个温度群，并将每个温度群中心发生处作为集群温度特征点；
核集群因子获取单元600，用于基于k个集群特征点以及粗集合理论法，以获得核集群因子；
模型建立单元700，用于基于核集群因子以及热变形量，建立线性回归热误差补偿模型，对机床的热误差补偿计算。
在上述实施例的基础上，本发明一优选实施例中，所述物理参数以及物理状态包括：加工状态包括周期性加工以及非周期性加工状态；加工方式物理参数包括面铣、端铣以及钻孔；切削状况物理参数包括轻、中以及重切削状态；工件材质变化物理参数包括铝、铸铁以及碳钢状态；运转状态物理参数包括空转、换刀换工件待机以及热机状态；主轴转速物理参数包括低、中以及高转速状态；三轴进给速度物理参数包括慢、中以及快状态；切深变化物理参数包括小、中以及大深度状态。
在上述实施例的基础上，本发明一优选实施例中，目标参数为所述机床的刀尖点X、Y、Z三轴向的变形量y1、y2、y3的总和值(望大值)η；其中，
在上述实施例的基础上，本发明一优选实施例中，温度群获取单元500，具体包括：
定义模块，用于定义k为类别数目，mj(j＝1,2,…,k)为每个聚类的中心的温度，μj(Ti)是第i个样本对应第j类的隶属度函数，则基于隶属度函数的聚类损失函数为：
求解模块，用于采用迭代法对Jf、mj以及μj(Ti)进行求解，直至满足收敛条件得到b、k以及mj(j＝1,2,…,k)的最优解，以将温度值分成k群，并将每个温度群中心mj(j＝1,2,…,k)发生处定为集群温度特征点。
在上述实施例的基础上，本发明一优选实施例中，核集群因子获取单元600，具体包括：
构建模块，用于基于k个集群特征点、以决策属性σi为热变形量的变化剧烈程度、粗集合理论中的可辨识矩阵原理，构成可辨识矩阵；其中，可辨识矩阵表达式为
逻辑运算模块，用于对可辨识矩阵做逻辑运算，以获得影响变形量较大的核集群因子；其中，所述变形量为三直线轴变形误差或旋转轴位置误差。
在上述实施例的基础上，本发明一优选实施例中，补偿模块建立单元700，具体包括：
补偿模块建立模块，用于将核集群因子作为自变量，以热变形量为因变量，建立线性回归热误差补偿模型，其中，所述线性回归热误差补偿模型表达式为：Y1＝α1T1+α2T2+α12T12+α31T31…+α41T41+β；其中，T1、T2、T3....T41为核集群因子,Y 1为线性回归热误差补偿模型；
误差补偿计算模块，用于基于线性回归热误差补偿模型，对机床的三直线轴变形或旋转轴位置进行热误差补偿计算。
在上述实施例的基础上，本发明一优选实施例中，还包括：
误差值计算单元，用于根据均方根误差RMSE，以获得对应误差值；
其中，M为核集群因子数目；Yt为三直线轴变形误差或旋转轴位置误差。
本发明第三实施例：
本发明第三实施例还提供了一种机床的热误差补偿计算设备，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序能够被所述处理器执行以实现如上述实施例所述的机床的热误差补偿计算方法。
本发明第四实施例：
本发明第四实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的机床的热误差补偿计算方法。
示例性的，所述计算机程序可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在机床的热误差补偿计算设备中的执行过程。
所述机床的热误差补偿计算设备可包括但不仅限于处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是机床的热误差补偿计算设备的示例，并不构成对机床的热误差补偿计算设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述机床的热误差补偿计算设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述机床的热误差补偿计算设备的控制中心，利用各种接口和线路连接整个机床的热误差补偿计算设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述机床的热误差补偿计算设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述机床的热误差补偿计算设备集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种机床的热误差补偿计算方法，其特征在于，包括：
获取复合切削加工条件的多种物理参数；其中，每种物理参数包括至少两种状态量；
基于田口实验法，计算对机床的目标参数的影响最大的物理参数的状态量组合；
将所述状态量组合赋值至机床对应的复合切削加工条件，以使得所述机床在所述状态量组合下进行加工；
获取对在所述物理参数组合下进行加工的机床进行温度和误差同步量测后的温度值以及热变形量；
利用模糊C-均值聚类算法将所述温度值进行分群，以获得k个温度群，并将每个温度群中心发生处作为集群温度特征点；
基于k个集群特征点以及粗集合理论法，以获得核集群因子；
基于核集群因子以及热变形量，建立线性回归热误差补偿模型，对机床的热误差补偿计算。
2.根据权利要求1所述的机床的热误差补偿计算方法，其特征在于，所述物理参数以及物理状态包括：加工状态包括周期性加工以及非周期性加工状态；加工方式物理参数包括面铣、端铣以及钻孔；切削状况物理参数包括轻、中以及重切削状态；工件材质变化物理参数包括铝、铸铁以及碳钢状态；运转状态物理参数包括空转、换刀换工件待机以及热机状态；主轴转速物理参数包括低、中以及高转速状态；三轴进给速度物理参数包括慢、中以及快状态；切深变化物理参数包括小、中以及大深度状态。
3.根据权利要求1所述的机床的热误差补偿计算方法，其特征在于，目标参数为所述机床的刀尖点X、Y、Z三轴向的变形量y1、y2、y3的总和值η；其中，
4.根据权利要求1所述的机床的热误差补偿计算方法，其特征在于，利用模糊C-均值聚类算法将所述温度值进行分群，以获得k个温度群，并将每个温度群中心发生处作为集群温度特征点，具体为：
定义k为类别数目，mj(j＝1,2,…,k)为每个聚类的中心的温度，μj(Ti)是第i个样本对应第j类的隶属度函数，则基于隶属度函数的聚类损失函数为：
采用迭代法对Jf、mj以及μj(Ti)进行求解，直至满足收敛条件得到b、k以及mj(j＝1,2,…,k)的最优解，以将温度值分成k群，并将每个温度群中心mj(j＝1,2,…,k)发生处定为集群温度特征点。
5.根据权利要求1所述的机床的热误差补偿计算方法，其特征在于，所述基于k个集群特征点以及粗集合理论法，以获得核集群因子，具体为：
基于k个集群特征点、以决策属性为热变形量的变化剧烈程度、粗集合理论中的可辨识矩阵原理，构成可辨识矩阵
其中，σi为决策属性；
对可辨识矩阵做逻辑运算，以获得影响变形量较大的核集群因子；所述变形量为三直线轴变形误差或旋转轴位置误差。
6.根据权利要求1所述的机床的热误差补偿计算方法，其特征在于，基于核集群因子以及热变形量，建立线性回归热误差补偿模型，对机床的热误差补偿计算，具体为：
将核集群因子作为自变量，以热变形量为因变量，建立线性回归热误差补偿模型，其中，所述线性回归热误差补偿模型表达式为：Y1＝α1T1+α2T2+α12T12+α31T31…+α41T41+β；其中，T1、T2、T3....T41为核集群因子,Y 1为线性回归热误差补偿模型；
基于线性回归热误差补偿模型，对机床的三直线轴变形或旋转轴位置进行热误差补偿计算。
7.根据权利要求1所述的机床的热误差补偿计算方法，其特征在于，还包括：
根据均方根误差RMSE，以获得对应误差值；
其中，M为核集群因子数目；Yt为三直线轴变形误差或旋转轴位置误差。
8.一种机床的热误差补偿计算装置，其特征在于，包括：
物理参数获取单元，用于获取复合切削加工条件的多种物理参数；其中，每种物理参数包括至少两种状态量；
状态量组合计算单元，用于基于田口实验法，计算对机床的目标参数的影响最大的物理参数的状态量组合；
赋值单元，用于将所述状态量组合赋值至机床对应的复合切削加工条件，以使得所述机床在所述状态量组合下进行加工；
温度值以及热变形量获取单元，用于获取对在所述物理参数组合下进行加工的机床进行温度和误差同步量测后的温度值以及热变形量；
温度群获取单元，用于利用模糊C-均值聚类算法将所述温度值进行分群，以获得k个温度群，并将每个温度群中心发生处作为集群温度特征点；
核集群因子获取单元，用于基于k个集群特征点以及粗集合理论法，以获得核集群因子；
模型建立单元，用于基于核集群因子以及热变形量，建立线性回归热误差补偿模型，对机床的热误差补偿计算。
9.一种机床的热误差补偿计算设备，包括处理器、存储器以及存储在所述存储器中且被配置由所述处理执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述机床的热误差补偿计算方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的机床的热误差补偿计算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911223090.XA CN111123833B (zh) | 2019-12-03 | 2019-12-03 | 一种机床的热误差补偿计算方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911223090.XA CN111123833B (zh) | 2019-12-03 | 2019-12-03 | 一种机床的热误差补偿计算方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111123833A CN111123833A (zh) | 2020-05-08 |
| CN111123833B true CN111123833B (zh) | 2023-04-18 |
Family
ID=70497395
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911223090.XA Active CN111123833B (zh) | 2019-12-03 | 2019-12-03 | 一种机床的热误差补偿计算方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111123833B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112926200B (zh) * | 2021-02-23 | 2023-03-14 | 内蒙古工业大学 | 数控机床主轴热态信息挖掘分析方法、装置及电子设备 |
| CN113721548B (zh) * | 2021-09-06 | 2022-05-03 | 哈尔滨理工大学 | 一种数控铣头热误差补偿方法及系统 |
| CN114004044B (zh) * | 2021-11-15 | 2024-04-30 | 西南交通大学 | 基于温度敏感点的机床主轴热误差快速辨识方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006244165A (ja) * | 2005-03-03 | 2006-09-14 | Fujitsu Frontech Ltd | データ処理装置の処理速度遅れ検知方法 |
| CN106736848A (zh) * | 2016-12-13 | 2017-05-31 | 西安交通大学 | 数控车床热误差测量补偿系统及补偿方法 |
| CN108415372A (zh) * | 2018-03-12 | 2018-08-17 | 攀枝花学院 | 精密机床热误差补偿方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8233194B2 (en) * | 2005-01-26 | 2012-07-31 | Hewlett-Packard Development Company, L.P. | Ising-model image rendition, and consolidated masking and/or filtering, in incremental printing |
| TW201021959A (en) * | 2008-12-11 | 2010-06-16 | Ind Tech Res Inst | A thermal error compensation method for machine tools |
| CN103048968B (zh) * | 2012-12-20 | 2015-01-07 | 上海交通大学 | 基于网络群控的数控机床误差实时补偿系统及补偿方法 |
| CN105184014B (zh) * | 2015-09-29 | 2018-02-02 | 南京工程学院 | 一种双转台对五轴机床空间误差影响的评估方法 |
| US10838392B2 (en) * | 2017-11-06 | 2020-11-17 | Dalian University Of Technology | Modeling and compensation method for the spindle's radial thermal drift error in a horizontal CNC lathe |
-
2019
- 2019-12-03 CN CN201911223090.XA patent/CN111123833B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006244165A (ja) * | 2005-03-03 | 2006-09-14 | Fujitsu Frontech Ltd | データ処理装置の処理速度遅れ検知方法 |
| CN106736848A (zh) * | 2016-12-13 | 2017-05-31 | 西安交通大学 | 数控车床热误差测量补偿系统及补偿方法 |
| CN108415372A (zh) * | 2018-03-12 | 2018-08-17 | 攀枝花学院 | 精密机床热误差补偿方法 |
Non-Patent Citations (2)
| Title |
|---|
| Piero Spillantini.《A EUSO-like experiment as a precursor of a ultra-high energy neutrino Space Observatory》.《Nuclear and Particle Physics Proceedings》.2018,第171页-第176页. * |
| 黄娟.《基于模糊C均值聚类算法的温度测点优化与建模研究》.《机床与液压》.2015,(第第19期期),第56页-58页，第125页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111123833A (zh) | 2020-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111123833B (zh) | 一种机床的热误差补偿计算方法、装置、设备和存储介质 | |
| CN105022344B (zh) | 数控机床热误差补偿方法 | |
| CN103235553B (zh) | 一种基于分数阶的数控加工尺寸误差自动补偿方法 | |
| CN104932421B (zh) | 一种基于指令域分析的数控机床工作过程cps建模方法 | |
| CN205817105U (zh) | 一种用于五轴激光切割机床的误差补偿装置 | |
| CN115562161B (zh) | 一种基于在线监测的刀具切削路径加工误差补偿方法 | |
| CN104217063A (zh) | 用于钢轨轧制孔型的仿真设计方法 | |
| CN105631122B (zh) | 一种机床大件的热变形仿真分析与建模方法 | |
| CN113189948B (zh) | 考虑加工精度可靠性的薄板类零件加工工艺参数优化方法 | |
| CN111723440A (zh) | 一种薄壁件加工精度预测混合建模方法 | |
| CN105005673A (zh) | 一种面向机床正向设计的整机静刚度匹配设计方法 | |
| CN114662410A (zh) | 打磨工艺参数组合的确定方法、装置、电子设备和介质 | |
| Mu et al. | Tooth surface modification method of face-milling spiral bevel gears with high contact ratio based on cutter blade profile correction | |
| Matras et al. | Analysis of machining accuracy during free form surface milling simulation for different milling strategies | |
| CN110210079A (zh) | 一种面向整机动态特性的机床支承件质量匹配方法 | |
| CN114626015B (zh) | 一种基于高斯过程回归的薄壁结构切削颤振预测方法 | |
| CN112916883B (zh) | 一种航轴车削加工让刀变形预测方法 | |
| CN111948977B (zh) | 一种用于不锈钢加工的多目标优化方法和系统 | |
| Jiang et al. | A non-uniform allowance allocation method based on interim state stiffness of machining features for NC programming of structural parts | |
| CN112114557B (zh) | 五轴联动数控机床动态精度检测方法、系统及储存介质 | |
| V Nekhoroshev et al. | Computer simulation of high-speed anodic dissolution processes of geometrically-complex surfaces of GTE details | |
| CN114329837A (zh) | 一种数控机床主轴热误差建模及加工精度可靠性分析方法 | |
| Tao et al. | An optimized single-point offset method for reducing the theoretical error of S-shaped test piece | |
| Bogatenkov et al. | Increasing the productivity of multitool machining on automated lathes by optimizing the machining plan | |
| Du et al. | Distribution analysis of deterministic clamping and positioning error for machining of ring-shaped workpieces considering alignment uncertainty |
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 |