CN115793568A - 一种基于三维建模的机床零件误差补偿控制系统 - Google Patents
一种基于三维建模的机床零件误差补偿控制系统 Download PDFInfo
- Publication number
- CN115793568A CN115793568A CN202310065821.2A CN202310065821A CN115793568A CN 115793568 A CN115793568 A CN 115793568A CN 202310065821 A CN202310065821 A CN 202310065821A CN 115793568 A CN115793568 A CN 115793568A
- Authority
- CN
- China
- Prior art keywords
- machine tool
- data
- error compensation
- module
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Numerical Control (AREA)
Abstract
本发明公开了一种基于三维建模的机床零件误差补偿控制系统,属于机床加工补偿技术领域。该系统包括数据调用模块、三维建模模块、误差补偿分析模块、预测调节模块、系统控制模块;所述数据调用模块的输出端与所述三维建模模块的输入端相连接;所述三维建模模块的输出端与所述误差补偿分析模块的输入端相连接;所述误差补偿分析模块的输出端与所述预测调节模块的输入端相连接;所述预测调节模块的输出端与所述系统控制模块的输入端相连接;本申请能够解决了单件加工时间长、精度要求较高、多误差复合、机床自身发热占主导(主轴)的问题、有效的填补传统的工艺或装备手段失效的尴尬境地。
Description
技术领域
本发明涉及机床加工补偿技术领域,具体为一种基于三维建模的机床零件误差补偿控制系统。
背景技术
在机床加工过程中,由于多个误差源复合影响,传统热机、加光栅尺、丝杠预拉伸手段失效,无法覆盖全部核心因素;影响的特征又包括快变+缓变,影响周期不同,方向不同,叠加产生严重的非线性;以及较长的加工时间(约2小时及以上),使这些误差充分释放,严重影响加工精度。同时在不同的环境影响因子变化下,加工补偿的优先级也逐步不同,而在现有技术中,缺乏对上述技术的细致研究,常导致加工精度不够。
发明内容
本发明的目的在于提供一种基于三维建模的机床零件误差补偿控制系统,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于三维建模的机床零件误差补偿控制系统,该系统包括数据调用模块、三维建模模块、误差补偿分析模块、预测调节模块、系统控制模块;
所述数据调用模块用于构建历史数据库,记录机床历史工作数据,设置数据调用接口,允许调用历史数据库内机床历史工作数据;所述三维建模模块用于获取机床三维数据,构建机床的三维模型,在机床的三维模型下进行数据模拟;所述误差补偿分析模块用于根据机床历史工作数据,对机床Z向误差类型进行分析;所述预测调节模块用于获取环境影响因子,构建预测调节模型,分析在不同的环境影响因子下机床Z向误差的分属权重,调节误差补偿分析优先级;所述系统控制模块用于接收基于机床三维模型与调节后的误差补偿分析模型输出的数据,对实际机床工作产生误差补偿信号,输出至管理端口,控制机床误差补偿;
所述数据调用模块的输出端与所述三维建模模块的输入端相连接;所述三维建模模块的输出端与所述误差补偿分析模块的输入端相连接;所述误差补偿分析模块的输出端与所述预测调节模块的输入端相连接;所述预测调节模块的输出端与所述系统控制模块的输入端相连接。
根据上述技术方案,所述数据调用模块包括数据库创建单元、数据调用单元;
所述数据库创建单元用于构建历史数据库,记录机床历史工作数据,所述机床历史工作数据包括加工时长、环境温度、误差补偿;所述数据调用单元用于设置数据调用接口,允许调用历史数据库内机床历史工作数据;
所述数据库创建单元的输出端与所述数据调用单元的输入端相连接;所述数据调用单元的输出端与所述三维建模模块的输入端相连接。
根据上述技术方案,所述三维建模模块包括:
利用超宽带、各类感应器、监控设备和扫描器对室内和所需设备进行影像采集,进行清晰度处理后,在AutoCAD、3ds max软件中设置样条线、输入参数绘制所需模型、渲染、检查与优化,进行三维建模。一般在处理成三维模型后,会继续采用OPENGL进行进一步的三维模拟。
根据上述技术方案,所述误差补偿分析模块包括补偿构建单元、误差补偿分析单元;
所述补偿构建单元用于获取机床历史工作数据,基于机床历史工作数据,对机床Z向误差类型进行整理;所述误差补偿分析单元用于获取误差补偿分析模型输出的误差补偿值,进行存储记录;
所述误差补偿分析模型为机床零件加工软件系统自带的初始补偿模型,该机床零件加工软件系统与误差补偿分析模块相连接。
所述补偿构建单元的输出端与所述误差补偿分析单元的输入端相连接。
根据上述技术方案,所述补偿构建单元包括:
获取历史数据下的机床误差调节数据,设置众数阈值,对超出众数阈值的机床Z向误差类型进行标记;
所述机床Z向误差类型包括Z轴热误差、主轴轴心热误差、主轴结构热误差、立柱前倾热误差。
根据上述技术方案,所述预测调节模块包括环境影响因子分析单元、调节单元;
所述环境影响因子分析单元用于获取环境影响因子,所述环境影响因子包括加工持续时长、环境温度变化、机床主轴转动摩擦;所述调节单元用于构建预测调节模型,分析在不同的环境影响因子下机床Z向误差的分属权重,调节误差补偿分析优先级;
所述环境影响因子分析单元的输出端与所述调节单元的输入端相连接。
根据上述技术方案,所述环境影响因子分析单元用于设置传感器和构建数据采集系统,利用温度传感器实时采集环境温度变化;利用时间监测仪实时采集加工持续时长变化;根据数据采集系统获取机床使用年限,查表输入机床主轴转动摩擦。所述查表是指在实际工况下,根据不同使用年限设置有不同的主轴转动摩擦输入。
根据上述技术方案,所述调节单元包括:
获取机床历史工作数据,在所述机床历史工作数据下获取机床Z向误差补偿数据;
获取对应每一个机床Z向误差补偿数据下的环境影响因子,对环境影响因子进行组合编码,记为[I1、I2、I3],其中I1、I2、I3记为元素,分别对应加工持续时长、环境温度变化、机床主轴转动摩擦;
获取每一组机床Z向误差补偿数据中的数据优先级,所述机床Z向误差补偿数据包括Z轴热误差、主轴轴心热误差、主轴结构热误差、立柱前倾热误差;
所述Z轴热误差的特点是缓变、方向为向下,主要受到室温波动与Z轴电机发热的影响;所述主轴轴心热误差特点是快变、方向为向下,主要受到转动摩擦的影响;所述主轴结构热误差特点是缓变、方向为向上,主要受到Z轴电机发热和室温波动的影响;所述立柱前倾热误差特点是缓变,主要方向为向下,主要受到在z向的分量变化,以及Z轴电机发热和室温波动影响;因此在不同的加工时长下,Z轴电机和主轴电机的发热情况也不相同,同时室温的不断变化也会导致误差的归属权重发生变化,例如在转动摩擦发生变化时,比如两台机床的使用年限不同,那么其在处理误差补偿的时候,主轴轴心热误差的权重占比就会相应的调节变大;又比如室温变化的情况下,Z轴热误差、主轴结构热误差以及立柱前倾热误差的权重占比也需要相应调节,而具体的调节方式则是根据历史数据的拟合判断,在不同的变化范围,采取优先原则;
选取M组机床历史工作数据,作为初始种群,选取任一种机床Z向误差补偿数据作为优先数据,所述优先数据指在误差补偿时,优先补偿;
对元素数据进一步划分处理,限定子元素,其中子元素的范围小于元素范围,例如元素数据下,要求包括加工持续时长的因素,那么子元素数据下,可限定为加工持续时长为0.5-1.5小时;分别计算子元素及子元素的组合对于选取的优先数据的影响值,并设置当前为初始迭代次数G=1:
获取计算后的影响值,利用随机抽取,每次选择两组影响值数据,影响值高的留下,放回影响值低的,再次抽取,不断循环,直至选择的个体数量达到系统预设值;
删除选取的影响值数据中出现率最低的子元素或子元素组合方式,对子元素数据进一步划分处理,限定新子元素,其中新子元素的范围小于子元素范围,记为新的迭代次数G=G+1,重复进行影响值的计算,并再次随机选择;
设置终止迭代次数,在新的迭代次数达到终止迭代次数时,停止迭代,并将输出的结果范围作为选取的任一种机床Z向误差补偿数据作为优先数据的参考范围;分别计算每一种机床Z向误差补偿数据作为优先数据的参考范围,作为第一层输出选择;
不断获取当前采集的实际工况下的环境影响因子,判断当前环境影响因子在每个优先数据的参考范围下的位置,选取最接近参考范围中间位置的参考范围对应的机床Z向误差补偿数据作为当前的优先数据,输出至调节端口;在误差补偿时,优先补偿该机床Z向误差。
根据上述技术方案,所述系统控制模块包括接收单元、控制单元;
所述接收单元用于接收基于机床三维模型与调节后的误差补偿分析模型输出的数据,对实际机床工作产生误差补偿信号,输出至管理端口;所述控制单元用于控制机床误差补偿。
与现有技术相比,本发明所达到的有益效果是:
本申请能够在模具加工或类似的产品加工过程中,补偿效果非常突出,解决了单件加工时间长、精度要求较高、多误差复合、机床自身发热占主导(主轴)、有效的填补传统的工艺或装备手段失效的尴尬境地。从而保证产品成熟、标准化,无须二次定制开发的冗长周期,使得验证、批量配套快速、有效,性价比高,提供机床零件加工的效率和质量。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于三维建模的机床零件误差补偿控制系统的误差分类示意图。
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。
请参阅图1,在本实施例一中: 提供一种基于三维建模的机床零件误差补偿控制系统,该系统包括数据调用模块、三维建模模块、误差补偿分析模块、预测调节模块、系统控制模块;
所述数据调用模块用于构建历史数据库,记录机床历史工作数据,设置数据调用接口,允许调用历史数据库内机床历史工作数据;所述三维建模模块用于获取机床三维数据,构建机床的三维模型,在机床的三维模型下进行数据模拟;所述误差补偿分析模块用于根据机床历史工作数据,对机床Z向误差类型进行分析;所述预测调节模块用于获取环境影响因子,构建预测调节模型,分析在不同的环境影响因子下机床Z向误差的分属权重,调节误差补偿分析优先级;所述系统控制模块用于接收基于机床三维模型与调节后的误差补偿分析模型输出的数据,对实际机床工作产生误差补偿信号,输出至管理端口,控制机床误差补偿;
所述数据调用模块的输出端与所述三维建模模块的输入端相连接;所述三维建模模块的输出端与所述误差补偿分析模块的输入端相连接;所述误差补偿分析模块的输出端与所述预测调节模块的输入端相连接;所述预测调节模块的输出端与所述系统控制模块的输入端相连接。
所述误差补偿分析模块包括补偿构建单元、误差补偿分析单元;
所述补偿构建单元用于获取机床历史工作数据,基于机床历史工作数据,对机床Z向误差类型进行整理;所述误差补偿分析单元用于获取误差补偿分析模型输出的误差补偿值,进行存储记录;
所述补偿构建单元的输出端与所述误差补偿分析单元的输入端相连接。
所述补偿构建单元包括:
获取历史数据下的机床误差调节数据,设置众数阈值,对超出众数阈值的机床Z向误差类型进行标记;
所述机床Z向误差类型包括Z轴热误差、主轴轴心热误差、主轴结构热误差、立柱前倾热误差。
所述预测调节模块包括环境影响因子分析单元、调节单元;
所述环境影响因子分析单元用于获取环境影响因子,所述环境影响因子包括加工持续时长、环境温度变化、机床主轴转动摩擦;所述调节单元用于构建预测调节模型,分析在不同的环境影响因子下机床Z向误差的分属权重,调节误差补偿分析优先级;
所述环境影响因子分析单元的输出端与所述调节单元的输入端相连接。
所述环境影响因子分析单元用于设置传感器和构建数据采集系统,利用温度传感器实时采集环境温度变化;利用时间监测仪实时采集加工持续时长变化;根据数据采集系统获取机床使用年限,查表输入机床主轴转动摩擦。
所述调节单元包括:
获取机床历史工作数据,在所述机床历史工作数据下获取机床Z向误差补偿数据;
获取对应每一个机床Z向误差补偿数据下的环境影响因子,对环境影响因子进行组合编码,记为[I1、I2、I3],其中I1、I2、I3记为元素,分别对应加工持续时长、环境温度变化、机床主轴转动摩擦;
获取每一组机床Z向误差补偿数据中的数据优先级,所述机床Z向误差补偿数据包括Z轴热误差(一般有≥10μm误差贡献)、主轴轴心热误差、主轴结构热误差(一般配备机械直联式主轴机床约20-50μm)、立柱前倾热误差(一般较小,有时可忽略);
选取M组机床历史工作数据,作为初始种群,选取任一种机床Z向误差补偿数据作为优先数据,所述优先数据指在误差补偿时,优先补偿;
对元素数据进一步划分处理,限定子元素,其中子元素的范围小于元素范围,分别计算子元素及子元素的组合对于选取的优先数据的影响值,并设置当前为初始迭代次数G=1:
对影响值的计算采用组合占比的形式,以Ii代表初始种群中某一组数据i的任一种子元素或子元素的组合形成的编码对优先数据的影响值;构建如下计算方式:Ii=∑Ax/Ay;其中,U代表子元素及子元素的组合构成的集合内数据数量,U小于等于7,在其最大值7时包括[I1、I2、I3]、[I1、I2]、[I2、I3]、[I1、I3]、[I1]、[I2]、[I3];Ax代表存在组合方式为x且优先数据为选取的优先数据的个体数量,x属于1到U;y代表子元素及子元素的组合构成的集合中数据的任一种;Ay代表存在组合方式为x的初始种群内数据个体总量;
获取计算后的影响值,利用随机抽取,每次选择两组影响值数据,影响值高的留下,放回影响值低的,再次抽取,不断循环,直至选择的个体数量达到系统预设值;
删除选取的影响值数据中出现率最低的子元素或子元素组合方式,对子元素数据进一步划分处理,限定新子元素,其中新子元素的范围小于子元素范围,记为新的迭代次数G=G+1,重复进行影响值的计算,并再次随机选择;
设置终止迭代次数,在新的迭代次数达到终止迭代次数时,停止迭代,并将输出的结果范围作为选取的任一种机床Z向误差补偿数据作为优先数据的参考范围;
分别计算每一种机床Z向误差补偿数据作为优先数据的参考范围,作为第一层输出选择;
不断获取当前采集的实际工况下的环境影响因子,判断当前环境影响因子在每个优先数据的参考范围下的位置,选取最接近参考范围中间位置的参考范围对应的机床Z向误差补偿数据作为当前的优先数据,输出至调节端口;在误差补偿时,优先补偿该机床Z向误差。
例如输出一组范围为加工持续时长(单位:小时):Z轴热误差[0.5-1.0];立柱前倾热误差[0.8-1.1];那么如果当前工况下是0.9,那么就会被划归入立柱前倾热误差,也就是以立柱前倾热误差作为优先补偿,如果存在第一层输出范围内缺乏实际工况数据(一般情况不会出现,除非是一些极端情况,例如突然持续工作时长N小时,N远超平常的工作范畴),则选取上一层作为参考范围。
所述系统控制模块包括接收单元、控制单元;
所述接收单元用于接收基于机床三维模型与调节后的误差补偿分析模型输出的数据,对实际机床工作产生误差补偿信号,输出至管理端口;所述控制单元用于控制机床误差补偿。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于三维建模的机床零件误差补偿控制系统,其特征在于:该系统包括数据调用模块、三维建模模块、误差补偿分析模块、预测调节模块、系统控制模块;
所述数据调用模块用于构建历史数据库,记录机床历史工作数据,设置数据调用接口,允许调用历史数据库内机床历史工作数据;所述三维建模模块用于获取机床三维数据,构建机床的三维模型,在机床的三维模型下进行数据模拟;所述误差补偿分析模块用于根据机床历史工作数据,对机床Z向误差类型进行分析;所述预测调节模块用于获取环境影响因子,构建预测调节模型,分析在不同的环境影响因子下机床Z向误差的分属权重,调节误差补偿分析优先级;所述系统控制模块用于接收基于机床三维模型与调节后的误差补偿分析模型输出的数据,对实际机床工作产生误差补偿信号,输出至管理端口,控制机床误差补偿;
所述数据调用模块的输出端与所述三维建模模块的输入端相连接;所述三维建模模块的输出端与所述误差补偿分析模块的输入端相连接;所述误差补偿分析模块的输出端与所述预测调节模块的输入端相连接;所述预测调节模块的输出端与所述系统控制模块的输入端相连接。
2.根据权利要求1所述的一种基于三维建模的机床零件误差补偿控制系统,其特征在于:所述数据调用模块包括数据库创建单元、数据调用单元;
所述数据库创建单元用于构建历史数据库,记录机床历史工作数据,所述机床历史工作数据包括加工时长、环境温度、误差补偿;所述数据调用单元用于设置数据调用接口,允许调用历史数据库内机床历史工作数据;
所述数据库创建单元的输出端与所述数据调用单元的输入端相连接;所述数据调用单元的输出端与所述三维建模模块的输入端相连接。
3.根据权利要求1所述的一种基于三维建模的机床零件误差补偿控制系统,其特征在于:所述三维建模模块包括:
利用超宽带、各类感应器、监控设备和扫描器对室内和所需设备进行影像采集,进行清晰度处理后,在AutoCAD、3ds max软件中设置样条线、输入参数绘制所需模型、渲染、检查与优化,进行三维建模。
4.根据权利要求3所述的一种基于三维建模的机床零件误差补偿控制系统,其特征在于:所述误差补偿分析模块包括补偿构建单元、误差补偿分析单元;
所述补偿构建单元用于获取机床历史工作数据,基于机床历史工作数据,对机床Z向误差类型进行整理;所述误差补偿分析单元用于获取误差补偿分析模型输出的误差补偿值,进行存储记录;
所述补偿构建单元的输出端与所述误差补偿分析单元的输入端相连接。
5.根据权利要求4所述的一种基于三维建模的机床零件误差补偿控制系统,其特征在于:所述补偿构建单元包括:
获取历史数据下的机床误差调节数据,设置众数阈值,对超出众数阈值的机床Z向误差类型进行标记;
所述机床Z向误差类型包括Z轴热误差、主轴轴心热误差、主轴结构热误差、立柱前倾热误差。
6.根据权利要求5所述的一种基于三维建模的机床零件误差补偿控制系统,其特征在于:所述预测调节模块包括环境影响因子分析单元、调节单元;
所述环境影响因子分析单元用于获取环境影响因子,所述环境影响因子包括加工持续时长、环境温度变化、机床主轴转动摩擦;所述调节单元用于构建预测调节模型,分析在不同的环境影响因子下机床Z向误差的分属权重,调节误差补偿分析优先级;
所述环境影响因子分析单元的输出端与所述调节单元的输入端相连接。
7.根据权利要求6所述的一种基于三维建模的机床零件误差补偿控制系统,其特征在于:所述环境影响因子分析单元用于设置传感器和构建数据采集系统,利用温度传感器实时采集环境温度变化;利用时间监测仪实时采集加工持续时长变化;根据数据采集系统获取机床使用年限,查表输入机床主轴转动摩擦。
8.根据权利要求7所述的一种基于三维建模的机床零件误差补偿控制系统,其特征在于:所述调节单元包括:
获取机床历史工作数据,在所述机床历史工作数据下获取机床Z向误差补偿数据;
获取对应每一个机床Z向误差补偿数据下的环境影响因子,利用遗传算法对环境影响因子进行组合编码,记为[I1、I2、I3],其中I1、I2、I3记为元素,分别对应加工持续时长、环境温度变化、机床主轴转动摩擦;
获取每一组机床Z向误差补偿数据中的数据优先级,所述机床Z向误差补偿数据包括Z轴热误差、主轴轴心热误差、主轴结构热误差、立柱前倾热误差;
选取M组机床历史工作数据,作为初始种群,选取任一种机床Z向误差补偿数据作为优先数据,所述优先数据指在误差补偿时,优先补偿;
对元素数据进一步划分处理,限定子元素,其中子元素的范围小于元素范围,分别计算子元素及子元素的组合对于选取的优先数据的影响值,并设置当前为初始迭代次数G=1:
获取计算后的影响值,利用随机抽取,每次选择两组影响值数据,影响值高的留下,放回影响值低的,再次抽取,不断循环,直至选择的个体数量达到系统预设值;
删除选取的影响值数据中出现率最低的子元素或子元素组合方式,对子元素数据进一步划分处理,限定新子元素,其中新子元素的范围小于子元素范围,记为新的迭代次数G=G+1,重复进行影响值的计算,并再次随机选择;
设置终止迭代次数,在新的迭代次数达到终止迭代次数时,停止迭代,并将输出的结果范围作为选取的任一种机床Z向误差补偿数据作为优先数据的参考范围;
分别计算每一种机床Z向误差补偿数据作为优先数据的参考范围,作为第一层输出选择;
不断获取当前采集的实际工况下的环境影响因子,判断当前环境影响因子在每个优先数据的参考范围下的位置,选取最接近参考范围中间位置的参考范围对应的机床Z向误差补偿数据作为当前的优先数据,输出至调节端口;在误差补偿时,优先补偿该机床Z向误差。
9.根据权利要求8所述的一种基于三维建模的机床零件误差补偿控制系统,其特征在于:所述系统控制模块包括接收单元、控制单元;
所述接收单元用于接收基于机床三维模型与调节后的误差补偿分析模型输出的数据,对实际机床工作产生误差补偿信号,输出至管理端口;所述控制单元用于控制机床误差补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310065821.2A CN115793568B (zh) | 2023-02-06 | 2023-02-06 | 一种基于三维建模的机床零件误差补偿控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310065821.2A CN115793568B (zh) | 2023-02-06 | 2023-02-06 | 一种基于三维建模的机床零件误差补偿控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115793568A true CN115793568A (zh) | 2023-03-14 |
CN115793568B CN115793568B (zh) | 2023-05-23 |
Family
ID=85429970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310065821.2A Active CN115793568B (zh) | 2023-02-06 | 2023-02-06 | 一种基于三维建模的机床零件误差补偿控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115793568B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117200638A (zh) * | 2023-11-02 | 2023-12-08 | 深圳市知酷信息技术有限公司 | 一种伺服电机控制分析补偿系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620431A (zh) * | 2009-06-22 | 2010-01-06 | 江俊逢 | 一种对热变形误差进行实时补偿的数字控制方法及系统 |
US20100152881A1 (en) * | 2008-12-11 | 2010-06-17 | Industrial Technology Research Institute | Thermal error compensation method for machine tools |
CN102629121A (zh) * | 2012-04-24 | 2012-08-08 | 上海交通大学 | 数控机床几何与热复合位置误差的智能补偿系统 |
CN103543637A (zh) * | 2013-10-17 | 2014-01-29 | 华中科技大学 | 一种重型机床环境温度解析建模方法 |
CN105022344A (zh) * | 2014-04-22 | 2015-11-04 | 上海开通数控有限公司 | 数控机床热误差补偿方法 |
CN106094723A (zh) * | 2016-05-26 | 2016-11-09 | 清华大学深圳研究生院 | 一种基于wsn的机床温度场监测及实时热误差补偿系统 |
CN107498391A (zh) * | 2017-08-03 | 2017-12-22 | 南京航空航天大学 | 机床切削加工过程的热力载荷模拟和误差检测系统及方法 |
CN110968038A (zh) * | 2019-12-18 | 2020-04-07 | 大连理工大学 | 一种基于数字孪生的数控机床进给轴热误差监测方法 |
CN113009882A (zh) * | 2021-03-15 | 2021-06-22 | 大连理工大学 | 一种数控机床热误差自适应补偿方法 |
CN113051830A (zh) * | 2021-04-01 | 2021-06-29 | 重庆大学 | 智能产线动态误差预测系统、控制系统、控制方法及数字孪生系统 |
CN113051831A (zh) * | 2021-04-01 | 2021-06-29 | 重庆大学 | 机床热误差自学习预测模型建模方法及基于数字孪生的机床热误差控制方法 |
CN113219901A (zh) * | 2021-05-06 | 2021-08-06 | 玉林师范学院 | 一种数控机床智能化热误差补偿方法 |
CN113536696A (zh) * | 2021-08-11 | 2021-10-22 | 重庆大学 | Sto-tcn热误差预测模型建模方法及其迁移学习方法 |
CN114237154A (zh) * | 2021-11-26 | 2022-03-25 | 重庆大学 | 基于ont-gcn时空模型的热误差预测模型及建模方法和霾-边-雾-云误差补偿系统 |
-
2023
- 2023-02-06 CN CN202310065821.2A patent/CN115793568B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100152881A1 (en) * | 2008-12-11 | 2010-06-17 | Industrial Technology Research Institute | Thermal error compensation method for machine tools |
CN101620431A (zh) * | 2009-06-22 | 2010-01-06 | 江俊逢 | 一种对热变形误差进行实时补偿的数字控制方法及系统 |
CN102629121A (zh) * | 2012-04-24 | 2012-08-08 | 上海交通大学 | 数控机床几何与热复合位置误差的智能补偿系统 |
CN103543637A (zh) * | 2013-10-17 | 2014-01-29 | 华中科技大学 | 一种重型机床环境温度解析建模方法 |
CN105022344A (zh) * | 2014-04-22 | 2015-11-04 | 上海开通数控有限公司 | 数控机床热误差补偿方法 |
CN106094723A (zh) * | 2016-05-26 | 2016-11-09 | 清华大学深圳研究生院 | 一种基于wsn的机床温度场监测及实时热误差补偿系统 |
CN107498391A (zh) * | 2017-08-03 | 2017-12-22 | 南京航空航天大学 | 机床切削加工过程的热力载荷模拟和误差检测系统及方法 |
CN110968038A (zh) * | 2019-12-18 | 2020-04-07 | 大连理工大学 | 一种基于数字孪生的数控机床进给轴热误差监测方法 |
CN113009882A (zh) * | 2021-03-15 | 2021-06-22 | 大连理工大学 | 一种数控机床热误差自适应补偿方法 |
CN113051830A (zh) * | 2021-04-01 | 2021-06-29 | 重庆大学 | 智能产线动态误差预测系统、控制系统、控制方法及数字孪生系统 |
CN113051831A (zh) * | 2021-04-01 | 2021-06-29 | 重庆大学 | 机床热误差自学习预测模型建模方法及基于数字孪生的机床热误差控制方法 |
CN113219901A (zh) * | 2021-05-06 | 2021-08-06 | 玉林师范学院 | 一种数控机床智能化热误差补偿方法 |
CN113536696A (zh) * | 2021-08-11 | 2021-10-22 | 重庆大学 | Sto-tcn热误差预测模型建模方法及其迁移学习方法 |
CN114237154A (zh) * | 2021-11-26 | 2022-03-25 | 重庆大学 | 基于ont-gcn时空模型的热误差预测模型及建模方法和霾-边-雾-云误差补偿系统 |
Non-Patent Citations (2)
Title |
---|
姜辉;杨建国;李自汉;姚晓栋;: "基于误差分解的数控机床热误差叠加预测模型及实时补偿应用" * |
满忠伟;汪世益;: "基于神经网络的机床-工件系统热误差补偿技术研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117200638A (zh) * | 2023-11-02 | 2023-12-08 | 深圳市知酷信息技术有限公司 | 一种伺服电机控制分析补偿系统 |
CN117200638B (zh) * | 2023-11-02 | 2024-04-30 | 苏州斯特智能科技有限公司 | 一种伺服电机控制分析补偿系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115793568B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978403B (zh) | 一种产品装配过程的质量管控方法、装置及设备 | |
CN114237155B (zh) | 一种多轴数控加工的误差预测及补偿方法、系统及介质 | |
CN115793568A (zh) | 一种基于三维建模的机床零件误差补偿控制系统 | |
CN112668227A (zh) | 一种薄壁件让刀变形误差预测模型建立方法及其应用 | |
CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及系统 | |
CN114004139A (zh) | 一种光伏发电功率预测方法 | |
CN104281779A (zh) | 一种异常数据判定与处理方法及装置 | |
CN114792156A (zh) | 基于曲线特征指标聚类的光伏输出功率预测方法和系统 | |
CN113534741A (zh) | 一种铣削加工薄壁件的控制方法及系统 | |
CN115438726A (zh) | 一种基于数字孪生技术的设备寿命与故障类型预测方法及系统 | |
CN114758064A (zh) | 一种基于数字孪生的机床切削工艺参数优化方法 | |
CN108733003A (zh) | 基于kmeans聚类算法的回转类零件工序工时预测方法及系统 | |
CN117469603B (zh) | 一种基于大数据学习的多水厂供水系统压力优化控制方法 | |
CN117290752A (zh) | 一种磨煤机煤粉细度的预测方法 | |
CN108665090B (zh) | 基于主成分分析与Verhulst模型的城市电网饱和负荷预测方法 | |
CN116522752A (zh) | 一种基于机理与数据融合的压缩空气储能系统仿真方法 | |
CN113673759A (zh) | 一种水文资料实时整编方法及终端 | |
CN111625978A (zh) | 一种基于模块化的数控卧式车床设计方法 | |
CN117697464B (zh) | 一种高精度数控机床的控制方法及系统 | |
CN112104503B (zh) | 一种基于流转模型的数据异常流转的监测分析系统及方法 | |
CN117707051B (zh) | 一种具备自主学习能力的云制造支撑方法 | |
CN116680833B (zh) | 一种基于大数据共享式的钻攻铣设计图像生成系统 | |
CN114118862A (zh) | 一种换热站动态热负荷预测与调控方法及系统 | |
CN113570266B (zh) | 一种基于数字孪生技术的外部损失成本控制方法 | |
CN117829821B (zh) | 一种基于云平台的复合材料设备维护管理方法 |
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 |