[發(fā)明專利]機床主軸熱誤差建模的加權(quán)集成溫度敏感點組合選取方法

有效

• 申請?zhí)枺?/td>: 202010344411.8
• 申請日: 2020-04-27
• 公開（公告）號: CN111414977B
• 公開（公告）日: 2023-06-20
• 發(fā)明（設(shè)計）人: 付國強;饒勇建;謝云鵬;陶春;貢宏偉;魯彩江;高宏力;郭亮
• 申請（專利權(quán)）人: 西南交通大學
• 主分類號: G06F18/23213
• 分類號: G06F18/23213;G06N3/084;G06N3/006;B23Q17/00
• 代理公司: 北京正華智誠專利代理事務(wù)所(普通合伙) 11870
• 代理人: 代維凡

本發(fā)明公開了一種機床主軸熱誤差建模的加權(quán)集成溫度敏感點組合選取方法，其包括在數(shù)控機床運行過程中同步采集隨時間發(fā)生變化的溫度變量和機床主軸的熱變形量；結(jié)合聚類算法的優(yōu)缺點，設(shè)置類簇數(shù)的取值范圍，對溫度變量進行聚類分析，獲得對應(yīng)于不同V值的聚類結(jié)果；應(yīng)用相關(guān)性分析，對獲得的聚類結(jié)果進行篩選以獲得對應(yīng)于不同V值的溫度敏感點組合；結(jié)合溫度變量和熱變形量之間的非線性以及人工神經(jīng)網(wǎng)絡(luò)的原理，建立用于熱誤差預(yù)測的神經(jīng)網(wǎng)絡(luò)模型，并進行熱誤差模型性能的評估；為對應(yīng)不同溫度敏感點組合的熱誤差模型的測試結(jié)果賦權(quán)值，設(shè)置適應(yīng)度函數(shù)，并使用CSO進行優(yōu)化以獲得最優(yōu)權(quán)值組合即其對應(yīng)的加權(quán)集成溫度敏感點組合。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)控機床精度控制技術(shù)領(lǐng)域，具體涉及一種機床主軸熱誤差建模的加權(quán)集成溫度敏感點組合選取方法。

背景技術(shù)

隨著機械制造行業(yè)對“高效，高精度和智能”的需求不斷增長，加工制造設(shè)備的可靠性和穩(wěn)定性越來越受到人們的關(guān)注，尤其是數(shù)控機床的加工精度。據(jù)統(tǒng)計，數(shù)控機床主軸系統(tǒng)的熱誤差是影響加工精度的主要誤差源，約占總誤差的40％-70％，因此熱誤差的較小對提高機床加工精度起著重要的作用。誤差預(yù)防和誤差補償經(jīng)常被用來減小熱誤差以提高機床的加工精度。

熱誤差模型的建立是進行熱誤差補償?shù)南葲Q條件，機床加工過程中不均勻分布溫度場的測量則是熱誤差建模的重要一環(huán)。這就需要將大量的溫度傳感器安裝在機床的不同區(qū)域，用來實時測量機床的溫度場分布。但是工程經(jīng)驗告訴我們，過多的溫度傳感器不僅會增加現(xiàn)場布線的復(fù)雜，溫度變量之間的共線性更是會嚴重影響熱誤差模型的預(yù)測性能。因此關(guān)鍵溫度測點的選擇是機床主軸熱誤差建模及補償技術(shù)的主要問題。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供的機床主軸熱誤差建模的加權(quán)集成溫度敏感點組合選取方法解決了現(xiàn)有技術(shù)難以準確選取熱誤差建模的關(guān)鍵溫度點的問題。

為了達到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：

提供一種機床主軸熱誤差建模的加權(quán)集成溫度敏感點組合選取方法，其包括：

S1、在數(shù)控機床運行過程中同步采集隨時間變化的溫度變量和機床主軸的熱變形量，并計算每個溫度變量與所有熱變形量之間的絕對均相關(guān)系數(shù)R′；

S2、設(shè)置類簇數(shù)V的取值范圍，并采用聚類算法對溫度變量進行聚類獲得每個V值的聚類結(jié)果；篩選每個V值的聚類結(jié)果中每簇具有最大絕對均相關(guān)系數(shù)R′的溫度變量，構(gòu)成每個V值對應(yīng)的溫度敏感點組合；

S3、將每個溫度敏感點組合單獨輸入一個神經(jīng)網(wǎng)絡(luò)，得到網(wǎng)絡(luò)輸出值；并隨機生成每個網(wǎng)絡(luò)輸出值的權(quán)值，將所有的權(quán)值轉(zhuǎn)換為二維向量賦值給CSO算法中的每個個體；

S4、采用CSO算法對其每個個體進行更新，并在每次迭代過程中采用適應(yīng)度值函數(shù)計算適應(yīng)度值，之后將迭代次數(shù)累加一次；

S5、當?shù)螖?shù)小于設(shè)定迭代次數(shù)時，若當前適應(yīng)度值小于最優(yōu)適應(yīng)度值，則采用當前適應(yīng)度值更新最優(yōu)適應(yīng)度值，并返回步驟S4，否則，不更新直接返回步驟S4；

S6、當?shù)螖?shù)大于等于設(shè)定迭代次數(shù)時，刪除最優(yōu)適應(yīng)度值函數(shù)值中小于預(yù)設(shè)閾值的權(quán)值；之后合并保留的權(quán)值對應(yīng)的溫度敏感點組合，作為最終的加權(quán)集成溫度敏感點組合。

本發(fā)明的有益效果為：本方案采用CSO算法能夠獲取神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輸出值的最佳權(quán)值，通過該種方式不僅能夠避免類簇數(shù)確定的隨機性，也能夠通過最后的加權(quán)集成排除局部最優(yōu)結(jié)果帶來的不利影響。

預(yù)設(shè)閾值的設(shè)置，其能夠剔除掉對溫度敏感點組合影響可忽略不計的溫度采集點，以準確地得出影響熱誤差模型的預(yù)測性能最關(guān)鍵的溫度敏感點組合，而最終達到有效提高熱誤差模型的預(yù)測性能，通用性高。

附圖說明

圖1為機床主軸熱誤差建模的加權(quán)集成溫度敏感點組合選取方法的流程圖。