数控磨齿机床热误差鲁棒建模技术及补偿研究
发布时间：2021-11-15 07:12
齿轮的加工精度和质量直接决定齿轮传动性能。数控磨齿机床是加工高精度齿轮的关键设备,热误差是影响磨齿机加工精度的重要因素之一。热误差补偿技术以其经济高效性成为了解决机床热误差问题的主要手段。然而,不同工况下补偿模型的鲁棒性影响了该技术的工程应用,因此研究变工况下数控磨齿机床热误差鲁棒建模技术具有重要意义。本论文针对数控砂轮磨齿机床,就温测点的布置方法与建模变量的优化,机床的进给系统、工件主轴和砂轮主轴的热误差鲁棒建模技术进行了研究。主要研究工作归纳如下:（1）提出了基于测点虚拟构造法和特征提取算法的温度特征变量优化方法。将进给系统的滚珠丝杠简化为一维杆,基于热量传递原理和热弹性运动方程,分析其热变形和各测点温度之间的相关性,寻求热变形与温度之间呈线性关系的最佳测点,建立了热变形和最佳温测点的数学描述,揭示了工况差异时,最佳测点变化及鲁棒性变差的影响因素及变动规律。基于金属材料温度传递各向同性的原理,规划了进给系统温度传感器的布局策略;提出了基于线性测点虚拟构造法和特征提取算法的温度特征变量优化方法,减小了热变形与测点温度线性关系的不稳定及多元共线性对模型鲁棒性及预测精度的影响。在磨齿机上...
【文章来源】：西安理工大学陕西省
【文章页数】：145 页
【学位级别】：博士
【部分图文】：
机床热源示意图
1绪论5找关键点的速度更快。如图1-2所示，为热成像仪拍摄的数控磨床主轴部分热成像图，在热成像图中可以迅速确定主要热源的位置。2016年，作者在对龙门机床及数控磨床的热误差关键点优化时采用了热成像仪快速确定关键热源[28,29]。2013年，本课题组的张成新也采用热成像仪对加工中心的工作台温度场进行探测，从而对工作台的热误差进行建模[30]。四川大学杨佐卫等[31]利用热成像仪修正边界条件，最终得到足够精度的热特征模型。Veldhuis等[32]利用热成像测量法，通过辨识热变形图像计算各进给轴的热误差。该方法改变了从温度向位移转换的常规过程，采用光学原理直接检测热误差。文献[33]也介绍了热成像仪在数控机床热误差研究中的应用。图1-2热成像图例Fig.1-2Thermalimaginglegendb分组优化法分组优化是指以温度变量间的相关性为指标对温度测点进行分类，再筛选出上述分类中与机床热误差最相关的温度测点，最后使用测点数据进行热误差建模。这类方法是目前热误差模型温度敏感点筛选的最常用方法。该方法中最常见的统计方法有模糊聚类、灰系统理论、相关分析等。1995年，密歇根大学的Lo等[34,35]为了优化温度测点，采用Mallow的CP统计分析法，借助相关性进行分组，将温度测点分组搜索和寻优，最终，机床上布置的80余个温度测点优化为4个关键点进行热误差建模。2002年，Lee等[36]采用关联分组和逐次线性回归分析相结合的方法，在逐次回归分析过程中，通过目标函数，不断缩小均方根残差。该方法在热误差模型的变量选择时简单有效。2004年，上海交通大学杨建国等[37]利用温度间的相关性将温度测点进行分类，再根据热误差与温度测点间的相关性选择每类中的最佳测点，最后根据回归平方和与总平方和的比值确定最终温度变量。该方法缩短
西安理工大学博士学位论文8果可能与实际切削结果相反。文献选择了四种不同的切削工况，对主轴箱的温升和主轴的热误差进行了测量。当采用温度变量和热误差通过相关关系建模时，模型预测精度很差；而采用多元线性回归方法建模时，将工况相关的主轴转速、测点温度和历史信息等与工况相关的条件作为输入变量建立的模型比不使用工况条件建立的最小二乘法模型精度更高。因此研究人员意识到，在建模实验时，应该将实际工况对热误差的影响模拟到实验中。图1-3不同工况下热误差的变化[73]Fig.1-3Variationofthermalerrorunderdifferentoperatingconditions为了模拟实际工况下的切削负载，在进行空载试验时往往将主轴转速和进给速度提高。尽管高速空载确实增加了驱动电机的负载，但研究发现[79]，在实际加工中产生的热源通过高速空载无法解决，例如，驱动机构切削负载所致的摩擦热。还有堆积在工作台和机座上的切屑和冷却液也会是通过空载无法考虑的热源。1999年，Ma等[80]的研究发现，温度传感器的位置与热量输入的频率有关，如加工周期、每日工作排班。这也说明热误差模型的鲁棒性与工况密切相关。文献[81]为了研究不同工况对机床热特性的影响，分别将切削深度、主轴转速、进给速度和是否使用冷却液四个条件的不同组合作为测试条件，试验结果显示，除温度外，切削工况也是影响热误差的主要因素。同时，文献还研究了切削路径和切削材料对热误差的影响，结果表明，切削路径和切削材料对热误差影响较校针对机床进给系统，Wu等[82]研究了三种进给速度和不同轴承预负载下的温升和热变形规律。Li等[83]在一台立式加工中心上测试不同主轴负载和不同主轴转速下的热误差。华中科技大学的夏军勇、金超等[84,85]在自制的高速进给系统试验台上进行了变工况条件下温
本文编号：3496298
【文章来源】：西安理工大学陕西省
【文章页数】：145 页
【学位级别】：博士
【部分图文】：
机床热源示意图
1绪论5找关键点的速度更快。如图1-2所示，为热成像仪拍摄的数控磨床主轴部分热成像图，在热成像图中可以迅速确定主要热源的位置。2016年，作者在对龙门机床及数控磨床的热误差关键点优化时采用了热成像仪快速确定关键热源[28,29]。2013年，本课题组的张成新也采用热成像仪对加工中心的工作台温度场进行探测，从而对工作台的热误差进行建模[30]。四川大学杨佐卫等[31]利用热成像仪修正边界条件，最终得到足够精度的热特征模型。Veldhuis等[32]利用热成像测量法，通过辨识热变形图像计算各进给轴的热误差。该方法改变了从温度向位移转换的常规过程，采用光学原理直接检测热误差。文献[33]也介绍了热成像仪在数控机床热误差研究中的应用。图1-2热成像图例Fig.1-2Thermalimaginglegendb分组优化法分组优化是指以温度变量间的相关性为指标对温度测点进行分类，再筛选出上述分类中与机床热误差最相关的温度测点，最后使用测点数据进行热误差建模。这类方法是目前热误差模型温度敏感点筛选的最常用方法。该方法中最常见的统计方法有模糊聚类、灰系统理论、相关分析等。1995年，密歇根大学的Lo等[34,35]为了优化温度测点，采用Mallow的CP统计分析法，借助相关性进行分组，将温度测点分组搜索和寻优，最终，机床上布置的80余个温度测点优化为4个关键点进行热误差建模。2002年，Lee等[36]采用关联分组和逐次线性回归分析相结合的方法，在逐次回归分析过程中，通过目标函数，不断缩小均方根残差。该方法在热误差模型的变量选择时简单有效。2004年，上海交通大学杨建国等[37]利用温度间的相关性将温度测点进行分类，再根据热误差与温度测点间的相关性选择每类中的最佳测点，最后根据回归平方和与总平方和的比值确定最终温度变量。该方法缩短
西安理工大学博士学位论文8果可能与实际切削结果相反。文献选择了四种不同的切削工况，对主轴箱的温升和主轴的热误差进行了测量。当采用温度变量和热误差通过相关关系建模时，模型预测精度很差；而采用多元线性回归方法建模时，将工况相关的主轴转速、测点温度和历史信息等与工况相关的条件作为输入变量建立的模型比不使用工况条件建立的最小二乘法模型精度更高。因此研究人员意识到，在建模实验时，应该将实际工况对热误差的影响模拟到实验中。图1-3不同工况下热误差的变化[73]Fig.1-3Variationofthermalerrorunderdifferentoperatingconditions为了模拟实际工况下的切削负载，在进行空载试验时往往将主轴转速和进给速度提高。尽管高速空载确实增加了驱动电机的负载，但研究发现[79]，在实际加工中产生的热源通过高速空载无法解决，例如，驱动机构切削负载所致的摩擦热。还有堆积在工作台和机座上的切屑和冷却液也会是通过空载无法考虑的热源。1999年，Ma等[80]的研究发现，温度传感器的位置与热量输入的频率有关，如加工周期、每日工作排班。这也说明热误差模型的鲁棒性与工况密切相关。文献[81]为了研究不同工况对机床热特性的影响，分别将切削深度、主轴转速、进给速度和是否使用冷却液四个条件的不同组合作为测试条件，试验结果显示，除温度外，切削工况也是影响热误差的主要因素。同时，文献还研究了切削路径和切削材料对热误差的影响，结果表明，切削路径和切削材料对热误差影响较校针对机床进给系统，Wu等[82]研究了三种进给速度和不同轴承预负载下的温升和热变形规律。Li等[83]在一台立式加工中心上测试不同主轴负载和不同主轴转速下的热误差。华中科技大学的夏军勇、金超等[84,85]在自制的高速进给系统试验台上进行了变工况条件下温
本文编号：3496298
本文链接：https://www.wllwen.com/shoufeilunwen/gckjbs/3496298.html
