CN113219901A - 一种数控机床智能化热误差补偿方法 - Google Patents
一种数控机床智能化热误差补偿方法 Download PDFInfo
- Publication number
- CN113219901A CN113219901A CN202110489285.XA CN202110489285A CN113219901A CN 113219901 A CN113219901 A CN 113219901A CN 202110489285 A CN202110489285 A CN 202110489285A CN 113219901 A CN113219901 A CN 113219901A
- Authority
- CN
- China
- Prior art keywords
- thermal error
- error model
- thermal
- machine tool
- steady
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000001052 transient effect Effects 0.000 claims abstract description 78
- 238000004364 calculation method Methods 0.000 claims abstract description 72
- 238000003754 machining Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000005520 cutting process Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 230000002087 whitening effect Effects 0.000 claims description 4
- 238000010792 warming Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000013480 data collection Methods 0.000 description 5
- 238000005096 rolling process Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
本发明公开一种数控机床智能化热误差补偿方法,包括以下步骤:建立二段式热误差模型,该二段式热误差模型包括暂态热误差模型和稳态热误差模型;记录累计目标数控机床在实际切削加工状态下的计算数据,训练模型;在加工过程中,实时记录目标数控机床的计算数据,并通过训练后的模型,计算出预测热变形值,从而计算得出刀具位置的补偿值;将计算所得的补偿值传输至机床控制器中,机床控制器将补偿值转换为电流讯号,并通过控制器PLC输出机械讯号,控制移动刀具的X、Y、Z方向的位置,实现对刀具的热变形误差值补偿。本发明能够快速、准确地进行建模,从而提高数控机床热误差的计算速度和精度,有利于提高工件的加工精度,并且适应性好。
Description
技术领域
本发明涉及一种数控加工技术,具体涉及一种数控机床智能化热误差补偿方法。
背景技术
数控机床运转时,因为发热导致整体结构与机构产生变形误差,此热误差占整体误差比可高达70%,严重影响最终加工件精度。目前减少机床热误差的主要方法是采用热补偿,而商业上作法是先脱机采集测量温度值与变形值,依据简单回归等数学热误差补偿模型,建立数据表格,输入控制器内建补偿装置或是外接补偿电路板中,实际操作时,透过黏贴于机床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,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。
现有技术中,为机床热误差补偿数学建模方法众多,但现有技术中的建模方法仍然存在以下问题:仅限于机床运转达稳态温度变化时的补偿建模提升精度方法,并无专门针对开机后暖机瞬时温度变化时间进行切削加工时的误差提出数学补偿模型,导致开机后暖机瞬时的热误差补偿效果一般,影响工件的加工精度。选择特征温度点偏多、补偿计算方法复杂,计算缓慢。缺乏与机床运行时的数据结合,影响热误差的计算精度,降低补偿效果,并且无法进行实时的自行调整,适应性差。
发明内容
本发明目的在于克服现有技术的不足,提供一种数控机床智能化热误差补偿方法,该方法能够快速、准确地进行建模,从而提高数控机床热误差的计算速度和精度,有利于提高工件的加工精度,并且适应性好。
本发明的目的通过以下技术方案实现:
一种数控机床智能化热误差补偿方法,其特征在于,包括以下步骤:
S1:建立二段式热误差模型,该二段式热误差模型包括暂态热误差模型和稳态热误差模型,所述暂态热误差模型用于开机暖机热瞬时期间计算预测机床刀尖点热变形误差值,所述稳态热误差模型用于在机床温度达稳定期间计算预测刀尖点热变形误差值;其中,所述暂态热误差模型和稳态热误差模型均采用m 阶具外生输入自回归模型,时刻t的应变数是以前时刻应变数与自变数的加权总和,此种关系可表示如下:
y(t)+a1y(t-1)+...+amy(t-m)=b1u(t-1)+...+bmu(t-m)+e(t) (1)
e(t)=cme(t-1)+v(t) (2)
其中,y(t)为输出变数,取为热变形;u(t)为输入变数,取为电流值;b为系数,e(t)为误差,v(t)为随机白化干扰;
对于暂态热误差模型,采用时间间隔为1分钟,m阶取5,得出以下数学模型:
y(t)+a1y(t-1)+a2y(t-2)+a3y(t-3)+a4y(t-4)+a5y(t-5)=b1u(t-1)+b2u(t-2)+b3u(t-3)+b4u(t-4)+b5u(t-5)+e(t) (3)
e(t)=c5e(t-1)+v(t) (4)
其中,应变数y(t)设定为刀尖的热变形,自变数u(t)取为电流物理参数I(t)与主轴转数(t)两者的线性组合,即:
u(t)=d1I(t)+d2(t) (5)
其中,d1和d2为考虑使参数单位一致及考虑加工和机床使用状况的自行调整参数;
对于稳态热误差模型,采用时间间隔为3分钟,m阶取3,得出以下数学模型:
y(t)+a1y(t-1)+a2y(t-2)+a3y(t-3)=b1u(t-1)+b2u(t-2)+b3u(t-3)+e(t) (6)
e(t)=c3e(t-1)+v(t) (7)
其中,应变数y(t)设定为刀尖热变形,自变数u(t)取为主轴特征温度变化Ts、环境特征温度变化T0、电流物理参数I(t)与主轴转数(t)四者的线性组合,即:
u(t)=d1I(t)+d2(t)+d3Ts(t)+d4T0(t) (8)
其中,d1、d2、d3、及d4为考虑使参数单位一致及考虑加工和机床使用状况的自行调整参数;
S2:在指定时间内,记录累计目标数控机床在实际切削加工状态下的计算数据,并传输至后台服务器,根据所述计算数据,对S1中的暂态热误差模型和稳态热误差模型进行训练,得出零级暂态热误差模型和稳态热误差模型;
S3:在加工过程中,实时记录目标数控机床在实际切削加工状态下的计算数据,并传输至后台服务器,采用S2中零级暂态热误差模型和稳态热误差模型,计算出预测热变形值,从而计算得出刀具位置的补偿值;
S4:将S3中的补偿值传输至机床控制器中,机床控制器将补偿值转换为电流讯号,并通过控制器PLC输出机械讯号,控制移动刀具的X、Y、Z方向的位置,实现对刀具的热变形误差值补偿。
本发明的一个优选方案,所述计算数据包括物理参数、主轴热变形及机床关键点温升,所述物理参数包括电流、转速和进给速。
优选地,所述机床关键点温升,通过设置在机床表面或内设于主轴特征温度点处的温度传感器进行测量,所述温度传感器与后台服务器电连接。
本发明的一个优选方案,在步骤S3中,持续记录目标数控机床在实际切削加工状态下的计算数据,每相隔指定时间后将所记录累计的计算数据对所述零级暂态热误差模型和零级稳态热误差模型进行训练修正,并对指定时间内的加工误差进行补偿。本实施例中,所述指定时间为30天。
优选地,在第一个指定时间内,将实时记录的计算数据传输至后台服务器,并采用步骤S2中的所建立的零级暂态热误差模型和零级稳态热误差模型中,从而计算出预测热变形值,并持续记录累计在该指定时间内的计算数据;
经过第一个指定时间后,将在第一个指定时间内所记录累计的计算数据分为暂态数据和稳态数据,并将暂态数据输入至零级暂态热误差模型中,经训练得出新的一级暂态热误差模型,将稳态数据输入至零级稳态热误差模型中,经训练得出新的一级稳态热误差模型;
在第二个指定时间内,将实时记录的计算数据传输至后台服务器,并采用所述零级暂态热误差模型和零级稳态热误差模型计算出零级预测热变形值,并持续记录累计在该指定时间内的计算数据;与此同时,采用一级暂态热误差模型和一级稳态热误差模型对实时记录的计算数据进行计算,得出一级预测热变形值;此时,在第二个指定时间内的最终预测热变形值为所述零级预测热变形值和一级预测热变形值的串联和;
以此类推,通过上一个指定时间内的所记录累计的计算数据,对零级暂态热误差模型和零级稳态热误差模型进行训练,得出新的下一级暂态热误差模型和下一级稳态热误差模型,并在下一个指定时间内对实时记录的计算数据进行计算补偿,不停地修正热误差模型,并实时串联计算最终预测热变形值。
本发明的一个优选方案,所述计算数据,通过无线传输的方式,实现与后台服务器的数据连接。
本发明的一个优选方案,所述后台服务器为云端服务器。
本发明与现有技术相比具有以下有益效果:
1、本发明的热误差补偿方法,能够快速、准确地进行建模,从而提高数控机床热误差的计算速度和精度,有利于提高工件的加工精度,并且适应性好。
2、本发明的热误差补偿方法,同时考虑暂态及稳态的热变形补偿情况,有利于提高热误差补偿值的精度,从而提高工件加工精度。
3、本发明可加大补偿模型适用范围、快速建模、且可智能化不停自我调整以达到时时精准的目的。
具体实施方式
下面结合实施例对本发明作进一步描述,但本发明的实施方式不仅限于此。
本实施例的数控机床智能化热误差补偿方法,包括以下步骤:
S1:建立二段式热误差模型,该二段式热误差模型包括暂态热误差模型和稳态热误差模型,所述暂态热误差模型用于开机暖机热瞬时期间计算预测机床刀尖点热变形误差值,所述稳态热误差模型用于在机床温度达稳定期间计算预测刀尖点热变形误差值;其中,所述暂态热误差模型和稳态热误差模型均采用m 阶具外生输入自回归模型,时刻t的应变数是以前时刻应变数与自变数的加权总和,此种关系可表示如下:
y(t)+a1y(t-1)+...+amy(t-m)=b1u(t-1)+...+bmu(t-m)+e(t) (1)
e(t)=cme(t-1)+v(t) (2)
其中,y(t)为输出变数,取为热变形;u(t)为输入变数,取为电流值;b为系数,e(t)为误差,v(t)为随机白化干扰,利用最小二乘方法将其中白化误差极小化,即可得最佳系数值;
对于暂态热误差模型,采用时间间隔为1分钟,m阶取5,得出以下数学模型:
y(t)+a1y(t-1)+a2y(t-2)+a3y(t-3)+a4y(t-4)+a5y(t-5)=b1u(t-1)+b2u(t-2)+b3u(t-3)+b4u(t-4)+b5u(t-5)+e(t) (3)
e(t)=c5e(t-1)+v(t) (4)
其中,应变数y(t)设定为刀尖的热变形,自变数u(t)取为电流物理参数I(t)与主轴转数(t)两者的线性组合,即:
u(t)=d1I(t)+d2(t) (5)
其中,d1和d2为考虑使参数单位一致及考虑加工和机床使用状况的自行调整参数;
对于稳态热误差模型,采用时间间隔为3分钟,m阶取3,得出以下数学模型:
y(t)+a1y(t-1)+a2y(t-2)+a3y(t-3)=b1u(t-1)+b2u(t-2)+b3u(t-3)+e(t) (6)
e(t)=c3e(t-1)+v(t) (7)
其中,应变数y(t)设定为刀尖热变形,自变数u(t)取为主轴特征温度变化Ts、环境特征温度变化T0、电流物理参数I(t)与主轴转数(t)四者的线性组合,即:
u(t)=d1I(t)+d2(t)+d3Ts(t)+d4T0(t) (8)
其中,d1、d2、d3、及d4为考虑使参数单位一致及考虑加工和机床使用状况的自行调整参数。
S2:在指定时间内,记录累计目标数控机床在实际切削加工状态下的计算数据,并传输至后台服务器,根据所述计算数据,对S1中的暂态热误差模型和稳态热误差模型进行训练,得出零级暂态热误差模型和稳态热误差模型;所述计算数据包括物理参数、主轴热变形及机床关键点温升,所述物理参数包括电流、转速和进给速。
S3:在加工过程中,实时记录目标数控机床在实际切削加工状态下的计算数据,并传输至后台服务器,采用S2中零级暂态热误差模型和稳态热误差模型,计算出预测热变形值,从而计算得出刀具位置的补偿值。
S4:将S3中的补偿值传输至机床控制器中,机床控制器将补偿值转换为电流讯号,并通过控制器PLC输出机械讯号,控制移动刀具的X、Y、Z方向的位置,实现对刀具的热变形误差值补偿。
本实施例中,所述机床关键点温升,通过设置在机床表面或内设于主轴特征温度点处的温度传感器进行测量,所述温度传感器与后台服务器电连接。
本实施例中,采用滚动式的动态热补偿计算方法,以提高机床的热误差补偿计算。具体地,在步骤S3中,持续记录目标数控机床在实际切削加工状态下的计算数据,每相隔指定时间后将所记录累计的计算数据对所述零级暂态热误差模型和零级稳态热误差模型进行训练修正,并对指定时间内的加工误差进行补偿。本实施例中,所述指定时间为30天。
进一步地,在第一个指定时间内,将实时记录的计算数据传输至后台服务器,并采用步骤S2中的所建立的零级暂态热误差模型和零级稳态热误差模型中,从而计算出预测热变形值,并持续记录累计在该指定时间内的计算数据;
经过第一个指定时间后,将在第一个指定时间内所记录累计的计算数据分为暂态数据和稳态数据,并将暂态数据输入至零级暂态热误差模型中,经训练得出新的一级暂态热误差模型,将稳态数据输入至零级稳态热误差模型中,经训练得出新的一级稳态热误差模型;
在第二个指定时间内,将实时记录的计算数据传输至后台服务器,并采用所述零级暂态热误差模型和零级稳态热误差模型计算出零级预测热变形值,并持续记录累计在该指定时间内的计算数据;与此同时,采用一级暂态热误差模型和一级稳态热误差模型对实时记录的计算数据进行计算,得出一级预测热变形值;此时,在第二个指定时间内的最终预测热变形值为所述零级预测热变形值和一级预测热变形值的串联和;
以此类推,通过上一个指定时间内的所记录累计的计算数据,对零级暂态热误差模型和零级稳态热误差模型进行训练,得出新的下一级暂态热误差模型和下一级稳态热误差模型,并在下一个指定时间内对实时记录的计算数据进行计算补偿,不停地修正热误差模型,并实时串联计算最终预测热变形值,实现滚动式的动态热补偿计算。
通过上述滚动式的动态热补偿计算方法,对于机床处于任何不同加工状况,均可通过定时调整热误差模型参数,达到能快速智能化补偿、时时维持高补偿精度及其鲁棒性,可大幅提升机床加工质量。
具体地,结合暂态热误差模型、稳态热误差模型和上述滚动式的动态热补偿计算方法,进一步举例说明:
首先选定一目标数控机床,如立式三轴加工中心机。
步骤一:设定黏贴应变规于位移特征点(主轴鼻端)及温度传感器于热特征点 (主轴末端马达处)。
步骤二:设定以有线方式将应变规与温度传感器链接至补偿系统;以云端无线传输方式将补偿系统、控制器无线接受器与远程服务器互相以云端无线传输方式链接。
步骤三:设定待撷取机械加工各物理参数(由应变规截取变形量δ,由温度传感器截取温度T,由控制器截取电流I)。将建模数学方程式(1)及(2)编程并置入服务器中。
步骤四:实验建立初始热误差补偿模型。
1、切削加工条件设定:
依顾客需求或实际可能出现的加工状况,指定或预设5套(每套3天)长期(15 天,共计240小时)多种类复合切削加工条件(含主轴旋转速度与方式、三轴移动速度与方式)。
2、执行实验切削并连续收集大数据至后台服务器:
将5套、每套3天数据依电流值变化及暖机时间分成暂态及稳态部分;暂态部分数据(每天暖机时间1小时,每1分钟取样1次,每套3天可得数据180 笔,5套共得900笔数据)输入后台服务器的方程式(3)、(4)及(5)编程中,经计算训练可得五阶具外生输入自回归模型系数,完成零级暂态热误差模型(THM0,temp);稳态部分数据(每天暖机后运转时间10小时,每5分钟取样1次,每套3天可得数据360笔,5套共得1800笔数据)输入后台服务器的方程式(6)、(7)及(8)编程中,经计算训练可得三阶具外生输入自回归模型系数,完成零级稳态热误差模型(THM0,steady)。
步骤五:车间应用建模。
机床送至使用者车间,使用者开启全套热补偿装备(含补偿系统、传感器、控制器与远程服务器),采初始热误差补偿模型,开始工件加工及误差补偿,同时连续将大数据(即计算数据)送至后台服务器。大数据收集时间为每隔30天,依每完成一项工件为一套,可区分成若干套,每套时间长短不一。
第零阶段:
5-0a:第1-30天,机床加工时,将实时量测得到的相关参数(式(5)及式(8)) 传输至后台服务器,采用零级暂态热误差模型(THM0,temp)及零级稳态热误差模型 (THM0,steady)计算出预测热变形值δ1,并将此预测热变形值传输至机床控制器通过 PLC做刀尖机械原点飘移补偿。
5-0b:第31天,将前30天积累的各项物理参数(含电流、转速、进给速、主轴热变形和机床关键点温升等)数据,每套数据依电流值变化及暖机时间分成暂态及稳态部分;其中暂态部分数据输入方程式(3)、(4)和(5)编程,经计算训练可得新一组五阶具外生输入自回归模型系数,完成建立一级暂态热误差模型 (THM1,temp);而稳态部分数据输入方程式(6)、(7)及(8)编程,经计算训练可得新一组三阶具外生输入自回归模型系数,完成一级稳态热误差模型建立(THM1,steady)。
第一阶段
5-1a:第31-60天,机床加工时,将实时量测得到的相关参数(式(5)及式(8)) 传输至后台服务器,采用零级暂态热误差模型(THM0,temp)及零级稳态热误差模型 (THM0,steady)计算出零级预测热变形值δ1a;同时再将量测得到的相关参数(式(5)及式(8))利用一级暂态热误差模型(THM1,temp)及一级稳态热误差模型(THM1,steady)计算出修正热变形值δ1b。最终预测热变形值为零级预测热变形值δ1a及修正热变形值δ1b的串联和:δ1=δ1a+δ1b,接着将此最终预测热变形值δ1传输至机床控制器通过 PLC做刀尖机械原点飘移补偿。
5-1b:第61天,将前30天积累的各项物理参数(含电流、转速、进给速、主轴热变形、机床关键点温升等)数据,每套数据依电流值变化及暖机时间分成暂态及稳态部分;其中暂态部分数据输入方程式(3)、(4)及(5)编程,经计算训练可得新一组五阶具外生输入自回归模型系数,完成二级暂态热误差模型 (THM2,temp)建立;而稳态部分数据输入方程式(6)、(7)、及(8)编程,经计算训练可得新一组三阶具外生输入自回归模型系数,完成二级稳态热误差模型建立(THM2,steady)。
第二阶段
5-2a:第61-90天,机床加工时,将实时量测得到的相关参数(式(5)及式(8)) 传输至后台服务器,采用零级暂态热误差模型(THM0,temp)及零级稳态热误差模型 (THM0,steady)计算出零级预测热变形值δ2a;同时再将量测得到的相关参数(式(5)及式(8))利用一级暂态热误差模型(THM1,temp)及一级稳态热误差模型(THM1,steady)计算出一级修正热变形值δ2b;同时再将量测得到的相关参数(式(5)及式(8))利用二级暂态热误差模型(THM2,temp)及二级稳态热误差模型(THM2,steady)计算出二级修正热变形值δ2c。最终预测热变形值为预测热变形值δ2a、一级修正热变形值δ2b和二级修正热变形值δ2c的串联和:δ2=δ2a+δ2b+δ2c,接着将此预测热变形值δ2传输至机床控制器通过PLC做刀尖机械原点飘移补偿。
5-2:第91天,将前30天积累的各项物理参数(含电流、转速、进给速、主轴热变形、机床关键点温升等)数据,每套数据依电流值变化及暖机时间分成暂态及稳态部分;其中暂态部分数据输入方程式(3)、(4)及(5)编程,经计算训练可得新一组五阶具外生输入自回归模型系数,完成三级暂态热误差模型(THM3,temp) 建立;而稳态部分数据输入方程式(6)、(7)及(8)编程,经计算训练可得新一组三阶具外生输入自回归模型系数,完成三级稳态热误差模型建立(THM3,steady)。
5-3:在接下来的时间,重复5-2a及5-2b的工作,不停修正热误差模型及实时串联计算热误差并补偿。
针对现有数控机床或其主要模块件热误差补偿技术方法,无法处理实际机床切削时是先瞬时再稳态的热变形模式,且只针对实验室理想加工状况采一次性建模,缺乏利用实际加工获得大数据做智能化持续精进建模等能力,本发明的热误差补偿方法,是一种数控机床同时考虑暂态、稳态的智能化滚动式动态热补偿计算方法,可加大补偿模型适用范围、快速建模、且可智能化不停自我调整以达时时精准、永远精准目标。通过本发明技术实现的热补偿系统,可快速提高机床加工精度,由误差1-2公丝降低至3-5微米及以下,并可保持鲁棒性 3-5年及以上,适用于各种不同数控机床(任何数控机床皆可加装本发明系统),并可降低购买成本(中档次机床加装本技术系统,可即提升为高档次机床)。
上述为本发明较佳的实施方式,但本发明的实施方式并不受上述内容的限制,其他的任何未背离本发明的精神实质与原理下所做的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种数控机床智能化热误差补偿方法,其特征在于,包括以下步骤:
S1:建立二段式热误差模型,该二段式热误差模型包括暂态热误差模型和稳态热误差模型,所述暂态热误差模型用于开机暖机热瞬时期间计算预测机床刀尖点热变形误差值,所述稳态热误差模型用于在机床温度达稳定期间计算预测刀尖点热变形误差值;其中,所述暂态热误差模型和稳态热误差模型均采用m阶具外生输入自回归模型,时刻t的应变数是以前时刻应变数与自变数的加权总和,此种关系可表示如下:
y(t)+a1y(t-1)+...+amy(t-m)=b1u(t-1)+...+bmu(t-m)+e(t) (1)
e(t)=cme(t-1)+v(t) (2)
其中,y(t)为输出变数,取为热变形;u(t)为输入变数,取为电流值;b为系数,e(t)为误差,v(t)为随机白化干扰;
对于暂态热误差模型,采用时间间隔为1分钟,m阶取5,得出以下数学模型:
y(t)+a1y(t-1)+a2y(t-2)+a3y(t-3)+a4y(t-4)+a5y(t-5)=b1u(t-1)+b2u(t-2)+b3u(t-3)+b4u(t-4)+b5u(t-5)+e(t) (3)
e(t)=c5e(t-1)+v(t) (4)
其中,应变数y(t)设定为刀尖的热变形,自变数u(t)取为电流物理参数I(t)与主轴转数Ω(t)两者的线性组合,即:
u(t)=d1I(t)+d2Ω(t) (5)
其中,d1和d2为考虑使参数单位一致及考虑加工和机床使用状况的自行调整参数;
对于稳态热误差模型,采用时间间隔为3分钟,m阶取3,得出以下数学模型:
y(t)+a1y(t-1)+a2y(t-2)+a3y(t-3)=b1u(t-1)+b2u(t-2)+b3u(t-3)+e(t) (6)
e(t)=c3e(t-1)+v(t) (7)
其中,应变数y(t)设定为刀尖热变形,自变数u(t)取为主轴特征温度变化Ts、环境特征温度变化T0、电流物理参数I(t)与主轴转数Ω(t)四者的线性组合,即:
u(t)=d1I(t)+d2Ω(t)+d3Ts(t)+d4T0(t) (8)
其中,d1、d2、d3、及d4为考虑使参数单位一致及考虑加工和机床使用状况的自行调整参数;
S2:在指定时间内,记录累计目标数控机床在实际切削加工状态下的计算数据,并传输至后台服务器,根据所述计算数据,对S1中的暂态热误差模型和稳态热误差模型进行训练,得出零级暂态热误差模型和稳态热误差模型;
S3:在加工过程中,实时记录目标数控机床在实际切削加工状态下的计算数据,并传输至后台服务器,采用S2中零级暂态热误差模型和稳态热误差模型,计算出预测热变形值,从而计算得出刀具位置的补偿值;
S4:将S3中的补偿值传输至机床控制器中,机床控制器将补偿值转换为电流讯号,并通过控制器PLC输出机械讯号,控制移动刀具的X、Y、Z方向的位置,实现对刀具的热变形误差值补偿。
2.根据权利要求1所述的数控机床智能化热误差补偿方法,其特征在于,所述计算数据包括物理参数、主轴热变形及机床关键点温升,所述物理参数包括电流、转速和进给速。
3.根据权利要求2所述的数控机床智能化热误差补偿方法,其特征在于,所述机床关键点温升,通过设置在机床表面或内设于主轴特征温度点处的温度传感器进行测量,所述温度传感器与后台服务器电连接。
4.根据权利要求1所述的数控机床智能化热误差补偿方法,其特征在于,在步骤S3中,持续记录目标数控机床在实际切削加工状态下的计算数据,每相隔指定时间后将所记录累计的计算数据对所述零级暂态热误差模型和零级稳态热误差模型进行训练修正,并对指定时间内的加工误差进行补偿。本实施例中,所述指定时间为30天。
5.根据权利要求4所述的数控机床智能化热误差补偿方法,其特征在于,在第一个指定时间内,将实时记录的计算数据传输至后台服务器,并采用步骤S2中的所建立的零级暂态热误差模型和零级稳态热误差模型中,从而计算出预测热变形值,并持续记录累计在该指定时间内的计算数据;
经过第一个指定时间后,将在第一个指定时间内所记录累计的计算数据分为暂态数据和稳态数据,并将暂态数据输入至零级暂态热误差模型中,经训练得出新的一级暂态热误差模型,将稳态数据输入至零级稳态热误差模型中,经训练得出新的一级稳态热误差模型;
在第二个指定时间内,将实时记录的计算数据传输至后台服务器,并采用所述零级暂态热误差模型和零级稳态热误差模型计算出零级预测热变形值,并持续记录累计在该指定时间内的计算数据;与此同时,采用一级暂态热误差模型和一级稳态热误差模型对实时记录的计算数据进行计算,得出一级预测热变形值;此时,在第二个指定时间内的最终预测热变形值为所述零级预测热变形值和一级预测热变形值的串联和;
以此类推,通过上一个指定时间内的所记录累计的计算数据,对零级暂态热误差模型和零级稳态热误差模型进行训练,得出新的下一级暂态热误差模型和下一级稳态热误差模型,并在下一个指定时间内对实时记录的计算数据进行计算补偿,不停地修正热误差模型,并实时串联计算最终预测热变形值。
6.根据权利要求1所述的数控机床智能化热误差补偿方法,其特征在于,所述计算数据,通过无线传输的方式,实现与后台服务器的数据连接。
7.根据权利要求1或6所述的数控机床智能化热误差补偿方法,其特征在于,所述后台服务器为云端服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110489285.XA CN113219901B (zh) | 2021-05-06 | 2021-05-06 | 一种数控机床智能化热误差补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110489285.XA CN113219901B (zh) | 2021-05-06 | 2021-05-06 | 一种数控机床智能化热误差补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113219901A true CN113219901A (zh) | 2021-08-06 |
CN113219901B CN113219901B (zh) | 2022-06-24 |
Family
ID=77090954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110489285.XA Active CN113219901B (zh) | 2021-05-06 | 2021-05-06 | 一种数控机床智能化热误差补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113219901B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114690706A (zh) * | 2022-05-30 | 2022-07-01 | 中科航迈数控软件(深圳)有限公司 | 一种数控机床主轴误差预测补偿方法及系统 |
CN115793568A (zh) * | 2023-02-06 | 2023-03-14 | 常州克迈特数控科技有限公司 | 一种基于三维建模的机床零件误差补偿控制系统 |
CN117348517A (zh) * | 2023-11-14 | 2024-01-05 | 盐城市恒帅机械有限公司 | 一种机床刀具热补偿方法、系统及机床 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495588A (zh) * | 2011-11-24 | 2012-06-13 | 合肥工业大学 | 数控机床热误差补偿高次多阶自回归分布滞后建模方法 |
CN102540884A (zh) * | 2010-12-09 | 2012-07-04 | 财团法人工业技术研究院 | 工具机热误差智能调适装置及其方法 |
JP2012220999A (ja) * | 2011-04-04 | 2012-11-12 | Okuma Corp | 工作機械の補正値演算方法及びプログラム |
CN107081638A (zh) * | 2017-06-15 | 2017-08-22 | 天津大学 | 一种机床工作空间热误差辨识模型建立方法 |
CN109635503A (zh) * | 2019-01-03 | 2019-04-16 | 西安交通大学 | 一种通过加工件误差变动测量辨识机床几何误差源的方法 |
US20190361420A1 (en) * | 2018-05-24 | 2019-11-28 | Fanuc Corporation | Numerical controller |
CN111618662A (zh) * | 2020-05-18 | 2020-09-04 | 湖北文理学院 | 一种机床整机热误差特性测试方法 |
CN111666659A (zh) * | 2020-05-18 | 2020-09-15 | 湖北文理学院 | 一种机床整机热误差建模方法 |
-
2021
- 2021-05-06 CN CN202110489285.XA patent/CN113219901B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102540884A (zh) * | 2010-12-09 | 2012-07-04 | 财团法人工业技术研究院 | 工具机热误差智能调适装置及其方法 |
JP2012220999A (ja) * | 2011-04-04 | 2012-11-12 | Okuma Corp | 工作機械の補正値演算方法及びプログラム |
CN102495588A (zh) * | 2011-11-24 | 2012-06-13 | 合肥工业大学 | 数控机床热误差补偿高次多阶自回归分布滞后建模方法 |
CN107081638A (zh) * | 2017-06-15 | 2017-08-22 | 天津大学 | 一种机床工作空间热误差辨识模型建立方法 |
US20190361420A1 (en) * | 2018-05-24 | 2019-11-28 | Fanuc Corporation | Numerical controller |
CN109635503A (zh) * | 2019-01-03 | 2019-04-16 | 西安交通大学 | 一种通过加工件误差变动测量辨识机床几何误差源的方法 |
CN111618662A (zh) * | 2020-05-18 | 2020-09-04 | 湖北文理学院 | 一种机床整机热误差特性测试方法 |
CN111666659A (zh) * | 2020-05-18 | 2020-09-15 | 湖北文理学院 | 一种机床整机热误差建模方法 |
Non-Patent Citations (1)
Title |
---|
史安娜 等: "数控车床主轴热变形误差检测及改善措施", 《制造业自动化》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114690706A (zh) * | 2022-05-30 | 2022-07-01 | 中科航迈数控软件(深圳)有限公司 | 一种数控机床主轴误差预测补偿方法及系统 |
CN115793568A (zh) * | 2023-02-06 | 2023-03-14 | 常州克迈特数控科技有限公司 | 一种基于三维建模的机床零件误差补偿控制系统 |
CN117348517A (zh) * | 2023-11-14 | 2024-01-05 | 盐城市恒帅机械有限公司 | 一种机床刀具热补偿方法、系统及机床 |
CN117348517B (zh) * | 2023-11-14 | 2024-04-19 | 盐城市恒帅机械有限公司 | 一种机床刀具热补偿方法、系统及机床 |
Also Published As
Publication number | Publication date |
---|---|
CN113219901B (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113219901B (zh) | 一种数控机床智能化热误差补偿方法 | |
CN102122146B (zh) | 用于高速精密加工的热误差实时补偿系统及其补偿方法 | |
CN100371507C (zh) | 晶体等径生长的控制系统及其方法 | |
JP2004288164A (ja) | 同期制御装置 | |
CN105397560B (zh) | 一种干切数控滚齿机床及工件热变形误差补偿方法 | |
CN102566497B (zh) | 数控系统中直线轴定位误差补偿实现方法 | |
CN103792888B (zh) | 基于进给系统位置反馈信号的振动抑制控制器 | |
JP5183617B2 (ja) | 分散型プロセス制御システムにおける予測高周波ノイズ補償 | |
CN101751002A (zh) | 一种用于大型数控机床的温度补偿系统及补偿方法 | |
CN105867303A (zh) | 一种参考误差的机床温差补偿系统 | |
CN106681274B (zh) | 一种介观尺度弹性薄壁件变形在线预测及补偿方法 | |
JP2023523725A (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 | |
CN107678276B (zh) | 一种基于转台控制的自适应复合控制方法 | |
TWI556075B (zh) | The system and method of thermal deformation correction for CNC machine | |
CN102478820A (zh) | 一种新型数控机床定位误差实时补偿装置 | |
CN113086238A (zh) | 一种基于基准孔孔位测量的自动制孔孔位在线修正方法 | |
JP2009282609A (ja) | サーボ調整方法および装置 | |
CN109324575B (zh) | 平衡杆智能补偿方法及应用该方法的平衡杆加工工艺 | |
CN116449769A (zh) | 一种五轴数控机床精度温变补偿微调方法 | |
CN105583474A (zh) | 一种用于齿轮修复的数控滚齿加工控制方法 | |
JP2010099761A (ja) | 数値制御式工作機械の熱変位補正方法 | |
CN110538881B (zh) | 一种基于改进型内模控制器的热连轧厚度控制方法 | |
JP2006055919A (ja) | 工作機械の加工誤差の補正方法 | |
TW202213004A (zh) | 工具機精度預測與補償系統 | |
SU1041226A1 (ru) | Способ автоматической компенсации тепловых смещений шпиндел металлорежущего станка |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210806 Assignee: Zhaoqing Qichang Technology Co.,Ltd. Assignor: Yulin Normal University Contract record no.: X2023980044411 Denomination of invention: An Intelligent Thermal Error Compensation Method for CNC Machine Tools Granted publication date: 20220624 License type: Common License Record date: 20231026 |
|
EE01 | Entry into force of recordation of patent licensing contract |