CN116184928A - 一种考虑刀具磨损的机床空间几何误差模型建模方法 - Google Patents
一种考虑刀具磨损的机床空间几何误差模型建模方法 Download PDFInfo
- Publication number
- CN116184928A CN116184928A CN202310139497.4A CN202310139497A CN116184928A CN 116184928 A CN116184928 A CN 116184928A CN 202310139497 A CN202310139497 A CN 202310139497A CN 116184928 A CN116184928 A CN 116184928A
- Authority
- CN
- China
- Prior art keywords
- machine tool
- data
- error
- tool
- error model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/404—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33133—For each action define function for compensation, enter parameters
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种考虑刀具磨损的机床空间几何误差建模方法,进行齐次坐标变换,建立机床空间误差模型,通过激光干涉仪使用九线法测量各轴空间几何误差项,建立机床空间几何误差模型,通过采集刀具在不同切削三要素条件下刀具相关数据,对数据进行预处理并提取信号特征,挖掘多源信号中与刀具磨损量相关的最优特征参数,提出基于多源传感器信号的机床刀具磨损误差预测方法,构建更加预测精度应用性更强的刀具磨损量的BP神经网络模型,将预测出的刀具磨损量输入机床空间几何误差模型中计算出机床综合误差,提高机床误差预测精度。
Description
技术领域
本发明涉及一种机床空间几何误差预测模型建模方法,特别是涉及一种考虑刀具磨损的机床空间几何误差建模方法。
背景技术
随着制造业的不断飞速发展,现代机械制造需要满足质量更高,效率更高,成本更低,能耗更低的要求。现代机械制造需不断加快自动化,智能化,高效化,数字化的进程,以满足日益增长的行业需求。而数控机床作为现代机械制造业的基石,数控机床也不断的向高精度、智能化方向发展。数控机床的加工精度是高端数控机床的最重要的评价指标之一,与产品质量存在直接关系。
根据误差源的不同,可以将加工过程中影响机床加工精度的误差归纳总结为以下几类:由机床结构、零部件制造安装引起的几何误差;由温度变化引起的热变形误差;由切削载荷引起的力误差;由机床传动***引起的传动链误差;由机床控制***引起的伺服控制误差;由机床振动、刀具磨损等引起的其它误差。其中几何误差约占总误差的20%,而刀具直接与工件接触加工,刀具磨损同样不可忽略,可考虑在几何误差范围之内。现有机床空间几何误差建模方法中,刀具磨损误差常被忽略或当做常量,导致无法准确建立误差预测模型;现有的刀具状态监测技术普遍对刀具磨损状态类别能达到较精准的预测,但对磨损量的预测精度不高,且实时性、推广性较差,难以大规模应用到工业生产中。因此针对实时监测刀具磨损与测量机床空间几何误差的问题,迫切需要提出一种考虑刀具磨损的机床空间几何误差预测方法,本发明充分利用多源传感器数据信息,建立机床空间几何误差预测模型。
发明内容
本发明的目标主要针对目前机床误差建模中刀具磨损被忽略或当做常量,导致无法准确建立机床误差预测模型的问题,提出有一种考虑刀具磨损的机床空间几何误差预测模型。通过重复实验采集大量刀具在不同切削三要素下的相关数据,提取信号特征预测刀具磨损量,并作为机床空间几何误差预测模型的输入,进一步提高机床误差预测精度。
本发明采用如下技术方案:
一种考虑刀具磨损的机床空间几何误差建模方法,进行齐次坐标变换,建立机床空间误差模型,通过激光干涉仪使用九线法测量各轴空间几何误差项,建立机床空间几何误差模型,通过采集刀具在不同切削三要素条件下刀具相关数据,对数据进行预处理并提取信号特征,充分挖掘多源信号中与刀具磨损量相关的最优特征参数,提出基于多源传感器信号的机床刀具磨损误差预测方法,构建更加预测精度应用性更强的刀具磨损量的BP神经网络模型,将预测出的刀具磨损量输入机床空间几何误差模型中计算出机床综合误差。
基于多体***理论的机床误差建模,多体***理论可用于对复杂机械***的抽象化描述,广泛运用于数控机床误差研究领域,将多体***理论运用在误差分析中,对机床运动传递关系进行分析,简化机床部件,运用低序体阵列法描述机床运动构件拓扑结构,求出各部件的各阶低序体号,进一步的得出对应的低序体阵列表;低序体阵列表主要作用为描述机床构件间的相互运动关系,与拓扑结构图作用相当。
进一步的,齐次坐标变换,简化机床构件,分别建立构件局部坐标系与床身参考坐标系,使用刚***姿描述各坐标系中点的位置,建立各部件的齐次变换矩阵分别描述多体***中各体的运动变化矩阵与误差特征矩阵。
进一步的,激光干涉仪测量几何误差,包括使用九线法分别测量移动轴与旋转轴的移动误差、转角误差与垂直度误差,测量过程较为简单且误差参数辨识不需要误差模型,可大大减少激光干涉仪的测量次数。
进一步的,多源信号为工件的振动信号与刀具切削力数据,通过设有传感器的机床上在多种工况下使用多把刀具重复进行试加工,采集试加工时振动与切削力信号并使用显微镜测量记录各型号刀具的后刀面磨损量。
进一步的,数据预处理主要有无效数据与异常数据两类,其中无效数据具体为进刀无效数据与退刀无效数据,异常数据为传感器故障、人为操作因素、***误差、多异构数据源、网络传输乱序等因素出现的噪声、缺失值、数据不一致。对于无效数据,由于采样频率较高,数据量可满足训练模型需要,可使用第三四分位数法确定临界值,临界值前的数据判断为无效数据直接删除即可。异常数据可根据数据特性的不同可以分为点异常值、波动值、集体离群值和明显噪声信号等类型,处理异常值关键点在于如何判断异常值,选取基于滑动窗口的中值滤波(Hampel滤波)方法。
进一步的,第三四分位数法是指:计算切削过程中所采集数据的第三四分位数作为无效数据的临界值,从采集第一个数据开始依次对比过程数据,直到出现第一个大于临界值的数值,从第一个数到该位置的数据即当作无效数据直接删除即可。
进一步的,基于滑动窗口的中值滤波(Hampel滤波)方法:设置样本数为k,窗口大小为2k+1,设定上下界系数为nδ,计算每个样本的局部标准差xδ,局部估计中值xm,计算样本异常值上下限,若样本值大于或小于上下限,则使用估计中值xm替换该样本数据。
进一步的,提取信号特征为对振动信号与电流信号,提取基于统计的时域特征,基于频谱分析的频域特征与基于小波包能量的时频联合域特征;所述的基于统计的时域特征为:使用统计学方法计算样本数据集的均方根、方差、最大值、最小值、偏斜度、峰度、峰峰值等提取的新数据。基于频谱分析的频域特征为:频谱分析为频域分析中最为常用也最为重要的分析方法,将采集的电流信号进行傅里叶变换得到幅频谱分析得到谱偏态系数、谱峰态系数与谱功率。基于小波包能量的时频联合域特征为:在小波变换的基础上对细节子带进一步分解,最后通过最小代价函数,计算最优信号分解路径,并以此路径对原始输入信号进行分解提取特征,选用多贝西小波作为小波函数基分解信号。
进一步的,最优特征参数是指:使用灰色关联度计算所有特征与刀具磨损曲线的相关系数,在多次实验中取大于阈值的相关系数的特征作为最优特征参数,减小数据维度,提高计算效率;
进一步的,提取最优数据特征集并使用BP神经网络对刀具磨损误差预测模型进行训练,将得到的刀具磨损误差输入到机床空间几何误差模型中,计算得到更加准确的机床误差值。
本发明的有益效果如下:将刀具磨损动态误差考虑进入五轴数控机床空间几何误差模型中,更加准确的描述出了刀具切触点与成型点的位置偏离关系,对后期机床误差补偿工作提出更加准确直接的指导意见。
附图说明
图1是本发明的流程示意图;
图2是本发明的主轴电流预测刀具磨损量流程图;
图3是本发明基于遗传算法优化最小二乘支持向量回归模型流程图;
图4是本发明实施例LU400五轴数控机床简化结构图;
图5是本发明实施例LU400五轴数控机床拓扑结构图。
具体实施方式
以下结合说明书附图及具体实施例,对本发明作进一步描述。
本实施实例设计一种考虑刀具磨损的机床空间几何误差建模方法的具体流程,以丽驰LU400五轴数控加工中心为例,包括以下步骤:
步骤一:简化LU400五轴数控加工中心构件,如图4所示,运用低序体阵列法描述机床运动构件,得到机床多体***低序体阵列表,如下表1所示:
表1 LU400五轴数控机床拓扑结构的低序体阵列表
步骤二:按图5(LU400五轴数控机床拓扑结构图),对各单元体的局部坐标系{Bi}进行设定,建立笛卡尔坐标系,建立机床参考坐标系{R}、主轴坐标系{S}、刀具坐标系{T}、工件坐标系{W},设定机床参考坐标系{R}、机床床身局部坐标系{B0}、立转台局部坐标系{B7}、摆台局部坐标系{B6}重合、坐标原点为摆台的几何中心,设定主轴坐标系{S}、X轴局部坐标系{B1}、Y轴局部坐标系{B2}与Z轴局部坐标系{B3}重合,坐标原点为主轴端面中心点,工件坐标系{W}坐标原点设置为工件几何中心,主轴端面与刀具坐标系{T}相对于主轴坐标系{S}平移了矢量P1=(0,0,z1,1),主轴坐标系{S}原点相对于机床参考坐标系{R}原点平移了P2=(x2,y2,z1,1),刀具坐标系{T}原点相对于工件坐标系{W}原点平移了P3=(x3,y3,z3,1),建立如表2所示的LU400五轴数控机床相邻体间的特征矩阵表述。表中x、y、z和α、β、γ分别表示移动轴与旋转轴相对于初始位置的移动距离与转动角度,表中Δx、Δy、Δz和Δα、Δβ、Δγ分别表示移动轴与旋转轴相对于初始位置的移动距离误差与转动角度误差。
表2LU400五轴数控机床SV相邻体间的特征矩阵列表
步骤三:由LU400五轴数控机床拓扑结构图可知,刀具坐标系为{T}与工件坐标系为{W},假定刀具切触点对应的齐次坐标向量Pt=(ptx,pty,ptz,1)T,加工成形点对应的齐次坐标向量Pw=(pwx,pwy,pwz,1)T,在理想无误差的加工条件下,刀具切触点与加工成形点应该重合,但在刀具与工件实际加工成形运动中误差因素的存在,导致刀具切触点Pt与加工成形点Pw存在空间误差,运用多体***中误差特征矩阵分析,可得到LU400空间位置误差表达式,如下式所示:
同理可得到刀具矢量在刀具坐标系中的齐次特征向量Vt=(vtx,vty,vtz,1)T,在工件坐标系中刀具矢量的齐次特征向量Vw=(vwx,vwy,vwz,1)T,可的得到LU400空间姿态表达式,如下式所示:
步骤四:对采集到的主轴电流信号进行数据预处理与特征提取,使用灰色关联度优选特征,优选特征如下表3所示:
Claims (8)
1.一种考虑刀具磨损的机床空间几何误差模型建模方法,其特征在于,包括如下步骤:
1)进行齐次坐标变换,简化机床构件,建立机床空间误差模型;
2)通过激光干涉仪使用九线法测量各轴空间几何误差项,建立机床空间几何误差模型;
3)通过采集刀具在不同切削三要素条件下刀具相关数据,对数据进行预处理并提取信号特征,挖掘多源信号中与刀具磨损量相关的最优特征参数;
4)构建刀具磨损量的BP神经网络模型,将预测出的刀具磨损量输入机床空间几何误差模型中计算出机床综合误差。
2.根据权利要求1所述的一种考虑刀具磨损的机床空间几何误差模型建模方法,其特征在于,步骤1)进行齐次坐标变换,简化机床构件,分别建立构件局部坐标系与床身参考坐标系,使用刚***姿描述各坐标系中点的位置,建立各部件的齐次变换矩阵分别描述多体***中各体的运动变化矩阵与误差特征矩阵。
3.根据权利要求1所述的一种考虑刀具磨损的机床空间几何误差模型建模方法,其特征在于,步骤2)中激光干涉仪测量几何误差项,包括使用九线法分别测量移动轴与旋转轴的移动误差、转角误差与垂直度误差。
4.根据权利要求1所述的一种考虑刀具磨损的机床空间几何误差模型建模方法,其特征在于,步骤3)中多源信号为工件的振动信号与刀具切削力数据,通过设有传感器的机床上在多种工况下使用多把刀具重复进行试加工,采集试加工时振动与切削力信号并使用显微镜测量记录各型号刀具的后刀面磨损量。
5.根据权利要求1所述的一种考虑刀具磨损的机床空间几何误差模型建模方法,其特征在于,步骤3)中数据预处理有无效数据与异常数据两类,其中无效数据具体为进刀无效数据与退刀无效数据,异常数据为传感器故障、人为操作因素、***误差、多异构数据源、网络传输乱序因素出现的噪声、缺失值、数据不一致;对于无效数据,使用第三四分位数法确定临界值,临界值前的数据判断为无效数据直接删除即可;异常数据根据数据特性的不同分为点异常值、波动值、集体离群值和明显噪声信号类型,选取基于滑动窗口的中值滤波方法判断异常值;
第三四分位数法:计算切削过程中所采集数据的第三四分位数作为无效数据的临界值,从采集第一个数据开始依次对比过程数据,直到出现第一个大于临界值的数值,从第一个数到该位置的数据即当作无效数据直接删除即可;
基于滑动窗口的中值滤波方法:设置样本数为k,窗口大小为2k+1,设定上下界系数为nδ,计算每个样本的局部标准差xδ,局部估计中值xm,计算样本异常值上下限,若样本值大于或小于上下限,则使用估计中值xm替换该样本数据。
6.根据权利要求1所述的一种考虑刀具磨损的机床空间几何误差模型建模方法,其特征在于,步骤3)中提取信号特征为对振动信号与电流信号,提取基于统计的时域特征,基于频谱分析的频域特征与基于小波包能量的时频联合域特征;所述的基于统计的时域特征为:使用统计学方法计算样本数据集的均方根、方差、最大值、最小值、偏斜度、峰度、峰峰值提取的新数据;基于频谱分析的频域特征为:将采集的电流信号进行傅里叶变换得到幅频谱分析得到谱偏态系数、谱峰态系数与谱功率,基于小波包能量的时频联合域特征为:在小波变换的基础上对细节子带进一步分解,最后通过最小代价函数,计算最优信号分解路径,并以此路径对原始输入信号进行分解提取特征,选用多贝西小波作为小波函数基分解信号。
7.根据权利要求1所述的一种考虑刀具磨损的机床空间几何误差模型建模方法,其特征在于,步骤3)中最优特征参数是指:使用灰色关联度计算所有特征与刀具磨损曲线的相关系数,在多次实验中取大于阈值的相关系数的特征作为最优特征参数,减小数据维度,提高计算效率。
8.根据权利要求1所述的一种考虑刀具磨损的机床空间几何误差模型建模方法,其特征在于,步骤4)提取最优数据特征集并使用BP神经网络对刀具磨损误差预测模型进行训练,将得到的刀具磨损误差输入到机床空间几何误差模型中,计算得到更加准确的机床误差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310139497.4A CN116184928A (zh) | 2023-02-21 | 2023-02-21 | 一种考虑刀具磨损的机床空间几何误差模型建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310139497.4A CN116184928A (zh) | 2023-02-21 | 2023-02-21 | 一种考虑刀具磨损的机床空间几何误差模型建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116184928A true CN116184928A (zh) | 2023-05-30 |
Family
ID=86444021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310139497.4A Pending CN116184928A (zh) | 2023-02-21 | 2023-02-21 | 一种考虑刀具磨损的机床空间几何误差模型建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116184928A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117348518A (zh) * | 2023-12-05 | 2024-01-05 | 广东海洋大学 | 一种基于改进九线法的数控机床几何误差辨识方法及装置 |
CN117555287A (zh) * | 2024-01-12 | 2024-02-13 | 中国机械总院集团云南分院有限公司 | 一种基于cae的数控机床加工动态性能监控方法及*** |
-
2023
- 2023-02-21 CN CN202310139497.4A patent/CN116184928A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117348518A (zh) * | 2023-12-05 | 2024-01-05 | 广东海洋大学 | 一种基于改进九线法的数控机床几何误差辨识方法及装置 |
CN117348518B (zh) * | 2023-12-05 | 2024-03-01 | 广东海洋大学 | 一种基于改进九线法的数控机床几何误差辨识方法及装置 |
CN117555287A (zh) * | 2024-01-12 | 2024-02-13 | 中国机械总院集团云南分院有限公司 | 一种基于cae的数控机床加工动态性能监控方法及*** |
CN117555287B (zh) * | 2024-01-12 | 2024-04-09 | 中国机械总院集团云南分院有限公司 | 一种基于cae的数控机床加工动态性能监控方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116184928A (zh) | 一种考虑刀具磨损的机床空间几何误差模型建模方法 | |
CN104965483B (zh) | 一种基于稳健设计的多轴数控机床加工精度保持性优化方法 | |
CN102854841B (zh) | 一种曲面零件的形位误差原位补偿加工方法 | |
CN111580469B (zh) | 一种基于大数据数控机床精度指标数据特征的挖掘方法 | |
CN102929210B (zh) | 基于特征的数控加工过程控制和优化***及方法 | |
CN101797704B (zh) | 数控滚齿机热变形误差补偿方法 | |
CN108052747B (zh) | 一种基于价值分析法的机床几何精度优化方法 | |
CN103192292B (zh) | 基于加工工件曲面形貌信息的数控机床误差辨识分离方法 | |
CN105205221B (zh) | 一种重型数控机床精度可靠性分析方法 | |
TW201421178A (zh) | 工具機之加工品質的預測方法 | |
CN102368156B (zh) | 一种基于位置信息的数控机床工件加工质量在线评估方法 | |
CN112433507B (zh) | 基于lso-lssvm的五轴数控机床热误差综合建模方法 | |
CN114237155A (zh) | 一种多轴数控加工的误差预测及补偿方法、***及介质 | |
Liu et al. | Position-oriented process monitoring in milling of thin-walled parts | |
CN101571712A (zh) | 一种具有加工自适应功能与在机质量检测的监控方法 | |
CN112346413A (zh) | 一种提高航空结构件生产质量的方法 | |
CN115409067A (zh) | 一种数控机床组件剩余寿命预测方法 | |
CN115741235A (zh) | 基于五轴加工中心刀具的磨损预测与健康管理方法 | |
CN109571137A (zh) | 一种提高薄壁零件加工精度的补偿方法 | |
CN116909209A (zh) | 一种考虑动态热误差的数控机床误差建模和预测方法 | |
CN108873807B (zh) | 一种考虑加工稳定性的三轴数控机床精度评价方法 | |
CN110568817A (zh) | 基于大数据分析和预判的机床运动温差补偿方法 | |
CN102354158A (zh) | 一种基于贝叶斯网络在机测量动态误差分离装置及其方法 | |
Reuter et al. | Adaptive inspection planning using a digital twin for quality assurance | |
CN108776459A (zh) | 一种提升五轴数控机床加工精度的工艺方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |