CN117170308A - 一种基于指令序列分析的机床动态误差补偿方法及系统 - Google Patents
一种基于指令序列分析的机床动态误差补偿方法及系统 Download PDFInfo
- Publication number
- CN117170308A CN117170308A CN202311449020.2A CN202311449020A CN117170308A CN 117170308 A CN117170308 A CN 117170308A CN 202311449020 A CN202311449020 A CN 202311449020A CN 117170308 A CN117170308 A CN 117170308A
- Authority
- CN
- China
- Prior art keywords
- error
- thermal
- machine tool
- temperature
- model
- 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 52
- 238000012300 Sequence Analysis Methods 0.000 title claims abstract description 29
- 230000033001 locomotion Effects 0.000 claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 238000012937 correction Methods 0.000 claims description 25
- 238000010168 coupling process Methods 0.000 claims description 25
- 238000005859 coupling reaction Methods 0.000 claims description 25
- 230000008878 coupling Effects 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 12
- 238000013519 translation Methods 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 9
- 230000021715 photosynthesis, light harvesting Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000003754 machining Methods 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 4
- 238000009529 body temperature measurement Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000004454 trace mineral analysis Methods 0.000 claims description 3
- 238000012351 Integrated analysis Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Abstract
本发明公开了一种基于指令序列分析的机床动态误差补偿方法及系统,涉及机床误差补偿技术领域,该基于指令序列分析的机床动态误差补偿方法包括以下步骤:实时采集并分析数控机床在运行不同数控程序指令序列时各关键构件的运动特征参数;结合数控机床的几何结构对几何误差源进行分析,并建立几何误差模型;采集主轴在不同温度条件下的热变形数据,并建立热误差动态模型;模拟工件运行中的理论路径,并判断实际路径与理论路径的预计偏差范围;实时监测数控机床的运行状态,动态调整补偿策略。本发明通过真实反映主轴在不同工况下的实际热变形情况,并且总结出主轴热变形随温度的规律曲线,能够为后续误差预测和补偿提供依据。
Description
技术领域
本发明涉及机床误差补偿技术领域,具体来说,涉及一种基于指令序列分析的机床动态误差补偿方法及系统。
背景技术
数控机床是一种利用数控系统进行自动控制的机床,具体来说,数控机床使用数控系统进行自动控制,通过预先输入的程序,控制机床各部件的运动顺序和路径,实现自动化加工,与传统机床相比,数控机床采用模块化设计,其主要模块包括主轴系统、床体系统等,每个模块都通过电机驱动进行定位和运动,数控机床可以通过输入不同工件的加工程序,实现这些工件的自动化加工,大大提高了生产效率。
对于数控机床的主轴工作状态来说,其温度场的变化及热变形的形成和主轴转速及运行时间有着密不可分的关系,通常来讲,主轴转速越快,运行时间越长,造成的温升和热变形也就越大,从而形成较大的热误差。在主轴系统内部的各个零部件的材料、形状、热特性各不相同,而且连接构件之间的接触面的传热情况也较为复杂,从而使主轴系统形成一个典型的复杂、时变、非线性的热变形动态过程,随着加工条件的变化,由主轴热变形而引起的热误差也呈现出复杂的变化规律。
现有技术在通过部署温度传感器进行温度参数采集时,仅能基于简单的多点温度监测进行热误差分析,如CN101943896A公开了一种数控机床误差的轨迹再生补偿方法,设置四个用于测量机床温升的热电偶:1号热电偶测量主轴轴承温升,2号热电偶用于测量环境温度;3号热电偶用于测量机床台面温度;4号热电偶用于测量主轴轴承箱温度;其无法考虑主轴不同部位的温差,难以全面和准确监测主轴不同位置的实时温度变化,也难以反映主轴整体热变形规律,此外,缺乏实现温度传感器协同工作的管理模式,难以优化传感器布置覆盖重要热点,这导致热误差识别能力较低,为动态补偿提供的输入参考较为粗略,难以满足实时和高精度动态补偿的需求。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种基于指令序列分析的机床动态误差补偿方法及系统,以克服现有相关技术所存在的上述技术问题。
为此,本发明采用的具体技术方案如下:
根据本发明的一个方面,提供了一种基于指令序列分析的机床动态误差补偿方法,该基于指令序列分析的机床动态误差补偿方法包括以下步骤:
S1、实时采集并分析数控机床在运行不同数控程序指令序列时各关键构件的运动特征参数;
S2、结合数控机床的几何结构对几何误差源进行分析,并建立几何误差模型;
S3、采集主轴在不同温度条件下的热变形数据,总结主轴的热变形规律,并建立热误差动态模型;
S4、模拟工件运行中的理论路径,并判断实际路径与理论路径的预计偏差范围,以根据偏差范围修正指令端点;
S5、实时监测数控机床的运行状态,动态调整补偿策略,实现数控机床的动态误差补偿。
进一步地,采集主轴在不同温度条件下的热变形数据,总结主轴的热变形规律,并建立热误差动态模型包括以下步骤:
S31、在主轴上部署若干温度传感器,构建基于温度传感器协同工作的温度布点管理方案,并持续对各温度传感器进行追踪;
S32、利用温度监测网络并实时采集主轴上各布点的温度数据,并实时监测主轴的温度变化情况;
S33、对实时温度数据进行整合分析,总结主轴在不同热负荷下的热变形规律;
S34、根据热变形规律建立热误差动态模型,以判断主轴在不同条件下的热误差;
S35、对温度布点管理方案进行优化,并将优化后的温度参数加载至热误差动态模型中对其进行更新。
进一步地,在主轴上部署若干温度传感器,构建基于温度传感器协同工作的温度布点管理方案,并持续对各温度传感器进行追踪包括以下步骤:
S311、在主轴上布设若干温度传感器,计算主轴当前时刻的探测概率拐上界;
S312、预测下一时刻温度传感器对主轴的实际探测概率;
S313、判断实际探测概率是否大于探测概率拐点上界,若大于则执行步骤S314,否则,则返回步骤S312;
S314、确定下一时刻主轴的可用温度传感器集合,并在可用温度传感器中计算下一时刻的MRDE解;
S315、搜索温度传感器对主轴的最优分配,确定有效温度传感器子集;
S316、采用局部融合中心序贯滤波算法计算下一时刻主轴的局部状态,并对局部状态进行数据融合,以形成基于温度传感器的布局管理方案。
进一步地,对温度布点管理方案进行优化,并将优化后的温度参数加载至热误差动态模型中对其进行更新包括以下步骤:
S351、对主轴上各温度测点进行实时监测,并定义温度变量和径向误差数据;
S352、根据采定义的径向误差数据对温度变量进行岭迹分析,并根据选择变量原则,依次剔除岭回归系数中绝对值较小的变量、岭回归系数中不稳定且趋于零的变量,最终剔除岭回归系数中极不稳定的变量;
S353、根据岭回归分析结果评估原有温度布点管理方案,并补充新的温度测点;
S354、采集更新后的温度参数及位移误差数据,并加载至热误差动态模型对其进行实时更新。
进一步地,热误差包括沿x轴的径向平移误差、沿y轴的径向平移误差、沿z轴的轴向平移误差、绕x轴的角度误差及绕y轴的角度误差。
进一步地,模拟工件运行中的理论路径,并判断实际路径与理论路径的预计偏差范围,以根据偏差范围修正指令端点包括以下步骤:
S41、根据数控机床的加工任务设计工件加工中的理论路径;
S42、利用运动学模型确定与各关键构件的运动特征参数相对应的运动约束关系;
S43、将热误差动态模型及几何误差模型进行整合,预测数控机床的综合误差参数;
S44、基于综合误差参数对理论路径进行误差模拟,预测实际路径与理论路径的偏差范围;
S45、将偏差范围导入路径修正模块中进行修正计算,并利用运动学模型重新计算主轴路径及主轴在每个时间点的位置姿态参数;
S46、将位置姿态参数加载至数控模块实现对主轴的闭环位置控制,确保其符合理论路径。
进一步地,利用运动学模型确定与各关键构件的运动特征参数相对应的运动约束关系包括以下步骤:
S421、利用拉格朗日方程并结合各关键构件的质量不平衡力矩和轴承摩擦力矩,推导出各关键构件在广义坐标下的动力学模型;
S422、分析各关键构件在运行中产生的摩擦力矩影响,推导出描述能量耗散函数;
S423、根据广义坐标下的运动学参数描述各关键构件的运动特征;
S424、结合动力学模型、能量耗散函数及运动特征确定各关键构件在广义坐标下的运动约束关系。
进一步地,将热误差动态模型及几何误差模型进行整合,预测数控机床的综合误差参数包括以下步骤:
S431、分析热误差动态模型与几何误差模型之间的耦合方式;
S432、建立热误差动态模型与几何误差模型之间的耦合关系;
S433、将耦合项分别加载至热误差动态模型及几何误差模型中;
S434、定量分析耦合项对热误差动态模型与几何误差模型的耦合影响;
S435、将耦合后的热误差动态模型及几何误差模型进行整合,构件全耦合综合误差模型;
S436、利用全耦合综合误差模型预测并判断数控机床的综合误差参数。
进一步地,拉格朗日方程的表达式为:
;
式中,T表示机运动动能;
D表示能量耗散函数;
Q k 表示施加在关键构件上的第k个质点处的外界力;
d()/dt表示括号内函数的微分;
q k 表示第k个质点的位置姿态参数;
表示第k个质点的运动特征参数。
根据本发明的另一个方面,还提供了一种基于指令序列分析的机床动态误差补偿系统,该基于指令序列分析的机床动态误差补偿系统包括指令分析模块、几何误差模型建立模块、热误差动态模型建立模块、路径修正模块及动态补偿模块:
指令分析模块,用于实时采集并分析数控机床在运行不同数控程序指令序列时各关键构件的运动特征参数;
几何误差模型建立模块,用于结合数控机床的几何结构对几何误差源进行分析,并建立几何误差模型;
热误差动态模型建立模块,用于采集主轴在不同温度条件下的热变形数据,总结主轴的热变形规律,并建立热误差动态模型;
路径修正模块,用于模拟工件运行中的理论路径,并判断实际路径与理论路径的预计偏差范围,以根据偏差范围修正指令端点;
动态补偿模块,用于实时监测数控机床的运行状态,动态调整补偿策略,实现数控机床的动态误差补偿。
本发明的有益效果为:
1、本发明基于指令序列分析进行机床动态误差补偿,实时采集分析机床在运行不同数控程序指令序列时各关键构件的运动特征参数,并分析获取几何误差和热误差,将热误差与几何误差进行整合考虑,建立更完整和真实的机床误差模型,极大的提高误差预测和修正的精度,有助于提高机床运行质量和自动化水平。
2、本发明通过在主轴上部署多个温度传感器,并构建温度传感器协同工作的温度布点管理方案,能够通过多个温度点更全面和准确地反映主轴不同位置的实时温度变化情况,同时通过温度布点管理方案可以优化传感器布置,确保重要热点都在监测范围内,并通过持续追踪各点温度,能够动态反映主轴热变形演变规律,有利于热误差预测,与单点监测相比,多点监测考虑了主轴整体温场,对热误差分析更全面。
3、本发明通过真实反映主轴在不同工况下的实际热变形情况,并且总结出主轴热变形随温度的规律曲线,能够为后续误差预测和补偿提供依据,采集到的大量实测数据可以训练热误差动态模型,比仅依靠理论公式建立的模型更加准确可靠,由于热误差是机床运行中的一个重要误差来源,建立其动态模型有利于全面考虑各种误差因素对总误差的影响,并在模型训练后可以在线实现主轴实时温度作为输入,以输出预测热误差,为后续误差补偿提供有效支持。
4、本发明通过判断实际路径与理论路径的预计偏差范围,能够事先预测工件运行过程中的可能误差范围,为后续误差判断和修正提供参考,根据不同误差源的影响,给出不同阶段的预计偏差范围,更准确地判断实际偏差是否超出允许范围,与仅判断实际误差大小的方法相比,考虑了误差的不确定性,进而有利于将理论误差融入实际运行,实现从理论到实际的闭环管理,同时考虑误差预测和修正,体现该动态误差补偿方法的系统性和完整性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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是根据本发明实施例的一种基于指令序列分析的机床动态误差补偿方法的流程图;
图2是根据本发明实施例的一种基于指令序列分析的机床动态误差补偿系统的原理框图。
图中:
1、指令分析模块;2、几何误差模型建立模块;3、热误差动态模型建立模块;4、路径修正模块;5、动态补偿模块。
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
根据本发明的实施例,提供了一种基于指令序列分析的机床动态误差补偿方法及系统。
现结合附图和具体实施方式对本发明进一步说明,如图1所示,根据本发明实施例的基于指令序列分析的机床动态误差补偿方法,该基于指令序列分析的机床动态误差补偿方法包括以下步骤:
S1、实时采集并分析数控机床在运行不同数控程序指令序列时各关键构件的运动特征参数。
需要说明的是,确定需要监测的关键构件,如主轴、床体等,在这些构件上安装转角编码器、加速度传感器等采集设备。
制定几组不同的数控程序指令序列,将采集设备通过数据采集卡与PLC连接,实现实时数据传输。
运行第一组程序指令序列,触发数据采集开始记录各构件的位置、速度、加速度等参数数据。
程序运行结束后,数据采集系统自动保存此组程序对应的原始数据文件。
依次运行并记录不同程序指令序列对应的运动参数数据。
对采集到的原始数据进行整理,提取各构件在不同程序下的最大速度、加速度等特征参数。
对比分析不同程序下各构件运动特征参数的差异规律。
S2、结合数控机床的几何结构对几何误差源进行分析,并建立几何误差模型。
需要说明的是,几何误差参数源确定包括以下步骤:
将机床的拓扑结构分解成两个开环运动链。
建立机床在空间中的总体参考坐标系。
将主轴-刀具系统视为一个开链运动链的末端刚体,利用变分理论,将该运动链末端刀具的六维位姿误差表示为旋量格式,即为三个旋角误差和三个平移误差。
将工件视为另一个开链运动链的末端刚体。
根据两开链末端的位姿误差表达式,得到刀具与工件间的位姿误差关系。
根据机床各几何误差源对位姿误差的影响,建立位姿误差与几何误差源的函数关系模型,根据模型,在任意位置评估刀具与工件间的位置误差。
在主轴中心线上布置测点,利用激光干涉仪直接测量垂直度误差参数。
丰富上述内容:考虑刀塔的运动,完善坐标系统建立;加入其他几何误差影响等。
S3、采集主轴在不同温度条件下的热变形数据,总结主轴的热变形规律,并建立热误差动态模型。
其中,采集主轴在不同温度条件下的热变形数据,总结主轴的热变形规律,并建立热误差动态模型包括以下步骤:
S31、在主轴上部署若干温度传感器,构建基于温度传感器协同工作的温度布点管理方案,并持续对各温度传感器进行追踪。
其中,在主轴上部署若干温度传感器,构建基于温度传感器协同工作的温度布点管理方案,并持续对各温度传感器进行追踪包括以下步骤:
S311、在主轴上布设若干温度传感器,计算主轴当前时刻的探测概率拐上界;较优的,可沿着主轴轴线等间隔布置若干温度传感器,传感器数量不低于5个。
S312、预测下一时刻温度传感器对主轴的实际探测概率;
S313、判断实际探测概率是否大于探测概率拐点上界,若大于则执行步骤S314,否则,则返回步骤S312;
S314、确定下一时刻主轴的可用温度传感器集合,并在可用温度传感器中计算下一时刻的MRDE解。
需要说明的是,MRDE(Measurement-based Robot/Machine Error Determinationand Elimination)是一种基于测量的数据驱动方法,具体包括:
MRDE是一种基于实测数据的方法,它通过在机床不同位置多点测量误差参数,获得误差参数的实际数值表达。
MRDE利用测量获得的误差参数值,通过建立参数影响模型,采用数值反演方法计算出各误差源的数值表达式。
MRDE识别出来的误差源表达式,将被集成到/机床的控制系统或路径修正模块中。与传统参数标定方法不同,MRDE基于运行时的多点测量,能够捕捉机器运行时可能出现的误差变化情况。
S315、搜索温度传感器对主轴的最优分配,确定有效温度传感器子集;
S316、采用局部融合中心序贯滤波算法计算下一时刻主轴的局部状态,并对局部状态进行数据融合,以形成基于温度传感器的布局管理方案。
S32、利用温度监测网络并实时采集主轴上各布点的温度数据,并实时监测主轴的温度变化情况;
S33、对实时温度数据进行整合分析,总结主轴在不同热负荷下的热变形规律。
需要说明的是,对实时温度数据进行整合分析,总结主轴在不同热负荷下的热变形规律包括:
对温度数据进行整理,提取主轴不同部位在各工况下的温度变化曲线。
分析比较各工况下不同部位温度的升高速度和最高温度,找出温度升高的规律与主轴工况的关系。
根据温度场分布,利用有限元软件建立主轴热力学模型,考虑材料热膨胀属性,计算各工况下主轴不同部位的热变形量。
将计算结果与实测误差进行对比,优化热力学模型的参数。
在不同工况下总结主轴各部位热变形的规律:温度升高量与变形量的关系;不同位置变形量的大小顺序等。
分析主轴运行时可能出现的热应力,给出在不同工况下应注意的热问题区域。
将热变形规律反馈到程序前处理阶段对路径进行热误差补偿。
S34、根据热变形规律建立热误差动态模型,以判断主轴在不同条件下的热误差;
S35、对温度布点管理方案进行优化,并将优化后的温度参数加载至热误差动态模型中对其进行更新。
其中,对温度布点管理方案进行优化,并将优化后的温度参数加载至热误差动态模型中对其进行更新包括以下步骤:
S351、对主轴上各温度测点进行实时监测,并定义温度变量和径向误差数据;
S352、根据采定义的径向误差数据对温度变量进行岭迹分析,并根据选择变量原则,依次剔除岭回归系数中绝对值较小的变量、岭回归系数中不稳定且趋于零的变量,最终剔除岭回归系数中极不稳定的变量;
S353、根据岭回归分析结果评估原有温度布点管理方案,并补充新的温度测点;
S354、采集更新后的温度参数及位移误差数据,并加载至热误差动态模型对其进行实时更新。
其中,热误差包括沿x轴的径向平移误差、沿y轴的径向平移误差、沿z轴的轴向平移误差、绕x轴的角度误差及绕y轴的角度误差。
需要说明的是,机床误差是指机床工作台或刀具在运动中,理想位置和实际位置的差异。包括加工误差、几何误差、运动误差、热变形误差、力变形误差等,且热误差和几何误差的影响占到了机床误差的一半以上。
需要说明的是,将热误差与几何误差进行整合考虑,在基于指令序列分析的机床动态误差补偿方法中是很重要的,主要原因包括:
热误差和几何误差是机床主要的两类系统误差来源。两者都会影响机床的最终定位精度;热误差的影响与机床运行负荷和时间有关,是一种动态变化误差;而几何误差通常为静态误差;若仅考虑几何误差,无法反映机床运行过程中的热负荷变化对误差的影响,会忽略部分误差源。
热误差和几何误差可能会发生叠加影响,如果分开处理,难以准确预测它们的综合影响;只修正几何误差,在机床高热负荷运行时,热误差大于几何误差值,仍难达到高精度要求;整合两类主要误差模型可以建立更完整和真实的机床误差模型,有利于提高误差预测和修正的精度。
S4、模拟工件运行中的理论路径,并判断实际路径与理论路径的预计偏差范围,以根据偏差范围修正指令端点。
其中,模拟工件运行中的理论路径,并判断实际路径与理论路径的预计偏差范围,以根据偏差范围修正指令端点包括以下步骤:
S41、根据数控机床的加工任务设计工件加工中的理论路径;
S42、利用运动学模型确定与各关键构件的运动特征参数相对应的运动约束关系。
其中,利用运动学模型确定与各关键构件的运动特征参数相对应的运动约束关系包括以下步骤:
S421、利用拉格朗日方程并结合各关键构件的质量不平衡力矩和轴承摩擦力矩,推导出各关键构件在广义坐标下的动力学模型。
其中,拉格朗日方程的表达式为:
;
式中,T表示机运动动能;
D表示能量耗散函数;
Q k 表示施加在关键构件上的第k个质点处的外界力;
d()/dt表示括号内函数的微分;
q k 表示第k个质点的位置姿态参数;
表示第k个质点的运动特征参数。
S422、分析各关键构件在运行中产生的摩擦力矩影响,推导出描述能量耗散函数;
S423、根据广义坐标下的运动学参数描述各关键构件的运动特征;
S424、结合动力学模型、能量耗散函数及运动特征确定各关键构件在广义坐标下的运动约束关系。
S43、将热误差动态模型及几何误差模型进行整合,预测数控机床的综合误差参数。
其中,将热误差动态模型及几何误差模型进行整合,预测数控机床的综合误差参数包括以下步骤:
S431、分析热误差动态模型与几何误差模型之间的耦合方式;
S432、建立热误差动态模型与几何误差模型之间的耦合关系;
S433、将耦合项分别加载至热误差动态模型及几何误差模型中;
S434、定量分析耦合项对热误差动态模型与几何误差模型的耦合影响;
S435、将耦合后的热误差动态模型及几何误差模型进行整合,构件全耦合综合误差模型;
S436、利用全耦合综合误差模型预测并判断数控机床的综合误差参数。
需要说明的是,将几何误差模型和热误差动态模型进行耦合,构建全耦合综合误差模型,其主要有益效果包括:能够更真实地反映机床运行过程中各种误差之间的复杂影响关系,建立一个系统和完整的误差模型。考虑到几何误差对热负荷的影响,以及热误差对几何参数的影响,描述了误差在机床运行中的双向耦合特性,定量分析耦合项对各个误差模型的影响,有利于深入理解和评估各误差因素对最终误差的贡献度。
相比单独的误差模型,全耦合模型在预测机床综合误差时会更加准确,有利于提高误差修正效果。提供了一个开放式的误差建模框架,可以进一步考虑其他误差类型(如结构误差等)之间的耦合关系。为误差识别、监测和修正提供系统的理论支持,有助于提高机床运行质量和自动化水平。
S44、基于综合误差参数对理论路径进行误差模拟,预测实际路径与理论路径的偏差范围;
S45、将偏差范围导入路径修正模块中进行修正计算,并利用运动学模型重新计算主轴路径及主轴在每个时间点的位置姿态参数;
S46、将位置姿态参数加载至数控模块实现对主轴的闭环位置控制,确保其符合理论路径。
需要说明的是,理论路径是根据加工任务设计出来的理想工件加工路径,不考虑机床各种误差因素。
实际路径是通过将热误差模型和几何误差模型进行整合,对理论路径进行误差模拟后预测出来的实际可能存在的工件路径。它与理论路径存在一定的偏差范围。
主轴路径是通过将实际路径的偏差范围导入路径修正模块进行修正计算后,根据运动学模型重新计算出主轴需要运动的路径,以确保工件实际运动路径符合理论路径要求。
将主轴每个时间点计算出的位置姿态参数加载至数控模块,实现对主轴实际运动轨迹的闭环位置控制,使其符合通过路径修正计算出的主轴需要运动的路径,从而使工件的实际运动路径最终符合理论设计路径。
所以,理论路径是设计目标,实际路径考虑误差是预测值,主轴路径是为使实际路径符合理论路径而采取路径修正后的执行路径,三者关系为理论路径→实际路径→主轴路径。
需要说明的是,几何误差和热误差是预测实际路径的主要依据,将几何误差模型和热误差动态模型进行整合,就可以基于这两类误差来预测机床在理论路径下的实际路径会存在什么样的偏差。几何误差和热误差决定了实际路径与理论路径的偏差范围,整合后的误差模型可以量化预测出,实际路径相对于理论路径会在范围内上下浮动,形成一个偏差范围。
S5、实时监测数控机床的运行状态,动态调整补偿策略,实现数控机床的动态误差补偿。
需要说明的是,实时监测数控机床运行状态,动态调整补偿策略实现动态误差补偿,主要包括以下步骤:
根据误差评估结果和运行状态,动态调整补偿参数。
需要说明的是,动态调整补偿参数主要包括以下方面:
调整补偿量:根据当前运行状态和误差评估结果,实时计算出新的补偿量值。例如当温度升高时增加补偿量,温度降低时减小补偿量。
调整补偿频率:考虑误差变化速度,动态调整补偿频率。误差变化剧烈时增加频率,变化缓慢时减小频率。
调整补偿时间点:根据误差变化趋势预测最佳补偿时间点,不断优化补偿的同步度。
调整补偿方向:区分各个坐标轴的误差类型和方向,针对性地调整补偿的正负方向。
调整补偿区域:考虑不同工件区域的误差特性,实现区域化补偿。
调整补偿算法:在线识别误差类型,选择不同补偿算法,如PID、模型预测等。
将调整后的补偿参数加载到数控模块,实时对程序进行路径补偿控制。
如图2所示,根据本发明的另一个实施例,还提供了一种基于指令序列分析的机床动态误差补偿系统,该基于指令序列分析的机床动态误差补偿系统包括指令分析模块1、几何误差模型建立模块2、热误差动态模型建立模块3、路径修正模块4及动态补偿模块5;
指令分析模块1,用于实时采集并分析数控机床在运行不同数控程序指令序列时各关键构件的运动特征参数;
几何误差模型建立模块2,用于结合数控机床的几何结构对几何误差源进行分析,并建立几何误差模型;
热误差动态模型建立模块3,用于采集主轴在不同温度条件下的热变形数据,总结主轴的热变形规律,并建立热误差动态模型;
路径修正模块4,用于模拟工件运行中的理论路径,并判断实际路径与理论路径的预计偏差范围,以根据偏差范围修正指令端点;
动态补偿模块5,用于实时监测数控机床的运行状态,动态调整补偿策略,实现数控机床的动态误差补偿。
综上所述,借助于本发明的上述技术方案,本发明通过在主轴上部署多个温度传感器,并构建温度传感器协同工作的温度布点管理方案,能够通过多个温度点更全面和准确地反映主轴不同位置的实时温度变化情况,同时通过温度布点管理方案可以优化传感器布置,确保重要热点都在监测范围内,并通过持续追踪各点温度,能够动态反映主轴热变形演变规律,有利于热误差预测,与单点监测相比,多点监测考虑了主轴整体温场,对热误差分析更全面。
本发明通过真实反映主轴在不同工况下的实际热变形情况,并且总结出主轴热变形随温度的规律曲线,能够为后续误差预测和补偿提供依据,采集到的大量实测数据可以训练热误差动态模型,比仅依靠理论公式建立的模型更加准确可靠,由于热误差是机床运行中的一个重要误差来源,建立其动态模型有利于全面考虑各种误差因素对总误差的影响,并在模型训练后可以在线实现主轴实时温度作为输入,以输出预测热误差,为后续误差补偿提供有效支持。
本发明通过判断实际路径与理论路径的预计偏差范围,能够事先预测工件运行过程中的可能误差范围,为后续误差判断和修正提供参考,根据不同误差源的影响,给出不同阶段的预计偏差范围,更准确地判断实际偏差是否超出允许范围,与仅判断实际误差大小的方法相比,考虑了误差的不确定性,进而有利于将理论误差融入实际运行,实现从理论到实际的闭环管理,同时考虑误差预测和修正,体现该动态误差补偿方法的系统性和完整性。
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 (10)
1.一种基于指令序列分析的机床动态误差补偿方法,其特征在于,该基于指令序列分析的机床动态误差补偿方法包括以下步骤:
S1、实时采集并分析数控机床在运行不同数控程序指令序列时各关键构件的运动特征参数;
S2、结合数控机床的几何结构对几何误差源进行分析,并建立几何误差模型;
S3、采集主轴在不同温度条件下的热变形数据,总结主轴的热变形规律,并建立热误差动态模型;
S4、模拟工件运行中的理论路径,并判断实际路径与理论路径的预计偏差范围,以根据偏差范围修正指令端点;
S5、实时监测数控机床的运行状态,动态调整补偿策略,实现数控机床的动态误差补偿。
2.根据权利要求1所述的一种基于指令序列分析的机床动态误差补偿方法,其特征在于,所述采集主轴在不同温度条件下的热变形数据,总结主轴的热变形规律,并建立热误差动态模型包括以下步骤:
S31、在主轴上部署若干温度传感器,构建基于温度传感器协同工作的温度布点管理方案,并持续对各温度传感器进行追踪;
S32、利用温度监测网络并实时采集主轴上各布点的温度数据,并实时监测主轴的温度变化情况;
S33、对实时温度数据进行整合分析,总结主轴在不同热负荷下的热变形规律;
S34、根据热变形规律建立热误差动态模型,以判断主轴在不同条件下的热误差;
S35、对温度布点管理方案进行优化,并将优化后的温度参数加载至热误差动态模型中对其进行更新。
3.根据权利要求2所述的一种基于指令序列分析的机床动态误差补偿方法,其特征在于,所述在主轴上部署若干温度传感器,构建基于温度传感器协同工作的温度布点管理方案,并持续对各温度传感器进行追踪包括以下步骤:
S311、在主轴上布设若干温度传感器,计算主轴当前时刻的探测概率拐上界;
S312、预测下一时刻温度传感器对主轴的实际探测概率;
S313、判断实际探测概率是否大于探测概率拐点上界,若大于则执行步骤S314,否则,则返回步骤S312;
S314、确定下一时刻主轴的可用温度传感器集合,并在可用温度传感器中计算下一时刻的MRDE解;
S315、搜索温度传感器对主轴的最优分配,确定有效温度传感器子集;
S316、采用局部融合中心序贯滤波算法计算下一时刻主轴的局部状态,并对局部状态进行数据融合,以形成基于温度传感器的布局管理方案。
4.根据权利要求3所述的一种基于指令序列分析的机床动态误差补偿方法,其特征在于,所述对温度布点管理方案进行优化,并将优化后的温度参数加载至热误差动态模型中对其进行更新包括以下步骤:
S351、对主轴上各温度测点进行实时监测,并定义温度变量和径向误差数据;
S352、根据采定义的径向误差数据对温度变量进行岭迹分析,并根据选择变量原则,依次剔除岭回归系数中绝对值较小的变量、岭回归系数中不稳定且趋于零的变量,最终剔除岭回归系数中极不稳定的变量;
S353、根据岭回归分析结果评估原有温度布点管理方案,并补充新的温度测点;
S354、采集更新后的温度参数及位移误差数据,并加载至热误差动态模型对其进行实时更新。
5.根据权利要求4所述的一种基于指令序列分析的机床动态误差补偿方法,其特征在于,所述热误差包括沿x轴的径向平移误差、沿y轴的径向平移误差、沿z轴的轴向平移误差、绕x轴的角度误差及绕y轴的角度误差。
6.根据权利要求5所述的一种基于指令序列分析的机床动态误差补偿方法,其特征在于,所述模拟工件运行中的理论路径,并判断实际路径与理论路径的预计偏差范围,以根据偏差范围修正指令端点包括以下步骤:
S41、根据数控机床的加工任务设计工件加工中的理论路径;
S42、利用运动学模型确定与各关键构件的运动特征参数相对应的运动约束关系;
S43、将热误差动态模型及几何误差模型进行整合,预测数控机床的综合误差参数;
S44、基于综合误差参数对理论路径进行误差模拟,预测实际路径与理论路径的偏差范围;
S45、将偏差范围导入路径修正模块中进行修正计算,并利用运动学模型重新计算主轴路径及主轴在每个时间点的位置姿态参数;
S46、将位置姿态参数加载至数控模块实现对主轴的闭环位置控制,确保其符合理论路径。
7.根据权利要求6所述的一种基于指令序列分析的机床动态误差补偿方法,其特征在于,所述利用运动学模型确定与各关键构件的运动特征参数相对应的运动约束关系包括以下步骤:
S421、利用拉格朗日方程并结合各关键构件的质量不平衡力矩和轴承摩擦力矩,推导出各关键构件在广义坐标下的动力学模型;
S422、分析各关键构件在运行中产生的摩擦力矩影响,推导出描述能量耗散函数;
S423、根据广义坐标下的运动学参数描述各关键构件的运动特征;
S424、结合动力学模型、能量耗散函数及运动特征确定各关键构件在广义坐标下的运动约束关系。
8.根据权利要求7所述的一种基于指令序列分析的机床动态误差补偿方法,其特征在于,所述将热误差动态模型及几何误差模型进行整合,预测数控机床的综合误差参数包括以下步骤:
S431、分析热误差动态模型与几何误差模型之间的耦合方式;
S432、建立热误差动态模型与几何误差模型之间的耦合关系;
S433、将耦合项分别加载至热误差动态模型及几何误差模型中;
S434、定量分析耦合项对热误差动态模型与几何误差模型的耦合影响;
S435、将耦合后的热误差动态模型及几何误差模型进行整合,构件全耦合综合误差模型;
S436、利用全耦合综合误差模型预测并判断数控机床的综合误差参数。
9.根据权利要求8所述的一种基于指令序列分析的机床动态误差补偿方法,其特征在于,所述拉格朗日方程的表达式为:
;
式中,T表示机运动动能;
D表示能量耗散函数;
Q k 表示施加在关键构件上的第k个质点处的外界力;
d()/dt表示括号内函数的微分;
q k 表示第k个质点的位置姿态参数;
表示第k个质点的运动特征参数。
10.一种基于指令序列分析的机床动态误差补偿系统,用于实现权利要求1-9中任一项所述的基于指令序列分析的机床动态误差补偿方法,其特征在于,该基于指令序列分析的机床动态误差补偿系统包括指令分析模块、几何误差模型建立模块、热误差动态模型建立模块、路径修正模块及动态补偿模块:
所述指令分析模块,用于实时采集并分析数控机床在运行不同数控程序指令序列时各关键构件的运动特征参数;
所述几何误差模型建立模块,用于结合数控机床的几何结构对几何误差源进行分析,并建立几何误差模型;
所述热误差动态模型建立模块,用于采集主轴在不同温度条件下的热变形数据,总结主轴的热变形规律,并建立热误差动态模型;
所述路径修正模块,用于模拟工件运行中的理论路径,并判断实际路径与理论路径的预计偏差范围,以根据偏差范围修正指令端点;
所述动态补偿模块,用于实时监测数控机床的运行状态,动态调整补偿策略,实现数控机床的动态误差补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311449020.2A CN117170308B (zh) | 2023-11-02 | 2023-11-02 | 一种基于指令序列分析的机床动态误差补偿方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311449020.2A CN117170308B (zh) | 2023-11-02 | 2023-11-02 | 一种基于指令序列分析的机床动态误差补偿方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117170308A true CN117170308A (zh) | 2023-12-05 |
CN117170308B CN117170308B (zh) | 2024-02-02 |
Family
ID=88947263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311449020.2A Active CN117170308B (zh) | 2023-11-02 | 2023-11-02 | 一种基于指令序列分析的机床动态误差补偿方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117170308B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117555287A (zh) * | 2024-01-12 | 2024-02-13 | 中国机械总院集团云南分院有限公司 | 一种基于cae的数控机床加工动态性能监控方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997043703A1 (en) * | 1996-05-10 | 1997-11-20 | Automated Precision, Inc. | Real time machine tool error correction using global differential wet modeling |
JPH11156676A (ja) * | 1997-12-01 | 1999-06-15 | Miyano:Kk | 工作機械の熱変位補正方法および装置 |
KR20090069413A (ko) * | 2007-12-26 | 2009-07-01 | 한국기계연구원 | 공작기계의 열변형 실시간 보상장치 |
CN103926874A (zh) * | 2013-12-03 | 2014-07-16 | 江苏齐航数控机床有限责任公司 | 数控机床热误差补偿建模温度测点组合的选择优化方法 |
CN104216334A (zh) * | 2014-09-16 | 2014-12-17 | 北京工业大学 | 一种关于数控机床热效应下定位误差温度测点组合的选择优化方法 |
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 |
CN110889091A (zh) * | 2019-11-18 | 2020-03-17 | 重庆理工大学 | 基于温度敏感区间分段的机床热误差预测方法与系统 |
CN111596612A (zh) * | 2020-05-11 | 2020-08-28 | 上海交通大学 | 基于工件尺寸数据的数控机床热误差补偿方法及系统 |
US20210026319A1 (en) * | 2019-01-31 | 2021-01-28 | Dalian University Of Technology | Self-adaptive compensation method for feed axis thermal error |
US20230152773A1 (en) * | 2020-04-21 | 2023-05-18 | Deckel Maho Seebach Gmbh | Machine Tool Control and Method for Characteristic Diagram-based Error Compensation on a Machine Tool |
CN116909209A (zh) * | 2023-08-02 | 2023-10-20 | 浙江工业大学 | 一种考虑动态热误差的数控机床误差建模和预测方法 |
-
2023
- 2023-11-02 CN CN202311449020.2A patent/CN117170308B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997043703A1 (en) * | 1996-05-10 | 1997-11-20 | Automated Precision, Inc. | Real time machine tool error correction using global differential wet modeling |
JPH11156676A (ja) * | 1997-12-01 | 1999-06-15 | Miyano:Kk | 工作機械の熱変位補正方法および装置 |
KR20090069413A (ko) * | 2007-12-26 | 2009-07-01 | 한국기계연구원 | 공작기계의 열변형 실시간 보상장치 |
CN103926874A (zh) * | 2013-12-03 | 2014-07-16 | 江苏齐航数控机床有限责任公司 | 数控机床热误差补偿建模温度测点组合的选择优化方法 |
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 |
CN104216334A (zh) * | 2014-09-16 | 2014-12-17 | 北京工业大学 | 一种关于数控机床热效应下定位误差温度测点组合的选择优化方法 |
US20210026319A1 (en) * | 2019-01-31 | 2021-01-28 | Dalian University Of Technology | Self-adaptive compensation method for feed axis thermal error |
CN110889091A (zh) * | 2019-11-18 | 2020-03-17 | 重庆理工大学 | 基于温度敏感区间分段的机床热误差预测方法与系统 |
US20230152773A1 (en) * | 2020-04-21 | 2023-05-18 | Deckel Maho Seebach Gmbh | Machine Tool Control and Method for Characteristic Diagram-based Error Compensation on a Machine Tool |
CN111596612A (zh) * | 2020-05-11 | 2020-08-28 | 上海交通大学 | 基于工件尺寸数据的数控机床热误差补偿方法及系统 |
CN116909209A (zh) * | 2023-08-02 | 2023-10-20 | 浙江工业大学 | 一种考虑动态热误差的数控机床误差建模和预测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117555287A (zh) * | 2024-01-12 | 2024-02-13 | 中国机械总院集团云南分院有限公司 | 一种基于cae的数控机床加工动态性能监控方法及系统 |
CN117555287B (zh) * | 2024-01-12 | 2024-04-09 | 中国机械总院集团云南分院有限公司 | 一种基于cae的数控机床加工动态性能监控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117170308B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Advanced data collection and analysis in data-driven manufacturing process | |
Shin et al. | Energy efficiency of milling machining: Component modeling and online optimization of cutting parameters | |
Ratchev et al. | An advanced FEA based force induced error compensation strategy in milling | |
CN117170308B (zh) | 一种基于指令序列分析的机床动态误差补偿方法及系统 | |
CN108628256B (zh) | 机械学习装置以及热位移修正装置 | |
CN110007645B (zh) | 一种基于动力学及深度神经网络的进给系统混合建模方法 | |
CN102736558A (zh) | 基于时间序列算法的数控机床热误差实时补偿建模方法 | |
MXPA00011163A (es) | Metodo de control para un robot industrial. | |
Turek et al. | Methods of machine tool error compensation | |
Brecher et al. | Use of NC kernel data for surface roughness monitoring in milling operations | |
JP2005521127A (ja) | 知能型step−nc制御機 | |
Mou et al. | An adaptive methodology for machine tool error correction | |
US20230116059A1 (en) | Digital twin | |
Reddy et al. | Real-time thermal error compensation strategy for precision machine tools | |
Liu et al. | A dynamic linearization modeling of thermally induced error based on data-driven control for CNC machine tools | |
Postlethwaite et al. | Machine tool thermal error reduction—an appraisal | |
Stoop et al. | Cloud-based thermal error compensation with a federated learning approach | |
Liu et al. | A novel comprehensive thermal error modeling method by using the workpiece inspection data from production line for CNC machine tool | |
Hu et al. | Implementation of real-time machining process control based on fuzzy logic in a new STEP-NC compatible system | |
Jędrzejewski et al. | Intelligent supervision of thermal deformations in high precision machine tools | |
Shadravan et al. | Viability of Digital Twin Multi-Dimensional Modeling Framework for Machining Processes-A Review | |
Gąska et al. | Challenges for uncertainty determination in dimensional metrology put by industry 4.0 revolution | |
KR20210100399A (ko) | 인공 지능을 이용한 가공품질 예측 시스템 및 방법 | |
Spaan | Software error compensation of machine tools | |
Naumann et al. | Optimization of characteristic diagram based thermal error compensation via load case dependent model updates |
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 |