[发明专利]一种数控机床主轴热变形预测方法及系统

权利要求书

1.一种数控机床主轴热变形预测方法，其特征在于，包括如下步骤：

S1构建神经网络模型，该神经网络模型以机床当前时刻t之前的运动状态数据和热变形状态数据作为输入，并以当前时刻t之后的τ时间段内的主轴热变形量为输出，其中机床运动状态数据包括t-τ至t时间段内的机床主轴电流i、主轴速度v和环境温度T，热变形状态数据包括t-kτ至t时间段内的主轴热变形量，k为正整数；

S2采集t-τ至t时间段内的机床主轴电流i、主轴速度v和环境温度T以及t-kτ至t时间段内的主轴热变形量以构建训练集用于模型训练；

S3将训练集中的数据输入构建的神经网络模型中进行模型训练，以训练获得用于主轴热变形预测的神经网络模型；

S4实时获取待测机床的运动状态数据和热变形状态数据，并将其输入训练获得的神经网络模型中以得到机床主轴热变形量，以此达到主轴热变形预测的目的。

2.如权利要求1所述的数控机床主轴热变形预测方法，其特征在于，所述神经网络模型包括依次设置的第一卷积层、第一池化层、第二卷积层、第二池化层、隐藏层和全连接层。

3.如权利要求1所述的数控机床主轴热变形预测方法，其特征在于，所述模型训练具体为将训练集中的数据输入构建的神经网络模型中并计算误差，根据所计算的误差更新神经网络模型中的参数，然后根据更新后的神经网络模型继续送入数据进行误差计算依此循环，直至神经网络模型对数据的预测精度达到预设要求，完成模型训练。

4.如权利要求1所述的数控机床主轴热变形预测方法，其特征在于，模型训练在远程计算机中完成，采集获得的训练集中的数据首先通过机床的网络功能传输至远程计算机中存储以用于模型训练，模型训练完成后生成模型文件，然后经远程计算机将模型文件通过网络传输到机床本地。

5.如权利要求4所述的数控机床主轴热变形预测方法，其特征在于，机床在实际加工过程中通过本地神经网络计算单元NPU运行模型文件并实时传入机床的运行状态数据和变形状态数据以计算得到机床主轴热变形数据。

6.如权利要求1所述的数控机床主轴热变形预测方法，其特征在于，k优选为3，τ优选为1min。

7.如权利要求1-6任一项所述的数控机床主轴热变形预测方法，其特征在于，还包括如下步骤：

S5利用获得的机床主轴热变形量对机床Z轴的运动轨迹进行补偿。

8.一种数控机床主轴热变形预测系统，其特征在于，包括：

模型建立模块，用于构建神经网络模型，该神经网络模型以机床当前时刻t之前的运动状态数据和热变形状态数据作为输入，并以当前时刻t之后的τ时间段内的主轴热变形量为输出，其中机床运动状态数据包括t-τ至t时间段内的机床主轴电流i、主轴速度v和环境温度T，热变形状态数据包括t-kτ至t时间段内的主轴热变形量，k为正整数；

数据采集模块，用于采集t-τ至t时间段内的机床主轴电流i、主轴速度v和环境温度T以及t-kτ至t时间段内的主轴热变形量以构建训练集用于模型训练；

模型训练模块，用于将训练集中的数据输入构建的神经网络模型中进行模型训练，以训练获得用于主轴热变形预测的神经网络模型；

热变形预测模块，用于实时获取待预测机床的运动状态数据和热变形状态数据，并将其输入训练获得的神经网络模型中以得到机床主轴热变形量，以此达到主轴热变形预测的目的。

9.如权利要求8所述的数控机床主轴热变形预测系统，其特征在于，模型建立模块和模型训练模块设于远程计算机中，数据采集模块和热变形预测模块设于本地机床中。

10.如权利要求8所述的数控机床主轴热变形预测系统，其特征在于，还包括：补偿模块，用于将获得的机床主轴热变形量对机床Z轴的运动轨迹进行补偿。