CN115945963A - 一种自适应补偿方法及装置 - Google Patents
一种自适应补偿方法及装置 Download PDFInfo
- Publication number
- CN115945963A CN115945963A CN202310016229.3A CN202310016229A CN115945963A CN 115945963 A CN115945963 A CN 115945963A CN 202310016229 A CN202310016229 A CN 202310016229A CN 115945963 A CN115945963 A CN 115945963A
- Authority
- CN
- China
- Prior art keywords
- cutting
- cutting force
- cutter
- target
- depth
- 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 34
- 238000005520 cutting process Methods 0.000 claims abstract description 339
- 238000003754 machining Methods 0.000 claims abstract description 37
- 230000003044 adaptive effect Effects 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 16
- 238000003062 neural network model Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
本申请提供了一种自适应补偿方法及装置，该方法将获取已测量的当前切削力输入到在目标转速和目标进给速度下的切削力与切削深度的目标关系式中，得到刀具在所述当前切削力下的当前切削深度并存储；并将当前切削深度和已存储的切削深度输入到预设的进给距离确定模型中，得到刀具在待加工件表面当前位置所需要进给的进给距离变化量，控制刀具按照所得到的进给距离变化量移动，在确定未完成针对待加工件设定的切削长度的情况下，控制刀具按照设定的切削深度进行切削，并执行获取当前切削力的步骤。可见，本实施例提供的技术方案能提升薄壁低刚度零件的加工精度和加工稳定性。
Description
技术领域
本申请涉及零件的精密超精密加工技术领域，特别涉及一种自动补偿方法及装置。
背景技术
随着先进制造技术的发展，微小型结构零件在航空、航天、电子、武器、医疗等领域被广泛应用。微小型结构件通常具有结构复杂、空间狭小的特点，关键部位具有高表面质量要求和高尺寸精度要求，另外，鉴于关键部位尺寸微小，通常只有数十微米，因此很多微小型零件具有薄壁结构，在加工时易产生大变形，引起较大加工误差，直接影响仪器的使用精度和寿命。
在实际加工中，薄壁零件本身刚度低，其薄弱部位容易受到加工系统带来的切削力、残余应力的影响，若不对其变形进行合理的控制和补偿，薄弱部位便会产生较大变形，并导致切削过程出现让刀现象，进而出现切削力和切削深度发生变化，使得尺寸精度下降，最终影响其加工精度。
发明内容
本申请提供了一种自适应补偿方法及装置，以提升薄壁低刚度零件的加工精度和加工表面质量。
第一方面，本申请实施例提供一种自适应补偿方法，该方法包括：
获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力；
将所述当前切削力输入到设定的目标关系式中，得到刀具在所述当前切削力下的当前切削深度并存储；其中，所述目标关系式为将目标转速和目标进给速度输入到已训练的神经网络模型中得到的在所述目标转速和目标进给速度下的切削力与切削深度的关系式；所述目标转速为刀具在设定的最小切削力下对应的转速，所述目标进给速度为刀具在所述最小切削力下对应的进给速度；
将已存储的切削深度输入到预设的进给距离确定模型中，得到刀具在待加工件表面当前位置所需要进给的进给距离变化量；所述进给距离确定模型是在假设零件表面轮廓光滑连续且存在二阶导数，以及，微米级切削过程中的切削力与切深呈线性关系条件下确定的模型；
控制刀具按照所得到的进给距离变化量移动，在确定未完成针对待加工件设定的切削长度的情况下，控制刀具按照设定的切削深度进行切削，并返回执行所述获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力的步骤。
第二方面，本申请又提供了一种自适应补偿装置，该装置包括：
当前切削力获得单元，用于获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力；
当前切削深度获得单元，用于将所述当前切削力输入到设定的目标关系式中，得到刀具在所述当前切削力下的当前切削深度并存储；其中，所述目标关系式为将目标转速和目标进给速度输入到已训练的神经网络模型中得到的在所述目标转速和目标进给速度下的切削力与切削深度的关系式；所述目标转速为刀具在设定的最小切削力下对应的转速，所述目标进给速度为刀具在所述最小切削力下对应的进给速度；
进给距离获得单元，用于将已存储的切削深度输入到预设的进给距离确定模型中，得到刀具在待加工件表面当前位置所需要进给的进给距离变化量；所述进给距离确定模型是在假设零件表面轮廓光滑连续且存在二阶导数，以及，微米级切削过程中的切削力与切深呈线性关系条件下确定的模型；
控制单元，用于控制刀具按照所得到的进给距离变化量移动，在确定未完成针对待加工件设定的切削长度的情况下，控制刀具按照设定的切削深度进行切削，并返回执行所述获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力的步骤。
由以上技术方案可以看出，本申请中，本申请提供的自动补偿方法包括：将获取已测量的当前切削力输入到在目标转速和目标进给速度下的切削力与切削深度的目标关系式中，得到刀具在所述当前切削力下的当前切削深度并存储；并将当前切削深度和已存储的切削深度输入到预设的进给距离确定模型中，得到刀具在待加工件表面当前位置所需要进给的进给距离变化量，控制刀具按照所得到的进给距离变化量移动，在确定未完成针对待加工件设定的切削长度的情况下，控制刀具按照设定的切削深度进行切削，并继续执行获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力的步骤。可见，应用本实施例提供的技术方案涉及的自动补偿方法，能够在精密切削加工过程中，通过不断调节刀具进给距离变化量，维持实际切削深度恒定，以减小精密薄壁零件加工中的让刀现象，提高加工表面质量。另外，也通过对切削力的控制，优化和调整加工参数，以改善薄壁加工时因零件低刚度引起让刀导致的零件尺寸和形状误差，进而提升薄壁低刚度零件的加工精度和加工稳定性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分。
图1为本申请实施例提供的一种自适应补偿方法的流程示意图；
图2为本申请实施例提供的自适应控制系统的结构示意图；
图3为本申请实施例提供的自适应补偿装置的结构示意图；
图4为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
参见图1，图1为本申请实施例提供的一种自适应补偿方法的流程示意图，该方法包括：
步骤101，获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力。
在一些实施例中，自适应控制系统包括力传感器、电荷放大器、数据采集卡、计算机、运动控制器、伺服驱动器、带有光栅的电机，如图2所示，力传感器连接电荷放大器，电荷放大器连接数据采集卡，数据采集卡连接计算机，计算机连接运动控制器、运动控制器连接伺服驱动器、伺服驱动器控制电机，通过力传感器采集切削力信号实现闭环反馈，电机中的光栅装置用于确定工作台实际运动位置。在本实施例中，自适应控制系统形成基于切削力的闭环控制，在整个切削加工过程中，切削力会得到固定时间间隔的离散式检测，检测到的切削力数值以及计算的切削深度会存储在计算机中，该计算机内运行有进给距离确定模型。
具体实现过程为：切削加工时，力传感器不断检测到切削力数值大小，通过数据处理模块反馈到机床控制系统，再由控制系统根据力的大小，产生相应脉冲量，实时控制机床轴的运动，从而实现由力控制切削的过程，力传感器为压电式传感器，受力后感应出的电荷量，经过电荷放大器后，通过8个模拟量通道输出至数据采集卡。数据采集卡采集到的信号经过模拟量/数字量转换后，发送至计算机处理，通过计算机中的已设置的目标关系式，以及进给距离确定模型，将计算得到的进给距离变化量通过指令下发给运动控制器，运动控制器输出脉冲信号到伺服驱动器，伺服驱动器内部将指令脉冲数与光栅反馈的脉冲数进行比较，通过闭环控制工作台的位置稳定在指令位置。光栅反馈信号通过伺服驱动器接口接入伺服驱动器，再由伺服驱动器分倍频后传递给运动控制器。可见，本实施例采用闭环的自适应控制系统可以消除机械部件传动误差对位移输出的影响，包括传动间隙、螺距误差，使得其加工精度更高。
步骤102，将所述当前切削力输入到设定的目标关系式中，得到刀具在所述当前切削力下的当前切削深度并存储；其中，所述目标关系式为将目标转速和目标进给速度输入到已训练的神经网络模型中得到的在所述目标转速和目标进给速度下的切削力与切削深度的关系式；所述目标转速为刀具在设定的最小切削力下对应的转速，所述目标进给速度为刀具在所述最小切削力下对应的进给速度。
本实施例中，目标关系式为在目标转速和目标进给速度下的切削力与切削深度的关系式，在获悉当前切削力之后，可以通过目标关系式，得到在目标转速和目标进给速度下的当前切削深度。
本实施例的目标转速、目标进给速度可输入机床直接设定并在加工过程中保持。
本实施例在目标转速和目标进给速度确定的前提下，获得切削力与切削深度的目标关系式；精密薄壁零件的加工尺度属于精密超精密加工。这样，本实施例仅考虑零件的表面波纹度，为微米级。在主轴转速和进给速度确定的情况下，由已训练的神经网络输出的切削力与切削深度对应数据进行验证可以得到，微米级切削过程中的切削力与切深呈线性关系。
步骤103，将已存储的切削深度输入到预设的进给距离确定模型中，得到刀具在待加工件表面当前位置所需要进给的进给距离变化量；所述进给距离确定模型是在假设零件表面轮廓光滑连续且存在二阶导数，以及，微米级切削过程中的切削力与切深呈线性关系条件下确定的模型。
本实施例已存储的切削深度包括步骤102确定的当前切削深度和之前已存储的切削深度。
本实施例的进给距离确定模型是基于假设零件表面轮廓光滑连续且存在二阶导数的假设条件，以及，基于微米级切削过程中的切削力与切深呈线性关系的假设条件下确定的模型。另外，在微米级切削过程中，零件表面轮廓光滑连续且存在二阶导数和切削力与切深呈线性关系是经过多次试验验证获得的。
在实际应用中，由于薄壁零部件由于太薄太软，刀切过去薄壁变形，导致切的深度跟预期的切深不一样，进而出现薄壁件切削里“让刀”的现象，为了改善薄壁件切削里“让刀”的现象，本实施例引入了进给距离确定模型。通过进给距离确定模型，控制实际切削深度近似恒定为预期切削深度，实现了恒切深加工，由于微米级切削中切削力和切削深度呈线性关系，进而实现了恒力加工，从而提高了精密薄壁零件的加工精度和加工稳定性。
步骤104，控制刀具按照所得到的进给距离变化量移动，在确定未完成针对待加工件设定的切削长度的情况下，控制刀具按照设定的切削深度进行切削，并返回执行步骤101。
本实施例中，会对切削力进行多次固定间隔的采样，以完成设定的切成长度，并通过实时检测到的切削力与此前检测并储存的切削深度，经过进给距离确定模型的计算后，实时控制刀具进给距离变化量，从而使刀尖在不同深度变化的表面能保持恒定的切削深度。
本实施例中，每一个待加工件都有固定的切削长度，若低于该切削长度，则就表示未完成针对待加工件设定的切削长度，若等于该切削长度，则就表示已完成针对待加工件设定的切削长度。另外，在本实施例中，会按照固定间隔实时采样检测切削力检测点。上述切削力检测点的数量取决于实际加工工作量与切削力采样检测间隔之商，采样间隔越小，加工精度越高，但最小采样间隔受硬件水平影响。
在本实施例中，整体精密加工流程无需多次装夹工件，实现了一次加工，避免二次装夹误差且无需反复修磨。另外，应用本实施例提供的技术方案能够实时检测切削力并控制实际切削深度近似恒定为预期切削深度，对让刀和加工件的弹性塑性变形进行切深补偿，无需预先建立仿真模型。
完成图1所描述的流程步骤。
由此可见，在本实施例提供的技术方案中，将获取已测量的当前切削力输入到在目标转速和目标进给速度下的切削力与切削深度的目标关系式中，得到刀具在所述当前切削力下的当前切削深度并存储；并将当前切削深度和已存储的切削深度输入到预设的进给距离确定模型中，得到刀具在待加工件表面当前位置所需要进给的进给距离变化量，控制刀具按照所得到的进给距离变化量移动，在确定未完成针对待加工件设定的切削长度的情况下，控制刀具按照设定的切削深度进行切削，并继续执行获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力的步骤。可见，应用本实施例提供的技术方案涉及的自动补偿方法，能够在精密切削加工过程中，通过不断调节刀具进给距离变化量，维持实际切削深度恒定，以减小精密薄壁零件加工中的让刀现象，提高加工表面质量。另外，也通过对切削力的控制，优化和调整加工参数，以改善薄壁加工时因零件低刚度引起让刀导致的零件尺寸和形状误差，进而提升薄壁低刚度零件的加工精度和加工稳定性。
在完成图1之后，作为一个实施例，在步骤101之前，该方法还包括如下步骤：
步骤A，依据设定的切削深度，调整与所述切削深度对应的转速和进给速度，得到不同组切削参数；所述切削参数包括切削深度、转速和进给速度。
本步骤中的切削深度是事先依据期望切削深度设定的。
针对设定的切削深度，调整与该切削深度对应的转速和进给速度，得到不同组切削参数。每一组切削参数均包括该组对应的切削深度、转速和进给速度。
步骤B，将得到的各组切削参数分别输入到已训练的神经网络模型，得到各组切削参数对应的切削力。
将各组切削参数分别输入到已训练的神经网络模型中，得到各组切削参数对应的切削力。
作为一个实施例，神经网络模型的输入为切削参数，输出为该切削参数下切削深度与切削力的关系式，进而依据该切削深度与切削力的关系式，确定出各组切削参数中切削深度对应的切削力。作为另一个实施例，神经网络模型的输入为切削参数，输出为该切削参数下的切削力。
预测切削力的神经网络结构，包含输入层、隐藏层和输出层。在一定数值范围内分别设定不同的转速、进给速度和切削深度，以力传感器测量对应切削力。可做三因素多水平正交实验并记录数据。用多条数据作为神经网络模型训练样本，少量数据作为检测样本。输入层神经元为转速、进给速度和切削深度，输出层为切削力。输入层神经元数目为3、输出层数目为1，隐藏层神经元数目根据经验公式确定：
其中，Ni是输入层神经元数目，No是输出层神经元数目，γ为2到10中的任意整数值，根据实际情况以及经验确定。训练完成后使用未参与训练的数组数据进行神经网络的准确性检测。
步骤C，从得到的切削力中选取最小切削力，获得所述最小切削力对应的目标转速和目标进给速度。
本步骤，从得到的多个切削力中选取最小的切削小，并获得该最小切削力对应的转速作为目标转速和进给速度作为目标进给速度。
可见，本申请实施提供的技术方案可以确定出最小切削力对应的转速和进给速度，以将转速、进给速度输入机床直接设定并在加工过程中保持。
作为一个实施例，所述控制刀具按照所得到的进给距离变化量移动，包括：确定所得到的进给距离变化量的符号，若符号为正，则控制刀具按照进给距离进给，若符号为负，则控制刀具按照进给距离后退。本实施例中，若符号为正，则说明应控制刀具进给运动，若符号为负，则说明应控制刀具后退运动。
作为一个实施例，所述将所述当前切削深度和已存储的切削深度输入到预设的进给距离确定模型中，得到刀具在待加工件表面当前位置所需要进给的进给距离，包括：
按照如下表达式，计算刀具在待加工件表面当前位置所需要进给的进给距离；其中，所述表达式为：
其中，δ0为预期切削深度，δ1为在已划分切削力检测点中第1点实际切削深度，δ2为在已划分切削力检测点中第2点实际切削深度，δi为在在已划分切削力检测点中第i点实际切削深度，1＜i≤n，n为已划分切削力检测点的最大点数,i为已划分切削力检测点序号，S1为在第1点的刀具进给距离变化量，S2为在第2点的刀具进给距离变化量，Si为在第i点的刀具进给距离变化量，Sn为在第n点的刀具进给距离变化量。
在实际应用中，假如想切掉一共10微米深度，可以将预期切削深度直接设为10微米，而针对步骤101中切削力检测点n的意思是，比如一共要切一个长10mm的零件，可以间隔0.01mm检测一次切削力，那n就是1000，就是有1000次切削力检测，或者说采样。鉴于预期切削深度是固定的10微米，但实际上因为件太薄太软，会变形，若直接去设定机床切10微米，那切掉的深度不是10微米。基于此，应用本实施例提供的技术方法，可以按照恒定深度切削10微米，在切的过程中，10微米的切削深度是不变的。这样，n的个数要尽可能大，越大就表示检测越密，调节越密集，精度就越高。但实际采样切削力的频率是有限的，做数据处理也是耗时的，实际n能多大主要取决于硬件水平。
另一方面，如图3所示，本实施例提供一种自适应补偿装置300的结构示意图，该装置包括：
当前切削力获得单元301，用于获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力；
当前切削深度获得单元302，用于将所述当前切削力输入到设定的目标关系式中，得到刀具在所述当前切削力下的当前切削深度并存储；其中，所述目标关系式为将目标转速和目标进给速度输入到已训练的神经网络模型中得到的在所述目标转速和目标进给速度下的切削力与切削深度的关系式；所述目标转速为刀具在设定的最小切削力下对应的转速，所述目标进给速度为刀具在所述最小切削力下对应的进给速度；
进给距离获得单元303，用于将已存储的切削深度输入到预设的进给距离确定模型中，得到刀具在待加工件表面当前位置所需要进给的进给距离变化量；所述进给距离确定模型是在假设零件表面轮廓光滑连续且存在二阶导数，以及，微米级切削过程中的切削力与切深呈线性关系条件下确定的模型；
控制单元304，用于控制刀具按照所得到的进给距离变化量移动，在确定未完成针对待加工件设定的切削长度的情况下，控制刀具按照设定的切削深度进行切削，并返回执行所述获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力的步骤。
作为一个实施例，该装置还包括：
调整单元，用于依据设定的切削深度，调整与所述切削深度对应的转速和进给速度，得到不同组切削参数；所述切削参数包括切削深度、转速和进给速度；
切削力得到单元，用于将得到的各组切削参数分别输入到已训练的神经网络模型，得到各组切削参数对应的切削力；
目标转速与目标进给速度获得单元，用于从得到的切削力中选取最小切削力，获得所述最小切削力对应的目标转速和目标进给速度。
作为一个实施例，所述控制单元，用于：
确定所得到的进给距离变化量的符号，若符号为正，则控制刀具按照进给距离进给，若符号为负，则控制刀具按照进给距离后退。
作为一个实施例，所述进给距离获得单元，用于：
按照如下表达式，计算刀具在待加工件表面当前位置所需要进给的进给距离；其中，所述表达式为：
其中，δ0为预期切削深度，δ1为在已划分切削力检测点中第1点实际切削深度，δ2为在已划分切削力检测点中第2点实际切削深度，δi为在在已划分切削力检测点中第i点实际切削深度,1＜i≤n，n为已划分切削力检测点的最大点数,i为已划分切削力检测点序号，S1为在第1点的刀具进给距离变化量，S2为在第2点的刀具进给距离变化量，Si为在第i点的刀具进给距离变化量，Sn为在第n点的刀具进给距离变化量。
由此可见，在本实施例提供的技术方案中，将获取已测量的当前切削力输入到在目标转速和目标进给速度下的切削力与切削深度的目标关系式中，得到刀具在所述当前切削力下的当前切削深度并存储；并将当前切削深度和已存储的切削深度输入到预设的进给距离确定模型中，得到刀具在待加工件表面当前位置所需要进给的进给距离变化量，控制刀具按照所得到的进给距离变化量移动，在确定未完成针对待加工件设定的切削长度的情况下，控制刀具按照设定的切削深度进行切削，并继续执行获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力的步骤。可见，应用本实施例提供的技术方案涉及的自动补偿方法，能够在精密切削加工过程中，通过不断调节刀具进给距离变化量，维持实际切削深度恒定，以减小精密薄壁零件加工中的让刀现象，提高加工表面质量。另外，也通过对切削力的控制，优化和调整加工参数，以改善薄壁加工时因零件低刚度引起让刀导致的零件尺寸和形状误差，进而提升薄壁低刚度零件的加工精度和加工稳定性。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
本申请实施例提供的电子设备，从硬件层面而言，硬件架构示意图可以参见图4所示。包括：机器可读存储介质和处理器，其中：机器可读存储介质存储有能够被处理器执行的机器可执行指令；处理器用于执行机器可执行指令，以实现上述示例公开的自适应补偿操作。
本申请实施例提供的机器可读存储介质，机器可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器调用和执行时，所述机器可执行指令促使所述处理器实现上述示例公开的自适应补偿操作。
这里，机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(RadomAccess Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
而且，这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。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申请方案的目的。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。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (10)
1.一种自适应补偿方法，其特征在于，该方法包括：
获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力；
将所述当前切削力输入到设定的目标关系式中，得到刀具在所述当前切削力下的当前切削深度并存储；其中，所述目标关系式为将目标转速和目标进给速度输入到已训练的神经网络模型中得到的在所述目标转速和目标进给速度下的切削力与切削深度的关系式；所述目标转速为刀具在设定的最小切削力下对应的转速，所述目标进给速度为刀具在所述最小切削力下对应的进给速度；
将已存储的切削深度输入到预设的进给距离确定模型中，得到刀具在待加工件表面当前位置所需要进给的进给距离变化量；所述进给距离确定模型是在假设零件表面轮廓光滑连续且存在二阶导数，以及，微米级切削过程中的切削力与切深呈线性关系条件下确定的模型；
控制刀具按照所得到的进给距离变化量移动，在确定未完成针对待加工件设定的切削长度的情况下，控制刀具按照设定的切削深度进行切削，并返回执行所述获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力的步骤。
2.根据权利要求1所述的自适应补偿方法，其特征在于，在所述获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力之前，该方法还包括：
依据设定的切削深度，调整与所述切削深度对应的转速和进给速度，得到不同组切削参数；所述切削参数包括切削深度、转速和进给速度；
将得到的各组切削参数分别输入到已训练的神经网络模型，得到各组切削参数对应的切削力；
从得到的切削力中选取最小切削力，获得所述最小切削力对应的目标转速和目标进给速度。
3.根据权利要求1所述的自适应补偿方法，其特征在于，所述控制刀具按照所得到的进给距离变化量移动，包括：
确定所得到的进给距离变化量的符号，若符号为正，则控制刀具按照进给距离进给，若符号为负，则控制刀具按照进给距离后退。
4.根据权利要求1所述的自适应补偿方法，其特征在于，所述将所述当前切削深度和已存储的切削深度输入到预设的进给距离确定模型中，得到刀具在待加工件表面当前位置所需要进给的进给距离，包括：
按照如下表达式，计算刀具在待加工件表面当前位置所需要进给的进给距离；其中，所述表达式为：
其中，δ0为预期切削深度，δ1为在已划分切削力检测点中第1点实际切削深度，δ2为在已划分切削力检测点中第2点实际切削深度，δi为在在已划分切削力检测点中第i点实际切削深度,1＜i≤n，n为已划分切削力检测点的最大点数,i为已划分切削力检测点序号，S1为在第1点的刀具进给距离变化量，S2为在第2点的刀具进给距离变化量，Si为在第i点的刀具进给距离变化量，Sn为在第n点的刀具进给距离变化量。
5.一种自适应补偿装置，其特征在于，该装置包括：
当前切削力获得单元，用于获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力；
当前切削深度获得单元，用于将所述当前切削力输入到设定的目标关系式中，得到刀具在所述当前切削力下的当前切削深度并存储；其中，所述目标关系式为将目标转速和目标进给速度输入到已训练的神经网络模型中得到的在所述目标转速和目标进给速度下的切削力与切削深度的关系式；所述目标转速为刀具在设定的最小切削力下对应的转速，所述目标进给速度为刀具在所述最小切削力下对应的进给速度；
进给距离获得单元，用于将已存储的切削深度输入到预设的进给距离确定模型中，得到刀具在待加工件表面当前位置所需要进给的进给距离变化量；所述进给距离确定模型是在假设零件表面轮廓光滑连续且存在二阶导数，以及，微米级切削过程中的切削力与切深呈线性关系条件下确定的模型；
控制单元，用于控制刀具按照所得到的进给距离变化量移动，在确定未完成针对待加工件设定的切削长度的情况下，控制刀具按照设定的切削深度进行切削，并返回执行所述获取用于检测加工待加工件所使用刀具在刀尖处的切削力的自适应控制系统所测量的当前切削力的步骤。
6.根据权利要求5所述的自适应补偿装置，其特征在于，该装置还包括：
调整单元，用于依据设定的切削深度，调整与所述切削深度对应的转速和进给速度，得到不同组切削参数；所述切削参数包括切削深度、转速和进给速度；
切削力得到单元，用于将得到的各组切削参数分别输入到已训练的神经网络模型，得到各组切削参数对应的切削力；
目标转速与目标进给速度获得单元，用于从得到的切削力中选取最小切削力，获得所述最小切削力对应的目标转速和目标进给速度。
7.根据权利要求5所述的自适应补偿装置，其特征在于，所述控制单元，用于：
确定所得到的进给距离变化量的符号，若符号为正，则控制刀具按照进给距离进给，若符号为负，则控制刀具按照进给距离后退。
8.根据权利要求5所述的自适应补偿装置，其特征在于，所述进给距离获得单元，用于：
按照如下表达式，计算刀具在待加工件表面当前位置所需要进给的进给距离；其中，所述表达式为：
其中，δ0为预期切削深度，δ1为在已划分切削力检测点中第1点实际切削深度，δ2为在已划分切削力检测点中第2点实际切削深度，δi为在在已划分切削力检测点中第i点实际切削深度,1＜i≤n，n为已划分切削力检测点的最大点数,i为已划分切削力检测点序号，S1为在第1点的刀具进给距离变化量，S2为在第2点的刀具进给距离变化量，Si为在第i点的刀具进给距离变化量，Sn为在第n点的刀具进给距离变化量。
9.一种电子设备，其特征在于，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现上述1～4中任一项的步骤。
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中存储有指令，当其在计算机上运行时，实现权利要求1～4任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310016229.3A CN115945963B (zh) | 2023-01-06 | 2023-01-06 | 一种自适应补偿方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310016229.3A CN115945963B (zh) | 2023-01-06 | 2023-01-06 | 一种自适应补偿方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115945963A true CN115945963A (zh) | 2023-04-11 |
| CN115945963B CN115945963B (zh) | 2024-06-18 |
Family
ID=87289279
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310016229.3A Active CN115945963B (zh) | 2023-01-06 | 2023-01-06 | 一种自适应补偿方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115945963B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117784718A (zh) * | 2023-12-25 | 2024-03-29 | 深圳日上光电有限公司 | 一种基于智能控制的刀模切削系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016162149A (ja) * | 2015-02-28 | 2016-09-05 | 国立大学法人神戸大学 | 切削力適応制御方法及び切削力適応制御システム |
| CN106141808A (zh) * | 2016-07-12 | 2016-11-23 | 北京理工大学 | 一种变切深调节装置及径向切削参数优化工艺方法 |
| CN107335847A (zh) * | 2017-06-21 | 2017-11-10 | 华中科技大学 | 一种切削效能约束刀具姿态的加工方法 |
| CN115091266A (zh) * | 2022-05-31 | 2022-09-23 | 广东工业大学 | 一种超精密切削钛合金微结构表面的回弹误差补偿方法 |
| CN115167283A (zh) * | 2022-08-02 | 2022-10-11 | 深圳市雄兴实业有限公司 | 数控加工切削力自适应控制方法、系统、设备及存储介质 |
| CN115284070A (zh) * | 2022-07-18 | 2022-11-04 | 武汉理工大学 | 数控机床负载定位误差补偿方法、装置、电子设备及介质 |
-
2023
- 2023-01-06 CN CN202310016229.3A patent/CN115945963B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016162149A (ja) * | 2015-02-28 | 2016-09-05 | 国立大学法人神戸大学 | 切削力適応制御方法及び切削力適応制御システム |
| CN106141808A (zh) * | 2016-07-12 | 2016-11-23 | 北京理工大学 | 一种变切深调节装置及径向切削参数优化工艺方法 |
| CN107335847A (zh) * | 2017-06-21 | 2017-11-10 | 华中科技大学 | 一种切削效能约束刀具姿态的加工方法 |
| CN115091266A (zh) * | 2022-05-31 | 2022-09-23 | 广东工业大学 | 一种超精密切削钛合金微结构表面的回弹误差补偿方法 |
| CN115284070A (zh) * | 2022-07-18 | 2022-11-04 | 武汉理工大学 | 数控机床负载定位误差补偿方法、装置、电子设备及介质 |
| CN115167283A (zh) * | 2022-08-02 | 2022-10-11 | 深圳市雄兴实业有限公司 | 数控加工切削力自适应控制方法、系统、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 付中涛;杨文玉;张彦辉;蔡潘;: "基于切削力预测模型的复杂曲面铣削进给速度优化", 中国科学:技术科学, no. 07, 20 July 2016 (2016-07-20) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117784718A (zh) * | 2023-12-25 | 2024-03-29 | 深圳日上光电有限公司 | 一种基于智能控制的刀模切削系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115945963B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7550681B2 (en) | Method and apparatus for measuring weight of CNC workpieces | |
| CN115945963B (zh) | 一种自适应补偿方法及装置 | |
| CN107145662B (zh) | 一种介观尺度车削变形预测方法 | |
| US8579563B2 (en) | Microscopic geometry cutting device including an arrival time calculator | |
| US20190171176A1 (en) | Thermal compensation method and thermal compensation control system for machine tools | |
| CN105904012A (zh) | 一种带有形变实时补偿的薄壁件铣削系统 | |
| CN109782815B (zh) | 基于多轴联动系统的复杂型面自适应测量路径规划方法 | |
| CN104834269A (zh) | 数值控制装置 | |
| CN110842652A (zh) | 一种确定性光学抛光技术驻留时间求解方法 | |
| CN110515348B (zh) | 一种机床的伺服电机选型方法 | |
| US20230405710A1 (en) | Method, computer program and laser cutting system for smart corner cutting | |
| US8000828B2 (en) | System and method for movement control | |
| CN109343467B (zh) | 一种非共振evc装置的椭圆轨迹误差控制系统 | |
| CN117033860A (zh) | 驱动轴跟踪误差的参数敏感性分析方法及装置 | |
| JP5322881B2 (ja) | 加工シミュレーション装置および最適工程決定装置 | |
| CN109446721B (zh) | 基于标识符软件线程执行顺序排列的机床工艺交互算法 | |
| CN116466650A (zh) | 数控机床精度补偿方法及应用 | |
| CN112068423B (zh) | 有限值幂次吸引重复控制器设计方法 | |
| CN112068490A (zh) | 一种轨迹规划方法、装置、电子设备及储存介质 | |
| RU2429960C1 (ru) | Устройство регулирования силовых параметров процесса резания | |
| TW200832096A (en) | Weight measuring method and apparatus for CNC machine tools | |
| CN211162441U (zh) | 基于低推力波动直线电机的激光切割机 | |
| CN114706349B (zh) | 曲面零件的数控加工方法、装置、设备及可读存储介质 | |
| KR102067843B1 (ko) | 공작기계의 이송계 열변위 보정 방법 및 장치 | |
| CN113247214A (zh) | 一种多轨道水下精密定位装置 |
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 |