[發明專利]一種基于RBF神經網絡M-RAN算法的數控慢走絲線切割機床熱誤差建模方法

在審

• 申請號: 201510012972.7
• 申請日: 2015-01-11
• 公開（公告）號: CN104537256A
• 公開（公告）日: 2015-04-22
• 發明（設計）人: 蔡力鋼;郭晉飛;劉志峰;湛承鵬
• 申請（專利權）人: 北京工業大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/02
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

技術領域

本發明涉及一種線切割機床的關鍵性熱誤差建模方法，屬于機床誤差建模領域。

背景技術

數控慢走絲線切割機床是電火花加工機床的一種，隨著計算機數字控制技術的發展而發展起來的，一直作為高精度加工要求的機床廣泛應用在航天、航空、電子、原子能、計算機技術、儀器儀表、電機電器、精密機械、汽車拖拉機、輕工等行業。在加工過程中，由于電極和工件之間不直接接觸，幾乎沒有切削力，因此在加工高強度、高熔點、高硬度、高脆性、高韌性等難于切削新材料顯示了極強的優越性。

對于數控機床精度研究，目前認為機床的精度(定位精度與加工精度)主要受到機床零部件和結構的空間幾何誤差、熱誤差、載荷誤差、伺服誤差等因素的影響。對數控機床誤差源的大量研究表明，機床幾何誤差、熱誤差和載荷誤差幾乎占據全部機床誤差。隨著加工中心各部件自身精度的提高，以及直線電機驅動取代傳統伺服電機加滾珠絲杠驅動，影響其加工精度的主要誤差元素不再是部件自身幾何精度誤差、裝配誤差、滾珠絲杠誤差、導軌直線度、垂直度誤差等幾何誤差元素。而直線導軌熱變形誤差、旋轉軸安裝定位誤差、直線電機邊緣效應，以及驅動電機、高溫切削等復雜熱源作用下工作臺、立柱、床身等產生的熱變形導致的熱誤差元素。隨著加工中心自身精度和剛度的不斷提高，由高速驅動元件發熱引起的熱誤差元素將成為影響加工精度最大的最主要的誤差元素。據統計，數控慢走絲線切割機床的熱變形誤差占到了總的制造誤差的50％以上，線切割機床的熱變形問題是一個急需解決的重大的工程實際問題，同時也是裝備制造業領域里面一個重要的基礎理論問題。

目前減少數控機床熱誤差的主要方式有誤差防止法和誤差補償法。誤差防止法是試圖通過設計和制造途徑消除或減小可能的誤差源。誤差防止法是“硬技術”，它雖然能減少原始誤差，但靠提高機床制造和安裝精度來滿足高速發展的需要有著很大的局限性。首先，在加工精度要求很高時采用這種方法，將會使生產成本顯著增加，甚至超過了減少加工誤差所能帶來的效益：其次，在僅僅用誤差防止技術來提高機床的加工精度時，當精度達到一定的要求水平以后，在提高就會變得十分困難。

而誤差補償技術是人為地造出一種新的誤差去抵消當前成為問題的原始誤差，以達到減少加工誤差，提高零件的加工精度。誤差補償所投入的費用與提高機床本身精度或購買高精度機床相比較，價格要低得多。與誤差防止法相比，誤差補償法為“軟技術，它用很小的代價便可獲得“硬技術難以達到的精度水平。

誤差補償技術在使用過程中，需要確立以下三個主要步驟：

第一：實現機床溫度場溫度測點的優化辨識和測量；

第二：建立精確的機床誤差計算數學模型；

第三：依據數學模型實現對機床誤差的控制。

目前，建立精確的機床誤差計算數學模型是現代精密工程中實現誤差補償的核心技術之一。國內外專家學者一直在建立數控機床熱誤差模型領域進行不懈的探索和研究，開展了多方面的工作。例如基于最優分割和逐步回歸方法的機床熱誤差建模方法、灰色系統模型法、BP神經網絡補償法、多項式回歸理論法、貝葉斯網絡的數控機床熱誤差模型法、偏最小二乘神經網絡模型法等。RBF(Radical?Basis?Function)神經網絡模型擬合偏差帶最窄，模型誤差擬合能力好，熱誤差預測時誤差帶寬也較小，基于RBF神經網絡的M-RAN(Minimal?Resource?Allocating?Network)算法可以獲得更加緊湊的網絡結構，且具有自適應能力，能通過隱層神經元數量的增減和網絡參數的調整跟蹤系統變化的動態特性，適合實時在線應用。

因此本發明采用RBF神經網絡的M-RAN算法來建立熱誤差模型。

發明內容