[发明专利]一种机床热敏感点的选取与建模方法及系统

说明书

本发明公开了一种机床热敏感点选取与建模方法及系统，包括：S1，根据机床结构设置多个测温点，并采集测温点的温度数据和机床主轴的热误差数据；S2，对温度数据进行归一化，再对温度点进行改进FCM均值聚类，将测温点划分为多个类别；S3，对测温点的温度数据和机床主轴的热误差数据进行逐步回归的向前筛选，计算得出检验统计量F的数值；S4，根据温度点的类别和检验统计量F的数值选取机床的热敏感点；S5，根据选取的热敏感点对机床热误差进行多元线性回归建模与评价。本发明在提升精度的同时能有效减少测温点，避免测温点之间的多重共线性，在简化建模过程中又能使回归方程的显著性更高，提高了模型的精度，在机床主轴热误差建模预测中具有重要的实用价值。

技术领域

本发明属于数控机床加工技术领域，具体涉及一种机床热敏感点的选取与建模方法及系统。

背景技术

随着制造业的快速发展，对数控机床的加工精度提出了更高的要求。在机床的各种误差源中，热误差的占比可达40％-70％，热误差是指在机械加工过程中，由于机床温度升高导致机床部件变形或膨胀而引起工件和刀具之间的相对位移发生变化，因而降低热误差对提高精度有很重要的研究价值。同时，随着科技的迅猛发展，对高端产品的精度要求越来越高，进而对机床热误差建模与预测提出了进一步要求，也是急需突破的难题。

在实现机床热误差补偿之前，选择合理的热敏感点并建立精度较高的模型是有效预测补偿的基础。理论上，温度测点越多越接近于实际物理温度场，更有利于热误差建模预测。但是由于各个温度点之间存在耦合与相关性，使模型求解更为复杂，解耦与溯源更加困难。温度点过少与实际温度场相差过大，也不利于建立精度较高的预测模型。同时，仅考虑温度的耦合，忽略温度与热误差之间的关联关系对提高模型准确性不利。例如，某些温度测点温度曲线之间距离较大，但与热误差变化不显著或显著性较小，任意选择有损模型精度。

因而，选择在温度点减少的同时又能缩小模型精度损失的方法是亟待解决的问题。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种机床热敏感点的选取与建模方法及系统，能够解决现有技术难以优化选取机床热敏感点与建模精度损失的问题。

为了达到上述目的，本发明采用以下技术方案予以实现：

本发明公开了一种机床热敏感点的选取与建模方法，包括以下步骤：

步骤1：根据机床结构设置多个测温点，并采集每个测温点的温度数据和机床主轴的热误差数据；

步骤2：对温度数据进行归一化处理，再对测温点进行改进FCM均值聚类，将测温点划分为多个类别；

步骤3：对步骤1采集到的测温点的温度数据和机床主轴的热误差数据进行逐步回归的向前筛选，计算得出检验统计量F的数值；

步骤4：根据步骤2划分得到的测温点的类别和步骤3得到的检验统计量F的数值，选取机床的热敏感点；

步骤5：根据选取的热敏感点对机床热误差进行多元线性回归建模与评价。

优选地，步骤2具体操作如下：

1)对温度数据进行归一化处理；

2)对基本参数、隶属度矩阵进行初始化处理；

3)计算质心，得到以隶属度为权重的一个加权平均；

4)更新隶属度矩阵，满足终止条件得到聚类中心，否则返回步骤3)。

进一步优选地，对温度数据进行归一化处理通过下式(1)进行：