一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法技术

本发明专利技术涉及一种基于DSP的数控机床X‑Y工作台定位误差实时补偿方法，应用激光干涉仪对不同速度、位置下数控机床X‑Y工作台的定位误差进行测量，在MATLAB中建立GA‑BP神经网络对测量数据进行训练，根据训练优化后的权值和阈值在DSP中进行定位误差建模和预测。本方法通过GA‑BP神经网络建模简化了建模难度，提高了补偿精度，又根据DSP强大的运算能力，将GA‑BP定位误差模型移植到DSP中，使系统达到实时补偿的要求。

【技术实现步骤摘要】
一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法
本专利技术涉及精密加工或误差补偿
，具体是一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法。
技术介绍
随着现代机械制造技术的飞速发展，高精尖产品的需求大大增加，进而对数控机床的加工速度和精度提出了更高的要求。X-Y工作台是数控机床的重要组成部分，其定位精度是影响机床加工精度的主要来源，其定位误差受到位置、运动速度、各部件的装配精度、摩擦磨损等因素的影响。目前常用的建模方法有最小二乘法、多体系统理论、齐次坐标变换法、正交多项式等等。以上方法的主要原理是通过系统的物理本质，建立相应的数学表达式。根据以上方法用软件建立的定位误差模型存在数学表达式复杂，补偿时效性差的问题。随着嵌入式技术的发展，具有实时数据处理能力的DSP芯片在机械控制领域的补偿系统中得到广泛应用，由此本文提出了一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法。
技术实现思路
本专利技术的目的是提供一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法，它可以克服现有数控机床定位误差模型数学表达式复杂，补偿精度不高，补偿实时性差的不足，是一种简单有效的方法。本专利技术实现专利技术目的采用如下技术方案：一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法，具体方法包括如下步骤：步骤1分析数控机床X-Y工作台定位误差存在原因和GA-BP神经网络的工作原理，确定输入输出信号；步骤2、由激光干涉仪对不同影响因素下X-Y工作台定位误差进行测量；步骤3、设计一个个体数量、遗传代数和隐含层数目可变的GA-BP神经网络，由此确定数控机床X-Y工作台定位误差的网络结构；步骤4、按GA-BP算法编程、训练，获得最优权值和阈值；步骤5、根据最优的权值和阈值，在DSP中建立数控机床定位误差补偿模型；步骤6、用DSP实现GA-BP神经网络，并在仿真平台模拟效果。作为优选，本专利技术提供的一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法，所述步骤1中数控工作台系统的输入信号为速度和位置，输出信号为定位误差。作为优选，本专利技术提供的一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法，所述步骤2中激光干涉仪对不同速度、位置下的定位误差进行测量。作为优选，本专利技术提供的一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法，步骤3中神经网络结构为2-6-1型。作为优选，本专利技术提供的一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法，步骤4中神经网络隐含层和输出层传递函数分别为tansig和purelin，表达式如(1)和(2)所示，purelin(n)＝n(2)其中n为输入变量。作为优选，本专利技术提供的一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法，所述步骤5中在DSP建模具体方法为：①建立输入变量的归一化函数，tansig(n)函数的值域为(-1，1)，建立如下归一化函数t1：其中t为原值，t1为归一化值，amax为数据最大值，amin为数据最小值。②根据式子(5)建立神经网络主函数：y＝purelin(w2*tansig(w1*x+b1)+b2)(5)其中w2为隐含层到输出层的权值，b2为隐含层到输出层的阈值，y为输出值，w1为输入层到隐含层的权值，b1为输入层到隐含层的阈值。③根据式子(6)建立反归一化函数：t＝t1(amax-m)+m(6)作为优选，本专利技术提供的一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法，所述步骤6中仿真平台由PC机和以TMS320F28335为核心器件的DSP应用系统构成。有益效果：本专利技术与现有技术相比，其有益效果体现在：本专利技术解决数控机床定位误差非线性这一问题，通过神经网络的任意非线性映射能力可以模拟这样复杂的非线性函数关系，但是由于BP神经网络存在初始权值随机化，易于陷入局部最小值等缺点，所以文中运用遗传算法(GA)修正BP网络的初始权值、阈值。通过设计GA-BP神经网络，使得定位误差模型的预测精度得到提高；降低了数控机床X-Y工作台的建模难度。对MATLAB中GA-BP神经网络训练得到优化后的权值和阈值，并根据权值和阈值在DSP中建模，不仅能降低DSP的编程难度，而且能提高误差补偿速度。另外根据DSP芯片自身的硬件结构特点，决定了其具有快速的运算能力，将其用于数控机床定位误差的实时补偿，进一步提高了系统的运算速度，使系统达到实时性的要求。用DSP植入GA-BP算法实现数控机床定位误差实时补偿的方法，解决多种因素影响下的数控机床的定位精度问题，对于实时补偿数控系统的定位误差是一种行之有效的方法。附图说明图1是本专利技术所涉及一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法中的步骤流程图。图2是本专利技术所涉及一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法中的GA-BP算法流程图。图3是本专利技术所涉及一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法中的激光干涉仪测量的实验数据。图4是本专利技术所涉及一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法中的BP神经网络结构图。图5是本专利技术所涉及一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法中的DSP程序流程图。图6是本专利技术所涉及一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法中的DSP预测数据与实验数据对比图。具体实施方式一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法，其特征在于本方法包括如下步骤：步骤1分析数控机床X-Y工作台定位误差存在原因和GA-BP神经网络的工作原理，确定输入输出信号；步骤2由激光干涉仪对不同影响因素下X-Y工作台定位误差进行测量；步骤3设计一个个体数量、遗传代数和隐含层数目可变的GA-BP神经网络，由此确定数控机床X-Y工作台定位误差的网络结构；步骤4在MATLAB中对GA-BP算法编程、训练，获得最优权值和阈值；步骤5根据最优的权值和阈值，在DSP中建立数控机床定位误差补偿模型；步骤6用DSP实现GA-BP神经网络，并在仿真平台模拟效果。上述步骤流程图如图1所示。上述所说的步骤1中数控工作台系统的输入信号为速度和位置，输出信号为定位误差。GA-BP神经网络的算法流程图如图2所示。上诉所说的步骤2中激光干涉仪对不同速度、位置下的定位误差进行测量，分别在速度为1mm/s，1.5mm/s，2mm/s，2.5mm/s，3mm/s，4mm/s，6mm/s，8mm/s，行程为0-150mm情况下，每隔5mm采集一次数据，相同速度、位置下采集3组，求平均值，共得到248个数据，如图3所示。上述所说的步骤3中设计一个隐含层神经元个数可变的神经，误差对比后确定网络结构为2-6-1型，如图4所示。上述所说的步骤4中在MATLAB中对GA-BP神经网络编程，确定神经网络隐含层和输出层传递函数分别为tansig和purelin，表达式如(1)和(2)所示，purelin(n)＝n(2)其中n为输入变量。并将速度为6mm/s，位置为0～150mm的定位误差数据作为预测样本，另外七组定位误差数据作为训练数据，得到最优的权值和阈值。上述所说步骤5中在DSP建模具体方法为：①建立输入变量的归一化函数，tansig(n)函数的值域为(-1，1)，建本文档来自技高网...

【技术保护点】
1.一种基于DSP的数控机床X‑Y工作台定位误差实时补偿方法，其特征在于本方法包括如下步骤：步骤1、分析数控机床X‑Y工作台定位误差存在原因和GA‑BP神经网络的工作原理，确定输入输出信号；步骤2、由激光干涉仪对不同影响因素下X‑Y工作台定位误差进行测量；步骤3、设计一个个体数量、遗传代数和隐含层数目可变的GA‑BP神经网络，由此确定数控机床X‑Y工作台定位误差的网络结构；步骤4、按GA‑BP算法编程、训练，获得最优权值和阈值；步骤5、根据最优的权值和阈值，在DSP中建立数控机床定位误差补偿模型；步骤6、用DSP实现GA‑BP神经网络，并在仿真平台模拟效果。

【技术特征摘要】
1.一种基于DSP的数控机床X-Y工作台定位误差实时补偿方法，其特征在于本方法包括如下步骤：步骤1、分析数控机床X-Y工作台定位误差存在原因和GA-BP神经网络的工作原理，确定输入输出信号；步骤2、由激光干涉仪对不同影响因素下X-Y工作台定位误差进行测量；步骤3、设计一个个体数量、遗传代数和隐含层数目可变的GA-BP神经网络，由此确定数控机床X-Y工作台定位误差的网络结构；步骤4、按GA-BP算法编程、训练，获得最优权值和阈值；步骤5、根据最优的权值和阈值，在DSP中建立数控机床定位误差补偿模型；步骤6、用DSP实现GA-BP神经网络，并在仿真平台模拟效果。2.根据权利要求1所述的方法，其特征在于所述步骤1中数控工作台系统的输入信号为速度和位置，输出信号为定位误差。3.根据权利要求1所述的方法，其特征在于所述步骤2中激光干涉仪对不同速度、位置下的定位误差进行测量。4.根据权利要求1所述的方法，其特征在于所述步骤3中神经网络结构为2-6-1型。5.根据...

【专利技术属性】
技术研发人员：顾嘉辉，江磊，王彭通，李莉，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：安徽,34