基于环境温度模型库分段式加权的数控机床热误差建模

发布时间：2021-04-16 00:57

　　针对环境温度变化较大时常用的热误差模型预测精度低的问题,提出了一种基于环境温度的模型库分段式加权的热误差建模方法,以UPM120型数控铣床为实验对象,通过跨季度的7批次数据,完成了环境温度15～35℃的分段式加权模型建模和预测精度分析。结果表明,环境温度变化在5℃以内时,多元线性回归模型的预测精度优于BP神经网络模型、分布滞后模型、灰色理论模型和支持向量机模型,可以将其作为分段式加权模型库中的基础模型。当环境温度变化较小时,基于多元线性回归的分段式加权模型预测精度为1.39μm;当环境温度变化较大时,其预测精度为1.51μm,均远高于单一环境温度样本的回归模型、多环境温度样本的回归模型和泛化能力强的支持向量机模型的预测精度。 

【文章来源】：农业机械学报. 2020,51(07)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

基于BP神经网络的分段式加权模型基本结构

图2中T1位置处为Z轴伺服电机;T2位置处为丝杠上轴承座;T3位置处为丝杠螺母;T4位置处为丝杠下轴承座;T5位置处为Z轴溜板;T6位置处为主轴夹座;T7、T8和T9位置处为主轴;T10位置处为Y轴电机;T11位置处为X轴电机;T12位置处为X轴溜板靠近电机处;T13位置处为转台电机;T14位置处为环境温度。2.1.2 位移传感器布置

根据国际标准《机床检验通则第三部分:热效应的确定》可知，热误差由主轴端部与装夹工件工作台之间的相对位移变化产生[21-22]。因此，将检验棒安装在主轴末端，3个位移传感器用磁力表座固定在转台上，分别测量X、Y、Z轴3个方向的位移变化量，具体布置如图3所示。2.2 热误差采集

【参考文献】：
期刊论文
[1]基于时序深度学习的数控机床运动精度预测方法[J]. 余永维,杜柳青,易小波,陈罡.  农业机械学报. 2019(01)
[2]机床热误差建模研究综述[J]. 王海同,李铁民,王立平,李逢春.  机械工程学报. 2015(09)
[3]基于PLS和改进CVR的数控机床热误差建模[J]. 余文利,姚鑫骅,孙磊,傅建中.  农业机械学报. 2015(02)
[4]数控机床热误差补偿模型稳健性比较分析[J]. 苗恩铭,龚亚运,徐祗尚,周小帅.  机械工程学报. 2015(07)
[5]支持向量回归机在数控加工中心热误差建模中的应用[J]. 苗恩铭,龚亚运,成天驹,陈海东.  光学精密工程. 2013(04)
[6]数控机床热误差补偿中分布滞后模型的建立[J]. 姚焕新,牛鹏程,龚亚运,邵善敏,苗恩铭.  农业机械学报. 2013(03)
[7]基于BP神经网络的电主轴热误差补偿模型[J]. 苏宇锋,袁文信,刘德平,刘武发,段智勇.  组合机床与自动化加工技术. 2013(01)
[8]基于最优权系数组合建模的数控机床热误差在线补偿[J]. 阳红,向胜华,刘立新,李昭平,殷国富,张珣.  农业机械学报. 2012(05)
[9]基于灰色理论预处理的神经网络机床热误差建模[J]. 张毅,杨建国.  机械工程学报. 2011(07)
[10]双转台五轴数控机床热误差建模、检测及补偿实验研究[J]. 王秀山,杨建国,余永昌,邹彩虹.  中国机械工程. 2009(04)

硕士论文
[1]精密数控机床全工作台空间热误差补偿技术研究[D]. 徐建国.合肥工业大学 2017
[2]基于灰色系统理论的数控机床热误差建模技术研究[D]. 张伟.南京航空航天大学 2013
[3]基于最小二乘支持向量机的数控机床热误差建模的研究[D]. 许亚洲.浙江大学 2006



本文编号：3140427