发明内容
本发明的目的在于克服上述现有技术的缺点,提供了一种嵌入式全生命周期机床热误差补偿***及方法,该***及方法能够实时、精确实现机床的热误差补偿,并且操作较为简单。
为达到上述目的,本发明所述的嵌入式全生命周期机床热误差补偿***包括上位机、PLC控制器、核心控制器、可编程逻辑控制器、温度滤波调理电路、存储芯片以及用于采集机床温度的温度传感器,其中,温度传感器的输出端经温度滤波调理电路与可编程逻辑控制器相连接,可编程逻辑控制器与存储芯片、PLC控制器及核心控制器相连接,上位机与核心控制器相连接。
可编程逻辑控制器与PLC控制器之间通过I/O端口相连接。
核心控制器与上位机之间通过USB接口、RS232接口及网口相连接。
温度传感器为PT100铂热电阻。
本发明所述的嵌入式全生命周期机床热误差补偿方法包括以下步骤:
用户向上位机中输入工件的理想尺寸,上位机根据工件的理想尺寸构建补偿模型,并将建立的补偿模型存储到存储芯片中;
核心控制器产生温度采集指令,并将所述温度采集指令发送至可编程逻辑控制器中,可编程逻辑控制器根据所述温度采集指令通过温度传感器进行温度的采集,其中,温度传感器采集机床的温度信息,所述机床的温度信息经温度滤波调理电路进行滤波及调理后输入到可编程逻辑控制器中,PLC控制器获取机床的运转状态,当机床加工运行时,PLC控制器指定I/O端口产生高电平信号,再将所述高电平信号输入到可编程逻辑控制器中并由核心控制器读取,核心控制器根据所述高电平信号控制可编程逻辑控制器从存储芯片中提取补偿模型的升温公式,并机床的温度信息代入补偿模型的升温公式中,得机床热误差补偿值,然后将机床热误差补偿值发送至上位机及PLC控制器中;当机床没有加工运行时,PLC控制器指定I/O端口产生低电平信号,并将所述低电平信号输入到可编程逻辑控制器中并由核心控制器读取,核心控制器根据所述低电平信号控制可编程逻辑控制器从存储芯片中提取补偿模型的降温公式,并将机床的温度信息代入补偿模型的降温公式,得机床的热误差补偿值,然后将机床的热误差补偿值发送至上位机及PLC控制器中;
核心控制器根据机床热误差补偿值进行机床的热误差补偿,完成嵌入式全生命周期机床热误差补偿。
用户向上位机中输入工件的尺寸,上位机根据工件的尺寸构建补偿模型,并将构建的补偿模型存储到存储芯片中的具体操作为:
1)用户将工件的理想尺寸输入到上位机中,上位机将工件的理想尺寸作为误差计算基准,并设置允许的公差带;
2)当加工完一件工件时,则实测该工件的尺寸,并将该工件的实测尺寸输入到上位机中;
3)上位机根据工件的实测尺寸与工件的理想尺寸计算补偿量,同时存储工件的温度、尺寸及补偿量;
4)上位机根据工件的温度、尺寸及补偿量运用多目标粒子群智能算法计算补偿模型,然后将补偿模型存储到存储芯片中。
本发明具有以下有益效果:
本发明所述的嵌入式全生命周期机床热误差补偿***及方法在具体操作时,先构建补偿模型,再将补偿模型存储到存储芯片中,然后根据机床的运行状态,对机床的温度信息利用补偿模型的降温公式及补偿模型的升温公式进行实时补偿,得到补偿热误差补偿值,然后再将机床热误差补偿值发送至上位机及PLC控制器中,实现加工的同时记录尺寸计算补偿值,适用于生产线等大批量生产条件,同时实现机床的热误差的精确补偿。
具体实施方式
下面结合附图对本发明做进一步详细描述:
参考图1,本发明所述的嵌入式全生命周期机床热误差补偿***包括上位机2、PLC控制器1、核心控制器4、可编程逻辑控制器3、温度滤波调理电路5、存储芯片6以及用于采集机床温度的温度传感器7,其中,温度传感器7的输出端经温度滤波调理电路5与可编程逻辑控制器3相连接,可编程逻辑控制器3与存储芯片6、PLC控制器1及核心控制器4相连接,上位机2与核心控制器4相连接。
可编程逻辑控制器3与PLC控制器1之间通过I/O端口相连接;核心控制器4与上位机2之间通过USB接口、RS232接口及网口相连接;温度传感器7为PT100铂热电阻。
本发明所述的嵌入式全生命周期机床热误差补偿方法包括以下步骤:
用户向上位机2中输入工件的理想尺寸,上位机2根据工件的理想尺寸构建补偿模型,并将建立的补偿模型存储到存储芯片6中;
核心控制器4产生温度采集指令,并将所述温度采集指令发送至可编程逻辑控制器3中,可编程逻辑控制器3根据所述温度采集指令通过温度传感器7进行温度的采集,其中,温度传感器7采集机床的温度信息,所述机床的温度信息经温度滤波调理电路5进行滤波及调理后输入到可编程逻辑控制器3中,PLC控制器1获取机床的运转状态,当机床加工运行时,PLC控制器1指定I/O端口产生高电平信号,再将所述高电平信号输入到可编程逻辑控制器3中并由核心控制器4读取,核心控制器4根据所述高电平信号控制可编程逻辑控制器3从存储芯片6中提取补偿模型的升温公式,并机床的温度信息代入补偿模型的升温公式中,得机床热误差补偿值,然后将机床热误差补偿值发送至上位机2及PLC控制器1中;当机床没有加工运行时,PLC控制器1指定I/O端口产生低电平信号,并将所述低电平信号输入到可编程逻辑控制器3中并由核心控制器4读取,核心控制器4根据所述低电平信号控制可编程逻辑控制器3从存储芯片6中提取补偿模型的降温公式,并将机床的温度信息代入补偿模型的降温公式,得机床的热误差补偿值,然后将机床的热误差补偿值发送至上位机2及PLC控制器1中;
核心控制器4根据机床热误差补偿值进行机床的热误差补偿,完成嵌入式全生命周期机床热误差补偿。
所述核心处理器与可编程逻辑控制器3之间传输指令的操作方式与访问存储芯片6的方式相同,命令格式如下:
操作类型+(操作地址)+操作内容+(数据)
存储芯片6将补偿后机床的温度信息进行分区存储,每个分区数据的起始地址索引会统一保存在存储芯片6的划定位置,以方便获取指定时间的机床温度数据。在实际操作中,下位机存储数据之前先读取上次数据的存储地址,并在上次数据的存储地址后寻找尚未使用的空存储区,然后再空存储区中建立本次数据存储的地址。
通过光耦将PLC控制器1的I/O接口与下位机的I/O接口相隔离。
所述***补偿工作流程如下:当上位机2通过USB接口或RS232串口将补偿模型经核心控制器4及可编程逻辑控制器3存储到存储芯片6中,可编程逻辑控制器3每获取一次温度数据,核心控制器4就会通过所述补偿模型对该温度数据进行一次温度补偿,其中,补偿模型在NandFlash芯片中的存储格式如下:
轴号+补偿系数1+补偿系数2+…补偿系数n+偏置调整值
补偿值计算公式如下:
温度1*补偿系数1+温度2*补偿系数2…温度n*补偿系数n+偏置调整值;
另外,上位机2提出存储芯片6中机床的温度信息,并根据机床的温度信息绘制机床的温度曲线,同时回放查看机床的温度信息,并建立机床的温度信息与工件误差的关系建立模型。
本发明运用多目标智能算法粒子群算法计算补偿模型,具体的,根据机床的结构特性、机床材料的热特性及机床工作环境确定目标函数及约束条件,然后再结合粒子群算法及多目标回归分析得补偿模型其中,所述目标函数及约束条件的计算过程为:
基本多目标智能算法粒子群算法的框架为:
x=[x1,x2,…,xD]T
minf(x)={f1(x),f2(x),…,fm(x)}
s.t.x∈S={xgj(x)≤0,j=1,2,…,p}
其中:补偿模型温度系数x=[x1,x2,…,xD]T,D由选取热关键点的个数决定,热关键的个数随机床结构的变化而不同;
fk(x)为第k个目标函数,即搜索寻优的判据;
gj(x)≤0,gj(x)为第j个不等式约束条件,可以省略;
S为决策变量可行域。
则本发明中的目标函数及约束条件为:
其中:目标函数f1(X)的意义是温度和系数乘积算出的补偿量与测量误差曲线最接近;为各温度理论计算系数,根据机床理想结构的膨胀系数计算得到;目标函数f2(X)的意义是粒子群算法产生的系数与理论值有足够的接近度;约束条件g1的意义是系数与理论膨胀系数之差的绝对值必须小于1。
所述上位机2软件的工件实时建模模块由使用者通过向上位机2中输入工件尺寸来对机床的热误差进行实时补偿得到,具体建模步骤如下:
1)在机床开始加工前,布置温度传感器7至温度测点,将核心控制器4与上位机2接好;
2)加工者将工件的理想尺寸输入到上位机2中作为误差计算基准,并设置允许的公差带;
3)每加工完成一件工件,则将实测工件尺寸输入进上位机2中;
4)上位机2根据工件尺寸的变化情况进行补偿值的输入,具体当连续m个工件的变化超过预设值时,上位机2进行计算补偿量,补偿值设置为n个尺寸超过设定预设值的工件的误差的均值或预设的固定值;
5)上位机2记录温度、尺寸及补偿操作信息,储存并生成文件,文件格式如下:
尺寸+温度+加补偿误差+未加补偿误差+本次补偿值+总补偿值
6)加工结束后,上位机2根据保存的文件和温度数据文件运用多目标粒子群智能算法算出新的补偿模型,并将补偿模型存储到存储芯片6中。
所述温度补偿***的全生命周期补偿模块是除上述基础建模外的扩展功能,下位机可以将机床全生命周期运转状况以及模型变更情况记录到NandFlash存储芯片6。如果使用者发现已有模型出现偏差时,可以运行工件实时建模或离线建模程序根据机床运行状况的变化建立新的模型替代原有模型,模型变更记录会存储在NandFlash存储芯片6,并作为以后建立全生命周期模型的学习样本。如果同型号机床有足够的全生命周期的状态及误差和模型修正变化数据,可通过编制的软件通过数据挖掘算法直接找出其规律并根据机床运行时间等自动切换模型。全生命周期建模方法如下:
1)使用者建立机床各个特征的量化形式,所述特征包括床型、工作环境、工作温度、加工类型及使用频率;量化是指将文字描述的指标以数字形式表达出来;
2)根据量化指标将不同机床聚类分析,指标相近的机床聚类为一组样本;
3)运用数据挖掘技术归类出一组样本的全生命周热误差变化规律并作为知识积累起来;
4)根据给定要进行热误差补偿机床的量化指标,将与工作状况最接近的学习样本机床的补偿公式导入至要进行热误差补偿机床的存储芯片6中,根据使用时间改变核心处理器计算所使用的补偿模型,实现机床全生命周期的误差补偿。