【技术实现步骤摘要】
一种高速电主轴小样本热误差建模的弱监督域对抗网络
[0001]本专利技术涉及高速电主轴误差控制
,尤其涉及一种高速电主轴小样本热误差建模的弱监督域对抗网络
。
技术介绍
[0002]高速电主轴能够实现高精度和高效率加工,被广泛应用在航空航天
、
汽车零部件
、
电子芯片等精密加工场合
。
由于高速电主轴结构紧凑,缺乏水冷装置,导致其散热性能较差,加工过程中产生的热量会造成不同位置的温升变化,引起内部部件的热变形,并最终导致主轴前端的定位误差,从而降低加工精度
。
[0003]由热变形引起的热误差是影响加工精度的主要因素
。
相关研究表明:在精密加工过程中,热误差占总加工精度误差的
60
%
‑
80
%
。
为了减轻热误差的影响,热误差解决方案已经成为高速电主轴领域的一个重要研究方向
。
[0004]热误差解决方案主要有两种:主动抑制法和误差补偿法
。
主动抑制法是指通过恒温车间
、
冷却装置和油耗概念设计等减少热量,从根本上抑制热变形
。
误差补偿法使用数学模型来预测和补偿主轴运行过程中出现的热误差
。
主动抑制法技术壁垒和成本较高,该方法的应用受到限制,而误差补偿法由于其经济性和实用性受到了广泛推广
。
[0005]目前,随着数据和计算能力的不断提高,基于数据驱动的技术已
【技术保护点】
【技术特征摘要】
1.
一种高速电主轴小样本热误差建模的弱监督域对抗网络,其特征在于,包括多源异构数据模块
、
输入模块
、
域对抗模块和弱监督模块;所述多源异构数据模块用于采集电主轴在不同工况下的多个关键位置的温度数据
、
功率和电流数据以及热误差数据;所述输入模块用于根据不同工况划分源域和目标域,并在分源域和目标域两域的数据集内,分别划分训练集和测试集;所述域对抗模块包括特征提取器
G
f
,用于提取源域和目标域的自变量的输入特征;域判别器
G
d
,用于根据提取的源域和目标域特征,采用
min
‑
max
规则和梯度反转层,混淆源域和目标域特征;热误差预测器
G
p
,用于输出源域热误差预测值;所述弱监督模块包括目标域热误差预测器用于输出目标域热误差预测值目标域的小样本热误差数据以及计算弱监督损失函数
Loss
weakly
,并加入到总的损失函数中,进行反向传播
。2.
根据权利要求1所述的一种高速电主轴小样本热误差建模的弱监督域对抗网络,其特征在于,所述目标域热误差预测器的定义为:其中
g
(i)
为第
i
层的权重,
h
(i)
为第
i
层的偏置,
x
(i)
为第
i
个样本;目标域热误差预测器的误差的定义为:的定义为:其中是目标域小样本实际热误差数据,是目标域小样本预测热误差数据,为目标域热误差预测器的数学表达式,为目标域热误差预测器的误差的数学定义
。3.
根据权利要求1所述的一种高速电主轴小样本热误差建模的弱监督域对抗网络,其特征在于,所述计算弱监督损失函数
Loss
weakly
的计算公式为:其中
MAE
为损失函数平均绝对误差,
N
为样本总数;是目标域小样本实际热误差数据,是目标域小样本预测热误差数据
。
4.
根据权利要求1所述的一种高速电主轴小样本热误差建模的弱监督域对抗网络,其特征在于,所述多源异构数据模块采集电主轴的步骤中,选取高速电主轴多个关键位置,采用磁吸或贴片式温度传感器采集温度数据;电主轴工作时的电流和功率数据由数控系统实时记录,通过对数控系统二次开发采集电流和功率数据;电主轴工作时的热误差数据通过高精度位移传感器测量
。5.
根据权利要求1所述的一种高速电主轴小样本热误差建模的弱监督域对抗网络,其特征在于,所述输入模块用于根据不同工况划分源域和目标域,用作源域的数据集包含完备的自变量数据和因变量数据;用作目标域的数据集包含完备的自变量数据,以及小样本因变量数据;输入模块用于划分训练集和测试集
。6.
根据权利要求1所述的一种高速电主轴小样本热误差建模的弱监督域对抗网络,其特征在于,所述特征提取器
G
f
采用多尺度卷积神经网络,特征提取器...
【专利技术属性】
技术研发人员:刘强,马帅,陈祝云,冷杰武,张定,赵荣丽,
申请(专利权)人:广东工业大学,
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。