[发明专利]一种基于改进BP神经网络的数控成形磨齿机直线轴几何综合误差辨识方法

说明书

本发明提供了一种基于改进BP神经网络的数控成形磨齿机直线轴几何综合误差辨识方法，其步骤如下：分析数控成形磨齿机直线轴垂直度误差对其他6项几何综合误差的影响；建立包含垂直度误差在内的直线轴7项几何综合误差模型；结合改进BP神经网络算法，将测点布置空间分为3段，减少测量点集并进行测量；将误差测量项代入几何综合误差模型，进行解耦得到矩阵变换关系；训练BP神经网络，得到直线轴几何综合误差动态量。本发明简化了磨齿机直线轴7项几何综合误差辨识测量过程，节约了测量的成本和时间，提高了误差辨识的准确性和稳定性，可以优化解耦出数控磨齿机直线轴7项几何综合误差动态量。

技术领域

本发明涉及数控机床直线轴误差建模和测量技术领域，具体涉及一种基于改进BP神经网络的数控成形磨齿机直线轴几何综合误差辨识方法。

背景技术

数控成形磨齿机，作为一种高效、精密的齿轮加工设备，广泛应用于工程机械、风电水电、航空航天、船舶海洋、轨道交通等大重型装备制造业的大规格高精度齿轮的大批量磨削加工。因此，提高数控成形磨齿机加工精度和稳定性，开发出满足高精度、高效率及高质量的大规格齿轮要求的数控成形磨齿机，具有广阔的市场应用前景和非常高的经济价值。

直线轴是数控成形磨齿机的基础元件，其产生的几何综合误差对齿轮加工精度会造成较大影响。在数控机床误差建模过程中，垂直度误差受数控机床长行程、大跨度、高负载因素影响，不再是以往认为的与直线轴位置无关的静态量，而是随直线轴位置不断变化的动态量，使得后续误差测量和补偿过程精度无法有效提升。

数控机床行业采用传统线法，诸如“9线法”、“12线法”、“15线法”、“22线法”等，测量直线轴几何综合误差，都需要将整个测点布置空间同纬度等间距划分网格测量。这样往往造成测量工作量极大和测量成本较高的问题。同时，数控机床建模和测量过程是一个非线性过程，简单采用最小二乘法将离散的误差量线性表示为连续误差量，是不准确的。因此，考虑采用改进BP神经网络算法，通过少量测量点集对直线轴7项几何综合误差进行连续型非线性表示。相对于传统误差辨识测量方案，其具有两点优势：不需要遍历所有空间点集，仅使用少量空间点集就可以得到直线轴7项几何误差量，大大提高了测量的效率，节约了测量的成本；BP神经网络的学习算法属于全局逼近方法，可以逼近任意的非线性函数，使得解耦得到的几何误差动态量更加准确且符合工程实际，具有较好的泛化能力。

发明内容

本发明的目的在于针对现有技术的中的上述不足之处，提供一种基于改进BP神经网络的数控成形磨齿机直线轴几何综合误差建模及测量方法，以解决或改善上述问题。

为实现上述目的，本发明采用了如下技术方案：

一种基于改进BP神经网络的数控成形磨齿机直线轴几何综合误差辨识方法，其特征在于，包括以下步骤：

S1：根据位移误差和角度误差的几何关系，分析数控成形磨齿机垂直度误差对其他6项几何综合误差的影响；

S2：考虑垂直度误差为位置相关的动态量，基于齐次坐标变换矩阵理论，将其视为转角误差元素和位移误差元素的综合作用，建立包含垂直度误差在内的直线轴7项几何综合误差模型；

S3：结合改进BP神经网络算法，在测点布置空间选择前段、中段，及后段，每段位移内测量3点的x向定位偏差，y向直线度偏差以及z向直线度偏差，显著降低了测量次数，节约了测量时间；

S4：将上述测量得到的前段、中段，及后段位移内直线轴7项几何综合误差代入上述几何综合误差模型，并进行解耦分别得到前段、中段，及后段位移内的7项几何综合误差项；

S5：采用常规粒子群算法(PSO)和基于牛顿方法的BP快速变种算法(QP)结合的方法来训练BP神经网络，被称为PSO-QP算法；PSO算法能快速准确寻得全局最优点，在此基础上，QP算法进行局部优化，得到直线轴几何综合误差动态量。