机床体积误差的信息融合预测方法
【专利摘要】本发明涉及一种精密加工【技术领域】中信息处理的方法，具体是一种利用不同误差源信息对机床体积误差进行融合预测的方法。如图所示，本发明主要包括：（1）不同误差源信息的检测与预处理；（2）投影追踪回归模型、蚁群模型和神经网络模型的建立；（3）不同模型预测结果的动态误差识别；（4）通过加权实现多模型的融合预测，并得到最优体积误差值。本发明具有预测精度高、实时性强、可靠性高等优点，可以为机床体积误差的在线预测与补偿控制提供实时可靠的信息资料。
【专利说明】机床体积误差的信息融合预测方法
【技术领域】
[0001] 本发明涉及一种精密加工【技术领域】中信息处理的方法，具体是一种利用不同误差 源信息对机床体积误差进行融合预测的方法。
【背景技术】
[0002] 五轴机床属于典型的多坐标联动机床，由于其同时具有移动和旋转刀具或工件的 能力，能对几何形状复杂、精度要求较高的自由曲面进行加工，在大型旋转机械的叶片和螺 旋桨加工过程中得到了广泛应用。加工过程中，五轴机床受多个误差源影响，其中几何误 差、热误差和切削力误差占到了机床总误差的75%，对这3项误差进行控制是提高五轴机床 加工精度的关键所在。
[0003] 为控制机床误差，提高机床加工精度，目前主要有两种方法：误差补偿法和误差防 止法。误差防止法主要通过设计和制造途径来减少直至消除可能的误差，但由于技术限制， 其很难彻底消除机床加工误差。误差补偿法通过对加工过程中的主要误差源进行分析、测 量、归纳，掌握主要误差源对机床误差的影响规律，从而建立机床误差模型，并利用模型计 算结果去抵消机床误差，提高机床加工精度。由于能在机床上加工出超过机床本身精度的 工件，误差补偿已成为精密加工领域的主要技术之一。
[0004] 为提高双转台五轴机床的加工精度，本发明以双转台五轴机床的体积误差作为研 究对象，建立综合反映几何误差、热误差和切削力误差的最优体积误差模型，为提高五轴机 床加工精度提供理论依据，具有重要的现实意义。
[0005] 从上世纪90年代开始，机床误差建模技术就已成为国际上的研究热点，目前国外 比较有影响的研究机构有美国的密西根大学、日本的东京大学、德国的柏林工业大学等，国 内有浙江大学、上海交通大学、天津大学、大连理工大学、沈阳机床厂等。进入21世纪，机床 误差建模技术在国际上取得了更大发展，出现了以下研究趋势：（1)误差建模的研究对象 向多轴方向发展；（2)所建误差模型综合考虑多种、多个误差元素的影响；（3)各种人工智 能方法越来越多地应用于误差建模，误差模型的精度越来越高。
[0006] 通过对误差建模技术的研究动态进行分析，可以得到如下结论：（1)各种神经网 络模型以及遗传算法、模糊理论、自组织理论等人工智能方法越来越多地用于机床误差建 模，但各种建模方法都存在或多或少的缺陷，比如神经网络的神经元选择问题、遗传算法的 停滞和早熟问题，因此所建模型的预测精度和响应速度有待进一步提高；（2)误差模型综 合考虑了多个误差元素的影响，但主要用于位置误差建模，只有少数研究综合考虑了几何 误差与热误差、几何误差与切削力误差的影响。Kim等人建立了综合反映几何误差与热误差 的数学模型，通过补偿实验结果发现，误差模型综合考虑了两种误差后，机床加工精度有了 显著提高，遗憾的是尚未有研究建立综合反映几何误差、热误差和切削力误差的数学模型； (3)所建模型只能用于特定的机床类型，亟待建立一种能够用于不同类型机床、综合体现现 有模型优点的组合模型，从而提高模型的通用性和鲁棒性。
【发明内容】
[0007] 本发明的目的在于针对上述误差建模技术存在的问题，提供一种利用不同误差源 信息对机床体积误差进行融合预测的方法，使其针对机床误差建模实际需要，根据机床不 同误差源信号，对机床的体积误差进行实时融合预测，从而为机床体积误差的补偿实施及 机床加工精度的提1?提供实时、可罪的检测?目息资料。
[0008] 本发明是通过以下技术方案实现的，本发明具体包括以下内容： (1) 不同误差源信息的检测与预处理； (2) 投影追踪回归模型、蚁群模型和神经网络模型的建立； (3) 不同模型预测结果的动态误差识别； (4) 通过加权实现多模型的融合预测，并得到最优体积误差值。
[0009] 本发明所述的对不同误差源信号进行检测与预处理，是指：利用温度传感器对热 误差源信号进行检测，并对温度信号进行A/D转换；利用电流传感器对主轴伺服电机的电 流进行检测，并对电流信号进行A/D转换；利用数控接口卡反馈机床的加工位置信号。目的 是获得不同的误差源信号，作为信息融合预测系统的输入。
[0010] 本发明所述的分别建立体积误差的投影追踪回归模型、蚁群模型和神经网络模 型，可以通过以下步骤实现： (1) 以不同的误差源信号作为模型输入，以机床体积误差作为模型输出， 基于投影追踪回归理论建立机床的体积误差模型，具体建模过程如下：用
【权利要求】
1. 一种利用不同误差源信息对机床体积误差进行融合预测的方法，其特征在于，具体 包括W下步骤： (1) 对不同误差源信号进行检测与预处理； (2) 分别建立体积误差的投影追踪回归模型、蚁群模型和神经网络模型； (3) 对不同模型的预测结果进行动态误差识别； (4) 通过对不同模型的预测结果进行加权处理，实现机床体积误差的多模型融合预测， 获得最优体积误差值。
2. 根据权利要求1所述的机床体积误差的信息融合预测方法，其特征是，所述的对不 同误差源信号进行检测与预处理，是指；利用温度传感器对热误差源信号进行检测，并对温 度信号进行A/D转换；利用电流传感器对主轴伺服电机的电流进行检测，并对电流信号进 行A/D转换；利用数控接口卡反馈机床的加工位置信号。
3. 根据权利要求1所述的机床体积误差的信息融合预测方法，其特征是，所述的分别 建立体积误差的投影追踪回归模型、蚁群模型和神经网络模型，通过W下步骤实现： (1) W不同的误差源信号作为模型输入，W机床体积误差作为模型输出，基于投影追踪 回归理论建立机床的体积误差模型； (2) W不同的误差源信号作为模型输入，W机床体积误差作为模型输出，基于蚁群算法 建立机床的体积误差模型； (3) W不同的误差源信号作为模型输入，W机床体积误差作为模型输出，基于神经网络 方法建立机床的体积误差模型。
4. 根据权利要求1所述的机床体积误差的信息融合预测方法，其特征是，所述的对不 同模型的预测结果进行动态误差识别，通过W下步骤实现： (1) W不同的误差源信号作为模型输入，用所建投影追踪回归模型对机床体积误差进 行在线预测，并比较预测值与实测值，识别投影追踪回归模型的动态误差； (2) W不同的误差源信号作为模型输入，用所建投蚁群模型对机床体积误差进行在线 预测，并比较预测值与实测值，识别蚁群模型的动态误差； (3) W不同的误差源信号作为模型输入，用所建神经网络模型对机床体积误差进行在 线预测，并比较预测值与实测值，识别神经网络模型的动态误差。
5. 根据权利要求1所述的机床体积误差的信息融合预测方法，其特征是，所述的对不 同模型的预测结果进行加权处理，实现机床体积误差的多模型融合预测，通过W下步骤实 现： (1) 根据不同预测模型的动态误差，对不同模型的预测结果进行加权处理，确定不同模 型的融合权值； (2) 根据确定的融合权值，建立机床体积误差的融合预测模型，并对所建模型进行权值 优化，得到机床体积误差的最优预测模型。
【文档编号】B23Q17/00GK104460514SQ201310434789
【公开日】2015年3月25日 申请日期:2013年9月24日 优先权日:2013年9月24日
【发明者】郭前建, 贺磊, 程祥 申请人:山东理工大学