一种基于功率预测的数控机床进给系统调速方法
【专利摘要】本发明涉及一种基于功率预测的数控机床进给系统调速方法。在数控机床粗车过程中，通常根据最大切削深度设定最小进给速度，并以此速度为恒定进给速度进行加工，但在粗车作业较多、加工批量较大情况下，恒定速度加工造成效率低下的问题尤为突出。针对这一问题，本发明提出一种基于功率预测的数控机床进给系统调速方法，该方法包括以下步骤：步骤一：采集功率信号输入神经网络，预测下一时刻功率值；步骤二：计算预设功率和预测功率偏差率，判断是否需要进行调速；步骤三：预测背吃刀量，结合预设功率值，完成对进给系统的调速控制。该方法有效解决了不同切削工况条件下调速滞后问题，降低加工成本，大大提高了机床利用率和切削效率。
【专利说明】
一种基于功率预测的数控机床进给系统调速方法
技术领域
[0001 ]本发明适用于数控机床加工领域使用，具体地说是一种基于功率预测的数控机床 进给系统调速方法。
【背景技术】
[0002] 粗车是一种对毛坯进行简单加工或初级加工的工艺过程，其主要目的是切除毛坯 余量，将毛坯做成近似零件。粗车对加工表面的质量要求不高，加工效率是其关注的重点。 因此，在粗加工时一般都设定尽可能大的进给量和切削深度，以便在尽可能短的时间内切 除尽可能多的切肩。对于普通机床而言，粗车主要由操作者依据作业工艺，凭经验完成作业 任务。但是，对于数控机床而言，其加工过程及工艺参数是按照程序设定值进行工作的。一 旦程序编制完成，数控机床在切削作业中就按照设定好的工艺参数以恒定的进给速度进行 切削。在程序编制的过程中，因为要避免切削过载对刀具、工件和机床产生破坏，须按照负 荷上限区间的工况选择加工参数。但是，在整个切削作业中，切削量处于切削深度上限这种 工况一般只占整个工序的5 %左右，而进给速度却一直按照程序设定值进行工作，这就极大 的降低了加工效率。在粗车作业较多、加工批量较大的情况下，粗车加工效率低的问题就显 得尤为突出。
[0003] 控制进给速度的核心问题是对切削进给力进行分析和控制。获得进给力主要有离 线仿真分析和在线检测两种方法。离线仿真分析存在的主要问题是不能动态响应实践加工 工况变化，仿真分析结果需要结合实际工况进行修正，而修正过程较为复杂。通过对实时进 给力进行优化和控制可以实现对进给速度的控制，使之随着实际的切削工况的变化而发生 变化，在实现数控机床的高效切削和平稳运行上有较大优势。实时进给力可以通过专用的 测力仪器测量出来，目前应用较多的是电阻应变式测力仪。但是这种测量方法测量不方便， 而且会对工艺系统产生影响，削弱机床的刚性，也对工件和刀具的安装造成困难，并且价格 比较高。另一方面，由于机床进给系统的调速过程是靠机械传动机构来执行的，响应时间较 长。因此，采用常规的反馈控制方法容易出现因调速滞后而产生过载冲击，对刀具、部件和 机床产生破坏等问题。所以对进给系统进行调速适宜结合预测控制方法。
[0004] 由机床的能量平衡方程及能耗特性可知，能耗可以迅速响应负载变化。对于数控 机床的进给系统而言，虽然系统的耗能环节众多，且能量流复杂，但是研究发现进给系统的 能量输入与进给力存在二次函数关系。同时，在机床粗车过程中的功率变化容易检测和辨 识。鉴于此，本专利提出一种基于功率预测的数控机床进给系统速度控制方法，来实现进给 系统的调速控制。
【发明内容】
[0005] 本发明的目的在于提供一种基于功率预测的数控机床进给系统调速方法，该方法 针对恒定低速进给速度加工条件下的粗车过程效率低，机床进给系统的调速过程响应时间 较长，实时性较差的不足。通过预测实际工况下一时刻的功率，建立功率与背吃刀量的函数 关系，改变数控机床粗车过程中以恒定的进给速度进行切削的加工方式，实现机床粗车过 程进给系统的调速的优化，不仅实现了进给速度的控制，更有效解决了调速滞后问题，提高 了机床利用率和切削效率。
[0006] 为达到上述目的，本发明提供如下技术方案：
[0007] 一种基于功率预测的数控机床进给系统调速方法，包括以下步骤：
[0008] 步骤一:预测下一时刻功率值：
[0009] 分别安装电压传感器、电流传感器和功率传感器采集进给电机输入端的电压、电 流和功率值。对采集到的数据分别进行滤波，对奇异值进行处理;然后对采集到的电压和电 流值进行运算，对计算出的功率值与检测到的功率值进行融合，以提高功率检测精度。
[0010] 进给系统伺服电机的功率流包含定子铜损，铁损，机械损耗、杂散损耗以及驱动负 载的输出功率等，结合交流伺服电机的稳态电压方程，伺服电机功率可以表示为：
[0011]
(1)
[0012] 其中，R为定子绕组电阻；Is为定子相电流有效值；为电机电磁场角速度为磁 通量直轴分量;队为磁通量交轴分量;Ke为电磁转矩系数;iq为定子电流交轴分量。结合工程 实践，可以由式(1)得到进给系统功率方程：
[0013]
[0014] 其中
-;KT为扭 矩系数为电机阻尼系数;Ρ为滚珠丝杠的螺距;μν为粘性摩擦系数;Kg为联轴器的传动比； ω"为进给电机轴转速;μ。为库伦摩擦系数;Mt为工作台的质量;Mid*工作台上负载工件质 量;To为电机内部损耗转矩;F Mt为加在工作台上的力。
[0015] 把处理后的功率值作为输入，构建训练样本(Xk，y )，输入神经网络，获取的输出值 y，即为k+Ι时刻功率的预测值。功率预测是指根据所检测到的tm时刻以前的功率数据(Pm， ，…，），对tm+h时刻的功率值Pm+h(h>0)进行估计。实现这一过程是对历史数据（P m， Pn··，）进行非线性函数拟合，生成一个关于变量t的时变函数Pm(t)，而Pm+1与函数P m⑴之 间存在映射关系，即Pm+l = F[Pm(t)]。因此，通过对泛函F[ ·]进行拟合，就可以对Pm+h(h>0) 的值进行估计。
[0016] 步骤二:计算预测功率与预设功率偏差率，判断是否需要调速：
[0017] 通过得到预测的功率值，可得基于功率预测的数控机床粗车过程中进给系统调速 方程为·
[0018]
[0019] 其中，PMP为根据加工实际预设的进给电机功率期望值，δ为功率偏差率。计算预设 功率与预测功率的功率偏差率，若偏差率小于设定值，则不需要调速，继续进行功率预测； 若偏差率大于设定值，则需要预测被吃刀量，也需要对进给速度进行调整。
[0020] 步骤三:预测背吃刀量值，通过预设功率值和背吃刀量实现调速：
[0021] 根据步骤一预测的功率值，以及系统功率方程和进给力经验计算公式，得到电机 输入功率与进给速度和背吃刀量的函数关系，进而对实际工况下的背吃刀量进行预测。
[0022] 进给力Fx是对数控机床进给系统影响较大的分力。在机床运行稳定后，作用在工作台 上的力与进给力相等，根据工程关于进给力的经验计算公式，即-匕=G = 。 同理可以计算主切削力Fz，同时可得切削时消耗的功率Pm = Fz V;进给电机轴转速〇^ =心 ω is，其中ω ls为滚珠丝杜转速。工作台进给速度v与滚珠丝杜转速之间的关系为v = / j-f。 切削速度Η =￥，其中ω为主轴转速，d为主轴直径为材料系数为力修正系数;-? 2π 为背吃刀量修正指数;·&为进给量修正指数;~.为切削速度修正指数;工作台进给速度与 进给量之间的关系为/ = >^^。将以上各式代入(2)式，可以通过给电机输入功率Pax与进给 ω 速度V对背吃刀量办进行预测，即：
[0023]
[0024] (4)式可以记为如下形式：
[0025] Pax=Av2+B v+Cvap+D (ap) 2+Eap+H (5)
[0026] 当工况发生变化时，背吃刀量&[)会随之发生变化，需要调整进给速度v。通过预测 功率值可预测被吃刀量，将被吃刀量预测值带回（5)式中，根据实际的预设功率，可得到需 要调整到的进给速度，进而完成系统的调速过程。
[0027] 可以使的变化而保持恒定。
[0028]本发明的有益效果在于：
[0029] 该方法通过建立功率与背吃刀量的函数关系，利用机床粗车过程中主传动系统和 进给系统功率对背吃刀量进行实时的预测，使之根据实际的切削工况，实时地优化进给速 度，实现进给速度的控制。该方法不仅改变了数控机床粗车过程中以恒定的进给速度进行 切削的加工方式，使之根据实际的切削工况实时地优化进给速度，也有效解决了调速滞后 的问题，大大提高了机床利用率和切削效率。
【附图说明】
[0030] 为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行 说明：
[0031 ]图1为本发明所述方法的流程示意图；
[0032]图2为切削受力及切削参数示意图；
[0033]图3为实施例中切削过程功率实测曲线与预测曲线的对比图；
[0034]图4为实施例中速度控制仿真结果；
【具体实施方式】
[0035]下面将结合附图，对本发明的优选实施例进行详细的描述。
[0036]图1为本发明所述方法的流程示意图，如图所示，本发明所述的基于功率预测的数 控机床粗车过程中进给系统调速方法，包括以下步骤:步骤一:预测下一时刻功率值;步骤 二:计算预测功率与预设功率偏差率，判断是否需要调速;步骤三:根据预设功率和背吃刀 量，对进给系统调速控制。
[0037] 预测下一时刻功率值：
[0038] 分别安装电压传感器、电流传感器和功率传感器采集进给电机输入端的电压、电 流和功率值。对采集到的数据分别进行滤波，对奇异值进行处理;然后对采集到的电压和电 流值进行运算，对计算出的功率值与检测到的功率值进行融合，以提高功率检测精度。
[0039] 进给系统伺服电机的功率流包含定子铜损，铁损，机械损耗、杂散损耗以及驱动负 载的输出功率等，结合交流伺服电机的稳态电压方程，伺服电机功率可以表示为：
[0040]
(1)
[0041] 其中，R为定子绕组电阻；18为定子相电流有效值；为电机电磁场角速度为磁 通量直轴分量;队为磁通量交轴分量;Ke为电磁转矩系数;iq为定子电流交轴分量。结合工程 实践，可以由式(1)得到进给系统功率方程：
[0042]
C2)
[0043] 其中
；KT为扭 矩系数为电机阻尼系数;Ρ为滚珠丝杠的螺距;μν为粘性摩擦系数;Kg为联轴器的传动比； ω"为进给电机轴转速;μ。为库伦摩擦系数;Mt为工作台的质量;Mid*工作台上负载工件质 量;To为电机内部损耗转矩;F Mt为加在工作台上的力。
[0044] 把处理后的功率值作为输入，构建训练样本(Xk，y )，输入神经网络，获取的输出值 y，即为k+Ι时刻功率的预测值。功率预测是指根据所检测到的tm时刻以前的功率数据(Pm， Ph，···，），对tm+h时刻的功率值Pm+h(h>0)进行估计。实现这一过程的理论基础是对历史数 据(Ρ"，Ρ^，…，）进行非线性函数拟合，生成一个关于变量t的时变函数P m(t)，而Pm+1与函数 Pm(t)之间存在映射关系，即Pm+l = F[Pm(t)]。因此，通过对泛函F[ ·]进行拟合，就可以对Pm+h (h>0)的值进行估计。本方法采用单隐含层的三层神经网络对功率值进行预测，选取的神 经网络模型为: r=l \ k=\ f A：=l
[0045] 其中vu为第i个隐层神经元对输出的联结权值，η为某时刻所采集的数据个数，K为 k+Ι时刻前时间序列个数，cokl为第k时刻的输入神经元对第i个隐层神经元的联结权值，xk 为第k时刻的输入，Θ是隐层神经元的阀值。
[0046] 计算预测功率与预设功率偏差率，判断是否需要调速：
[0047] 通过得到预测的功率值，可得基于功率预测的数控机床粗车过程中进给系统调速 方程为：
[0048]
[0049] 其中，PMP为根据加工实际预设的进给电机功率期望值，δ为功率偏差率。计算预设 功率与预测功率的功率偏差率，若偏差率小于设定值，则不需要调速，继续进行功率预测； 若偏差率大于设定值，则需要预测被吃刀量，也需要对进给速度进行调整。
[0050] 预测背吃刀量值，通过预设功率值和背吃刀量实现调速
[0051] 根据步骤一预测的功率值，以及系统功率方程和进给力经验计算公式，得出电机 输入功率与进给速度和背吃刀量的函数关系，进而对实际工况下的背吃刀量进行预测。
[0052] 图2为切削受力及切削参数示意图。金属在刀具前刀面的作用下，受到挤压产生切 削力。切削力可分解为三个相互垂直的切削分力：（1)切削力F z:总切削力在主运动方向上 的正投影；（2)进给力Fx:总切削力在进给方向上的正投影；（3)背向力F y:总切削力在垂直工 作平面上的分力。（4)背吃刀量办：已加工表面和待加工表面之间的垂直距离；（5)进给量f: 刀具在进给运动方向上相对于工件的位移量;切削速度v。:切削刃上选定点相对于工件主 运动的瞬时速度。
[0053]进给力Fx是对数控机床进给系统影响较大的分力。在机床运行稳定后，作用在工作 台上的力与进给力相等，根据工程关于进给力的经验计算公式，即= 。 同理可以计算主切削力Fz，同时可得切削时消耗的功率Pm = Fz v;进给电机轴转速〇^ =心 ω ls，其中ω ls为滚珠丝杠转速。工作台进给速度￥与滚珠丝杠转速之间的关系为 切削速度H ，其中ω为主轴转速，d为主轴直径;为材料系数;为力修正系数 2π 为背吃刀量修正指数为进给量修正指数为切削速度修正指数工作台进给速度与进 2ττ 给量之间的关系为/ = V -。将以上各式代入(2)式，可以通过给电机输入功率pax与进给速 ω 度V对背吃刀量办进行预测，即：
[0054]
[0055] 通过功率值和背吃刀量实现调速
[0056] (4)式可以记为如下形式：
[0057] Pax=Av2+B v+Cvap+D (ap) 2+Eap+H (5)
[0058] 当工况发生变化时，背吃刀量&[)会随之发生变化，需要调整进给速度v。通过预测 功率值可预测被吃刀量，将被吃刀量预测值带回（5)式中，根据实际的预设功率，可得到需 要调整到的进给速度，进而完成系统的调速过程。
[0059] 实施例：
[0060] 在本实施例中，采用试验与仿真相结合的方法验证所提出的进给速度控制方法的 可行性。在制定验证方案时，由于未能获取实验所用的数控机床的控制接口，所以把验证过 程分为两个部分。首先，通过对数控机床的切削过程进行试验，验证功率预测方法的可行 性;然后，以实测的功率值作为数据源，对进给速度的控制进行静态仿真分析。
[0061] (1)功率预测试验
[0062]以一台数控车床(C2-6136HK/1) Z轴进给系统进行试验测试，该机床进给系统的基 本参数如表1所示，试验条件如表2所示。
[0063]表1数控车床C26136HK/1进给系统的功率相关参数(Z轴）
[0064]
[0065] 表2数控机床进给系统试验条件
[0066]
[0067]机床运行稳定后，切削过程功率实测曲线与预测曲线的对比如图3所示，其中功率 采样周期约为40ms。从对比图中可以看出，预测曲线对实测曲线拟合度较高，这就验证了功 率预测方法的可行性。
[0068] (2)调速控制仿真
[0069]调速控制基本流程如下：
[0070] 设t〇时刻机床运行稳定，切削过程开始。此时￥ = ￥0,3[) = 31)()，？￡? = ?()，且在[1：()-1^) p ~ jf* 区间满足，在此区间控制器不动作，进给速度保持V0不变。 1 exp
[0071 ] h时刻，d，这时说明api发生变化，并使功率偏差率大于设定值δ。此时， exp 系统将根据Pi，νο计算aPi。进而根据Pexp，aPi计算Vi。同时，调速控制器动作，使进给速度达到 Vio
[0072]在控制器设计之初，加速和减速均采用PID控制。从仿真曲线上来看，控制效果很 好。但通过对速度变化曲线进行分析，我们发现在加速调速时，微分环节的存在，使得响应 时间变短，在实际加工过程中，如果加速过程中速度变化过于剧烈，容易产生冲击振动。因 此对控制方法进行修正，加速改为PI控制，减速采用PID控制。速度控制仿真结果如图4所 示，所提出的控制模型可以实现对速度的控制，速度变化较为平缓，功率值基本稳定在设定 值。
[0073]最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通 过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在 形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
【主权项】
1. 一种基于功率预测的数控机床粗车过程中进给系统调速方法，其特征在于:包括以 下步骤： 步骤一:预测下一时刻功率值： 分别安装电压传感器、电流传感器和功率传感器采集进给电机输入端的电压、电流和 功率值。对采集到的数据分别进行滤波，对奇异值进行处理。把处理后的功率值作为输入， 构建训练样本(Xk，y)，输入神经网络，获取的输出值y，即为k+Ι时刻功率的预测值。本方法 采用单隐含层的三层神经网络对功率值进行预测，选取的神经网络模型为：其中vn为第i个隐层神经元对输出的联结权值，η为某时刻 所采集的数据个数，Κ为k+Ι时刻前时间序列个数，cokl为第k时刻的输入神经元对第i个隐层 神经元的联结权值，Xk为第k时刻的输入，Θ是隐层神经元的阀值。 步骤二:计算预测功率与预设功率偏差率，判断是否需要调速： 通过得到预测的功率值，得到基于功率预测的数控机床粗车过程中进给系统调速方程 为：其中，为根据加工实际预设的进给电机功率期望值，S为功率偏差率。计算预设功率 与预测功率的功率偏差率，若偏差率小于设定值，则不需要调速，继续进行功率预测;若偏 差率大于设定值，则需要预测被吃刀量，进而对进给速度进行调整。 步骤三:预测背吃刀量值，通过预设功率值和背吃刀量实现调速： 根据步骤一预测的功率值，以及系统功率方程与进给力经验计算公式，可得到电机输 入功率与进给速度和背吃刀量的预测函数如式(2)所示，电机输入功率pax与进给速度V和背 吃刀量a P存在二次函数关系。 Pax=Av2+Bv+CvaP+D (aP) 2+EaP+H (2) 其中，A、B、C、D、E分别为二次函数的相关系数，H为常数。 通过(2)式可以得到预测的背吃刀量和进给速度的二次函数关系。在保持功率不变的 前提下，当工况发生变化时，背吃刀量&[)会随之发生变化。调整进给速度V，可以使Pax随 &[)的 变化而保持恒定。
【文档编号】B23B25/06GK105945311SQ201610330056
【公开日】2016年9月21日
【申请日】2016年5月18日
【发明人】谷振宇, 金迪文, 马铁东, 白晓辉
【申请人】重庆大学