数控机床热误差测点优化模型预测与实时补偿的研究.pdf

《数控机床热误差测点优化模型预测与实时补偿的研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第6期组合机床与自动化加工技术NO．62013年6月ModularMachineTool&AutomaticManufacturingTechniqueJnn．2013文章编号：1001—2265(2013)06—0088—04数控机床热误差测点优化模型预测与实时补偿的研究陈松，王永青(1．大连理工大学精密与特种加工教育部重点实验室，辽宁大连116024；2．辽宁科技大学网络信息中心，辽宁鞍山114051)摘要：数控机床加工过程中温度场的变化产生的热误差严重影响工件的加工精度，需要进行热误差的检测与补偿。通过灰色关联算法筛选出关键的温度测点作为热误差

2、预测模型的参变量，运用多元线性回归数学模型准确高效预估热误差值，采用热误差脉冲量叠加到反馈脉冲序列的方法实现热误差的实时补偿。从而低成本地消除数控机床加工热误差，提高工件的加工精度。关键词：热误差；数控机床；测点优化；多元线性回归；实时补偿中图分类号：TP393．1文献标识码：AStudyonCNCMachineToolThermalErrorMeasurementPointOptimizationModelPredictionandReal-timeCompensationCHENSong，WANGYong—qing(1．KeyLaboratory

3、forPrecisionandNon—traditionalMachiningTechnologyofMinistryofEducation，DalianUniversityofTechnology，DalianLiaoning，116024，China；2．Networkinformationcenter，Univer—sityofScienceandTechnologyLiaoning，AnshanLiaoning114051，China)Abstract：Thethermalerrorgeneratedbythechangeofthetempe

4、raturefieldseriouslyaffectmachiningaccuracyoftheworkpieceintheCNCmachiningprocess，Itisnecessarytodetectandcompensatethethermalerror．Graycorrelationalgorithmsfilteroutthecriticaltemperaturemeasuringpointsasparamet—ricforthermalerrorpredictionmodel，Multiplelinearregressionmathema

5、ticalmodelaccuratelyandeffi—cientlyestimatesthethermalerrorvalues，thermalerrorreal—timecompensationsuperimposesthermaler-rorpulseonthefeedbackpulsesequence．So，itislow-costwaytoeliminateCNCmachiningthermaler—rorandimprovethemachiningaccuracyoftheworkpiece．Keywords：thermalerror；C

6、NCmachinetool；measuringpointoptimization；multivariatelinearregres-sion；real—timecompensation低，所以本文采用此办法进行热误差的实时补偿。O引言数控机床热误差实时补偿需要解决3个关键问题：数控机床加工过程产生大量热，由于内部热源第一，温度测点筛选优化。数控机床温度场繁杂多繁多，导热与散热出现阶梯变化，以及外部环境温差变，势必需要优化提取出与热误差关联最密切的关因素会导致机床整体结构热变形以及位置控制误差键温度测点，从而降低热误差预测数学模型结构以加大。这样刀具与

7、工件之间便产生了热漂移现象，及参数的复杂性。温度变量影响热误差量的程度规因此产生了加工热误差。特别是在高速高精度加工律性明显具有灰色性，所以运用灰色关联算法进行过程中，热误差的存在严重影响工件加工精度和表温度测点优化。第二，热误差预测数学模型科学构面加工质量，以至于成为最大的误差源，最高占加工建。热误差精准预测需要简单、鲁棒性强的数学模总误差的70％左右。。因此针对热误差需要进行型作为有力支撑，从而进行多温度变量输入单热误有效地避免或者在加工过程中进行合理消除。由于差变量输出的恰当曲线拟合。多元线性回归数学模补偿法简单、实用、灵活、见效快并且成本相对

8、较型良好地体现了此预测模型的特征，并且简洁、高收稿日期：2012—11—02；修回日期：2012—11—21