基于数字孪生控制的精密机床热误差模型

已有的研究结果表明,机床的热误差约占其总加工误差的40%~70%,且机床越精密,其热误差所占比例就越大,因此,通过控制热误差以提升机床的加工精度很有必要。针对机床热误差模型的预测精度不高和泛化能力不强的问题,提出了一种引入主轴转速,并可嵌入数字孪生控制系统的机床热误差建模方法。首先,对模糊聚类分析(FCA)、灰色关联分析(GCA)及主成分回归(PCR)方法进行了理论分析;然后,以某立式加工中心为对象,通过热特性实验,获得了转速图谱下的温度数据和热误差数据,并采用模糊聚类分析结合灰色关联分析的方法选取了其温度敏感点;最后,以主轴转速和温度敏感点的温升值为输入变量,采用PCR方法建立了机床热误差模型,并将其与多元线性回归(MLR)模型进行了效果对比。研究结果表明:相比于MLR模型,所建立的PCR模型的预测精度提升9.5%,证明该模型拥有更高的预测精度和更强的泛化能力;可将模型嵌入到数字孪生控制系统中,对机床进行实时热误差预测和热误差控制。

数控机床热敏感点识别研究

运用模式识别中的逐步回归法辨识反映机床热态特性的热敏感点，并利用多元回归建立了机床热敏感点处的温升与主轴Ｙ向热位移关系的数学模型。应用表明这是一种在机床温度测量、热误差建模及补偿中选择最佳测温点的有效方法。