本發(fā)明屬于熱變形預測相關技術領域，更具體地，涉及一種基于數控機床實時數據的主軸組件熱變形預測方法，尤其適用于無溫度傳感器的機床。

背景技術：

在加工產品時，小型鉆攻中心的主軸高速旋轉，產生大量的熱量，導致主軸組件的熱變形問題十分嚴重；變形量大，最高超過0.12毫米；熱平衡時間較長，平均熱機時間為120分鐘；針對上述問題，現階段主要有以下幾種解決方案：

(1)改善冷卻系統(tǒng)，提高散熱速率。改善內藏式電機的外循環(huán)油水冷卻系統(tǒng)、合理選擇軸承和前后軸承座的材料、設計對稱結構、適當加入阻尼等，以此來保證主軸組件運轉的熱平衡性。然而，該種方法不可能僅通過設計和制造技術等抑制熱誤差產生的手段來消除所有誤差，且利用該方法來提高加工精度所花費的成本呈指數規(guī)律增長。

(2)安裝溫度傳感器。在每臺機床上安裝一個或多個溫度傳感器，通過算法選出最優(yōu)最少的溫度敏感點，然后把溫度敏感點所采集的溫度代入基于溫度的熱變形預測模型，實現對熱變形的預測。這種方法比較適合價值高、體積大的大型機床，不適用于價值低、體積小的高速鉆攻中心，且預測精度有限，靈活性較差；(3)建立基于時間的熱誤差補償模型。該方法是建立主軸組件的熱變形量與時間的模型，將主軸的運轉時間和停止時間輸入到模型中，計算出主軸組件的熱變形量，在加工過程中進行補償。采用這種補償方法時，要求每個零件的加工時間要長，否則預測的主軸組件熱變形量的誤差會因為主軸的停止時間過長而增大，而且該補償方法的通用性較差，不同的加工程序需要建立不同的補償模型。

相應地，本領域存在著發(fā)展一種預測精度較高且成本較低的熱變形預測方法的技術需求。

技術實現要素：

針對現有技術的以上缺陷或改進需求，本發(fā)明提供了一種基于數控實時數據的主軸組件熱變形預測方法，其基于主軸組件熱變形的熱點，針對主軸組件熱變形預測方法進行了設計。所述主軸組件熱變形預測方法基于主軸的電流、速度及位移，其在抑制熱誤差產生的基礎上進一步減小誤差，降低設計及預測成本，且提高了預測精度，靈活性較高。

為實現上述目的，本發(fā)明提供了一種基于數控機床實時數據的主軸組件熱變形預測方法，其包括以下步驟：

(1)數控機床運行實驗G代碼程序，同時實時采集加工過程中主軸組件的熱變形量、主軸的電流、速度及位移信號，并根據采集的實時數據求出熱變形量與主軸的電流、速度及位移信號之間的關系以建立熱變形預測模型；

(2)設置熱誤差補償值調整系數以對所述熱變形預測模型進行調整；

(3)將實時采集的主軸的電流、速度及位移帶入所述熱變形模型以預測出對應的熱變形量。

進一步地，所述熱變形預測模型的表達式為：

其中，Δl_τ為第τ次測量時主軸的變形量，l_i、S_i、V_i分別為0～τ之間第i個采樣點的電流、位移、速度，K₁、K₂為模型中的系數，n表示從程序開始運行到對刀時刻的時間(ms)，n₁表示主軸從程序運行開始到對刀時刻的旋轉時間(ms)。

進一步地，K₁、K₂是通過曲線擬合的方式求得的。

進一步地，所述熱誤差補償值調整系數分別為δ₁＝1，δ₂＝1，調整后的所述熱變形預測模型的表達式為其中K₁'＝K₁δ₁，K₂，＝K₂δ₂。

進一步地，依據預測出的熱變形量進入補償環(huán)節(jié)進行補償，當主軸組件的熱變形達到穩(wěn)定狀態(tài)后，之后的補償值設為所述主軸組件達到穩(wěn)定狀態(tài)時預測的熱變形量。

總體而言，通過本發(fā)明所構思的以上技術方案與現有技術相比，本發(fā)明提供的基于數控機床實時數據的主軸組件熱變形預測方法，其基于主軸的電流、速度及位移進行預測，且設置有熱誤差補償系數來對熱變形預測模型進行調整，降低了設計及預測成本，提高了預測精度，靈活性較高，通用性較好。

附圖說明

圖1是本發(fā)明較佳實施方式提供的基于數控機床實時數據的主軸組件熱變形預測方法的整體流程示意圖。

圖2是圖1中的基于數控機床實時數據的主軸組件熱變形預測方法涉及的熱變形預測流程圖。

圖3采用圖1中的基于數控機床實時數據的主軸組件熱變形預測方法中建立模型時涉及的擬合模型曲線與實際熱變形曲線的對比示意圖。

圖4是采用圖1中的基于數控機床實時數據的主軸組件熱變形預測方法獲得的熱變形量與實際熱變形量的對比及誤差曲線示意圖。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實施方式中所涉及到的技術特征只要彼此之間未構成沖突就可以相互組合。

請參閱圖1至圖3，本發(fā)明較佳實施方式提供的基于數控機床實時數據的主軸組件熱變形預測方法，其基于主軸的電流、速度及位移進行熱變形量的預測。所述的基于數控機床實時數據的主軸組件熱變形預測方法主要包括以下步驟：

步驟一，數控機床進行實驗G代碼程序，同時實時采集加工過程中主軸組件的熱變形量、主軸的電流、速度及位移信號，并根據采集的實時數據求出熱變形量與主軸的電流、速度及位移信號之間的關系以建立熱變形預測模型。本實施方式采集數據時所采用的機床型號為TD-500A，數控系統(tǒng)型號為HNC-8，機床主軸最高轉速為24000r/min，本實施方式中主軸的轉速取為15000r/min。

加工過程中熱變形的測量方法為：打開數控機床后，利用對刀儀測出主軸所在位置，然后讓所述數控機床運行指定的實驗G代碼程序，此過程中，保持所述數控機床的Z軸的位置不變，主軸以15000r/min的轉速旋轉，一段時間后，所述對刀儀再次測量所述主軸的位置，一直重復這個動作。同時，實時采集加工過程中主軸的電流、速度及位移信號，采樣頻率為1000Hz。用每次對刀時測量的值減去第一次測量的值，即可得到關于主軸熱變形量Δl_i的一系列值，建立主軸熱變形量與電流I、速度V和位移S之間的關系模型為式中，Δl_τ為第τ次測量時主軸的變形量，l_i、S_i、V_i分別為0～τ之間第i個采樣點的電流、位移、速度，K₁、K₂分別為模型中的系數，利用曲線擬合的方式可求得K₁、K₂的值擬合原理為最小二乘法。

本實施方式中，用每次對刀時測量的值減去第一次測量的值，得到的關于熱變形量Δl_i的一系列值(單位：mm)：

Δl_i＝[0，0.0025，0.0049，0.0074，0.0097，0.0119，0.0140，0.0160，0.0178，0.0195，0.0211，0.0225，0.0239，0.0250，0.0264，0.0278，0.0291，0.0303，0.0318，0.0330，0.0342，0.0353，0.0365，0.0375，0.0386，0.0394，0.0403，0.04100.0419，0.0428，0.0438，0.0446，0.0454，0.0461，0.0467，0.0474，0.0481，0.0489，0.0498，0.0506，0.0514，0.05240.0532，0.0539，0.0545，0.0552，0.0559，0.0566，0.0574，0.0583，0.0589，0.0595，0.0601，0.0605，0.0609，0.0614，0.0617，0.0622，0.0627，0.0634，0.0639，0.0645，0.0651，0.0656，0.0661，0.0667，0.0674，0.0677，0.0682，0.06850.0688，0.0692，0.0697，0.0702，0.07060.0710，0.0714，0.0717，0.0720，0.0724，0.0729，0.0733，0.0738，0.07420.0745，0.0748，0.0752，0.0753，0.0757，0.0759，0.0760，0.0762，0.0765，0.0767，0.0770，0.0773，0.0776，0.07800.0781，0.0784，0.0786，0.0790，0.0794，0.0799，0.0802，0.0806，0.0807，0.0809，0.0812，0.0814，0.0817，0.08210.0822，0.0824，0.0825，0.0827，0.0828，0.0830，0.0830，0.0831，0.0832，0.0832，0.0833，0.0835，0.0835，0.08360.0838，0.0838，0.0840，0.0840]

根據模型表達式分別計算出電流和位移積分速度和變形量的積分其中，n表示從程序開始運行到對刀時刻的時間(ms)，n₁表示主軸從程序運行開始到對刀時刻的旋轉時間(ms)，計算的積分結果如下：

通過最小二乘法擬合得到模型中的K₁、K₂值，K₁＝1.5341*10^-8，K₂＝-8.3670*10^-17，所以模型確定為：主軸熱變形的擬合模型曲線與實際熱變形曲線的對比結果詳見圖3。

步驟二，設置熱誤差補償值調整系數以對所述熱變形預測模型進行調整。具體地，同一品牌的機床即使在外部條件(環(huán)境溫度、空氣流動等)和加工條件(零件、加工材料、加工程序等)都相同的情況下，由于機床裝配質量的差別，模型中的參數K₁、K₂會有一定的變化，則設置熱誤差補償值調整系數δ₁、δ₂來對模型進行調整：

K₁′＝K₁δ₁

K₂′＝K₂δ₂

由K₁′、K₂′建立模型：

本實施方式中，熱誤差補償值調整系數δ₁＝1，δ₂＝1。

步驟三，將實時采集的主軸的電流、速度及位移帶入所述熱變形模型以預測出對應的熱變形量，并進入補償環(huán)節(jié)進行補償；當主軸組件的熱變形達到穩(wěn)定狀態(tài)后，之后的補償值設為所述主軸組件達到穩(wěn)定狀態(tài)時預測的熱變形量。具體地，調整后，所述模型表達式為本實施方式選取的熱變形量預測間隔為1s，電流、速度等的采樣周期為1ms，所以在1s的間隔內共有1000個采樣點。1s時，采集第1s內主軸運動過程中的電流、速度和位移，并計算他們的積分帶入到所述模型表達式中求得第1秒時的熱變形量，并進入指定的補償環(huán)節(jié)進行補償；

(n+1)s時，采集第(n+1)s內主軸運動過程中的電流、速度和位移，并計算他們的積分帶入到模型表達式中求得第(n+1)s時的熱變形量，并進入指定的補償環(huán)節(jié)進行補償；如此一直累加計算，直到熱變形達到穩(wěn)定狀態(tài)，大約120min后，補償值便可以設為120min時刻的補償值，直到加工完成。

請參閱圖4，本實施方式中，數控系統(tǒng)在n＝0時開始加工零件，程序運行10min(600s)時，采集加工過程中主軸的電流、速度和位移，計算積分把A₆₀₀、B₆₀₀輸入到模型表達式中，得到預測熱變形量Δl₆₀₀＝0.0188mm，并進入指定環(huán)節(jié)進行補償；當數控機床運行時間達到120min時，計算積分把A₇₂₀₀、B₇₂₀₀輸入到模型表達式中，得到預測熱變形量Δl₇₂₀₀＝0.0831mm，并進入指定環(huán)節(jié)進行補償。此時，主軸的熱變形已達到平衡狀態(tài)，之后加工過程以0.0831mm作為補償量。自圖4可以看出，采用本實施方式提供的基于數控機床實時數據的主軸組件熱變形預測方法獲得熱變形量的誤差明顯降低，預測精度較高。

本發(fā)明提供的基于數控機床實時數據的主軸組件熱變形預測方法，其基于主軸的電流、速度及位移進行預測，且設置有熱誤差補償調整系數來對熱變形預測模型進行調整，降低了設計及預測成本，提高了預測精度，靈活性較高，通用性較好。

本領域的技術人員容易理解，以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內。