数控机床的热影响分析及补偿策略研究

发布时间：2017-09-28 12:14

  本文关键词：数控机床的热影响分析及补偿策略研究

  更多相关文章： 数控机床 有限元 温度测点优化 热误差建模

【摘要】：随着我国由制造业大国向制造业强国迈进,我国对数控机床加工精度的要求越来越高。然而随着数控机床加工精度的不断提高,热误差已经成为影响数控机床加工精度的关键因素,因此对机床热误差进行有效补偿已经成为我国乃至世界亟待解决的问题。本课题以数控机床的热误差补偿为主线,从数控机床的热变形有限元分析,机床温度测点优化和热误差建模三个方面进行了深入研究。首先是数控机床的热变形有限元分析。从理论上给出了数控机床热源和散热系数的计算方法,在有限元分析与实测对比验证基础上对轮槽铣床主轴箱进行了稳态和瞬态的热-结构耦合分析,得到了轮槽铣床主轴箱的温升和热变形规律,并分析了环境温度对轮槽铣床主轴箱热变形的影响。其次是对数控机床的温度测点优化。采用瞬态热分析的方法获得XK5034立式铣床整机的温升和热变形数据,对预先布置的温度测点采用模糊C均值聚类算法进行分组优化。针对模糊C均值聚类算法需要人为设定分类数的弊端,对算法进行了改进,提出了聚类数自适应算法。该算法不仅能给出最佳聚类数,还能对测点进行分组优化,改进后的算法将温度测点由13个减少到6个,其测点分类情况与实际情况更加吻合。在此基础上,将聚类数自适应算法应用到轮槽铣床主轴箱的温度测点优化上,得到了主轴箱的关键测温点。最后是对数控机床的热误差建模。搭建实验平台测量机床关键测点的温升和机床主轴的热变形,采用径向基神经网络和多元线性回归两种建模方法分别对两种不同测点优化得到的温度测点进行热误差建模,并对它们的建模精度和鲁棒性进行了对比分析。结果发现:所建立的热误差模型都能较好的预测机床的热误差,而径向基神经网络的聚类数自适应算法的预测精度和鲁棒性最好。
【关键词】：数控机床 有限元 温度测点优化 热误差建模
【学位授予单位】：西南科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TG659
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-15
• 1.1 课题的研究背景9
• 1.2 课题的研究意义9-10
• 1.3 数控机床热误差补偿国内外研究现状10-12
• 1.3.1 数控机床热变形研究现状10-11
• 1.3.2 机床温度测点优化研究现状11
• 1.3.3 数控机床的热误差建模研究现状11-12
• 1.4 机床热误差补偿存在的问题12-13
• 1.5 课题的来源和主要研究内容13-15
• 1.5.1 课题的来源13-14
• 1.5.2 课题的研究内容14-15
• 2 数控机床的热特性分析基本理论15-20
• 2.1 机床的热变形机理15-16
• 2.2 传热学的基本理论16-17
• 2.2.1 热传导16
• 2.2.2 热对流16-17
• 2.3 ANSYS热分析有限元基本理论17-19
• 2.3.1 ANSYS热耦结构分析方法18-19
• 2.4 本章小结19-20
• 3 轮槽铣床的热变形分析20-38
• 3.1 机床热源分析与散热计算20-22
• 3.1.1 轴承发热计算20-21
• 3.1.2 电机生热计算21
• 3.1.3 对流换热系数的计算21-22
• 3.2 轮槽铣床主轴箱的热变形分析22-34
• 3.2.1 XK5034铣床热分析实验验证23-26
• 3.2.2 轮槽铣床主轴箱的稳态热变形分析26-30
• 3.2.3 轮槽铣床主轴箱的瞬态热变形分析30-34
• 3.3 环境温度对轮槽铣床主轴箱热变形的影响34-37
• 3.3.1 环境温度对主轴前端圆度的影响36-37
• 3.4 本章小结37-38
• 4 数控机床的温度测点优化38-55
• 4.1 温度测点优化原则38-40
• 4.2 基于模糊C均值聚类的温度测点优化40-46
• 4.2.1 模糊C均值聚类算法40-42
• 4.2.2 基于FCM的数控机床温度测点优化实例42-46
• 4.3 改进的模糊C均值聚类测点优化46-50
• 4.3.1 模糊C均值聚类数的自适应算法46-47
• 4.3.2 聚类数自适应算法在温度测点优化的实例47-50
• 4.4 轮槽铣床主轴箱的温度测点优化50-54
• 4.5 本章小结54-55
• 5 数控机床的热误差建模与补偿55-74
• 5.1 径向基神经网络55-57
• 5.1.1 RBF神经网络结构55-56
• 5.1.2 RBF神经网络学习56-57
• 5.2 多元线性回归建模理论57-58
• 5.3 数控机床温升和热误差测量实验58-63
• 5.4 基于径向基神经网络的热误差建模63-67
• 5.4.1 模糊C均值聚类的径向基神经网络建模63-64
• 5.4.2 聚类数自适应算法的径向基神经网络建模64-66
• 5.4.3 径向基神经网络建模结果分析66-67
• 5.5 基于最小二乘的多元线性回归建模67-71
• 5.5.1 模糊C均值聚类的多元线性回归建模67-69
• 5.5.2 聚类数自适应的多元线性回归建模69-70
• 5.5.3 多元线性回归建模结果分析70-71
• 5.6 数控机床热误差建模总结71-72
• 5.7 数控机床的热误差补偿72-73
• 5.8 本章小结73-74
• 全文总结及展望74-76
• 总结74-75
• 展望75-76
• 致谢76-77
• 参考文献77-81
• 攻读硕士期间的学术论文及科研成果81

【参考文献】

中国期刊全文数据库 前4条

1 窦小龙,杨建国,关贺,邓卫国;温度测点优化在机床主轴热误差建模中的应用[J];航空精密制造技术;2003年04期

2 张海燕;曾黄麟;唐建芳;;基于粗集方法的机床热补偿误差的温度测点优化[J];机床与液压;2010年01期

3 张琨;张毅;侯广锋;杨建国;;基于热模态分析的热误差温度测点优化选择[J];机床与液压;2012年07期

4 罗范杰;宋丹路;;基于有限元方法的环境温度对机床热变形的影响[J];机床与液压;2014年22期

中国硕士学位论文全文数据库 前1条

1 阳江源;数控机床热误差检测与建模研究[D];大连理工大学;2010年

，

本文编号：935774