CN113211160A - 基于极端梯度提升的滚珠丝杠副热变形补偿系统及方法 - Google Patents
基于极端梯度提升的滚珠丝杠副热变形补偿系统及方法 Download PDFInfo
- Publication number
- CN113211160A CN113211160A CN202110378898.6A CN202110378898A CN113211160A CN 113211160 A CN113211160 A CN 113211160A CN 202110378898 A CN202110378898 A CN 202110378898A CN 113211160 A CN113211160 A CN 113211160A
- Authority
- CN
- China
- Prior art keywords
- ball screw
- temperature
- thermal deformation
- screw pair
- extreme gradient
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q11/00—Accessories fitted to machine tools for keeping tools or parts of the machine in good working condition or for cooling work; Safety devices specially combined with or arranged in, or specially adapted for use in connection with, machine tools
- B23Q11/0003—Arrangements for preventing undesired thermal effects on tools or parts of the machine
- B23Q11/0007—Arrangements for preventing undesired thermal effects on tools or parts of the machine by compensating occurring thermal dilations
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Automatic Control Of Machine Tools (AREA)
Abstract
本发明提供基于极端梯度提升的滚珠丝杠副热变形补偿系统及方法,涉及机电一体化技术领域,包括环境数据采集模块,用于采集滚珠丝杠副的工作温度参数,工作温度参数包括初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te和滚珠丝杠轴各不同位置处温度Tx;热变形预测模块,用于获取工作温度参数,根据工作温度参数,得到滚珠丝杠副轴向热变形情况,根据热变形情况获取误差补偿量,根据误差补偿量对滚珠丝杠副热变形进行补偿,本发明实现滚珠丝杆副热变形的精准补偿。
Description
技术领域
本发明涉及机电一体化技术领域,尤其涉及基于极端梯度提升的滚珠丝杠副热变形补偿系统及方法。
背景技术
滚珠丝杠副是目前数控机床或者传动机构中常用的传动部件,其具有传动效率高、精度高、运行稳定等优点。目前在精密机床加工过程中,传动件热变形特别是滚珠丝杠副热变形造成的机床定位误差是制约精密机床加工精度的重要原因,因此在进行机床开发的同时应着重考虑减少机床热变形所带来的影响。
当前滚珠丝杠副热误差补偿的方式,往往采用激光干涉仪、百分表等测量工具在滚珠丝杠副达到热平衡时测量其变形量,再根据各段变形量数据求平均值进行离线定位误差补偿。由于滚珠丝杠副螺母位置是时变的,其运动过程较为复杂,其热变形规律也跟螺母运动相关,因此这种假设各段变形量求平均的方法就会带来较大误差。即使滚珠丝杠副在工作时能达到热平衡,由于滚珠丝杠副在实际工作过程中温升是一个变化的过程,需要一定时间才可达到热平衡,又因为自然散热等因素,造成离线定位误差补偿只在热平衡时可达到预期补偿效果,且工作量大,效率低下。而通过闭环控制方法往往造成伺服系统存在多个反馈,造成伺服系统振荡不稳定。
发明内容
本发明提供基于极端梯度提升的滚珠丝杠副热变形补偿系统及方法,用以解决现有技术中离线定位误差补偿只在热平衡时可达到预期补偿效果的缺陷,实现滚珠丝杆副热变形的精准补偿。
本发明提供基于极端梯度提升的滚珠丝杠副热变形补偿系统,包括:
环境数据采集模块,用于采集滚珠丝杠副的工作温度参数,所述工作温度参数包括初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te和滚珠丝杠轴各不同位置处温度Tx;
热变形预测模块,用于获取工作温度参数,根据工作温度参数,基于极端梯度提升算法预测得到滚珠丝杠副轴向热变形情况,根据所述热变形情况获取误差补偿量,根据所述误差补偿量对滚珠丝杠副热变形进行补偿。
根据本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统,所述环境数据采集模块包括:
初始温度采集单元,用于采集滚珠丝杠副的所述初始工作环境温度TS;
接触式采集单元,用于通过接触式采集方法采集滚珠丝杠副的所述滚珠丝杠螺母温度Tn、所述两端安装的固定侧丝杠轴承温度Tf、所述支持侧丝杠轴承温度Tb和所述实时工作环境温度Te;
非接触式采集单元,用于通过非接触式采集方法采集滚珠丝杠副的所述滚珠丝杠轴各不同位置处温度Tx。
根据本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统,滚珠丝杠轴各不同位置处温度Tx为将滚珠丝杠轴均分为li段,采集滚珠丝杆轴li每一段上的温度T1-Ti。
根据本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统,接触式采集单元采用接触式温度传感器,所述接触式温度传感器通过导热硅胶直接粘贴在滚珠丝杠螺母、两端安装的固定侧丝杠轴承、支持侧丝杠轴承及工作环境位置处。
根据本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统,非接触式采集单元采用红外测温传感器,所述红外测温传感器安装在滚珠丝杠轴的法线方向上。
根据本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统,所述热变形预测模块包括:
数据采集单元,用于获取工作温度参数,得到滚珠丝杠副的温度信息;
温度-丝杠轴温度场预测单元,用于根据工作温度参数,基于极端梯度提升算法预测得到滚珠丝杠副轴向热变形情况,根据所述热变形情况获取误差补偿量;
热变形补偿单元,用于根据所述误差补偿量对滚珠丝杠副热变形进行补偿。
根据本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统,所述温度-丝杠轴温度场预测单元具体包括:
第一预测单元,用于根据工作温度参数,基于极端梯度提升算法对工作温度参数进行训练,得到滚珠丝杠轴各不同位置处温度Tx与初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te之间的映射关系,所述映射关系为;
Ti=f(TS,Tn,Tf,Tb,Te)
第二预测单元,根据所述映射关系,得到滚珠丝杠轴任意一点x 的所述热变形情况,根据热变形情况获取所述误差补偿量,热变形情况通过公式(1)计算得到,所述公式(1)为;
其中,δ(x)为滚滚珠丝杠轴任意一点x位置处的轴向热变形预测值即误差补偿量,α为材料热膨胀系数,[]为小数取整符号,x mod100 为x/100的余数。
根据本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统,所述热变形补偿单元包括:
伺服驱动单元,用于根据控制信号对滚珠丝杠副热变形进行补偿;
下位控制单元,用于获取伺服驱动单元当前位置和预期定位位置,根据误差补偿量、所述当前位置和所述预期定位位置,获取补偿脉冲信号;
驱动控制单元,用于根据所述补偿脉冲信号,得到所述控制信号。
根据本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统,补偿脉冲信号的脉冲当量β为滚珠丝杠轴任意一点x的坐标值与δ(x)值的和。
本发明还提供基于极端梯度提升的滚珠丝杠副热变形补偿方法,包括以下步骤:
采集滚珠丝杠副的工作温度参数,所述工作温度参数包括初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te和滚珠丝杠轴各不同位置处温度Tx;
获取工作温度参数,根据工作温度参数,基于极端梯度提升算法预测得到滚珠丝杠副轴向热变形情况,根据所述热变形情况获取误差补偿量,根据所述误差补偿量对滚珠丝杠副热变形进行补偿。
本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统及方法,基于XGBoost算法,通过初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te和滚珠丝杠轴各不同位置处温度Tx等较易测量、且易测准的物理量,映射滚珠丝杠轴温度场分布,进而得到滚珠丝杠轴上每一个点的热变形情况,通过热变形性补偿单元去补偿滚珠丝杠轴的热误差,在大数据的前提下,可以实现滚珠丝杆副热变形的精准补偿。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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是本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统的结构示意图;
图2是本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统中环境数据采集模块处的结构示意图;
图3是本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统中环境数据采集模块进行数据采集时的示意图;
图4是本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统中热变形预测模块处的结构示意图;
图5是本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统中温度-丝杠轴温度场预测单元处的结构示意图;
图6是本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统中热变形补偿单元处的结构示意图;
图7是本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿系统中热变形预测模块的示意图;
图8是本发明提供的基于极端梯度提升的滚珠丝杠副热变形补偿方法的流程示意图;
图9是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
下面结合图1描述本发明的基于极端梯度提升的滚珠丝杠副热变形补偿系统,该热变形补偿系统包括:
环境数据采集模块200,用于采集滚珠丝杠副的工作温度参数,工作温度参数包括初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te和滚珠丝杠轴各不同位置处温度Tx;
热变形预测模块300,用于获取工作温度参数,根据工作温度参数,基于极端梯度提升(Extreme Gradient Boosting,XGBoost)算法预测得到滚珠丝杠副轴向热变形情况,根据热变形情况获取误差补偿量,根据误差补偿量对滚珠丝杠副热变形进行补偿。
XGBoost算法是一种基于决策树的集成机器学习算法,采用了梯度提升(GradientBoosting)框架。在预测有关非结构化数据(如图像、文本等)的问题时,人工神经网络往往表现得比其他算法或框架更出色,但在有关中小型结构/表格数据方面,基于决策树的算法则是目前为止的最佳方式。
本发明的基于极端梯度提升的滚珠丝杠副热变形补偿系统基于 XGBoost算法,通过初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te和滚珠丝杠轴各不同位置处温度Tx等较易测量、且易测准的物理量,映射滚珠丝杠轴温度场分布,进而得到滚珠丝杠轴上每一个点的热变形情况,通过热变形性补偿单元去补偿滚珠丝杠轴的热误差,在大数据的前提下,可以实现滚珠丝杆副热变形的精准补偿。
下面结合图2和图3描述本发明的基于极端梯度提升的滚珠丝杠副热变形补偿系统,环境数据采集模块200包括:
初始温度采集单元201,用于采集滚珠丝杠副的初始工作环境温度TS。
在本实施例中,该热变形补偿系统可以采用温度传感器、温度计等方式获得滚珠丝杆副的初始工作环境温度TS。
接触式采集单元202,用于通过接触式采集方法采集滚珠丝杠副的滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb和实时工作环境温度Te。
在本实施例中,接触式采集单元202采用接触式温度传感器,接触式温度传感器通过导热硅胶直接粘贴在滚珠丝杠螺母、两端安装的固定侧丝杠轴承、支持侧丝杠轴承及工作环境位置处,进行相应的温度测量。
非接触式采集单元203,用于通过非接触式采集方法采集滚珠丝杠副的滚珠丝杠轴各不同位置处温度Tx。滚珠丝杠轴各不同位置处温度Tx为将滚珠丝杠轴均分为li段,采集滚珠丝杆轴li每一段上的温度 T1-Ti。
在本实施例中,非接触式采集单元203采用红外测温传感器,红外测温传感器安装在滚珠丝杠轴的法线方向上,对滚珠丝杠轴进行非接触式温度测量。
将滚珠丝杠轴均分为l1(0<x<100),l2(100<x<200), l3(200<x<300),l4(300<x<400),l5(400<x<500),l6(500<x<600),l7(600<x<700),l8(700<x<800), l9(800<x<900),l10(900<x<1000)共10段,可以认为在每一段上的温度是恒定值Ti(i=1-10),即能够得到滚珠丝杠轴上若干离散点的温度。
例如,滚珠丝杠副行程长度为1000毫米,将滚珠丝杠副靠近固定侧丝杠轴承支撑座的端面定义为数轴原点位置,此时滚珠丝杠副靠近固定侧丝杠轴承支撑座的端面坐标定义为x=0,将滚珠丝杠副靠近支持侧丝杠轴承支撑座的端面坐标定义为x=1000,滚珠丝杠副靠近固定侧丝杠轴承支撑座的端面坐标为x=1000,此时测量初始工作环境温度为TS,将非接触式采集单元203分别布置在数轴x=100、 x=200、x=300、x=400、x=500、x=600、x=700、x=800、 x=900、x=1000位置处,那么测量所处位置滚珠丝杠轴温度分别为T1、T2、T3、T4、T5、T6、T7、T8、T9、T10。
下面结合图4描述本发明的基于极端梯度提升的滚珠丝杠副热变形补偿系统,热变形预测模块300包括:
数据采集单元301,用于获取工作温度参数,得到滚珠丝杠副的温度信息;
温度-丝杠轴温度场预测单元305,用于根据工作温度参数,基于极端梯度提升算法预测得到滚珠丝杠副轴向热变形情况,根据热变形情况获取误差补偿量;
热变形补偿单元,用于根据误差补偿量对滚珠丝杠副热变形进行补偿。
下面结合图5描述本发明的基于极端梯度提升的滚珠丝杠副热变形补偿系统,具体的,温度-丝杠轴温度场预测单元305具体包括:
第一预测单元,用于根据工作温度参数,基于极端梯度提升算法对工作温度参数进行训练,得到滚珠丝杠轴各不同位置处温度Tx(滚珠丝杠轴上若干离散点的温度)与初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度 Tb、实时工作环境温度Te之间的映射关系,映射关系为;
Ti=f(TS,Tn,Tf,Tb,Te)
第二预测单元,根据映射关系,在得到滚珠丝杠轴上若干离散点的温度的前提下,即能够得到滚珠丝杠轴任意一点x的热变形情况 (热变形量),根据热变形情况获取误差补偿量,热变形情况通过公式(1)计算得到,公式(1)为;
其中,δ(x)为滚滚珠丝杠轴任意一点x位置处的轴向热变形预测值即误差补偿量,α为材料热膨胀系数,[]为小数取整符号,x mod100 为x/100的余数。
下面结合图6和图7描述本发明的基于极端梯度提升的滚珠丝杠副热变形补偿系统,具体的,热变形补偿单元包括:
伺服驱动单元304,可以采用伺服电机,用于根据控制信号对滚珠丝杠副热变形进行补偿;
下位控制单元302,可以采用下位控制器,用于获取伺服驱动单元304当前位置和预期定位位置,根据误差补偿量、当前位置和预期定位位置,获取补偿脉冲信号,补偿脉冲信号的脉冲当量β为滚珠丝杠轴任意一点x的坐标值与δ(x)值的和。
驱动控制单元303,可以采用伺服驱动器,用于根据补偿脉冲信号,得到控制信号。
例如,伺服驱动单元304的编码器显示此时位置为x=0处,如需定位至x=500处,此时下位控制单元302控制驱动控制单元303 所需发出脉冲当量β为:
下面结合图8描述本发明的基于极端梯度提升的滚珠丝杠副热变形补偿方法,该热变形补偿方法包括以下步骤:
S100、采集滚珠丝杠副的工作温度参数,工作温度参数包括初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te和滚珠丝杠轴各不同位置处温度Tx;
S200、获取工作温度参数,根据工作温度参数,基于极端梯度提升(ExtremeGradient Boosting,XGBoost)算法预测得到滚珠丝杠副轴向热变形情况,根据热变形情况获取误差补偿量,根据误差补偿量对滚珠丝杠副热变形进行补偿。
XGBoost算法是一种基于决策树的集成机器学习算法,采用了梯度提升(GradientBoosting)框架。在预测有关非结构化数据(如图像、文本等)的问题时,人工神经网络往往表现得比其他算法或框架更出色,但在有关中小型结构/表格数据方面,基于决策树的算法则是目前为止的最佳方式。
本发明的基于极端梯度提升的滚珠丝杠副热变形补偿方法基于 XGBoost算法,通过初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te和滚珠丝杠轴各不同位置处温度Tx等较易测量、且易测准的物理量,映射滚珠丝杠轴温度场分布,进而得到滚珠丝杠轴上每一个点的热变形情况,通过热变形性补偿单元去补偿滚珠丝杠轴的热误差,在大数据的前提下,可以实现滚珠丝杆副热变形的精准补偿。
图9示例了一种电子设备的实体结构示意图,如图9所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行基于极端梯度提升的滚珠丝杠副热变形补偿方法,该热变形补偿方法包括以下步骤:
S100、采集滚珠丝杠副的工作温度参数,工作温度参数包括初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te和滚珠丝杠轴各不同位置处温度Tx;
S200、获取工作温度参数,根据工作温度参数,基于极端梯度提升(ExtremeGradient Boosting,XGBoost)算法预测得到滚珠丝杠副轴向热变形情况,根据热变形情况获取误差补偿量,根据误差补偿量对滚珠丝杠副热变形进行补偿。
XGBoost算法是一种基于决策树的集成机器学习算法,采用了梯度提升(GradientBoosting)框架。在预测有关非结构化数据(如图像、文本等)的问题时,人工神经网络往往表现得比其他算法或框架更出色,但在有关中小型结构/表格数据方面,基于决策树的算法则是目前为止的最佳方式。
此外,上述的存储器830中的逻辑指令可以通过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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的基于极端梯度提升的滚珠丝杠副热变形补偿方法,该热变形补偿方法包括以下步骤:
S100、采集滚珠丝杠副的工作温度参数,工作温度参数包括初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te和滚珠丝杠轴各不同位置处温度Tx;
S200、获取工作温度参数,根据工作温度参数,基于极端梯度提升(ExtremeGradient Boosting,XGBoost)算法预测得到滚珠丝杠副轴向热变形情况,根据热变形情况获取误差补偿量,根据误差补偿量对滚珠丝杠副热变形进行补偿。
XGBoost算法是一种基于决策树的集成机器学习算法,采用了梯度提升(GradientBoosting)框架。在预测有关非结构化数据(如图像、文本等)的问题时,人工神经网络往往表现得比其他算法或框架更出色,但在有关中小型结构/表格数据方面,基于决策树的算法则是目前为止的最佳方式。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的基于极端梯度提升的滚珠丝杠副热变形补偿方法,该热变形补偿方法包括以下步骤:
S100、采集滚珠丝杠副的工作温度参数,工作温度参数包括初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te和滚珠丝杠轴各不同位置处温度Tx;
S200、获取工作温度参数,根据工作温度参数,基于极端梯度提升(ExtremeGradient Boosting,XGBoost)算法预测得到滚珠丝杠副轴向热变形情况,根据热变形情况获取误差补偿量,根据误差补偿量对滚珠丝杠副热变形进行补偿。
XGBoost算法是一种基于决策树的集成机器学习算法,采用了梯度提升(GradientBoosting)框架。在预测有关非结构化数据(如图像、文本等)的问题时,人工神经网络往往表现得比其他算法或框架更出色,但在有关中小型结构/表格数据方面,基于决策树的算法则是目前为止的最佳方式。
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。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.基于极端梯度提升的滚珠丝杠副热变形补偿系统,其特征在于,包括:
环境数据采集模块(200),用于采集滚珠丝杠副的工作温度参数,所述工作温度参数包括初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te和滚珠丝杠轴各不同位置处温度Tx;
热变形预测模块(300),用于获取工作温度参数,根据工作温度参数,基于极端梯度提升算法预测得到滚珠丝杠副轴向热变形情况,根据所述热变形情况获取误差补偿量,根据所述误差补偿量对滚珠丝杠副热变形进行补偿。
2.根据权利要求1所述的基于极端梯度提升的滚珠丝杠副热变形补偿系统,其特征在于,所述环境数据采集模块(200)包括:
初始温度采集单元(201),用于采集滚珠丝杠副的所述初始工作环境温度TS;
接触式采集单元(202),用于通过接触式采集方法采集滚珠丝杠副的所述滚珠丝杠螺母温度Tn、所述两端安装的固定侧丝杠轴承温度Tf、所述支持侧丝杠轴承温度Tb和所述实时工作环境温度Te;
非接触式采集单元(203),用于通过非接触式采集方法采集滚珠丝杠副的所述滚珠丝杠轴各不同位置处温度Tx。
3.根据权利要求2所述的基于极端梯度提升的滚珠丝杠副热变形补偿系统,其特征在于,滚珠丝杠轴各不同位置处温度Tx为将滚珠丝杠轴均分为li段,采集滚珠丝杆轴li每一段上的温度T1-Ti。
4.根据权利要求3所述的基于极端梯度提升的滚珠丝杠副热变形补偿系统,接触式采集单元(202)采用接触式温度传感器,所述接触式温度传感器通过导热硅胶直接粘贴在滚珠丝杠螺母、两端安装的固定侧丝杠轴承、支持侧丝杠轴承及工作环境位置处。
5.根据权利要求4所述的基于极端梯度提升的滚珠丝杠副热变形补偿系统,其特征在于,非接触式采集单元(203)采用红外测温传感器,所述红外测温传感器安装在滚珠丝杠轴的法线方向上。
6.根据权利要求5所述的基于极端梯度提升的滚珠丝杠副热变形补偿系统,其特征在于,所述热变形预测模块(300)包括:
数据采集单元(301),用于获取工作温度参数,得到滚珠丝杠副的温度信息;
温度-丝杠轴温度场预测单元(305),用于根据工作温度参数,基于极端梯度提升算法预测得到滚珠丝杠副轴向热变形情况,根据所述热变形情况获取误差补偿量;
热变形补偿单元,用于根据所述误差补偿量对滚珠丝杠副热变形进行补偿。
7.根据权利要求6所述的基于极端梯度提升的滚珠丝杠副热变形补偿系统,其特征在于,所述温度-丝杠轴温度场预测单元(305)具体包括:
第一预测单元,用于根据工作温度参数,基于极端梯度提升算法对工作温度参数进行训练,得到滚珠丝杠轴各不同位置处温度Tx与初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te之间的映射关系,所述映射关系为;
Ti=f(TS,Tn,Tf,Tb,Te)
第二预测单元,根据所述映射关系,得到滚珠丝杠轴任意一点x的所述热变形情况,根据热变形情况获取所述误差补偿量,热变形情况通过公式(1)计算得到,所述公式(1)为;
其中,δ(x)为滚滚珠丝杠轴任意一点x位置处的轴向热变形预测值即误差补偿量,α为材料热膨胀系数,[]为小数取整符号,x mod100为x/100的余数。
8.根据权利要求7所述的基于极端梯度提升的滚珠丝杠副热变形补偿系统,其特征在于,所述热变形补偿单元包括:
伺服驱动单元(304),用于根据控制信号对滚珠丝杠副热变形进行补偿;
下位控制单元(302),用于获取伺服驱动单元(304)当前位置和预期定位位置,根据误差补偿量、所述当前位置和所述预期定位位置,获取补偿脉冲信号;
驱动控制单元(303),用于根据所述补偿脉冲信号,得到所述控制信号。
9.根据权利要求8所述的基于极端梯度提升的滚珠丝杠副热变形补偿系统,其特征在于,补偿脉冲信号的脉冲当量β为滚珠丝杠轴任意一点x的坐标值与δ(x)值的和。
10.一种基于权利要求1-9任一项所述的基于极端梯度提升的滚珠丝杠副热变形补偿系统所实现的基于极端梯度提升的滚珠丝杠副热变形补偿方法,其特征在于,包括以下步骤:
采集滚珠丝杠副的工作温度参数,所述工作温度参数包括初始工作环境温度TS、滚珠丝杠螺母温度Tn、两端安装的固定侧丝杠轴承温度Tf、支持侧丝杠轴承温度Tb、实时工作环境温度Te和滚珠丝杠轴各不同位置处温度Tx;
获取工作温度参数,根据工作温度参数,基于极端梯度提升算法预测得到滚珠丝杠副轴向热变形情况,根据所述热变形情况获取误差补偿量,根据所述误差补偿量对滚珠丝杠副热变形进行补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110378898.6A CN113211160B (zh) | 2021-04-08 | 2021-04-08 | 基于极端梯度提升的滚珠丝杠副热变形补偿系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110378898.6A CN113211160B (zh) | 2021-04-08 | 2021-04-08 | 基于极端梯度提升的滚珠丝杠副热变形补偿系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113211160A true CN113211160A (zh) | 2021-08-06 |
CN113211160B CN113211160B (zh) | 2022-05-03 |
Family
ID=77086876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110378898.6A Active CN113211160B (zh) | 2021-04-08 | 2021-04-08 | 基于极端梯度提升的滚珠丝杠副热变形补偿系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113211160B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101446994A (zh) * | 2008-12-18 | 2009-06-03 | 浙江大学 | 数控机床的热误差最小二乘支持向量机建模方法 |
BRPI0708412A2 (pt) * | 2006-03-02 | 2011-05-31 | Mikron Agie Charmilles Ag | método e aparelho para uma correção de deslocamento para uma mãquina ferramenta |
CN102699767A (zh) * | 2012-05-28 | 2012-10-03 | 上海三一精机有限公司 | 丝杠热变形自动补偿机构及机床 |
CN104483896A (zh) * | 2014-11-18 | 2015-04-01 | 四川普什宁江机床有限公司 | 数控机床丝杠热补偿的实现方法 |
CN106838183A (zh) * | 2017-04-09 | 2017-06-13 | 北京工业大学 | 一种自动补偿热变形的滚珠丝杠副 |
CN107756128A (zh) * | 2017-08-30 | 2018-03-06 | 华中科技大学 | 热变形补偿方法 |
CN108959787A (zh) * | 2018-07-12 | 2018-12-07 | 山东大学 | 考虑实际工况的宏宏双驱动系统的热变形预测方法及系统 |
CN109240204A (zh) * | 2018-09-30 | 2019-01-18 | 山东大学 | 一种基于两步法的数控机床热误差建模方法 |
CN110852475A (zh) * | 2019-09-24 | 2020-02-28 | 广州地理研究所 | 基于极端梯度提升算法的植被指数预测方法、系统及设备 |
CN111521391A (zh) * | 2020-05-06 | 2020-08-11 | 北京工业大学 | 一种滚珠丝杠副热变形和动态特性测试装置 |
CN111784070A (zh) * | 2020-07-09 | 2020-10-16 | 中国地质环境监测院 | 一种基于XGBoost算法的滑坡短临智能预警方法 |
-
2021
- 2021-04-08 CN CN202110378898.6A patent/CN113211160B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BRPI0708412A2 (pt) * | 2006-03-02 | 2011-05-31 | Mikron Agie Charmilles Ag | método e aparelho para uma correção de deslocamento para uma mãquina ferramenta |
CN101446994A (zh) * | 2008-12-18 | 2009-06-03 | 浙江大学 | 数控机床的热误差最小二乘支持向量机建模方法 |
CN102699767A (zh) * | 2012-05-28 | 2012-10-03 | 上海三一精机有限公司 | 丝杠热变形自动补偿机构及机床 |
CN104483896A (zh) * | 2014-11-18 | 2015-04-01 | 四川普什宁江机床有限公司 | 数控机床丝杠热补偿的实现方法 |
CN106838183A (zh) * | 2017-04-09 | 2017-06-13 | 北京工业大学 | 一种自动补偿热变形的滚珠丝杠副 |
CN107756128A (zh) * | 2017-08-30 | 2018-03-06 | 华中科技大学 | 热变形补偿方法 |
CN108959787A (zh) * | 2018-07-12 | 2018-12-07 | 山东大学 | 考虑实际工况的宏宏双驱动系统的热变形预测方法及系统 |
CN109240204A (zh) * | 2018-09-30 | 2019-01-18 | 山东大学 | 一种基于两步法的数控机床热误差建模方法 |
CN110852475A (zh) * | 2019-09-24 | 2020-02-28 | 广州地理研究所 | 基于极端梯度提升算法的植被指数预测方法、系统及设备 |
CN111521391A (zh) * | 2020-05-06 | 2020-08-11 | 北京工业大学 | 一种滚珠丝杠副热变形和动态特性测试装置 |
CN111784070A (zh) * | 2020-07-09 | 2020-10-16 | 中国地质环境监测院 | 一种基于XGBoost算法的滑坡短临智能预警方法 |
Non-Patent Citations (1)
Title |
---|
张辉杰等: "基于GA-BP神经网络系统的滚珠丝杠热误差建模", 《制造业自动化》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113211160B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Thermal error compensation method for machine center | |
US10401829B2 (en) | Machine learning device for machine tool and thermal displacement compensation device | |
Wang et al. | Compensation for the thermal error of a multi-axis machining center | |
Creighton et al. | Analysis of thermal errors in a high-speed micro-milling spindle | |
CN109240204B (zh) | 一种基于两步法的数控机床热误差建模方法 | |
Mayr et al. | Thermal issues in machine tools | |
CN105798695B (zh) | 一种机床温升补偿方法 | |
CN107798160A (zh) | 用于数控机床的热变形预测的方法和装置 | |
CN108334661B (zh) | 一种进给轴热变形预测方法 | |
Du et al. | Modeling approach of regression orthogonal experiment design for the thermal error compensation of a CNC turning center | |
CN116659803A (zh) | 基于天平零点在线监测获取连续式风洞气动力载荷的方法 | |
CN108356603B (zh) | 五轴数控机床主轴热变形误差补偿方法及系统 | |
JP2021030365A (ja) | 機械学習装置、制御システム及び機械学習方法 | |
CN113211160B (zh) | 基于极端梯度提升的滚珠丝杠副热变形补偿系统及方法 | |
JPH0783977B2 (ja) | 工作機械の熱変位補正方法 | |
JP4090666B2 (ja) | 数値制御システムおよびそれに用いられる位置指令値補正装置 | |
US20220171363A1 (en) | Method and Device for Compensating for a Thermally Induced Change in Position on a Numerically Controlled Machine Tool | |
CN113043061A (zh) | 一种获取数控机床工作台热温升误差补偿量的方法 | |
CN109765844B (zh) | 一种数控机床温度误差补偿估算方法及装置 | |
Kim et al. | Development of thermal deformation compensation device and CNC based real-time compensation for advanced manufacturing | |
JP4488564B2 (ja) | 工作機械の熱変形抑制方法および温度制御装置 | |
Grochalski et al. | Influence of thermal disturbances on profilometric measurements of surface asperities | |
CN114596951A (zh) | 一种医疗影像设备的热容预测方法和系统 | |
JP2004108959A (ja) | 形状測定装置 | |
CN209069497U (zh) | 一种航空发动机推力测量试车台的校准装置 |
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 |