基于神经网络的机床-工件系统热误差补偿技术研究.pdf

T e c h n o Io g y a n d T e s f 工艺与检测 基于神经网络的机床一 工件系统热误差补偿技术研究 满忠伟① ② 汪世益② ①山东山推机械有限公司， 山东 济宁 2 7 2 0 2 3 ； ②安徽工业大学机械工程学院， 安徽 马鞍山2 4 3 0 0 2 摘要 以机床一 工件系统的热变形为研究对象 。 应用神经 网络理论建立机床一 工件系统的热误差模型， 对热 误差神经 网络模型的关键输入参数进行 了分析讨论 ， 提 出了该模型的误差补偿策略。以某型号大尺 寸回转支承滚道数控车削加工为例 ， 建立了热误差模型 ， 对 回转支承滚道加工实施热误差补偿 ， 结果 表明。 机床一 工件系统的热误差模型有较强的预测能力， 提出的补偿方法有较好的补偿效果。 关键词 数控机床干式切削神经 网络热误差补偿 中图分类号 T H1 6 1 文献标识码 A S t u d y o f t h e r ma l e r r o r c o mp e n s a t i o n o n t h e s y s t e m o f ma c h i n e t o o l a n d wo r k - p i e c e b a s e d o n n e u r a l n e t wo r k MAN Z h o n g we i ①② 。 W ANG S h i y i ② S h a n d o n g S h a n t u i Ma c h i n e T o o l C o ． ， L t d ． ， J i n i n g 2 7 2 0 2 3 ， C H N； A n h u i U n i v e r s i t y o f T e c h n o l o g y ， M a a n s h a n 2 4 3 0 0 2 ， C H N Ab s t r a c t T a k i n g t h e s y s t e m o f ma c h i n e a n d w o r k - p i e c e a s t h e r e s e a r c h o b j e c t i n t h e p a p e r ，a p p l y i n g t h e o r y o f n e u r a l n e t wo r k t o b ui l d t h e r ma l e r r o r mo d e l o f t he s y s t e m o f ma c hi n e a n d wo r k-p i e c e，d i s c u s s e s ke y i n p u t pa r a me t e r s o f t h e r ma l e rro r mo d e l o f n e ur a l n e t wo r k，a n d p r o p o s e s t h e s t r a t e gy o f t h e r ma l e r r o r c o n- p e n s a t i o n ．T a k i n g t h e ma c h i n i n g o n r a c e w a y o f s l e w i n g r i n g a s a n e x a mp l e ，b u i l d s t h e rm a l e rro r mo d e l ， a n d i mpl e me n t s t h e c o mp e ns a t i o n t o t h e ma c h i n i ng o n r a c e wa y o f s l e wi n g r i n g ． Th e r e s u l t s h o ws t h e mo de l h a s b e t t e r a b i l i t y o f p r e d i c t i o n f o r t he r ma l e rro r o f t h e s y s t e m o f ma c hi n e a n d wo r kpi e c e，c o rn pe ns a t i o n me t h o d wh i c h t h e p a pe r p r o p o s e s o n t h e s y s t e m o f ma c hi ne a n d wo r k p i e c e h a s b e t t e r c o rn- - p e n s a t i o n e f f e c t ． Ke y wo r ds NC Ma c h i n e To o l ；Dry Cu t t i ng；Ne u r a l Ne t wo r k；Th e rm a l Erro r Co mp e n s a t i o n 机床热变形对工件加工精度 的影响很 大， 热误差 是最大的误差源 ， 可达机床总误差的 7 0 ％左右 。因 此 ， 控制热误差是提高机床加工精度的关键技术。误 差补偿技术可以在不提高机床 自 身零部件精度的条件 下 ， 使工件的加工精度大幅度提高 。 J 。 机床热误差在有效补偿 的前提下能够对某一温度 场下的机床热误差进行准确的预报， 然后根据预报值 进行补偿。这就要求尽可能准确地进行热误差建模， 即建立机床热误差与温度之间的关系， 从而在实时补 偿过程中用温度值来预报热误差。热误差建模的方法 很多 ， 选择不同的建模方法对 误差补偿效果有非常大 的影响。热误差很大程度上取决于加工条件、 加工周 期、 冷却液的使用以及周围环境等诸多因素 ， 因此热 误差呈现非线性及交互作用。神经网络理论是利用工 ￡u _ l_年 ， 程技术手段模拟人脑神经 网络结构和功能的一种非线 性动力学系统 J ， 它具有集体运算能力和 自适应的学 习能力 ， 以及很强 的容错性 、 鲁棒性 ， 善于联想 、 综合和 推广， 目前以神经网络为代表的智能补偿技术已运用 到误差建模中 J 。以往的热误差模 型以机床为研究 对象 ， 忽略了工件 的热变形对加工精度 的影响。本文 以机床一 工件系统为研究对象， 应用 B P神经网络理论 建立机床一 工件系统的热误差模型， 并在此基础上提 出误差补偿策略。 1 机床一 工件系统的热误差分析 机床的热误差主要是 由于机床工作时复杂的温度 场造成机床各部件变形即机床的热动态过程而引起 的。机床运转过程中， 运动部件在内部和外部热源作 9 9 工艺与检测T e C h n 0 Io g y a n d T e sl 用下， 产生热量并传给机床各部位产生温差， 使各零部 件产生热变形 ， 造成加工精度下降。 机床中的内部热源包 括 设 备 运 行 中 的 运 动 副 产 l 霭 螽 l I 生 的摩 擦热 、 加 工 中的切 削热 和动力 源 的发热 ； 外 部热源主要是环境温度的 变化 。机床各部件通过热 传导、 热对流和热幅射 3 种方 式进行 热交换 ， 由于 零件形 状 、 结构及 约束 条 件不 同， 引起拉 、 压 、 弯 、 扭 等各种 热变 形 ， 造 成与 加 工精度相关 的各零部件产 生不 同程度 的热位 移 ， 最 终 导 致 机 床 加 工 精 度 下 降 。 。机床热误差产生机 理如图 1所示。机床各种 内部热源的发热量及环境 一 l 热量l I 构件热特性 亟 } _ f l l l 热扩散 l l l H接触面热限 { I 二 l I- I 润滑油影响 ● ’ 。 。 。。 。 。。 。 。。 。 。。 。 。‘ 一 __ ___ __ __ -__ __ ___ __ __ -_ -_ -- --● 。。 一 升温一热平衡l 凡 结 部位的 构件 形状 与物性 ] i c 承状态l 误差敏感方 向 j 二 的位移 l 堡茎l 图1机床热误差产生机理图 温度均随具体的加工情况 、 时间而变化 ， 同时机床有一 定的热容量 ， 其 温升必然存 在时滞现象 ， 所 以根本 上 说 ， 机床热变形是随时间变化的非恒定现象。 工件热误差主要是 由于工件在加工过程中产生大 量的切削热 ， 其中一部分切削热传人工件 ， 使工件产生 热膨胀变形 ， 因此 ， 工件是在热膨胀 的状态 下进行加 工 ， 而工件加工完成后 ， 在常温状态下冷却 ， 工件又冷 却收缩变形。所以， 工件的热变形 热膨胀变形和冷 收缩变形 对加工精度影响巨大。 2 机床一 工件系统热误差神经网络建模 数控机床热误差补偿的关键是建立精确的热误差 模型 ， 热误差模型是否合理直接影响补偿的效果 。本 文以数控立车加工 回转支承滚道为例 ， 选择 了合理的 输入和输出参数 ， 建立机床一 工件系统 的 B P神经 网络 热误差模型 ， 并对该模型进行训练 、 修正和测试 。 2 ． 1 机床一 工件系统热误差神经网络模型 机床一 工件系统的热误差 B P神经网络模型的建 立主要有 2个方面 一是神经网络热误差模 型输入和 输 出参数的选择 ； 二是确定热误差神经 网络模 型的结 构。 输入和输出参数直接影响热误差模型的精度。输 入量选择的太少， 可能造成信息的缺失， 选择的太多或 不合理 ， 测量的时间和成本就会增加。以往的热误差 模型都是以机床为对象， 机床的热误差源与机床的结 1 0 0 构有关 ， 但引起加工热误差的热敏感L x 二 域主要有床身 、 主轴和丝杠 ， 所以热误差模型的输入参量为床身 、 轴 丝杠 、 主轴和切削液 的温度 ， 输 出参量 为主轴径 向位 移。由于在金属加工过程中产生大量的切削热传人 J 件 ， 引起工件热变形 ， 且热变形的大小与工件的儿何 寸有关 ， 所以工件的温度和几何 尺寸也足影响热误井 的重要 因素。综上所述 ， 加工热误差影响因素有 3个 方面 机床热敏感区温度 、 工件温度和几何尺 寸。所 以 热误差模型的输人参数选 择机床热敏感 区的温度 、 加 工工件 的温度和工件 的几何 坐标 ， 输 出参数选择工什 的误差值。 通 过 以上 理论 分 析 ， 以数控立车加工回转 支承 滚道 干式车削 建立热误 差模型 ， 数控 车热 敏感 区域 的温度 如 图 2所 示。 为 了减 少模 型 的输 入 参 数 ， 考 虑车床 立柱 热变形 很小 ， 忽略床 身对 热误差 的影 响， 所 以影 响加工热 误差 的 因素 主要 有丝杠 、 图2 数控立车热敏感区域 示 意图 主轴和工件的热变形及工件的几何尺寸 ， 它们分别对 应的输人参数是 轴和 z轴丝杠螺母温度 和 7 1 、 主轴轴承温度 、 回转支承 工件 温度 7 1 、 转支承 在 和 Z轴方 向的坐标 和 z。输 出量以冷却后 的 回转支承为对象， 由于数控立车切削时在 和 z两个 方 向移动， 选择 回转支承滚道面 和 z的方向的误差 值 △ 和 △ z作为输出参数。 机床一 工件系统的热误差模型与机床热误差模 型 相比， 输人参量考虑了加工过程 中工件热变形对热 误 差的影响 ， 误差模型的输人更加全面准确 ； 由于加_ l l 精 度最终 以成形工件 的精度 为标准 ， 所 以机床一1 件系 统热误差模型输出参量选 择工件 加工 后 的误 差量 ， 显然优于 以机床主轴径向 位移误差作为输出参数。 神经 网络的结 构对整 个神经网络的特性具有决 定影响。机 床 一 工件 系统 热误差模型采用 3层的 B P 神经网络结构。通过 以上 对数控立车加工 回转支承 滚道 的分 析 ， 该 模型 的输 入层和输出层分别有 5个 输入层 隐含层 输出 图3 机 床 一工件系统热 误差 神经 网络结构图 - 2 0 1 1 胤 7 ～ ● 和 2个节点 ， 中间隐层节点数 的选择对 网络的学 习和 计算特性具有非常重要 的影响 ， 是该 网络结构成败 的 关键 。考虑到机床 一 工件系统误差模 型的特性 ， 我们 认为热误差是机床和工件温度及工件几何坐标的连续 函数。根据 K o l m o g o r o v 定理 J ， 若 3层神经 网络的输 入层有 m个节点 ， 输出层有 ／ 2 个节点 ， 则 中间隐层应 有2 m 1 个节点， 所以中间隐层的节点数为 1 3 个。因 此 ， 机床一 工件系统的热误差神经网络模型的结构为 6 1 3 2 ， 模型结构图如图 3所示 。 2 ． 2 热误差神经网络模型仿真 机床一 工件系统热误差模型建立后是没有预测能 力的 ， 必须通过一定量 的实验 实测 数据进行训 练、 修正 ， 模 型 经 过 测 试 在 误 差 范 围 内才 可应 用。 以 C K 5 1 1 6 型 数 控 立 车 加 工 回 转 支 承 型 号 0 1 0 ． 4 0 ． 1 1 2 0 的滚道 为应用实例 ， 如 图 4所示 。针对 机床 一 工件 系统 热误差模 型， 采集 1 7 2组 输 入 和输 出数 据 输入 和输 出数据 组结构 如 图 3所示 。采 集 的方 法 如下 用 热 电偶 传感器测量 主轴 和丝杠 的 温度， 用红外测温仪测量 工件的温度， 工件的几何 尺寸 由数控系统的编程程 图4 C K 5 1 1 6 型数控立车车 削回转支承滚道 序中输出。工件加工误差采用离线测量 的方法 ， 即回 转支承滚道加工冷却后， 在常温下测量工件在 和 z 两个方向的误差值。采集的 1 7 2组数据中， 9 2 组数据 用于模型训练， 修正和测试数据各4 0 组。机床一 工件 系统 的热误差模型的训练 、 修正及测试 如图5所示 。 图 5所示 的热误差模型的预测效果如表 1 所示。 表 1 热误差模型 的预 测效 果 评定指标 评定项 目 偏差 带宽／ “ m 偏差带标准差 方向 5 ． 6 1 ． 1 训练样本 z方 向 3 ． 4 O ． 8 方 向 6 ． 3 2 ． O 修正样本 z方 向 4 ． 8 1 ． 5 方 向 7 ． 2 1 ． 9 测试样本 Z方 向 5 ． 7 1 ． 6 由表 1 可知， 模型训练、 修正及测试的偏差带宽在 8 m以下。神经网络热误差模型经过训练和修正后， 对测试样本进行检验 ， 测试样本 的偏差带宽与标准差 和修正样本相比， 相差很小。因此 ， 机床一 工件为系统 、 矗 ， “一 ‘ u I l 平 ， 删 T e c h n 0 I。 g y a n d T e s f 工艺与检测 的热误差神经网络模型经过训练修正后对热误差有较 好的预测能力 。 O 1 O 2 O 3 0 4 0 5 0 6 0 7 0 8 0 90 1 O 0 工件 i7 a 训练样本预测及残差图 。 嗡 娶 叠 啦 一z 方向误差 实际值 日 一x 方向 误差预测值 功 向误差预测值 e x 方向残差 z 目 ’ 一 J | ． 嗽 q 1 O O ．1 O 一2O 工件 “ b 修正样本预测及残差图 ’ 『 一z 方向误差实蕲值 日 一劝 向 误差预测值 z 方向误差预测值 e x 疗向残差 一 z 方向残差 、 ‘ j I ． 咚 f 套 碍 I 0 5 1 0 1 5 2 0 2 5 3 0 35 4 0 工件 C 检验测试样本预测及残差图 图5 神经网络模型预测及残差图 值懂 值 值 际 蕲洲 测 实劐预顶 差差差羞差差 误谋误误残残 向阿向向向向 方 方 方 x z x z O 0 O O O 0 O O O 0 4 铷 铷 枷 加 工艺与检测T e c h n 0 J0 g y a n d T e s l 3 机床一 工件系统热误差补偿 3 ． 1 机床一 工件 系统的热误差补偿策略 为了完成机床一 工件系统的热误差补偿， 本研究 基于数控编程软件反向补偿原理 ， 设计了数控机床 热误差补偿系统 ， 实现刀具 的偏移， 即刀具与工件之间 在运动的逆方向上偏移 1个大小与误差接近的数值。 补偿系统实施方案如 图6所示。 竺 理 蠼 图6机床一工件系统的热误差补偿方案框图 补偿方案如下 当工件加工进入精加工时 ， 开始进 行误差补偿， 且一次补偿成功。进入补偿阶段， 温度传 感器采集机床和工件 的温度值 ， 通过各个通道把温度 值输送到巡检仪， 形成温度文件， 采集温度值经过调 理、 A ／ D转换变成计算机可接收的数字信号， 设置与 计算机处理模块的端 口及通讯参数 ， 计算机接受巡检 仪发送来的温度数据； 同时， 计算机拾取控制系统的几 何坐标信号， 经过计算、 处理输出热误差补偿值。代码 转化模块搜索加工源代码文件中需要补偿的代码， 搜 索完成后记录该代码， 调用计算机计算出来的误差值， 将误差值求反并修正记录下来的代码， 生成具有热误 差补偿的新代码， 然后将新数控代码文件传送到数控 系统， 从而控制传动系统执行修改后的数控代码程序。 1 02 、 。 ／ ＼ ⋯ ＼V V ． t ； ～ ’ ／ 0 、 、 ＼ { 偿 工 牛 误差 j 未 衬 偿 工 误 差 ／＼ h 一 、 ／ 、 ． 一 、 I1 八 ‘ 工件号,r／ 图7 回转支承滚道加工热误差补偿效果 3 ． 2 机床一 工件系统的热误差补偿效果 根据以上建立的机床一 工件系统热误差模 型和设 计 的补偿系统方案 ， 对 C K 5 1 1 6型数控立车加工 回转 支承 型号 0 1 0 ． 4 0 ． 1 1 2 0 的滚道进行热误差补偿。为 了检验补偿效果 ， 把需要加工 的 8 0个 回转支承分为 2 组， 每组4 0 个， 同时在 2台数控立车上加工。第一组 不进行误差补偿 ， 第二组采用设计 的补偿 系统及补偿 模型 ， 加工完成后对冷却的 回转支承滚道误差测量结 果如图 7所示 。由图 7可知 ， 经过补偿的工件 的误差 的精度控制在4 - 1 5 m 以内， 与未补偿的工件相 比， 精 度提高了8 0 ％以上。 4 结语 大型工件 的干式切 削热变形对加工精度影 响很 大， 文章综合分析了热误差对加工精度的影响 ， 建立 r 机床一 工件系统 的热误差神经 网络模 型， 并对该模 型 进行训练、 修正和测试 ， 确定模型有强 的预测能力 ， 提 出了机床一 工件系统热误差的软件反 向补偿方法和补 偿策略。最后 以某型号大尺寸回转支承滚道加工为例 进行误差补偿 ， 结果表明， 经过补偿后的回转支承滚道 的加工精度大幅度提高。 参考文 献 [ 1 ] B R YA N J B ．I n t e r n a t i o n a l s t a t u s o f t h e r m a l e r r o r r e s e a r c h [ J ] ．A n n a l s o f C I R P， 1 9 9 0， 3 9 2 5 4 5 6 4 6 ． [ 2 ] 倪军． 数控 机床 误差补 偿研 究 的回顾及 展望 [ J ] ． 中 国机械 二 I 程 ， 1 9 9 7， 8 1 2 9 3 3 ． [ 3 ] Y A N G S ， Y U A N J ， N i J ．A c c u r a c y e n h a n c e m e n t o f a h o r i z o n t a l m a c h i n i n g c e n t e r b y r e a l t i m e c o mp e n s a t i o n [ J ] ．J o u rna l o f Ma n u f a c t u r i n g S y s t e ms ， 1 9 9 6 ， 1 5 2 1 1 3 - 1 2 4 ． [ 4] 焦李成． 神经 网络系统理论 [ M] ． 西 安 西安 电子科技大学 出版社 ， l 9 9 0． [ 5 ] M I Z E C D ， Z I E G E R T J C ．N e u r a l n e tw o r k t h e r m a l e r r o r c o m p e n s a t i o n o f a m a c h i n i n g c e n t e r [ J ] ．P r e c i s i o n E n g i n e e r in g ， 2 0 0 0 ， 2 4 4 3 3 8 3 4 6． [ 6 ] 杨建国， 张宏韬， 等． 数控机床热误差实时补偿应用[ J ] ． 上海交通大 学学报 ， 2 0 0 5， 3 9 9 1 3 8 9 1 3 9 2 ． [ 7 ] 吴吴， 杨建 国， 等． 精密车削中心热误差鲁棒建模与实时补偿 [ J ] ． 上 海交通大学学报 ， 2 0 0 8 ， 4 2 7 1 0 6 4 1 0 6 7 ． [ 8 ] 胡伍生． 神经网络理论及其工程应用[ M] ． 北京 测绘出版社， 2 0 0 5 ． [ 9 ] 闻新， 周露， 等． M A T L A B 神经网络仿真与应用[ M ] ． 北京 科学出版 社 ， 2 0 0 3 ． [ 1 0 ] 汪世益， 黄筱调， 等． 风电回转支承滚道切人磨削的砂轮修形[ J ] ． 中国机械工程学报 ， 2 0 0 9 ， 2 0 3 2 7 5 2 7 9 ． 第一作者 满忠伟 ， 男， 1 9 8 3年生 ， 工学硕士 ， 研 究 方 向为机 电一体化 。 编辑 李静 收 稿日 期 2 0 1 0 1 1 0 5 文章编号． 1 1 0 7 3 0 如 果您想发表对本文的看法， 请将文章编号填入读者意见调 查表中 的相应位置。 釜 耋 u lI平 帚 f 删 O 0 O O O O 0 0 O O O 0 0 4 培 g _軎 蝼