基于GA-BP网络的数控机床动态误差预测研究

动态误差是高速高精度数控机床的重要误差源,针对实际加工过程中动态误差对工件精度影响较大的问题,提出了一种基于遗传算法优化的反向传播(GA-BP)神经网络以预测动态误差。首先,为了提高神经网络对动态误差的预测精度,从线性特征与非线性特征两方面对动态误差影响因素进行了深入分析,确定了神经网络输入输出参数;然后,采用了遗传算法对BP神经网络进行了优化,建立了动态误差模型,获得了最优网络学习参数,从而实现了对动态跟随误差的精准预测;之后,采用三次样条插值的方法对理想轨迹与实际轨迹之间的轮廓误差进行了计算,有效提高了轮廓误差估算精度;最后,采用了五轴数控机床进行了实验,对模型的有效性进行了验证。研究结果表明:所建神经网络模型可以精准预测机床反向越冲特性对轮廓误差的影响,各轴的动态误差预测精度为±3μm,复杂轨迹轮廓误差预测精度为±1.5μm。实验结果验证了所建模型的可靠性,为后续机床动态误差建模与控制研究提供了一定的参考价值。

三轴运动平台改进型交叉耦合轮廓控制

为了削弱负载扰动及复杂轮廓误差模型对轮廓精度的影响,在单轴中采用比例控制作为位置环控制器,采用PDFF控制作为速度环控制器,以保证单轴跟踪精度.三轴间采用一种轮廓误差估算法来建立轮廓误差模型,运算更为简单.通过改进的交叉耦合控制结构进行轮廓控制器的设计,将轮廓误差的补偿量置于位置控制器前,能够实现跟踪误差与轮廓误差同时减小,以满足三轴运动平台的高精度加工要求.结果表明,改进后的三轴运动平台控制系统具有较高的轮廓精度和较强的抗扰性.