杨建国[1]1998年在《数控机床误差综合补偿技术及应用》文中研究说明本文在充分了解和深入分析国内外数控机床误差补偿技术研究、应用现状的基础上,通过有关理论和技术的分析、研究,用新的方法将机床误差补偿技术从实验室发展到工厂的实际生产使用中,并在多台同类(多于100台)数控机床的应用中获得圆满成功。本文分为八章。 第一章综合论述数控机床误差补偿在工业生产应用中的重要意义;国内外数控机床误差补偿技术研究、应用的历史和现状;介绍了本论文的主要内容。 第二章使用标准齐次坐标变换方法结合刀具与工件之间联结链的封闭特性给出了多轴加工中心几何和热误差的综合数学模型建立的一般方法并分别建立了一台车削中心和一台数控双主轴车床的误差运动综合数学模型。在数学模型中,不但包含了机床的几何误差元素,而且包含机床的热误差元素。 第三章研究且创立了两种适合于多台同类机床热误差补偿的热误差鲁棒建模新理论及新方法:综合最小二乘建模法和正交试验设计法。现有建模方法由于完全依赖建模数据,故获得的热误差数学模型不能长期正确有效地估计机床热误差,且随着季节的变换会使补偿效果越来越差;另一方面,现有建模方法在类型相同的各机床上获得的热误差模型差异很大,不能互用。创立的两种新方法将统计理论结合工程判断,从而使建立的热误差数学模型不但鲁棒性强(能长期有效地使用),而且通用性强(一个数学模型可在许多台类型相同的机床上有效地使用)。另外,这两种新方法还具有辨识时间短等特点。 第四章研究温度传感器在机床上的优化布置理论。对于主轴一维的温度传感器优化布点。通过热动态过程的理论分析、研究及仿真运算得出:(1)仅用一个温度传感器的读数值就可表达主轴热伸长量;(2)在主轴上至少有一处温度读数值与主轴热伸长具有线性关系;(3)当温度传感器安装在距主轴端部热源约x=L/3时,可以用此传感器读数值的线性函数预报出主轴的热伸长量。对于机床上多维的温度传感器优化布置,提出了六个布置策略。 第五章介绍了所研制的且为实际生产应用的热误差实时补偿的方法、步骤及系统,它用于车削中心上。首先以一台为研究对象,进行了热源和热模态分析,以了解影响机床加工精度的主要热源及获得机床上的关键温度点;然后,进行热误差辨识和建模,给出热误差补偿系统。这台车削中心在实际生产使用中获得了很好的补偿结果后,又对多台同类车削中心的热误差实时补偿进行了研究。基于第三章研究的适合于多台同类机床热误差补偿的两种鲁棒建模新方法的补偿系统首创用于生产厂100多台同类型并规格基本相同的车削中心,全部仅用两个热误差数学模型,获得了成功。从而取得了很好的经济效益和社会效益。 第六章介绍了另一台在生产实际中应用的数控双主轴车床几何、热误差综合实时补偿技术。它的难点是不但要补偿机床热误差而且还要补偿机床几何误差。另外,由于该机床有两根主轴而且互相影响加工精度、使得误差元素的辨识、建模和补偿既复杂又困难。在获得了误差运动综合数学模型后,通过适当选取测量坐标、变换原点,简化了综合数学模型。根据几何误差的位置特性和热误差的温度或时间特性,在误差的混合信号中,分离了几何误差和热误差。在不同误差元素的建模中,根据不同性质和特点的误差元素(与位置有关;与温度有关;与位置和温度都有关)采用不同的建模方法。最终通过补偿表明,机床精度大大提高。 第七章概括本研究工作和所得主要结论并对今后数控机床误差补偿工作作了展望。
樊星光[2]2012年在《高速五轴联动加工中心结构分析及误差补偿研究》文中研究表明高速五轴联动加工中心是科技含量高、加工精度高的高端数控加工设备，被广泛应用于加工具有复杂表面的零件。高速加工技术对机床的要求主要有：足够的静刚度、良好的动态特性、较高的加工精度等。随着加工中心向着高切削速度和高加工精度的方向发展，其工作性能要求也越来越高。本文以XKR50五轴联动加工中心为研究对象，利用有限元分析软件ANSYS Workbench作为分析工具，对机床进行了静态、动态分析，并提出了一种新型的机床误差补偿方案。首先根据数控机床的不同结构布局形式特点，选取了适合加工高精度中小型零件的XKR50高速五轴联动加工中心的结构形式。对机床的主要运动部件主轴箱、滑板、横梁以及整机结构进行了静力分析，得到了机床的应力和应变，分析了机床的强度和刚度状况；对主轴箱和机床整机进行了有限元模态分析，得出了主轴箱和整机的模态参数：固有频率和振型，并进行了相应的动态性能分析。结合静力分析和模态分析，评价了机床结构的力学性能，为高速五轴联动加工中心的方案设计和改进提供了理论依据。提高机床加工精度有误差防止和误差补偿两种方法，本文分析了五轴机床的结构特征及其主要误差产生来源和分类，介绍了激光跟踪仪的工作原理，最后提出了一种新的五轴机床误差补偿方法。
杨柳[3]2018年在《基于综合智能的数控机床热误差补偿研究》文中研究指明误差补偿法使用软件技术,具有低成本、易实现等特点,因此成为提高数控机床加工精度的重要方法。近年来,国内外广大的专家均获得了一定程度的进展,但是,误差补偿模型的精确构造仍然是影响着误差补偿效果最主要的原因,成为数控机床加工精度的瓶颈。热误差数据具有相关性和非线性等特点,目前使用的最小二乘法很难对其进行有效拟合,针对最小二乘法处理具有相关性和非线性数据中的不足,为了提高数学模型的精确度,利用BP神经网络对非线性数据进行拟合,利用粗集理论对相关数据进行简化,可以有效解决误差补偿法中数学模型的精确建立,由于BP网络在学习过程中易陷入局部最优值的特点,结合蚁群算法对网络进行学习达到全局最优值,提出了基于粗集理论、蚁群算法和BP神经网络的数控机床热误差补偿法。本文主要任务如下:分析了粗糙集理论、蚁群算法和人工神经网络的基本知识以及在误差补偿中的应用,对三者的结合做了细致的剖析。分析了数控机床的误差源,鉴于误差源之间的耦合特性,提出了利用粗集理论对误差源输入特性进行约简。针对BP网络在学习的过程中容易陷入局部最优值和迭代次数多等缺点,利用蚁群算法对BP网络的初始权值和阈值进行赋值,从而提出了基于蚁群学习算法的新型网络学习方法,最后把学习到的规律应用到数控机床中去。本文的创新贡献如下:1、通过利用粗集理论约简BP网络的输入变量个数,使得简化了网络的结构,网络的工作效率得以提高,与此同时,硬件的安装也变得便捷,成本降低。2、利用蚁群算法来训练BP网络,BP网络的训练次数较大缩短,网络的预测精度得到较大提高。3、把蕴藏在权值和阈值中的规律以机床可以识别的语言嵌入到机床中去,具有实际应用价值。
郭松路[4]2014年在《高速加工中心热分析与热误差补偿研究》文中研究说明随着现代工业技术的不断进步与革新，加工制造业朝着高速、高精密化方向高速发展，故而就需要更高速、高精度的加工技术与之相适应。几何误差、热误差和受力误差一直都是导致机床加工精度降低的主要误差来源，可是由于机床的制造和装配的精度逐渐提高，几何误差的影响越来越小，热误差自然就成为目前最大的误差源，基本已占到了总误差的60%~70%。因此，减小热误差对机床加工精度的影响已成为当前精密加工技术革新的重中之重。本文是在国家科技重大专项“CX系列立式车铣复合加工中心高速条件下机床性能研究”的背景与基础之上，对其热误差的补偿技术进行的延伸性研究，对于提高其加工精度具有很强的实际应用意义。本文以立式车铣复合加工中心CX110100为研究对象，进行了热误差补偿相关技术问题的纵向研究，主要的研究工作及成果如下几个方面：（1）阐述论文研究的价值意义，概述国内外相关的研究历程及最新科研成果，分析目前存在的主要问题。阐述加工中心热误差的主要来源、减小热误差的措施、热误差预测及补偿的技术方法等。（2）分别以加工中心进给系统及整机为研究对象，分析确定系统各热源及热边界条件，依据热传导及有限元理论，建立其三维温度场模型，利用ANSYS软件进行稳态热分析，在求出的温度场的基础上进行热—结构耦合分析，获得系统热变形情况，找出热误差敏感点。（3）依据热特性分析结果确定测温点，采取热误差五点测量法，设计合适的数据检测实验。参考实验数据，采用模糊聚类与灰色关联度法相结合的方法对测温点进行优化，最终确定了与各向热误差对应的三组温度变量，有效减少了测温点的数目。（4）分别采用多元线性回归法、BP神经网络法、RBF神经网络法和基于遗传算法优化的BP神经网络（GA-BP）法建立加工中心热误差—温度预测模型，建立热误差与测温点温度之间的关系，由温度测量值即可对热误差值进行预测。对比各种方法的优缺点以及预测效果表明：GA-BP预测模型能够优势互补，不仅加快了模型的收敛速度，提高了其鲁棒性，而且误差预测精度也最高。（5）采用灰色系统理论建立加工中心热误差自身时序预测模型GM（1,1），依据热误差实验数据寻找自身变化趋势，从而对下一时刻热误差值进行预测。结果显示，在加工中心工作条件稳定的情况下，此模型具有一定的预测精度，有可行性。（6）在热误差值预测的基础上，提出热误差补偿策略，设计热误差的补偿系统。
鲁志政[5]2008年在《数控机床误差的辨识新方法研究及补偿应用》文中研究指明随着现代机械制造技术的飞速发展,精密和超精密加工技术已经成为现代机械制造的重要组成部分。数控机床作为机械制造中的重要工具,它的精度指标是影响工件加工精度的重要因素。因此,提高数控机床精度的研究受到了极大的关注。数控机床的体积定位精度包括线性位移误差、直线度误差、垂直度误差、角偏和刚性误差,这些误差决定了数控机床的精度性能。机床在工作中产生运动误差难以避免,为了提高机床的加工精度,这就需要对机床的误差检测及补偿做出研究。对于三轴机床(加工中心),在空间直角坐标系中,总共就会产生21项误差,逐一测量这些误差非常费事费时间。因此,如何能够高效精确地检测数控机床的体积定位精度关系到数控机床的补偿性能和精度。通过测量数控机床各项误差并加以补偿,可以很好地改善机床性能,从而大大提高加工精度。本文在数控机床误差的检测以及补偿方面做了以下几个有益的尝试和探索。(1)通过与美国光动公司合作,在结合矢量运算和体对角线多步测量法的基础上,提出激光矢量分步对角线测量方法来测量数控机床的体积误差。该方法具有使用方便和调整快速的特点,可以方便地获得可用于机床空间位置误差补偿的12项机床误差元素,包括3个定位误差、6个直线度误差和3个垂直度误差,从而为误差补偿实施开创了有利条件,并利用补偿软件自动生成补偿代码,最后通过实验验证了该方法的高效辨识性和可靠性。(2)进一步分析了激光矢量分步对角线法的辨识精度和辨识条件,并且发现实际测量中可能遇到因为辨识条件不满足而导致的辨识精度下降的问题。通过合理数学分析、假设、几何图形运算和理论推导,提出了一种新的补充方案。该方案可以在辨识条件不具备的情况下,即激光束与平面镜不垂直的前提下,提高数控机床对直线度误差和垂直度误差的辨识精度。(3)分析热因素在机床误差辨识的过程中的影响,针对铣床做了连续14天的实验数据采集,然后经过数据处理、分析、比对,以及一些合理的数学变换,得到了引起机床热对机床各误差的影响大小和关键点的分步特征,并针对这些因素,采取了改变了铣床的结构,改善冷却液的使用以及冷却液的走向,大大降低了热因素对机床误差的影响,获得了很好的试验效果。最后还针对热误差采用时序法建模,优化模型,通过实施补偿成功的将机床的热误差从补偿前的25.32微米减小到补偿后的8.57微米。
张毅[6]2013年在《数控机床误差测量、建模及网络群控实时补偿系统研究》文中认为误差补偿技术是提高数控机床加工精度的重要技术手段之一，与之密切相关的研究方向主要有：误差的测量与辨识、误差模型的建立以及误差补偿的实施方法。本课题在“国家科技重大专项”、“国家自然科学基金”和“全国高等学校博士学科点专项科研基金”等项目的资助和支持下，以沈阳机床有限公司生产的双转台式五轴加工中心和上海航天设备制造总厂使用的两台三轴立式加工中心为研究对象，进行了机床误差高效测量、精密建模和实时补偿的相关研究，并研发了基于网络群控的数控机床误差实时补偿系统，可以对一台或多台机床同时进行补偿，从而改善机床在不同温度条件下的运动精度。本文的主要研究内容有：（1）结合不同类型五轴机床的结构特点，建立了基于齐次坐标变换方法的通用运动学模型。通过配置不同的模型参数，可以描述在不同结构的机床中从刀具坐标系到工件坐标系的运动链传递关系。然后分析机床主要部件在运动过程中可能引入的误差元素，根据刚体运动理论和小角度误差假设，将其代入到通用运动学模型中，从而得到五轴机床通用综合误差模型。利用该模型可以计算出机床在运动过程中的空间误差补偿值。为了满足误差补偿的实时性要求，可以对综合误差模型进行简化处理，根据各项误差元素的实际分布规律，提出了综合误差模型的简化策略，从而在满足补偿精度要求的前提下提高模型计算速度。（2）根据旋转轴的运动特点，提出了基于球杆仪的误差测量和辨识方法。通过MATLAB误差仿真试验，可以了解不同误差元素对球杆仪测量轨迹造成的影响。在一台五轴机床上实际进行的球杆仪测量试验结果表明：该方法可以高效、精确地对旋转轴引入的其中五项误差元素进行辨识。通过对不同温度条件下的误差测量结果进行分析，建立了基于自然指数的旋转轴热误差模型，可用于热误差的预测和补偿。（3）无论是传统的三轴数控机床，还是引入了旋转轴的多轴数控机床，平动轴都是最重要的运动部件，平动轴引入的各项误差元素也是最重要的误差来源。本文用激光干涉仪测量了在不同温度条件下的平动轴定位误差和直线度误差，测量结果表明：定位精度受温度变化影响明显，而且环境温度及丝杠螺母温度对其影响最为显著，因此可以建立基于自然指数的误差预测模型，该模型不仅描述了机床热误差和温度变量之间的非线性变化规律，而且和多元回归分析模型相比具有温度变量少、预测精度高的优点；而对于直线度误差来说，其数值相对较小，且基本不受温度变化的影响，可以将其简化视为几何误差，并建立以机床坐标为自变量的多项式误差预测模型。（4）机床主轴在高速旋转过程中会产生大量热量，所以由主轴热变形而导致的主轴热误差也是影响加工精度的重要因素。本文结合灰色理论和神经网络各自对数据处理的优点，提出三种不同结构的灰色神经网络热误差预测模型，即：串联型、并联型和嵌入型灰色神经网络。在串联型灰色神经网络中，首先使用灰色模型对机床关键测点的温度数据和热误差数据进行预处理，得到近似一阶动态微分模型，然后把多个不同灰色模型的预测结果输入到BP神经网络进行非线性拟合优化，利用BP神经网络误差反向传播的学习方法对模型进行训练，调节网络节点的权值和阈值，从而得到最终的预测模型；在并联型灰色神经网络中，先由灰色模型和神经网络分别对主轴热误差进行预测，然后采用一定的加权组合方式，按照目标预测精度优化模型的加权系数，从而得到最终的预测结果；而嵌入型灰色神经网络则是借鉴了灰色理论对数据处理的思想，在神经网络输入层前增加灰化层，在输出层后增加白化层，通过对神经网络拓扑结构的改进，达到弱化原始数据随机性、提高预测模型鲁棒性和容错能力的目标。通过与传统灰色模型和神经网络进行试验结果对比表明：上述三种结构的灰色神经网络模型均提高了预测精度，且具有对原始数据要求低、计算简便、鲁棒性强等优点，可用于复杂工况下的机床主轴热误差实时预测和补偿。（5）介绍了基于外部机械原点偏移功能的误差补偿实施基本原理，并结合生产线上多台机床同时需要误差补偿的需求，研发了基于网络群控的机床误差实时补偿系统。从整体架构上，可将该补偿系统分为两大部分：主控中心PC和各机床PMC（Programmable Machine Controller）控制单元。前者的运算能力强，存储空间大，因此主要负责各机床空间误差补偿值的计算；后者和CNC（Computer Numerical Control）系统紧密相连，具有很高的数据交互实时性，因此主要负责查询机床当前坐标位置和查表调用各进给轴当前所需补偿值。网络群控误差补偿系统的主从结构充分利用了各自在运算能力方面的特点，不仅适于进行复杂的模型计算，而且满足误差补偿的实时性要求。此外，主控中心PC和数控机床PMC之间通过以太网通讯协议及Fanuc提供的FOCAS（Fanuc Open CNC API Specifications）动态链接函数进行数据交互，具有硬件端口占用资源少、数据传输速度快、可靠性高、功能模块连接简便和易于扩展的特点。（6）结合本文提出的误差测量方法、建模方法和基于网络群控的机床误差实时补偿系统设计了两类试验。第一类试验是对单台五轴加工中心进行误差补偿试验，首先用激光干涉仪、球杆仪等测量仪器对机床平动轴和旋转轴引入的误差元素进行测量，并建立适用于不同温度条件的误差元素模型，将其代入到综合误差模型中计算出在机床空间范围内施加给各进给轴的误差补偿值，最后通过补偿系统将补偿值送给数控系统完成误差补偿步骤，试验结果表明，通过补偿可以大幅提高该机床的空间运动精度；第二类试验是同时对多台（两台及以上）数控机床进行补偿试验，在得到各机床误差模型的基础上，通过网络群控实时补偿系统和各机床间的数据交互，完成误差补偿步骤，试验结果表明，该系统可以实现对多台机床进行同时补偿，批量提高群控网络内所有机床的运动精度，和传统误差补偿模式相比，具有较高的补偿效率。通过以上两类试验可以发现：无论在何种应用场合中，基于网络群控的机床误差实时补偿系统均可大幅提高机床性能，而且工作稳定可靠，具有较高的实用价值和推广意义。
周伦才[7]2008年在《数控机床运动误差智能补偿方法的研究》文中研究表明采用数控加工的目的是提高产品加工的精度和效率,因此加工精度是数控机床最重要的性能指标之一,而对机床实施误差补偿是提高机床加工精度较为有效的方法,但由于数控加工过程具有复杂性、非线性、不确定性等特点,用传统的基于机床成形系统精确数学模型的方法已经难以获得良好的误差补偿效果。本文就是以如何提高数控机床误差补偿精度为目的而展开的。以国内外研究为基础,应用多体系统误差分析理论建立了数控机床理想运动模型、误差情况下的运动模型、刀具空间姿态理想运动模型以及刀具空间姿态运动误差模型。并以DMG公司生产的五轴数控万能镗铣床DMU 70V(TPPPBRRW)为例给出了成形点空间运动误差模型和刀具姿态运动误差模型。机床误差参数的正确辨识是误差补偿的前提条件之一,本文利用多体系统运动学理论对平动轴和转动轴的几何误差进行了正确辨识。为了提高误差补偿效果,本文在分析神经网络学习机理的基础上,利用神经网络良好的逼近能力、泛化能力及自学习能力的特点,通过对数控系统进行神经网络辨识,对误差补偿技术和误差控制的神经网络实现方法进行分析,建立了神经网络误差补偿模型。结合了双频激光干涉仪位移测量和直线度测量及三点法回转误差测量法,综合基于多体系统运动学理论建立的误差模型,以及机床几何误差的辨识,利用Malab软件对测量参数进行处理,获得了较为全面的网络训练样本,进一步提高了网络的精度。通过仿真试验验证了机床成形点空间位置误差模型的正确性和神经网络误差补偿的可行性,对补偿前后的结果分析可以看出,将神经网络技术应用在数控机床误差补偿控制中是可行的,与传统误差补偿方法相比,基于神经网络的数控机床误差补偿具有补偿精度较高、稳定性较好的特点。
张变霞[8]2008年在《数控机床精度及误差补偿技术》文中研究表明加工精度是机床最重要的性能指标之一。本课题运用多体系统运动学为核心的误差分析理论体系,对三轴数控机床精度问题进行了系统、全面的分析,并重点在数控机床误差测量、误差分析建模、误差辨识以及软件误差补偿等方面开展深入研究,通过机床误差模型,揭示误差从机床零部件到被加工零件的传递规律,给出了精度预测,并对机床进行了软件误差补偿以提高加工精度。本文主要从以下几个力面的内容进行了研究和探讨:1.研究了机床的测量方法,比较了数控机床传统的和先进的误差测量工具和测量方法,并对球杆仪、激光干涉仪等先进测量仪器的测量原理和应用方法进行了分析总结。2.研究了机床的精度分析的基本理论及其评定标准,对多体系统运动学以及基于该理论的机床误差建模、误差辨识及误差补偿的方法作了系统的探讨。数控机床误差参数的正确辨识是数控机床补偿的必要前提条件。3.详细分析了12线误差分析方法,应用误差辨识软件,解得各测量点的十八个误差参数,再根据实际情况求解三项垂直度误差,最后得到了所有的21项几何误差。4.建立了三轴数控机床的通用精度分析模型,还以XK713三轴数控机床为例给出了理想运动模型、有误差运动模型和空间误差模型等的分析表达式。基于直接计算法修正理论数控指令的软件误差补偿,从模型的选择,参数的识别,数控指令的转换都实现了人机交互模式,应用起来直观易用,操作方便。通过此项技术的误差补偿,机床的各项误差都有所降低,达到了提高机床加工精度的目的。但是本课题的成果尚未应用到生产实际中,在今后的研究中,还要进行大量的实验,取得大量的测量数据,为今后该方法的实际应用奠定基础。
杨漪[9]2013年在《加工中心热误差机理分析及误差实时补偿研究》文中研究表明本文在国家科技重大项目数控专项《航天复杂结构件高档数控加工示范工程》、国家自然科学基金项目《基于网络群控的多轴数控机床多误差动态实时补偿》的支持下，以上海航天设备制造总厂的VDM75三轴立式加工中心为主要研究对象，详细描述了其热误差机理分析及结构优化、综合误差建模、误差元素测量与建模方法、基于虚拟仪器的误差补偿等内容。主要内容有以下几个方面：1、基于ANSYS有限元分析软件对VDM75加工中心建立了有限元模型，分析了机床的热源及发热量的计算方法。将机床热源作为边界条件施加在有限元模型上进行温度场以及变形场的分析计算。有限元分析的结果可以作为误差补偿的依据，另外根据变形场的分布情况可以依据热对称的原理对机床结构进行优化设计，以达到误差预防的目的，减小机床的原始误差。2、介绍了本文所研究的加工中心VDM75的结构及参数，并针对其各个运动轴进行了误差分析，确定了该加工中心的26项误差元素。通过齐次坐标变换的方法进行了刀具坐标系与工件坐标系之间的转换，得到了误差综合模型。3、介绍了定位误差和主轴热漂移误差的测量方法，以及温度变量的采集模块，包括其软硬件结构。然后针对这两项误差采取了不同的建模策略建立其模型。对于定位误差，将其分离为几何误差部分和热误差部分分别进行建模，几何部分仅与位置有关，采用多项式拟合，而热误差部分的斜率与温度有关，采用主成分分析方法对温度变量进行简化后再依据最小二乘原理建立斜率部分的模型，最后叠加得到几何与热误差的综合模型。而针对主轴热漂移误差，由于其仅与温度有关，采用主成分分析方法对温度变量进行简化，然后采用BP神经网络方法对模型进行训练，最终得到主轴热漂移误差的模型。4、开发基于虚拟仪器的误差实时补偿系统，包括其软硬件结构。利用FANUC系统自带的扩展的外部坐标原点偏移补偿功能集合补偿系统实施了补偿实验，对补偿前后的误差进行了对比，验证了误差补偿的效果。
史弦立[10]2015年在《数控机床等效切削力综合误差辨识与补偿技术的研究》文中研究指明等效切削力综合误差是机床在受恒定载荷作用的前提下,其几何误差和恒定载荷所产生的力误差相耦合之后的综合误差。为了解决目前几何误差与切削力误差综合补偿中存在的问题,本文通过对数控机床加载恒定载荷,以此模拟机床的实际受力状况,进而在多体系统运动学理论的基础上,对三轴数控机床的几何误差与力误差耦合而成的等效切削力综合误差进行了测量和补偿研究,主要工作如下:(1)建立了三轴数控机床等效切削力综合误差补偿所需的数学模型。在对多体系统运动学相关理论体系进行分析的基础上,将多体系统拓扑结构、低序体阵列以及齐次坐标变换实际运用到三轴数控机床的误差建模上,在载荷力作用的条件下推导了机床各体上几何误差与力误差综合作用的特征变换矩阵,通过将机床刀尖点坐标与工件上待加工点坐标向同一坐标系的转换,实现了等效切削力综合误差的数学建模,为通过软件补偿提高数控机床的加工精度提供了理论基础。(2)设计了恒定载荷加载方案,实现了力与等效切削力综合误差的直接对应。采用SDC-C4F型测力仪测量三轴数控机床的实际切削力,以此做为加载恒定载荷的参考标准,设计了恒定载荷的加载装置,使用该装置将恒定载荷加载到机床工作台上,通过作用到机床工作台上的载荷力模拟机床的实际受力状况,在此条件下采用激光干涉仪实现了对等效切削力综合误差的直接测量;无需再分别测量几何误差和力误差,避免了求取综合误差时对这两种误差的求和运算,进而实现了几何误差与力误差的自动耦合。(3)开发了等效切削力综合误差补偿软件。在综合使用MATLAB及Visual Studio 2010开发平台的基础上,将所建误差补偿模型以及综合误差参数求解方程在MATLAB中进行封装,采用development tool命令编译器生成了Visual Studio 2010所能识别的动态链接库,实现了补偿软件对二者的直接调用,结合对数控加工指令实施的插补运算,将误差补偿的相关理论研究通过C#编写成补偿软件的运行程序,以软件的方式实现了对数控加工指令的误差补偿,极大提高了误差补偿的效率。(4)实际加工工件误差验证试验。分别采用理想数控指令、经几何误差补偿过的数控指令以及经等效切削力综合误差补偿过的数控指令进行试验试切,使用CVA800A-6C型三坐标测量机对三种数控指令所加工的工件轮廓进行精度检测,检测结果表明,等效切削力综合误差补偿方案能够明显的提高机床的加工精度,所设计的补偿软件可以快速的对机床实施误差补偿。
参考文献：
[1]. 数控机床误差综合补偿技术及应用[D]. 杨建国. 上海交通大学. 1998
[2]. 高速五轴联动加工中心结构分析及误差补偿研究[D]. 樊星光. 重庆大学. 2012
[3]. 基于综合智能的数控机床热误差补偿研究[D]. 杨柳. 电子科技大学. 2018
[4]. 高速加工中心热分析与热误差补偿研究[D]. 郭松路. 郑州大学. 2014
[5]. 数控机床误差的辨识新方法研究及补偿应用[D]. 鲁志政. 上海交通大学. 2008
[6]. 数控机床误差测量、建模及网络群控实时补偿系统研究[D]. 张毅. 上海交通大学. 2013
[7]. 数控机床运动误差智能补偿方法的研究[D]. 周伦才. 兰州理工大学. 2008
[8]. 数控机床精度及误差补偿技术[D]. 张变霞. 中北大学. 2008
[9]. 加工中心热误差机理分析及误差实时补偿研究[D]. 杨漪. 上海交通大学. 2013
[10]. 数控机床等效切削力综合误差辨识与补偿技术的研究[D]. 史弦立. 广东海洋大学. 2015
标签：金属学及金属工艺论文; 自动化技术论文; 神经网络模型论文; 五轴加工中心论文; 加工精度论文; 预测模型论文; 切削速度论文; 误差分析论文; 网络模型论文; 五轴联动机床论文; 系统辨识论文; 空间分析论文; 元素分析论文; 测量理论论文; 数控机床论文; 数据建模论文; 数学模型论文; 建模软件论文; 数控铣床论文; bp神经网络算法论文;