一种重型机床环境温度解析建模方法技术

本发明专利技术提供一种重型机床车间环境温度解析建模方法，其结合时间序列分析，傅立叶级数分解方法，将实测的环境温度用傅立叶三角级数形式表达，获取环境温度的时间序列、波动频率、波动幅值、相位等信息，实时测量更新的温度数据和当前时间信号作为输入，实现温度的实时预测，代替实测温度用于热误差响应预测建模。本发明专利技术考虑了环境温度波动的周期性和非周期性，以及波动随季节和年度变化的特征，同时考虑了当前机床当前热状态既受当前环境温度影响又受历史温度状态影响的客观事实，有利于更准确地定量描述机床热变形误差的时滞响应特性，进而提高机床热误差预测的精度和鲁棒性。

An analytical modeling method for environmental temperature of heavy duty machine tools

The invention provides a heavy machine tool workshop environment temperature analytical modeling method, which combines the time series analysis, Fu Liye series decomposition method, the measured temperature by Fu Liye triangle series form expression, information acquisition temperature time series, fluctuation frequency, amplitude and phase fluctuations, the real-time measurement of temperature data and update the current time as an input signal to realize real-time prediction of temperature, instead of actual temperature forecasting modeling for thermal error response. The invention considers periodic and non periodic temperature fluctuations, and fluctuations in the characteristics of seasonal and annual changes, considering the fact the current machine thermal state is affected by the current environmental temperature effect is influenced by the historical temperature state, is conducive to more accurately describe the delay response characteristics of machine tool thermal deformation error then, the thermal error improve the prediction accuracy and robustness.

【技术实现步骤摘要】
【专利摘要】本专利技术提供一种重型机床车间环境温度解析建模方法，其结合时间序列分析，傅立叶级数分解方法，将实测的环境温度用傅立叶三角级数形式表达，获取环境温度的时间序列、波动频率、波动幅值、相位等信息，实时测量更新的温度数据和当前时间信号作为输入，实现温度的实时预测，代替实测温度用于热误差响应预测建模。本专利技术考虑了环境温度波动的周期性和非周期性，以及波动随季节和年度变化的特征，同时考虑了当前机床当前热状态既受当前环境温度影响又受历史温度状态影响的客观事实，有利于更准确地定量描述机床热变形误差的时滞响应特性，进而提高机床热误差预测的精度和鲁棒性。【专利说明】
本专利技术涉及数控机床热误差建模补偿领域，更具体地，涉及放置于非恒温加工车间的重型数控机床环境温度解析建模方法。
技术介绍
重型数控机床所处的环境温度对机床的热变形影响很大，在没有温控条件的车间，环境温度波动具有缓变、近似周期的特征，每日最低和最高温度出现的时间随季节波动而变化，同时重型数控机床对环境温度波动的热变形响应具有时间滞后，且滞后时间也随季节温度改变。对环境温度长期波动特征的数学描述，即对重型机床环境温度进行解析建模，成为准确建立温度与机床热误差之间鲁棒性模型的重要前提。热误差建模通常是指建立机床的热变形与对应温度之间的映射关系，常见的热误差预测模型有:最小二乘模型、贝叶斯网络模型、支持向量机模型、灰色系统模型，人工智能模型、模糊系统模型等。对应的温度信息包括床身温度和环境温度等，通常确定建模所需温度测点的方法是:先根据经验在机床和环境布置大量温度测点，然后通过选择、分组、优化等，获得最优或最近线性布点。当前的研究中，环境温度对机床热误差影响的研究局限于实验统计和定性分析。在减少环境温度对机床的结构热变形的影响方面，主要采用的方法是对机床热结构优化、环境温度控制、改善散热条件、优化热源布置等。随着最优布点识别方法和热误差非线性建模理论的发展，对机床内部热源的影响机理和热误差减少方法的研究日趋成熟，通过对机床本体温度测点的布置、分组、优化等，可以获得数量尽量少的最优或最近线性测点。在内部热源引起的热变形机理分析逐步完善时，环境温度作用于机床引起的热误差的成分逐渐上升，而且没有得到有效解决。因此从机理和解析建模角度，准确建立机床热变形与环境温度之间的映射关系，是提高热误差补偿能力并进而提高机床加工精度的前提。环境温度与机床本体的最优布点影响特征不同，机床对环境温度波动的响应一直存在滞后，不存在最近线性环境温度布点，而且滞后的时间随气候和季节变化而改变。但是当前的线性和非线性的热误差预测模型不能体现随温度滞后特征，导致当前的热误差预测模型在不同环境的通用性有限，甚至补偿精度失效。另一方面，当前对环境温度的研究和分析局限于实验测量、现象说明和定性讨论。目前的文献检索未发现将环境温度的非线性和时滞特征定量用于热误差建模或补偿的论述，也没有发现关于重型机床环境温度解析建模方面的研究。
技术实现思路
由上可知，当前需要建立能够反映重型机床环境温度非线性滞后特性的热误差模型，从而提高模型预测的精度和鲁棒性。作为模型输入的环境温度变量是实时测量的温度，不包含历史的温度信息和热信息，而机床的热误差既受到当前环境温度的影响，还同过去的机床状态以及过去的环境状态有关。环境温度是可以实时测量的，但是实测的环境温度直接用于时滞热误差预测会使得预测精度降低。因此，当前需要解决的技术问题是:提供一种能够实时反映环境温度的解析模型，该模型具有明确的数学公式，能够准确描述车间环境温度的波动和随季节温度变化的特征，而且能够替代实测环境温度，用于时滞热误差响应的预测建模。为了解决上述技术问题，本专利技术采用的技术方案是:结合时间序列分析，傅立叶级数分解方法，将实测的环境温度用傅立叶三角级数形式表达，获取环境温度的时间序列、波动频率、波动幅值、相位等信息。实时测量更新的温度数据和当前时间信号作为输入，实现温度的实时预测，代替实测温度用于热误差响应预测建模。，其具体步骤是:I)环境温度傅立 叶级数分解环境温度&00是连续物理量，具有基本的日周期波动特征(周期1=1440分钟)，满足狄里赫利条件，根据傅立叶定律，环境温度可以展开为傅立叶级数形式，即:【权利要求】1.一种重型机床车间环境温度解析建模方法，其具体步骤是: 1)环境温度傅立叶级数分解 环境温度展开为傅立叶级数形式，即:【文档编号】G05B13/00GK103543637SQ201310488078【公开日】2014年1月29日 申请日期:2013年10月17日 优先权日:2013年10月17日 【专利技术者】李斌, 谭波, 毛新勇, 毛宽民, 任光远, 彭芳瑜, 刘红奇 申请人:华中科技大学本文档来自技高网...

【技术保护点】
一种重型机床车间环境温度解析建模方法，其具体步骤是：1）环境温度傅立叶级数分解环境温度展开为傅立叶级数形式，即：te(x)=A0+Σn=1∞Ansin(nω0x+φn),n=1,2,3,L---(1)其中，x表示时间，单位为分钟，它由时间参考起点和当前时刻确定；基频ω0=2π/T0，A0为温度的均值项，An是各个阶次的温度波的振幅，n=1,2,…，φn为相位角，其物理意义为各阶滞后时间，下面对A0,An,φn各项参数进行调整和替换；2）均值项A0均值项A0的物理意义是当前温度点所在的周期的均值，在此由历史温度的滑动平均(x)来替代,其由下式得到：A0=A0(1)(x)=t[x]-N+t[x]-(N-1)+L+t[x]-1N,[x]≥N---(2)其中，[x]是对任意时刻x取整数，N是一个周期的采样点数，t[x]是在时间点x的测量温度，环境温度是缓变信息，认为时间[x]≤x＜[x]+1期间的环境温度等同于t[x]；在滑动平均的方法中，要求至少有一个周期N个采样点的历史数据来预测当前的温度；新的测量值t[x]?1引入，旧的t[x]?N退出，于是预测的均值A0可以在线更新。滑动平均方法保留了所有低于基频频率的波动信息；3）幅值项AnAn为分解后各阶次温度波动的幅值项，其与所考虑周期内波动最大值Tmax与平均值A0之差成正比，也就是：An=βn(Tmax(x)-A0(1)(x)),n=1,2,3,L---(3)其中：Tmax(x)=max[x]-N<u<[x]-1(t[u])---(4)βn含义为不同频率成分温度波对总的温度变化的贡献成分即权重，表示车间的固有特征；(Tmax(x)?A0(1)(x))在不同的观测周期是变化的，但对已知的环境温度历史观测值是确定的；4）相位φn相位φn表示为：φn=φ0n+αn·A0(1)(x),n=1,2,3,L---(5)在此αn表示季节变换的滞后时间系数，代表了特定车间的固有热特性，其为特定值；5）总的温度预测模型综上所述，任意x时刻的环境温度预测的解析模型可表示为：te(x)=A0(1)(x)+Σn=1∞βn(Tmax(x)-A0(1)(x))sin(nω0x+(φ0n+αn·A0(1)(x))),n=1,2,3,L---(6)式中，均值A0(1)(x)和最大值Tmax(x)可以通过至少一个周期的历史测量值计算得到，而且是可以实时更新的，基频ω0是已知的，因此可以由实测温度数据用非线性最小二乘原理辨识上述解析模型中βn,φ0n和αn等参数，进而实现环境温度的在线预测。FDA0000397628150000012.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：李斌，谭波，毛新勇，毛宽民，任光远，彭芳瑜，刘红奇，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：