本發(fā)明涉及數(shù)控加工過(guò)程監(jiān)測(cè)與熱誤差補(bǔ)償領(lǐng)域，尤其是涉及一種考慮刀具磨損的五軸數(shù)控機(jī)床熱誤差補(bǔ)償方法。

背景技術(shù)：

1、在現(xiàn)代高精度機(jī)床加工中，熱誤差是導(dǎo)致工件加工精度降低的重要因素之一。機(jī)床在長(zhǎng)時(shí)間運(yùn)行中產(chǎn)生的摩擦熱、切削熱、主軸運(yùn)轉(zhuǎn)熱等都會(huì)引發(fā)部件的熱膨脹，導(dǎo)致機(jī)床整體結(jié)構(gòu)發(fā)生微小但累積的變形，進(jìn)而影響工件的加工尺寸和表面質(zhì)量。為了維持加工精度，現(xiàn)有的熱誤差補(bǔ)償技術(shù)通常通過(guò)傳感器實(shí)時(shí)采集機(jī)床的溫度數(shù)據(jù)，并基于熱誤差模型進(jìn)行補(bǔ)償。然而，在實(shí)際生產(chǎn)中，隨著刀具磨損的發(fā)生，刀具與工件之間的摩擦熱量逐漸增加，加劇了機(jī)床整體溫度的變化，這一過(guò)程對(duì)熱誤差的影響至關(guān)重要。

2、現(xiàn)有技術(shù)中，公開(kāi)號(hào)為cn118519391a的中國(guó)專利文獻(xiàn)公開(kāi)了一種基于溫度傳感器的熱誤差補(bǔ)償方法，采集機(jī)床溫度信息并進(jìn)行實(shí)時(shí)補(bǔ)償。雖然此方法能夠在一定程度上減小溫度引起的加工誤差，但忽視了刀具磨損對(duì)溫度場(chǎng)產(chǎn)生的額外熱影響。隨著刀具逐步磨損，摩擦熱逐漸增加，而這種額外的熱量未被納入補(bǔ)償模型中，導(dǎo)致長(zhǎng)時(shí)間加工后補(bǔ)償精度逐步下降，無(wú)法維持加工的一致性和高精度。另一項(xiàng)公開(kāi)號(hào)為cn114895627a的中國(guó)專利文獻(xiàn)采用了熱分析模型來(lái)預(yù)測(cè)和控制熱誤差，通過(guò)建立溫度場(chǎng)與誤差的數(shù)學(xué)模型對(duì)熱誤差進(jìn)行預(yù)測(cè)與補(bǔ)償。然而，該專利同樣忽略了刀具磨損對(duì)摩擦熱的顯著貢獻(xiàn)。

3、現(xiàn)有的熱誤差補(bǔ)償技術(shù)沒(méi)有充分考慮刀具磨損與熱誤差之間的相互作用，特別是在刀具磨損后期，摩擦熱顯著增加，導(dǎo)致機(jī)床整體溫度加速上升。由于這一額外熱源未被納入補(bǔ)償模型，傳統(tǒng)的補(bǔ)償方法難以在加工過(guò)程中維持高精度，補(bǔ)償精度逐漸下降，影響加工質(zhì)量和效率。此外，磨損狀態(tài)會(huì)對(duì)機(jī)床整體溫度分布產(chǎn)生顯著影響，無(wú)法實(shí)時(shí)調(diào)整刀具磨損所帶來(lái)的熱源疊加效應(yīng)，限制了現(xiàn)有熱誤差補(bǔ)償方法的應(yīng)用。因此，亟需一種新型的熱誤差補(bǔ)償方法，能夠同時(shí)考慮刀具磨損狀態(tài)和熱誤差的耦合效應(yīng)，以提高長(zhǎng)時(shí)間加工的穩(wěn)定性和精度。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種考慮刀具磨損的五軸數(shù)控機(jī)床熱誤差補(bǔ)償方法，能夠滿足長(zhǎng)時(shí)間加工環(huán)境下對(duì)高精度熱誤差補(bǔ)償?shù)男枨螅绕湓诘毒吣p加劇時(shí)能夠有效提升補(bǔ)償效果。

2、一種考慮刀具磨損的五軸數(shù)控機(jī)床熱誤差補(bǔ)償方法，包括以下步驟：

3、（1）在機(jī)床運(yùn)行過(guò)程中，通過(guò)多個(gè)溫度傳感器采集各個(gè)監(jiān)測(cè)點(diǎn)的溫度數(shù)據(jù)；測(cè)量刀具切削點(diǎn)與工件之間的位置變化得到熱誤差數(shù)據(jù)；通過(guò)三向加速度傳感器采集加速度信號(hào)；測(cè)量刀具后刀面的磨損值；

4、（2）對(duì)采集到的溫度數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，隨后進(jìn)行相關(guān)性分析，篩選出與熱誤差高度相關(guān)的溫度敏感特征，構(gòu)成溫度敏感特征集；

5、（3）基于篩選出的溫度敏感特征，使用svm模型建立溫度敏感特征與熱誤差之間的非線性映射關(guān)系；

6、（4）對(duì)加速度信號(hào)進(jìn)行預(yù)處理，以預(yù)處理后的加速度信號(hào)作為輸入，手持顯微鏡測(cè)量的刀具磨損值作為標(biāo)簽，訓(xùn)練基于多尺度gru的刀具磨損監(jiān)測(cè)模型；利用刀具磨損監(jiān)測(cè)模型監(jiān)測(cè)并輸出刀具的實(shí)時(shí)磨損值；

7、（5）在svm模型的基礎(chǔ)上引入sigmoid修正函數(shù)，得到熱誤差補(bǔ)償模型；sigmoid修正函數(shù)根據(jù)刀具磨損監(jiān)測(cè)模型輸出的刀具實(shí)時(shí)磨損狀態(tài)動(dòng)態(tài)調(diào)整熱誤差補(bǔ)償；

8、（6）采用貝葉斯優(yōu)化算法，優(yōu)化svm模型中的超參數(shù)和sigmoid修正函數(shù)中的參數(shù)；通過(guò)優(yōu)化后的熱誤差補(bǔ)償模型，對(duì)機(jī)床的熱誤差進(jìn)行實(shí)時(shí)補(bǔ)償。

9、本發(fā)明通過(guò)溫度特征篩選和基于刀具磨損的sigmoid修正的方法，提升熱誤差補(bǔ)償?shù)木?。該方法通過(guò)結(jié)合刀具磨損對(duì)機(jī)床溫度變化的影響，建立了刀具磨損與熱誤差的耦合模型，并使用sigmoid激活函數(shù)動(dòng)態(tài)調(diào)整補(bǔ)償力度，尤其在刀具磨損加劇時(shí)能夠有效提升補(bǔ)償效果。

10、步驟（2）中，篩選出與熱誤差高度相關(guān)的溫度敏感特征，公式為：

11、；

12、式中，是第個(gè)溫度傳感器在時(shí)刻的溫度值，是時(shí)刻的熱誤差值，和分別是溫度傳感器和熱誤差的均值，表示溫度傳感器的數(shù)量。

13、步驟（3）中，svm模型的核函數(shù)采用徑向基函數(shù)rbf，形式為：

14、；

15、式中，是兩個(gè)向量和之間的核函數(shù)；是徑向基函數(shù)rbf的超參數(shù)，控制輸入特征之間的相似性。

16、步驟（4）中，對(duì)加速度信號(hào)進(jìn)行預(yù)處理，包括：通過(guò)變化點(diǎn)檢測(cè)算法去除信號(hào)切入切出及空轉(zhuǎn)數(shù)據(jù)、通過(guò)移動(dòng)平均值法進(jìn)行數(shù)據(jù)降采樣。

17、步驟（4）中，多尺度gru包括四個(gè)并行的分支，每個(gè)分支包含兩層gru單元；四個(gè)分支中第一層gru單元均為128個(gè)神經(jīng)元，第二層分別為128、64、32、16個(gè)神經(jīng)元；然后四個(gè)分支一起依次通過(guò)兩個(gè)全連接層，兩個(gè)全連接層分別為512和128個(gè)神經(jīng)元，經(jīng)過(guò)全連接層后輸出預(yù)測(cè)結(jié)果。

18、步驟（5）中，sigmoid修正函數(shù)的公式為：

19、；

20、式中，是 t時(shí)刻的刀具磨損值，是控制sigmoid曲線陡度的參數(shù)，是刀具磨損開(kāi)始顯著影響熱誤差的閾值。

21、步驟（5）中，熱誤差補(bǔ)償模型的公式為：

22、；

23、式中，表示時(shí)刻的溫度敏感特征，是訓(xùn)練好的svm模型，表示svm模型預(yù)測(cè)的時(shí)刻的熱誤差，表示sigmoid修正函數(shù)在時(shí)刻的熱誤差修正值。

24、步驟（6）中，貝葉斯優(yōu)化算法的目標(biāo)函數(shù)為：

25、；

26、式中，是徑向基函數(shù)rbf的超參數(shù)，是懲罰因子，是t時(shí)刻的實(shí)際熱誤差，是總的熱誤差補(bǔ)償。

27、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

28、1、本發(fā)明通過(guò)建立刀具磨損與熱誤差的耦合補(bǔ)償模型，充分考慮了刀具磨損對(duì)機(jī)床溫度變化的影響。通過(guò)支持向量機(jī)（svm）建立溫度特征與熱誤差之間的非線性關(guān)系，結(jié)合實(shí)時(shí)監(jiān)測(cè)的刀具磨損狀態(tài)，使補(bǔ)償模型能夠動(dòng)態(tài)反映機(jī)床加工過(guò)程中熱誤差的變化。這一耦合方法解決了現(xiàn)有補(bǔ)償模型未考慮磨損影響的局限性，有效提升了熱誤差補(bǔ)償?shù)木取?/p>

29、2、本發(fā)明通過(guò)引入基于sigmoid函數(shù)的刀具磨損修正策略，利用sigmoid函數(shù)的s型曲線特性，模擬溫度變化趨勢(shì)，尤其在溫度變化趨于平穩(wěn)時(shí)補(bǔ)償力度逐漸減弱，在刀具磨損加劇時(shí)補(bǔ)償力度迅速增強(qiáng)。這一修正策略能夠自適應(yīng)調(diào)整熱誤差補(bǔ)償，在磨損后期顯著提高補(bǔ)償效果，確保機(jī)床加工的高精度和穩(wěn)定性。

30、3、本發(fā)明采用貝葉斯優(yōu)化技術(shù)對(duì)svm模型和刀具磨損修正函數(shù)中的關(guān)鍵參數(shù)進(jìn)行優(yōu)化調(diào)整，確保補(bǔ)償模型在不同工況下能夠達(dá)到最優(yōu)的補(bǔ)償效果。通過(guò)貝葉斯優(yōu)化動(dòng)態(tài)調(diào)整超參數(shù)，進(jìn)一步提高了熱誤差補(bǔ)償?shù)木?，克服了現(xiàn)有技術(shù)中參數(shù)固定導(dǎo)致的補(bǔ)償不足問(wèn)題，特別是在長(zhǎng)時(shí)間加工和刀具磨損后期尤為有效。

技術(shù)特征：

1.一種考慮刀具磨損的五軸數(shù)控機(jī)床熱誤差補(bǔ)償方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的考慮刀具磨損的五軸數(shù)控機(jī)床熱誤差補(bǔ)償方法，其特征在于，步驟（2）中，篩選出與熱誤差高度相關(guān)的溫度敏感特征，公式為：

3.根據(jù)權(quán)利要求1所述的考慮刀具磨損的五軸數(shù)控機(jī)床熱誤差補(bǔ)償方法，其特征在于，步驟（3）中，svm模型的核函數(shù)采用徑向基函數(shù)rbf，形式為：

4.根據(jù)權(quán)利要求1所述的考慮刀具磨損的五軸數(shù)控機(jī)床熱誤差補(bǔ)償方法，其特征在于，步驟（4）中，對(duì)加速度信號(hào)進(jìn)行預(yù)處理，包括：通過(guò)變化點(diǎn)檢測(cè)算法去除信號(hào)切入切出及空轉(zhuǎn)數(shù)據(jù)、通過(guò)移動(dòng)平均值法進(jìn)行數(shù)據(jù)降采樣。

5.根據(jù)權(quán)利要求1所述的考慮刀具磨損的五軸數(shù)控機(jī)床熱誤差補(bǔ)償方法，其特征在于，步驟（4）中，多尺度gru包括四個(gè)并行的分支，每個(gè)分支包含兩層gru單元；四個(gè)分支中第一層gru單元均為128個(gè)神經(jīng)元，第二層分別為128、64、32、16個(gè)神經(jīng)元；然后四個(gè)分支一起依次通過(guò)兩個(gè)全連接層，兩個(gè)全連接層分別為512和128個(gè)神經(jīng)元，經(jīng)過(guò)全連接層后輸出預(yù)測(cè)結(jié)果。

6.根據(jù)權(quán)利要求1所述的考慮刀具磨損的五軸數(shù)控機(jī)床熱誤差補(bǔ)償方法，其特征在于，步驟（5）中，sigmoid修正函數(shù)的公式為：

7.根據(jù)權(quán)利要求6所述的考慮刀具磨損的五軸數(shù)控機(jī)床熱誤差補(bǔ)償方法，其特征在于，步驟（5）中，熱誤差補(bǔ)償模型的公式為：

8.根據(jù)權(quán)利要求7所述的考慮刀具磨損的五軸數(shù)控機(jī)床熱誤差補(bǔ)償方法，其特征在于，步驟（6）中，貝葉斯優(yōu)化算法的目標(biāo)函數(shù)為：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種考慮刀具磨損的五軸數(shù)控機(jī)床熱誤差補(bǔ)償方法，包括：采集各個(gè)監(jiān)測(cè)點(diǎn)的溫度數(shù)據(jù)，測(cè)量刀具切削點(diǎn)與工件之間的位置變化得到熱誤差數(shù)據(jù)，采集加速度信號(hào)，測(cè)量刀具磨損值；（2）對(duì)采集到的溫度數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，篩選出與熱誤差高度相關(guān)的溫度敏感特征；（3）使用SVM模型建立溫度敏感特征與熱誤差之間的非線性映射關(guān)系；（4）對(duì)加速度信號(hào)進(jìn)行預(yù)處理，訓(xùn)練刀具磨損監(jiān)測(cè)模型；（5）在SVM模型的基礎(chǔ)上引入Sigmoid修正函數(shù)，得到熱誤差補(bǔ)償模型；（6）采用貝葉斯優(yōu)化算法，優(yōu)化SVM模型和Sigmoid修正函數(shù)中的參數(shù)；通過(guò)優(yōu)化后的熱誤差補(bǔ)償模型，對(duì)機(jī)床的熱誤差進(jìn)行實(shí)時(shí)補(bǔ)償。利用本發(fā)明，能夠滿足長(zhǎng)時(shí)間加工環(huán)境下對(duì)高精度熱誤差補(bǔ)償?shù)男枨蟆?br/>
技術(shù)研發(fā)人員：彭業(yè)振,傅建中,康為民,俞豐文,周文泓,姚鑫驊,欒叢叢
受保護(hù)的技術(shù)使用者：浙江大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19