一种基于数控机床实时数据的主轴组件热变形预测方法技术

本发明专利技术属于热变形预测相关技术领域，其公开了一种基于数控机床实时数据的主轴组件热变形预测方法，其包括以下步骤：(1)数控机床运行实验G代码程序，同时实时采集加工过程中主轴组件的热变形量、主轴的电流、速度及位移信号，并根据采集的实时数据求出热变形量与主轴的电流、速度及位移信号之间的关系以建立热变形预测模型；(2)设置热误差补偿值调整系数以对所述热变形预测模型进行调整；(3)将实时采集的主轴的电流、速度及位移带入所述热变形模型以预测出对应的热变形量。以上所述的主轴组件特变形预测方法降低了设计及预测成本，提高了预测精度，灵活性较高，通用性较好。

Thermal deformation prediction method of spindle assembly based on real time data of NC machine tools

The invention belongs to the technical field of thermal deformation prediction, which discloses a deformation prediction method of spindle assembly thermal NC machine tool based on real time data, which comprises the following steps: (1) CNC machine tool running experiment G code, and real-time acquisition process in the spindle's thermal deformation of the spindle, current, speed and displacement the signal, and according to the real-time data acquisition for relationship between the thermal deformation amount and spindle current, velocity and displacement signal to establish thermal deformation prediction model; (2) setting thermal error compensation value adjustment factor to the thermal deformation prediction model of adjustment; (3) the current, speed and displacement of the spindle in real time collected into the thermal deformation model to predict the deformation of the corresponding heat. The special deformation prediction method of the main shaft component reduces the design and prediction cost, improves the prediction accuracy, has high flexibility, and has better versatility.

【技术实现步骤摘要】
一种基于数控机床实时数据的主轴组件热变形预测方法
本专利技术属于热变形预测相关
，更具体地，涉及一种基于数控机床实时数据的主轴组件热变形预测方法，尤其适用于无温度传感器的机床。
技术介绍
在加工产品时，小型钻攻中心的主轴高速旋转，产生大量的热量，导致主轴组件的热变形问题十分严重；变形量大，最高超过0.12毫米；热平衡时间较长，平均热机时间为120分钟；针对上述问题，现阶段主要有以下几种解决方案：(1)改善冷却系统，提高散热速率。改善内藏式电机的外循环油水冷却系统、合理选择轴承和前后轴承座的材料、设计对称结构、适当加入阻尼等，以此来保证主轴组件运转的热平衡性。然而，该种方法不可能仅通过设计和制造技术等抑制热误差产生的手段来消除所有误差，且利用该方法来提高加工精度所花费的成本呈指数规律增长。(2)安装温度传感器。在每台机床上安装一个或多个温度传感器，通过算法选出最优最少的温度敏感点，然后把温度敏感点所采集的温度代入基于温度的热变形预测模型，实现对热变形的预测。这种方法比较适合价值高、体积大的大型机床，不适用于价值低、体积小的高速钻攻中心，且预测精度有限，灵活性较差；(3)建立基于时间的热误差补偿模型。该方法是建立主轴组件的热变形量与时间的模型，将主轴的运转时间和停止时间输入到模型中，计算出主轴组件的热变形量，在加工过程中进行补偿。采用这种补偿方法时，要求每个零件的加工时间要长，否则预测的主轴组件热变形量的误差会因为主轴的停止时间过长而增大，而且该补偿方法的通用性较差，不同的加工程序需要建立不同的补偿模型。相应地，本领域存在着发展一种预测精度较高且成本较低的热变形预测方法的技术需求。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于数控实时数据的主轴组件热变形预测方法，其基于主轴组件热变形的热点，针对主轴组件热变形预测方法进行了设计。所述主轴组件热变形预测方法基于主轴的电流、速度及位移，其在抑制热误差产生的基础上进一步减小误差，降低设计及预测成本，且提高了预测精度，灵活性较高。为实现上述目的，本专利技术提供了一种基于数控机床实时数据的主轴组件热变形预测方法，其包括以下步骤：(1)数控机床运行实验G代码程序，同时实时采集加工过程中主轴组件的热变形量、主轴的电流、速度及位移信号，并根据采集的实时数据求出热变形量与主轴的电流、速度及位移信号之间的关系以建立热变形预测模型；(2)设置热误差补偿值调整系数以对所述热变形预测模型进行调整；(3)将实时采集的主轴的电流、速度及位移带入所述热变形模型以预测出对应的热变形量。进一步地，所述热变形预测模型的表达式为：其中，Δlτ为第τ次测量时主轴的变形量，li、Si、Vi分别为0～τ之间第i个采样点的电流、位移、速度，K1、K2为模型中的系数，n表示从程序开始运行到对刀时刻的时间(ms)，n1表示主轴从程序运行开始到对刀时刻的旋转时间(ms)。进一步地，K1、K2是通过曲线拟合的方式求得的。进一步地，所述热误差补偿值调整系数分别为δ1＝1，δ2＝1，调整后的所述热变形预测模型的表达式为其中K1'＝K1δ1，K2，＝K2δ2。进一步地，依据预测出的热变形量进入补偿环节进行补偿，当主轴组件的热变形达到稳定状态后，之后的补偿值设为所述主轴组件达到稳定状态时预测的热变形量。总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，本专利技术提供的基于数控机床实时数据的主轴组件热变形预测方法，其基于主轴的电流、速度及位移进行预测，且设置有热误差补偿系数来对热变形预测模型进行调整，降低了设计及预测成本，提高了预测精度，灵活性较高，通用性较好。附图说明图1是本专利技术较佳实施方式提供的基于数控机床实时数据的主轴组件热变形预测方法的整体流程示意图。图2是图1中的基于数控机床实时数据的主轴组件热变形预测方法涉及的热变形预测流程图。图3采用图1中的基于数控机床实时数据的主轴组件热变形预测方法中建立模型时涉及的拟合模型曲线与实际热变形曲线的对比示意图。图4是采用图1中的基于数控机床实时数据的主轴组件热变形预测方法获得的热变形量与实际热变形量的对比及误差曲线示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。请参阅图1至图3，本专利技术较佳实施方式提供的基于数控机床实时数据的主轴组件热变形预测方法，其基于主轴的电流、速度及位移进行热变形量的预测。所述的基于数控机床实时数据的主轴组件热变形预测方法主要包括以下步骤：步骤一，数控机床进行实验G代码程序，同时实时采集加工过程中主轴组件的热变形量、主轴的电流、速度及位移信号，并根据采集的实时数据求出热变形量与主轴的电流、速度及位移信号之间的关系以建立热变形预测模型。本实施方式采集数据时所采用的机床型号为TD-500A，数控系统型号为HNC-8，机床主轴最高转速为24000r/min，本实施方式中主轴的转速取为15000r/min。加工过程中热变形的测量方法为：打开数控机床后，利用对刀仪测出主轴所在位置，然后让所述数控机床运行指定的实验G代码程序，此过程中，保持所述数控机床的Z轴的位置不变，主轴以15000r/min的转速旋转，一段时间后，所述对刀仪再次测量所述主轴的位置，一直重复这个动作。同时，实时采集加工过程中主轴的电流、速度及位移信号，采样频率为1000Hz。用每次对刀时测量的值减去第一次测量的值，即可得到关于主轴热变形量Δli的一系列值，建立主轴热变形量与电流I、速度V和位移S之间的关系模型为式中，Δlτ为第τ次测量时主轴的变形量，li、Si、Vi分别为0～τ之间第i个采样点的电流、位移、速度，K1、K2分别为模型中的系数，利用曲线拟合的方式可求得K1、K2的值拟合原理为最小二乘法。本实施方式中，用每次对刀时测量的值减去第一次测量的值，得到的关于热变形量Δli的一系列值(单位：mm)：Δli＝[0，0.0025，0.0049，0.0074，0.0097，0.0119，0.0140，0.0160，0.0178，0.0195，0.0211，0.0225，0.0239，0.0250，0.0264，0.0278，0.0291，0.0303，0.0318，0.0330，0.0342，0.0353，0.0365，0.0375，0.0386，0.0394，0.0403，0.04100.0419，0.0428，0.0438，0.0446，0.0454，0.0461，0.0467，0.0474，0.0481，0.0489，0.0498，0.0506，0.0514，0.05240.0532，0.0539，0.0545，0.0552，0.0559，0.0566，0.0574，0.0583，0.0589，0.0595，0.0601，0.0605，0.0609，0.0614，0.0617，0.0622，0.0627，0.0634，0.0639，0.0645，0.0651，0.0656，0.0661，0.0667，0.0674，0.0677本文档来自技高网...

【技术保护点】
一种基于数控机床实时数据的主轴组件热变形预测方法，其包括以下步骤：(1)数控机床运行实验G代码程序，同时实时采集加工过程中主轴组件的热变形量、主轴的电流、速度及位移信号，并根据采集的实时数据求出热变形量与主轴的电流、速度及位移信号之间的关系以建立热变形预测模型；(2)设置热误差补偿值调整系数以对所述热变形预测模型进行调整；(3)将实时采集的主轴的电流、速度及位移带入所述热变形模型以预测出对应的热变形量。

【技术特征摘要】
1.一种基于数控机床实时数据的主轴组件热变形预测方法，其包括以下步骤：(1)数控机床运行实验G代码程序，同时实时采集加工过程中主轴组件的热变形量、主轴的电流、速度及位移信号，并根据采集的实时数据求出热变形量与主轴的电流、速度及位移信号之间的关系以建立热变形预测模型；(2)设置热误差补偿值调整系数以对所述热变形预测模型进行调整；(3)将实时采集的主轴的电流、速度及位移带入所述热变形模型以预测出对应的热变形量。2.如权利要求1所述的基于数控机床实时数据的主轴组件热变形预测方法，其特征在于：所述热变形预测模型的表达式为：其中，Δlτ为第τ次测量时主轴的变形量，Ii、Si、Vi...

【专利技术属性】
技术研发人员：周会成，陈吉红，谭慧玲，刘国安，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42