机床主轴温度测点的K-means优化及试验

针对机床热误差补偿技术中温度测点的优化选择,提出一种基于K-means算法和Pearson相关系数相结合的方法。通过K-means算法将不同位置测点的温度进行聚类,用Pearson相关系数计算温度与主轴热误差之间的相关性,从每一类别中选出一个最优测点组成最优测点组合,并对最优测点处的结果进行热误差建模。在立式加工中心VMC850E上对该方法进行了试验验证,将温度测点的数量由8个减少至2个。经方差分析和F检验,验证了最优测点处的温度与热变形之间显著线性,模型可靠。

基于正交设计的主轴径向跳动测试工况研究

为更好获取主轴径向跳动信号,提高测试系统中误差分离与补偿的可靠性和稳定性,采用正交设计进行主轴径向跳动工况研究。结合工厂实际测试需求,选取合适因素及因素水平构建正交设计方案表,以减少实验次数;利用无线温度采集传输系统及激光位移传感器采集系统对主轴进行径向跳动测试。通过对装夹刀具正交实验和不同刀具正交实验结果进行极差分析,确定主轴在5000r/min,运转120min,且安装镗孔刀具工况下,主轴的径向跳动最大,测试效果最优。

主轴热误差的改进累积法建模研究

为提高机床的加工精度,针对主轴热误差建模,结合最小二乘原理和F分布检验提出了一种改进的累积新算法。对一台立式加工中心,采用激光位移传感器和分布的温度传感器同步测量主轴热变形及温度变化;对获取的建模数据,结合方差分析和F分布检验确定累积阶次K的最小值,在提高热误差建模精度的同时降低算法的复杂度;并进行累积算子求和,构建K(>N+1)阶累积方程组,再运用最小二乘原理得出K阶累积广义均值的正规方程组,最后通过矩阵求解实现回归建模及参数估计。最后,对机床变工况条件下主轴热误差进行了实验与建模预测。结果表明:改进累积法的建模精度高于普通累积法,同时保证了建模效率。

主轴径跳的热误差分量分离及实验

为从机床主轴径向跳动中分离出热误差分量,提出一种沿圆周均布四点测量、采取周期截断差分处理来分离主轴径跳热误差分量的新方法。在某立式加工中心主轴径向均匀布置4个电涡流位移传感器和多个温度传感器获取测试数据,通过等周期截断并差分处理分离出热误差分量,再运用离散傅里叶变换分离出圆度误差和回转误差分量,结果显示热误差、圆度误差、回转误差分别为4.04μm、5.30μm、5.40μm。