基于神经网络的主轴热误差补偿技术研究

基于神经网络的主轴热误差补偿技术研究

岳红新①②

石

岩①

李国芹①

（①河北工程技术高等专科学校电力工程系，河北沧州061000；

②天津大学机械学院，天津300072）

摘

要：以MAKINO立式加工中心为对象，提出一种主轴热误差补偿的神经网络建模方法。该方法以测量

点温度为模型输入，以5点法测量的主轴热误差为输出，经RBF神经网络模型学习和训练。结果表

明此建模方法有较强的预测能力和较为理想的精度，可以满足加工中心热误差实时补偿的应用要求。

关键词：主轴热误差神经网络加工中心中图分类号：TH122文献标识码：B

Researchonthermalerrorcompensateofspindlebasedonneuralnetwork

YUEHongxin①②，SHIYan①，LIGuoqin①

（①DepartmentofElectricalEngineering，HebeiEngineeringandTechnicalCollege，Cangzhou061000，CHN；

CHN）②SchoolofMechanicalEngineering，TianjinUniversity，Tianjin300072，

Abstract：AneuralnetworkmethodisbroughtforwardtocompensatethethermalerrorofthespindleinMAKINO

verticalmachiningcenters．Themeasuredtemperatureistakenasinputandthethermalerroristakenasoutputinthemodel．Themethodisprovidedwithgoodforecastabilityandenoughprecisiontomeetwiththerequirementofmachiningcenterthermalerrorcompensation．

Keywords：Spindle；ThermalError；ANeuralNetwork；MachiningCenter在加工中心的各项误差中，热误差是最大的一项，

nalsoftheCIRP，2005，54（1）：475－478．

［32］UMETSUK，FURUTNANIR，OSAWAS，etal．Geometriccalibration

ofacoordinatemeasuringmachineusingalasertrackingsystem［J］．2005，16（12）：2466－2472．MeasurementScience＆Technology，

［33］SVOBODAO．Testingthediagonalmeasuringtechnique［J］．Precision

Engineering，2006，30（2）：132－144．

［34］垣野义昭，井原之敏ら．138交叉格子スク—ルを用いた超精密

NC工作机械の运动精度测定と加工精度の改善［J］．精密工学會1996，62（11）：1612－1616．誌，

［35］KNAPPW，WEIKERTS．47Testingthecontouringperformancein6

degreesoffreedom［J］．AnnalsoftheCIRP，1999，48（1）：433－436．［36］DUZhengchun，ZHANGShujie，HONGMaisheng．Developmentofa

multi－stepmeasuringmethodformotionaccuracyofNCmachinetoolsbasedoncrossgridencoder［J］．InternationalJournalofMachineToolsandManufacture，2010，50（1）：270－280．

［37］WEIKERTS，KNAPPW．R－Test，anewdeviceforaccuracymeas-urementson5－axismachinetools［J］．AnnalsoftheCIRP，2004，53（1）：429－432．

［38］BRINGMANNB，KNAPPW．Model－based‘chase－the－ball’cal-ibrationofa5－axismachiningcenter［J］．AnnalsoftheCIRP，2006，

［1］

占总误差的40%～70%。机床热误差已成为世界



55（1）：531－534．

［39］ZARGARBASHISHH，MAYERJRR．Singlesetupestimationofa5

－axismachinetooleightlinkerrorsbyprogrammedendpointcon-straintandontheflymeasurementwithcapballsensor［J］．Internation-alJournalofMachineToolsandManufacture，2009，49（10）：759－766．

［40］IBARAKIS，OYAMAC，OTSUBOH．Constructionofanerrormapof

rotaryaxesona5－axismachiningcenterbystaticR－test［J］．Inter-2011，51（3）：190nationalJournalofMachineToolsandManufacture，－200．

［41］ISO10791－6TesthnicalCorrigondum1－2004．Testconditionsfor

machiningcenters—Part6：Accuracyoffeeds．Speedsandinterpola-tions［S］．2004．

［42］IBSPrecisionEngineering，http：//www．ibspe．com［43］FidiaS．p．a．，http：//www．fidia．it

1987年生，第一作者：杨帆，男，硕士研究生，主要研究方向为机械工艺系统建模和误差检测。

（编辑

谭弘颖）

（收稿日期：2011－10－11）

文章编号：120305

如果您想发表对本文的看法，请将文章编号填入读者意见调查表中的相应位置。

·23·

制造业关注的焦点。由于机床热边界的不确定性和传热的复杂性，热误差的研究长期以来一直处于定性研究阶段。主轴系统是加工中心机床的最重要部件之一。随着机床转速的提高，切削进给速度的加大，机床发热急剧上升，使得主轴系统产生较大的变形，容易引

不仅降低加工精度和表面质量，还会使齿轮等起振动，

传动部件和轴承因不能均匀受力而恶化工作条件。因

此，主轴系统的变形对机床的加工精度、表面质量都有很大的影响

［2］

具有制动功能，其制动部分的线圈始终有电流通过，因

此不断有热量产生并传导到丝杠轴承上；对于床身，热X、Y轴进给电动机、量来自于立柱、导轨、丝杠和大气环境等。因此，我们在机床上安装了14个温度传感器，其位置如表1所示。

表1

标号1234567891011

121314

温度传感器布置

位置

主轴电动机基座处主轴箱前壁面主轴箱顶面主轴上端附近

主轴箱左壁面主轴箱底壁面主轴箱右壁面立柱前侧左方主轴端面处X向后导轨右端面立柱后侧上方X向前导轨的右端下方

。

本文以MAKINO立式加工中心为研究对象，实测

建立了神经网出了主轴系统的温度场和各项热变形，

络模型。此模型为加工中心的改进设计、温度控制和

误差补偿提供了理论依据。

1实验与测量

MAKINO加工中心如图1所示。机床的热变形主要表现为：主轴的热膨胀；主轴箱的热变形；立柱的倾Y、Z轴滚珠丝杠的热伸长等。斜；床身受热变形；X、

考虑到机床在机加工时，主要运动部件是主轴，所以热变形误差主要以主轴部件产生的热误差为主

。

［3］

床身与立柱连接处的右侧前方

立柱前侧右方床身右侧前方

1．2

主轴热误差的测定

针对主轴热误差，采用传统的5点法测量主轴热

［4］

伸长、热倾斜和热漂移，坐标系见图2。整个测量过以设定转速进行运转，此后程为：主轴在冷态下启动，

每隔一定时间测量一次主轴相对于工作台的热变形，

并在测量热变形的同时记录各测温点对应的温度。测温点8的温度变化如图3，主轴Z向误差曲线如图4。

1．1测温点的布置与选择

通过布置大量测温点来研究MAKINO三轴加工

以及热特性和具体结构间的关系。根中心的热特性，

据MAKINO立式加工中心的结构和热源分布特点，考

虑了以下几点：①由于主轴热误差综合受到床身、立柱、主轴箱和主轴变形的影响，所以有必要同时监测它们的温度变化情况。②因为热传导需要时间，所以一个部件上要有靠近热源和远离热源，或者位置适中的温度传感器，以便及时、真实地反映该部件的变形情况，不至于超前和滞后。③对于主轴和主轴箱，主轴前、后轴承摩擦和主轴电动机是主要热源；对于立柱，主要热源是Z轴进给伺服电动机，因为该伺服电动机

·24

·

2神经网络建模

主轴热变形是一个随温度变化的非线性时变过

因神经网络具有大规模并行性、冗余性及本质的非程，线性等特点

［5］

，故采用神经网络的方法建立其模型。

［7］

差的数量级是μm级，因此在学习样本前，误差指标设为纳米（0.01μm）级。训练中网络通过反复不断地

增加隐层神经元个数来逼近系统函数，最终达到误差指标时，所用神经元的个数为28个。实验证明RBF学习速度快，逼近精度高。经样本学习和训练后，其结果如图6所示

。

3结语

文章以MAKINO立式加工中心为对象，采用5点法测量主轴的热误差。结合主轴热变形的特点，采用

径向基函数神经网络是一种局部逼近的神经网

络，它通常选取高斯（Gaussian）基函数作RBF基函数。RBF神经网络具体结构如图5。这种神经网络的特点是网络只对输入空间一个局部领域中的点，才有少数相关连接权发生变化，每次训练中只是修正少量连接权，且可修正的连接权是线性的，故其学习速度极快，

［6］

并且可保证权空间上误差超平面的全局收敛特性。

径向基函数神经网络方法建立热变形误差模型。实验证明，该模型能够准确地反映主轴的真实热变形状况，对主轴热误差的预测具有实际应用价值。

参

考

文

献

［1］BRYANJ．Interntionalstatusofthermalerrorresearch（1990）［J］．Key-1990，39（2）：645－656．notePaperAnnalsoftheCIRP，

［2］穆塔里夫·阿赫迈德，程伟．加工中心主轴系统的热变形分析与有

J］．机床与液压，2008（2）：72－74．限元计算［

［3］穆塔里夫·阿赫迈德，项伟宏，郑力，等．加工中心主轴热误差实验

J］．组合机床与自动化加工技术，2002（9）：15－18．分析与建模［

［4］张志飞，刘又午，刘丽冰，等．基于多体理论的五坐标数控机床的热

J］．河北工业大学学报，2000（5）．误差建模［

［5］宋洪涛，宾鸿赞．把神经网络应用于丝杠磨削过程的建模与控制

［J］．光学与精密工程，2001，9（4）：364－367．

［6］陈少华，J］．广东张辉，徐子利．神经网络式单项自动重合阀的研究［

2002（4）：5－8．工业大学学报，

［7］李静敏，黄明礼，朱卫斌，等，数控机床温度与热误差检测系统［J］．

2001（4）：82－85．江苏机械制造与自动化，

本文采用了1个三层的RBF神经网络来建立主

轴热误差的模型。模型的输入为14个温度传感器测量的温度变化值，输出为5点法测量的主轴的热误差。在误差补偿技术研究中，机床温度是缓慢变化的，热误

1979年生，第一作者：岳红新，女，讲师，硕士研究

生，主要研究方向为数控技术、误差补偿。

（编辑

周富荣）

（收修改稿日期：2011－08－12）

文章编号：120306

如果您想发表对本文的看法，请将文章编号填入读者意见调查表中的相应位置。

·25

·

本文来源：https://www.bwwdw.com/article/7jy4.html