【技术实现步骤摘要】
一种用于数控机床加工误差原位精度修复的方法
[0001]本专利技术属于机械加工
,具体涉及一种用于数控机床加工误差原位精度修复的方法。
技术介绍
[0002]目前精密检测被加工零件的形位公差以及表面形貌,需要将被加工零件放置在三坐标测量已和精度形貌上进行检测,然而如果通过拆卸被加工零件检测其质量,不仅会增加劳动强度和时间,也会因为二次装卡带来更大的加工误差。受位移传感器装配的限制,无法通过直接布置位移传感器而获得机床刀具处的位移变化。另外,通过应用传统的多自由系统力学模型获得位移量,需要在已知作用力的作用才可完成,而机床在实际工况作用下,受自身动力源载荷、切削载荷和环境载荷等多耦合作用力影响,无法获得精准的作用力信息,因此还无法应用传统力学模型实现多自由系统的位移信息辨识,所以目前的技术还无法实现在机床工作台上精密的检测表面加工质量。
技术实现思路
[0003]基于上述问题,本专利技术提供一种用于数控机床加工误差原位精度修复的方法,包括:
[0004]步骤1:构建机床与基础系统的多自由度系统力学 ...
【技术保护点】
【技术特征摘要】
1.一种用于数控机床加工误差原位精度修复的方法,其特征在于,包括:步骤1:构建机床与基础系统的多自由度系统力学模型:式中,m为质量矩阵;c为阻尼矩阵;k为刚度矩阵;f(t)为等效力向量;为加速度向量;为速度向量;x(t)为位移向量;步骤2:改进结合面粗糙表面的微凸体模型,确定多自由度系统力学模型中的刚度矩阵k和阻尼矩阵c的值,得到多自由度系统力学模型的具体表达式;步骤3:通过公式(1)输出机床材料和基础的等效弹性模量与多自由度系统的固有频率相对应的多组数值,用于构建神经网络的样本集合;对神经网络进行训练,将通过模态实验获得的固有频率的实验值作为训练后的神经网络的输入,分别获得机床和基础的等效弹性模量的修正值;将修正后的等效弹性模量带入到公式(1)中获得修正后的多自由度系统力学模型;步骤4:通过修正后的多自由度系统力学模型得到关于位移的求解函数,以在线的加速度信息为输入,输出机床上各部件在整个加工过程中的位移监测值x(t);步骤5:每隔一段时间通过模态实验获得固有频率的实验值,作为训练后的神经网络的输入,通过训练后的神经网络的输出来重新修正多自由度系统力学模型;步骤6:通过步骤4获得z轴升降台上刀具在时间序列下的位移值,将获得的位移值和走刀路线的时间一一对应,完成在整个加工过程中刀具状态重构,从而可以描述出被加工零件加工后的真实表面形貌;步骤7:将被加工零件工程图中要求的形位公差和粗糙度参数列出,利用第6步获得的真实表面形貌计算被加工零件表面真实的粗糙度值和真实的行为公差参数,通过与工程图中要求的参数做差,判断出哪些参数是符合要求的,哪些是不符合要求的,按照不符合要求的参数差值进行再加工,实现被加工零件的原位精度修复。2.根据权利要求1所述的一种用于数控机床加工误差原位精度修复的方法,其特征在于,所述步骤...
【专利技术属性】
技术研发人员:田杨,程金池,章子玲,李明昊,
申请(专利权)人:沈阳理工大学,
类型:发明
国别省市:
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。