The invention discloses a modeling method for selecting the thermal key points of the spindle system of a numerical control machine tool based on the time characteristics, which comprises the following steps: the temperature data of each temperature measuring point collected under the standard speed map is sorted according to the time required to reach the maximum temperature from less to more, and the temperature measuring points are divided into several categories by clustering methods such as the fuzzy c-means clustering, and then the temperature measuring points in each category are measured Point, according to the above sorting level, select the point with high sorting level as the thermal key point of this kind, take the temperature data of the selected thermal key point and the corresponding thermal error data as the training set, and use the regression method such as support vector machine to establish the thermal error model. The invention improves the robustness of the model, so that the selected thermal error key point can have high accuracy when predicting the thermal error under other speed maps.
【技术实现步骤摘要】
基于时间特性的数控机床主轴系统热关键点选取建模方法
本专利技术属于数控机床
,具体涉及基于时间特性的数控机床主轴系统热关键点选取建模方法。
技术介绍
随着数控机床向高速、精密方向发展,热误差越来越成为机床误差最主要的组成部分。热误差可以占到机床总误差的40-70%,由温度影响导致的几何误差可以占到被加工件总几何误差的75%。而主轴旋转时与轴承之间的摩擦从源头上来讲是不可避免的。因此,基于热误差建模等方法,以补偿的方式对热误差进行主动控制,是减小热误差的主要途径。热误差建模是指利用回归方法建立某种转速图谱下热关键点温度数据与热误差数据之间的多元非线性关系模型。为保证模型鲁棒性,往往还需要将该模型应用到对其它转速图谱下的热误差预测之中。因此,温度和热误差数据的采集、热关键点的选取以及热误差模型的建立是热误差建模的主要内容。上海交通大学窦小龙等通过加热实验认为最佳测点的温度变化与主轴热变形之间的相关系数最大;上海工程技术大学曹永杰等通过分析温度测点之间的相关系数选择了热关键点;兰州理工大学雷春丽等通过模糊聚类和灰色关联度分析确定了热关键点;郑州大学苏宇峰等通过BP神经网络建立了热误差补偿模型;合肥工业大学苗恩铭等通过支持向量机建立了热误差模型;西安交通大学杨军等通过模糊聚类和相关系数确定了热关键点;四川大学谭峰等通过将BP神经网络进行集成,建立了卧式加工中心热误差模型;华中科技大学张捷等基于遗传RBF神经网络建立了热误差模型。上述温度测点选取和热误差建模方法多是先利用模糊聚类方法对温度测点进行 ...
【技术保护点】
1.基于时间特性的数控机床主轴系统热关键点选取建模方法,其特征在于,包括以下步骤:/nS1、在标准转速图谱下采集各温度测点的温度数据,将该温度数据按照其到达最高温度所需时间由少到多排序,其表达式如下:/n
【技术特征摘要】
20190726 CN 20191068492361.基于时间特性的数控机床主轴系统热关键点选取建模方法,其特征在于,包括以下步骤:
S1、在标准转速图谱下采集各温度测点的温度数据,将该温度数据按照其到达最高温度所需时间由少到多排序,其表达式如下:
(1)式中:xij是第i个测量点在第j分钟时的温度,Int()为取整函数,ri为第i个测量点的排序值,ri越大,表明第i个测量点达到最高温度所需的时间越少,则其排序越靠前;对于同时到达最高温度的测点,即ri相同的测量点,按其在整个测量时间内的温度变化量从大到小排序;
S2、通过聚类方法将温度测点分类后,对于每一类中的温度测点,按照步骤S1中排序的高低,选择排序高的点作为该类的热关键点,按此方法选择出每一类的热关键点,最终组成全部温度测点的热关键点;
S3、以步骤S2中方法选取的热关键点的温度数据和对应的热误差数据作为训练集,利用回归方法建立热误差模型,并将非标准转速图谱下相同热关键点的温度数据带入训练好的热误差模型,对热误差进行预测。
2.根据权利要求1所述的基于时间特性的数控机床主轴系统热关键点选取建模方法,其特征在于,步骤S1包括以下子步骤,
S11、设置不同运行状态的转速图谱,保证其中有一转速图谱为GB/T17421.3-2009《机床检验通则第3部分:热效应的确定》所规定的标准转速图谱;
S12、数控机床分别按照步骤S11中的转速图谱运行,运行时,温度传感器和位移传感器同时采集相应的数据;
S13、利用位移传感器采集主轴系统主轴伸出端热误差,取一段时间的平均值作为该时刻的热误差值,位移传感器在数控机床运转前处于置零状态;
S14、利用温度传感器采集主轴系统表面各点温度和距主轴系统一定距离处的环境温度,其中,温度数据采样频率要与位移数据取平均值后的频率相同,温度测点包括并不限于靠近前后轴承位置的测点、环境温度测点、有其它热源存在的测点。
3.根据权利要求2所述的基于时间特性的数控机床主轴系统热关键点选取建模方法,其特征在于,所述位移传感器采用非接触式位移传感器,所述温度传感器采用接触式位移传感器。
4.根据权利要求2所述的基于时间特性的数控机床主轴系统热关键点选取建模方法,其特征在于,在步骤S12中,数控机床分别按照步骤S11中的转速图谱运行之前,使数控机床静止一段时间进行冷却。
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。