基于大数据分析和预判的机床运动温差补偿方法技术

一种基于大数据分析和预判的机床运动温差补偿方法，包括S1、采集样本数据；S2、将若干相同型号的数控机床的相应的样本数据上传至云平台；S3、利用云平台建立基于样本数据的大数据热误差预测模型；S4、实时检测被监测的数控机床热源测量点的温度值，并上传至云平台，云平台实时分析和预判热误差值；S5、根据预判的结果，将热误差值转变为数控机床坐标系原点的补偿平移量，通过坐标系原点偏移实现热误差实时补偿。本发明专利技术有效地利用了大数据和云平台对机床运动温差进行建模，并通过大数据和云平台对机床运动温差进行分析和预判，从而根据分析和预判的结果来控制网络中任意一台数控机床，减小温度对数控机床的制造精度的影响。

Compensation method of machine tool movement temperature difference based on big data analysis and prediction

【技术实现步骤摘要】
基于大数据分析和预判的机床运动温差补偿方法
本专利技术涉及数控机床行业的精度控制
，特别的涉及一种基于大数据分析和预判的机床运动温差补偿方法。
技术介绍
据统计，在数控机床加工过程中由于工艺系统热变形引起的加工误差占整个工件加工误差的50％以上。合理有效地进行热误差控制是提高数控机床加工精度的重要保证。热误差补偿法就是其中一种最常用有效的方法。而热误差补偿的前提是能够尽可能准确地建立机床热误差和机床温度之间的映射关系，从而在实时补偿过程中用机床温度值来预报热误差。由于热误差本身具有准静态时变、非线性、衰减延迟以及耦合的综合特征，所以难以采用理论分析来建立精确热误差数学模型。目前常用的热误差建模方法为实验建模法，即根据统计理论对热误差数据和机床温度值作相关分析用最小二乘原理进行拟合建模。现有数控机床的热误差建模方法，由于提供的相同型号的数控机床的数量有限，其最后的热误差模型的精度较差。
技术实现思路
为了解决上述问题，本专利技术向社会提供一种基于大数据分析和预判的机床运动温差补偿方法，它可以有效地利用大数据和云平台对机床运动温差进行建模，并通过大数据和云平台对机床运动温差进行分析和预判，从而根据分析和预判的结果来控制网络中任意一台数控机床，减小温度对数控机床的制造精度的影响。本专利技术的技术方案是：提供一种基于大数据分析和预判的机床运动温差补偿方法，包括如下步骤：S1、采集样本数据：在数控机床上选取若干热源测量点，并对若干检测热源测量点的温度值，分别建立对应时间点的主轴热误差值，作为样本数据；S2、将若干相同型号的数控机床的相应的样本数据上传至云平台；S3、利用云平台建立基于样本数据的大数据热误差预测模型；S4、实时检测被监测的数控机床热源测量点的温度值，并上传至云平台，云平台通过所述的大数据热误差预测模型，实时分析和预判热误差值；S5、根据预判的结果，将热误差值转变为数控机床坐标系原点的补偿平移量，通过坐标系原点偏移实现热误差实时补偿。作为对本专利技术的改进，所述步骤S1中，对输入的温度样本数据进行归一化处理到区间[0，1]。作为对本专利技术的改进，所述若干相同型号的数控机床是网络中所有相同的型号的数控机床。作为对本专利技术的改进，所述步骤S1中，每台数控机床选取至少10个热源测量点，并采集至少300组温度值和对应的热误差值作为样本数据。作为对本专利技术的改进，所述热源测量点主要分布在数控机床主轴、各进给轴丝杆螺母副、床身和冷却液处。本专利技术有效地利用了大数据和云平台对机床运动温差进行建模，并通过大数据和云平台对机床运动温差进行分析和预判，从而根据分析和预判的结果来控制网络中任意一台数控机床，减小温度对数控机床的制造精度的影响。附图说明图1是本专利技术方法一种实施例的流程方框示意图。具体实施方式请参见图1，图1揭示的是一种基于大数据分析和预判的机床运动温差补偿方法，包括如下步骤：S1、采集样本数据：在数控机床上选取若干热源测量点，并对若干检测热源测量点的温度值，分别建立对应时间点的主轴热误差值，作为样本数据；本步骤的重点是在被监控的数控机床上，设计若干热源测量点，比如说，这些热源测量点可以设在数控机床的主轴、各进给轴丝杆螺母副、床身和冷却液等处；每台数控机床选取至少10个热源测量点，并采集至少300组温度值和对应的热误差值作为样本数据；将采集到的各热源测量点的温度值，分别建立时间点的主轴热误差值映射表，保存并上传至云平台；S2、将同一网络中的若干相同型号的数控机床的相应的样本数据上传至云平台，构成一个同一型号的数控机床的主轴热误差值大数据库；这些相同型号的数控机床可以是分布世界各地的相同型号的成千上万的数控机床，也可以是同一局域网内的成百上千的相同型号的数控机床；S3、利用云平台的云计算的分布式处理、分布式数据库和云存储、虚拟化技术，建立基于样本数据的大数据热误差预测模型；S4、对于每一台被监测数控机床而言，该被监测的数控机床的实时热源测量点的温度值，应及时上传至云平台，云平台通过所述的大数据热误差预测模型，实时分析和预判热误差值；S5、根据预判的结果，云平台将热误差值转变为数控机床坐标系原点的补偿平移量，通过网络将补偿平移量传输给被控数控机床，所述数控机床根据坐标系原点偏移实现对所述数控机床的热误差实时补偿。优选的，所述步骤S1中，对输入的温度样本数据进行归一化处理到区间[0，1]，以便于云计算。优选的，所述若干相同型号的数控机床是网络中所有相同的型号的数控机床。本文档来自技高网...

【技术保护点】
1.一种基于大数据分析和预判的机床运动温差补偿方法，其特征在于，包括如下步骤：/nS1、采集样本数据：在数控机床上选取若干热源测量点，并对若干检测热源测量点的温度值，分别建立对应时间点的主轴热误差值，作为样本数据；/nS2、将若干相同型号的数控机床的相应的样本数据上传至云平台；/nS3、利用云平台建立基于样本数据的大数据热误差预测模型；/nS4、实时检测被监测的数控机床热源测量点的温度值，并上传至云平台，云平台通过所述的大数据热误差预测模型，实时分析和预判热误差值；/nS5、根据预判的结果，将热误差值转变为数控机床坐标系原点的补偿平移量，通过坐标系原点偏移实现热误差实时补偿。/n

【技术特征摘要】
1.一种基于大数据分析和预判的机床运动温差补偿方法，其特征在于，包括如下步骤：
S1、采集样本数据：在数控机床上选取若干热源测量点，并对若干检测热源测量点的温度值，分别建立对应时间点的主轴热误差值，作为样本数据；
S2、将若干相同型号的数控机床的相应的样本数据上传至云平台；
S3、利用云平台建立基于样本数据的大数据热误差预测模型；
S4、实时检测被监测的数控机床热源测量点的温度值，并上传至云平台，云平台通过所述的大数据热误差预测模型，实时分析和预判热误差值；
S5、根据预判的结果，将热误差值转变为数控机床坐标系原点的补偿平移量，通过坐标系原点偏移实现热误差实时补偿。


2.根据权利要求1所述的基于大数据分析和预判的机床运动温差补偿方法，其特征在于，所述步骤S1中，对输入的温度样本数据进行归一化处理到区间[0，1]。<...

【专利技术属性】
技术研发人员：刁思勉，唐小琦，周华民，贺爱林，周向东，
申请(专利权)人：深圳市烨嘉为技术有限公司，
类型：发明
国别省市：广东;44