數(shù)控機床定位精度預測與誤差補償?shù)姆治?/h1>
2016-03-25 05:39:58成學武
科學與財富 2016年7期
成學武
摘 要：數(shù)控車床是現(xiàn)代制造業(yè)重要的基礎裝備。研究數(shù)控車床的動力學特性和位置精度已成為提高其綜合性能的主要手段。本文以BP神經(jīng)網(wǎng)絡為理論工具。在位置精度值基礎上，對X向進給系統(tǒng)定位誤差進行了數(shù)據(jù)擬合，得到了精度曲線，通過與實際曲線進行對比得出該方法可行且有效的。依據(jù)該預測進行了誤差補償，得到了良好的使用效果。
關鍵詞：精度預測；誤差補償；數(shù)控機床
1.引言
定位精度是指機床的運動部件在數(shù)控系統(tǒng)控制下運動所能達到的精度，定位精度直接影響加工零件精度，因此，對數(shù)控機床的定位精度的測量是保證加工質量的重要途徑，是進行誤差補償?shù)牡谝徊健１菊撐难芯繉ο鬄槟持匦团P式數(shù)控車床，其特點是機床體積大，Z向進給位移長達18000mm。因此，采用ML10激光干涉儀進行測量，它可以測量各種幾何尺寸的機床，甚至長達幾十米的機床并診斷和測量各種幾何誤差，而且激光干涉儀可進行自動數(shù)據(jù)采集和數(shù)據(jù)分析，節(jié)省時間又避免操作誤差，另外還可以與計算機進行通訊，避免了人工計算。
2.位置精度預測
2.1 BP神經(jīng)網(wǎng)絡
BP神經(jīng)網(wǎng)絡即前饋式誤差反傳播神經(jīng)網(wǎng)絡，其訓練過程由兩部分組成：信息正向傳播和誤差反向傳播，正向傳播時，輸入信息由輸入層經(jīng)隱含層單元處理后傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元狀態(tài)，若在輸出層得不到希望輸出，則轉入誤差反向傳播，將誤差信號沿原神經(jīng)元的連接通路返回，返回過程中，逐一修改各層神經(jīng)元連接的權值大小，上述過程重復迭代，使得最終信號誤差處于允許的范圍內。
2.2 預測過程
2.2.1 數(shù)據(jù)處理
本文在測量過程中選取了A段長度為800mm的行程。已知A段7個測點，為了提高測量結果的客觀性，每個點進行了5次測試，求每個測點測量結果的均值：
其中h為1～7，得到構造六次多項式為：
x表示測點坐標值。根據(jù)A段測試點真值計算得到式2.2中的a0-a5的值。式2.2的曲線即為A段定位精度曲線。
2.2.2 數(shù)據(jù)歸一化
由于神經(jīng)網(wǎng)絡預測需要大量的訓練樣本，神經(jīng)網(wǎng)絡預測從起點開始，將A段分為100個等間隔小段，根據(jù)（3.1）式得到101個，為了保證里預測過程收斂，需對進行歸一化處理，即：
A（i）為歸一化后數(shù)值，Dmin和Dmax分別為測試數(shù)據(jù)合理范圍的最小值和最大值。
2.2.3 預測過程
對機床定位精度預測方法如下：
以A段的擴充數(shù)據(jù)作為網(wǎng)絡的輸入數(shù)據(jù)。預測方程如下：
（2.4）
其中A1，A2，…An表示網(wǎng)絡的輸入樣本，An+1為預測結果；A1為預測起點，n為輸入樣本數(shù)量。預測算法描述如下：
（1）網(wǎng)絡的構建：試驗得到的A段7個等距樣本，采用六次多項式擬合，得到多項式各項系數(shù)，根據(jù)（2.1）式，首先將A段離散為100等份，每個xi對應一個yi，并對其進行歸一化，得到定位精度的擴充數(shù)據(jù)。
（2）以A1～A100作為訓練樣本，A2～A101作為訓練目標，對神經(jīng)網(wǎng)絡進行訓練，然后，以A1～A101為測試樣本，經(jīng)網(wǎng)絡映射后得到測試輸出A2～A102。
（3）再以A1～A101為訓練樣本，A2～A102為訓練目標，對擴充的神經(jīng)網(wǎng)絡進行訓練，采用與步驟（2）同樣的方法，以A1～A102為測試樣本，得到A2～A103……以此類推，得到機床X軸方向高密度的定位精度預測值。
（4）記錄B和C段測試點的預測值，并對其反歸一化，即為測試點的預測定位精度。
2.2.4預測結果
采用Levenberg-Marquardt算法在Matlab 軟件環(huán)境中處理所建立的智能化模型。輸入層到隱層的傳遞函數(shù)為logsig 和purelin傳遞函數(shù)，反向傳遞函數(shù)為trainlm，設定訓練步數(shù)為20000 步，訓練誤差小于1×10-20。采用S 型函數(shù)，網(wǎng)絡生成語句為：net=newff（minmaZ（P），[2*n+1 1]，{ 'logsig'，'purelin'}，'trainlm'）
可以得出B段和C段相對誤差平均為5.81%和12.36%。
3.X向誤差補償
誤差補償法是針對存在的原始誤差在相應的負方向上利用計算機制造一種新的誤差，對其加以抵消，這種方法簡單、操作性強，因此，誤差補償已成為提高機床精度和機床性能的重要途徑。
3.1誤差補償步驟
（1）根據(jù)上述定位精度測量原理及方法，重型臥式數(shù)控車床X軸的定位精度和重復定位精度進行測量，得到精度值。
（2）根據(jù)測試數(shù)據(jù)，得到定位精度正、反向均位誤差曲線。
（3）由X向均位誤差曲線進行曲線擬合，得到正、反向誤差數(shù)學模型；
（4）據(jù)此模型獲得目標點的補償值，并利用最小二乘法擬合得到X向定位誤差補償模型和補償值。
3.2誤差數(shù)學建模
根據(jù)上述誤差補償步驟及測試數(shù)據(jù)，利用數(shù)據(jù)分析軟件，首先得到定位精度曲線和單向均位偏差。如圖3.1和圖3.2所示。
圖3.1定位精度曲線
圖3.2 X向單向均位偏差特性圖
重型臥式數(shù)控車床X向進給系統(tǒng)正、反向定位誤差數(shù)學模型分別為：
式中：y1，y2分別為目標對應點在正、反向的定位誤差，x為目標點位置。
3.3定位誤差補償
圖3.3 X向補償后定位精度曲線
為了提高定位精度，即使X軸正反向定位誤差為零，即y1，y2為零。根據(jù)最小二乘法擬合得到其目標點的補償值：
通過將補償值輸入至伺服控制系統(tǒng)中，重新測量其定位精度。得到其正、反定位精度為：2.948μm，2.444μm，達到補償誤差及提高定位精度的目的。
結論
本文以BP神經(jīng)網(wǎng)絡為理論基礎，選取車床X向三段位移，根據(jù)國標規(guī)定GB/T17421.2測量得到每一段位移上7個目標點的定位精度，采用六次多項式給對其中一段測量數(shù)據(jù)進行擬合，在擬合曲線上選取大量等距節(jié)點，提出了基于BP神經(jīng)網(wǎng)絡對機床定位精度進行預測的方法。對X向進給系統(tǒng)定位誤差進行了數(shù)據(jù)擬合，得到了精度曲線，然后進行了誤差補償理論分析在實踐中得到良好的補償效果。
參考文獻
[1]李歡玲.基于多體理論的數(shù)控機床幾何誤差補償技術的研究[D].南京：南京航空航天大學，2009.
猜你喜歡
數(shù)控機床的節(jié)能應用制造技術與機床(2019年12期)2020-01-06 03:17:26 高檔數(shù)控機床數(shù)據(jù)采集應用制造技術與機床(2018年12期)2018-12-23 02:41:20 數(shù)控機床電氣系統(tǒng)的故障診斷與維修電子制作(2018年10期)2018-08-04 03:24:46 光柵尺在數(shù)控機床中的應用精密制造與自動化(2018年1期)2018-04-12 07:42:52 PLC在數(shù)控機床中應用電子制作(2017年20期)2017-04-26 06:57:41 數(shù)控機床誤差補償關鍵技術及應用山東工業(yè)技術(2016年24期)2017-01-12 08:49:03 差分GPS/SINS超緊組合在線標定與誤差補償方案設計航空兵器(2016年5期)2016-12-10 17:10:25 五軸數(shù)控加工中非線性誤差補償?shù)难芯颗c實現(xiàn)科學與財富(2016年28期)2016-10-14 01:43:46 提高機械加工精度的有效措施的探討科技視界(2016年20期)2016-09-29 12:50:51 數(shù)控機床保護接地探析鍛壓裝備與制造技術(2016年3期)2016-06-05 09:36:12
成學武
摘 要：數(shù)控車床是現(xiàn)代制造業(yè)重要的基礎裝備。研究數(shù)控車床的動力學特性和位置精度已成為提高其綜合性能的主要手段。本文以BP神經(jīng)網(wǎng)絡為理論工具。在位置精度值基礎上，對X向進給系統(tǒng)定位誤差進行了數(shù)據(jù)擬合，得到了精度曲線，通過與實際曲線進行對比得出該方法可行且有效的。依據(jù)該預測進行了誤差補償，得到了良好的使用效果。
關鍵詞：精度預測；誤差補償；數(shù)控機床
1.引言
定位精度是指機床的運動部件在數(shù)控系統(tǒng)控制下運動所能達到的精度，定位精度直接影響加工零件精度，因此，對數(shù)控機床的定位精度的測量是保證加工質量的重要途徑，是進行誤差補償?shù)牡谝徊健１菊撐难芯繉ο鬄槟持匦团P式數(shù)控車床，其特點是機床體積大，Z向進給位移長達18000mm。因此，采用ML10激光干涉儀進行測量，它可以測量各種幾何尺寸的機床，甚至長達幾十米的機床并診斷和測量各種幾何誤差，而且激光干涉儀可進行自動數(shù)據(jù)采集和數(shù)據(jù)分析，節(jié)省時間又避免操作誤差，另外還可以與計算機進行通訊，避免了人工計算。
2.位置精度預測
2.1 BP神經(jīng)網(wǎng)絡
BP神經(jīng)網(wǎng)絡即前饋式誤差反傳播神經(jīng)網(wǎng)絡，其訓練過程由兩部分組成：信息正向傳播和誤差反向傳播，正向傳播時，輸入信息由輸入層經(jīng)隱含層單元處理后傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元狀態(tài)，若在輸出層得不到希望輸出，則轉入誤差反向傳播，將誤差信號沿原神經(jīng)元的連接通路返回，返回過程中，逐一修改各層神經(jīng)元連接的權值大小，上述過程重復迭代，使得最終信號誤差處于允許的范圍內。
2.2 預測過程
2.2.1 數(shù)據(jù)處理
本文在測量過程中選取了A段長度為800mm的行程。已知A段7個測點，為了提高測量結果的客觀性，每個點進行了5次測試，求每個測點測量結果的均值：
其中h為1～7，得到構造六次多項式為：
x表示測點坐標值。根據(jù)A段測試點真值計算得到式2.2中的a0-a5的值。式2.2的曲線即為A段定位精度曲線。
2.2.2 數(shù)據(jù)歸一化
由于神經(jīng)網(wǎng)絡預測需要大量的訓練樣本，神經(jīng)網(wǎng)絡預測從起點開始，將A段分為100個等間隔小段，根據(jù)（3.1）式得到101個，為了保證里預測過程收斂，需對進行歸一化處理，即：
A（i）為歸一化后數(shù)值，Dmin和Dmax分別為測試數(shù)據(jù)合理范圍的最小值和最大值。
2.2.3 預測過程
對機床定位精度預測方法如下：
以A段的擴充數(shù)據(jù)作為網(wǎng)絡的輸入數(shù)據(jù)。預測方程如下：
（2.4）
其中A1，A2，…An表示網(wǎng)絡的輸入樣本，An+1為預測結果；A1為預測起點，n為輸入樣本數(shù)量。預測算法描述如下：
（1）網(wǎng)絡的構建：試驗得到的A段7個等距樣本，采用六次多項式擬合，得到多項式各項系數(shù)，根據(jù)（2.1）式，首先將A段離散為100等份，每個xi對應一個yi，并對其進行歸一化，得到定位精度的擴充數(shù)據(jù)。
（2）以A1～A100作為訓練樣本，A2～A101作為訓練目標，對神經(jīng)網(wǎng)絡進行訓練，然后，以A1～A101為測試樣本，經(jīng)網(wǎng)絡映射后得到測試輸出A2～A102。
（3）再以A1～A101為訓練樣本，A2～A102為訓練目標，對擴充的神經(jīng)網(wǎng)絡進行訓練，采用與步驟（2）同樣的方法，以A1～A102為測試樣本，得到A2～A103……以此類推，得到機床X軸方向高密度的定位精度預測值。
（4）記錄B和C段測試點的預測值，并對其反歸一化，即為測試點的預測定位精度。
2.2.4預測結果
采用Levenberg-Marquardt算法在Matlab 軟件環(huán)境中處理所建立的智能化模型。輸入層到隱層的傳遞函數(shù)為logsig 和purelin傳遞函數(shù)，反向傳遞函數(shù)為trainlm，設定訓練步數(shù)為20000 步，訓練誤差小于1×10-20。采用S 型函數(shù)，網(wǎng)絡生成語句為：net=newff（minmaZ（P），[2*n+1 1]，{ 'logsig'，'purelin'}，'trainlm'）
可以得出B段和C段相對誤差平均為5.81%和12.36%。
3.X向誤差補償
誤差補償法是針對存在的原始誤差在相應的負方向上利用計算機制造一種新的誤差，對其加以抵消，這種方法簡單、操作性強，因此，誤差補償已成為提高機床精度和機床性能的重要途徑。
3.1誤差補償步驟
（1）根據(jù)上述定位精度測量原理及方法，重型臥式數(shù)控車床X軸的定位精度和重復定位精度進行測量，得到精度值。
（2）根據(jù)測試數(shù)據(jù)，得到定位精度正、反向均位誤差曲線。
（3）由X向均位誤差曲線進行曲線擬合，得到正、反向誤差數(shù)學模型；
（4）據(jù)此模型獲得目標點的補償值，并利用最小二乘法擬合得到X向定位誤差補償模型和補償值。
3.2誤差數(shù)學建模
根據(jù)上述誤差補償步驟及測試數(shù)據(jù)，利用數(shù)據(jù)分析軟件，首先得到定位精度曲線和單向均位偏差。如圖3.1和圖3.2所示。
圖3.1定位精度曲線
圖3.2 X向單向均位偏差特性圖
重型臥式數(shù)控車床X向進給系統(tǒng)正、反向定位誤差數(shù)學模型分別為：
式中：y1，y2分別為目標對應點在正、反向的定位誤差，x為目標點位置。
3.3定位誤差補償
圖3.3 X向補償后定位精度曲線
為了提高定位精度，即使X軸正反向定位誤差為零，即y1，y2為零。根據(jù)最小二乘法擬合得到其目標點的補償值：
通過將補償值輸入至伺服控制系統(tǒng)中，重新測量其定位精度。得到其正、反定位精度為：2.948μm，2.444μm，達到補償誤差及提高定位精度的目的。
結論
本文以BP神經(jīng)網(wǎng)絡為理論基礎，選取車床X向三段位移，根據(jù)國標規(guī)定GB/T17421.2測量得到每一段位移上7個目標點的定位精度，采用六次多項式給對其中一段測量數(shù)據(jù)進行擬合，在擬合曲線上選取大量等距節(jié)點，提出了基于BP神經(jīng)網(wǎng)絡對機床定位精度進行預測的方法。對X向進給系統(tǒng)定位誤差進行了數(shù)據(jù)擬合，得到了精度曲線，然后進行了誤差補償理論分析在實踐中得到良好的補償效果。
參考文獻
[1]李歡玲.基于多體理論的數(shù)控機床幾何誤差補償技術的研究[D].南京：南京航空航天大學，2009.
猜你喜歡
制造技術與機床(2019年12期)2020-01-06 03:17:26
制造技術與機床(2018年12期)2018-12-23 02:41:20
電子制作(2018年10期)2018-08-04 03:24:46
精密制造與自動化(2018年1期)2018-04-12 07:42:52
電子制作(2017年20期)2017-04-26 06:57:41
山東工業(yè)技術(2016年24期)2017-01-12 08:49:03
航空兵器(2016年5期)2016-12-10 17:10:25
科學與財富(2016年28期)2016-10-14 01:43:46
科技視界(2016年20期)2016-09-29 12:50:51
鍛壓裝備與制造技術(2016年3期)2016-06-05 09:36:12
