基于BP神經(jīng)網(wǎng)絡(luò)的CNC加工中心綜合誤差補償方法
海天精工 加工中心 鉆攻中心前言：復(fù)雜參數(shù)曲面的高精度CNC加工技術(shù)是機械加工領(lǐng)域的重要研究方向[1]，高性能精密CNC加工中心扮演著極其重要的角色；然而，由于加工中心熱變形導(dǎo)致加工精度衰減，因此對多軸CNC加工中心進行綜合誤差檢測和熱誤差補償一直是國內(nèi)外研究者重要研究方向[2]。CNC加工中心在制造、裝配、控制及運動過程中受到熱變形、摩擦、振動和慣性等各種不利因素的影響，加上移動軸與偏擺軸運動耦合，使加工中心精度嚴(yán)重衰減，對零件的精密加工造成了極大影響。為降低并消除多軸CNC加工中心的幾何誤差、主軸熱漂移誤差，以及提高工件表面質(zhì)量，研究者們基于多體系統(tǒng)運動學(xué)[3]、神經(jīng)網(wǎng)絡(luò)[4_5]、灰色理論[6]、蟻群算法[7]等理論方法，提出了各種誤差補償方法。文獻[8]提出一種基于fuzzy推理獲取誤差修正值的模糊自學(xué)習(xí)誤差補償方法。文獻[9-10]各自根據(jù)多體系統(tǒng)運動學(xué)理論，從加工中心運動學(xué)方程中先解耦計算出轉(zhuǎn)動軸誤差后計算出線性軸誤差。文獻[11]基于分層遞階思想，對CNC加工中心幾何誤差中可補償誤差成分進行了建模和補償。文獻[12-14]為測量和辨識五軸CNC加工中心旋轉(zhuǎn)軸部件的關(guān)聯(lián)誤差，研制了3D探測球聯(lián)動誤差測量裝置和球面路徑測量方法，依據(jù)多體系統(tǒng)運動學(xué)理論和齊次坐標(biāo)變換方法，實現(xiàn)了五軸CNC加工中心定位精度的顯著提高。文獻[15〗應(yīng)用線性插值和牛頓插值對CNC加工中心幾何和熱復(fù)合誤差進行了綜合建模。上述這些方法各具特點，且都對精工加工中心的誤差補償起到一定作用，但由于受到各種各樣工程因素制約在工程實踐應(yīng)用中相對較少。就神經(jīng)網(wǎng)絡(luò)在CNC加工中心誤差補償方面的應(yīng)用來說；文獻[6]提出了把灰色模型和神經(jīng)網(wǎng)絡(luò)相結(jié)合的誤差預(yù)測模型，降低了對樣本數(shù)據(jù)的要求。文獻[16]采用聚類分析和逐步回歸方法得到熱誤差建模******測溫點，采用粒子群優(yōu)化算法對二階差分模型參數(shù)進行實時辨識。文獻[17]基于前饋神經(jīng)網(wǎng)絡(luò)的自適應(yīng)矢量量化(AVQ)網(wǎng)絡(luò)聚類法，將18個溫度測點減少到3個，建立了反饋Elman(OIF-Elman)神經(jīng)網(wǎng)絡(luò)非線性熱誤差預(yù)測模型。這些方法都以神經(jīng)網(wǎng)絡(luò)為主體計算方法，同時又與其他算法相融合，均使其在CNC加工中心誤差補償方面具有一定成效。雖己有的建模方法精度較髙且在誤差補償中起到了一定作用，但在實際應(yīng)用中還存在如下問題；如模型理論的局限性、建模方法復(fù)雜、時間較長、模型魯棒性不高以及不適用于誤差實時補償?shù)?。為此，基于BP神經(jīng)網(wǎng)絡(luò)強大的非線性映射能力，本文提出了——BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的CNC加工中心綜合誤差補償方法，并開發(fā)了CNC加工中心綜合誤差補償系統(tǒng)。針對運用BP神經(jīng)網(wǎng)絡(luò)進行CNC加工中心誤差量預(yù)測時，數(shù)據(jù)量巨大且彼此相關(guān)性低，神經(jīng)元誤差曲面容易陷入平坦區(qū)域，導(dǎo)致訓(xùn)練效率降低的問題，通過在正向數(shù)據(jù)計算中引入陡度因子和在反向誤差調(diào)整中引入放大因子，提高收斂和擬合精度。把BP神經(jīng)網(wǎng)絡(luò)改進算法預(yù)測的誤差值作為CNC加工中心誤差補償量，通過修改CNC加工中心的刀位數(shù)據(jù)文件實現(xiàn)誤差補償，提高加工精度。通過在大型A/B雙擺角龍門CNC加工中心上加工零件的驗證實驗，表明該方法具有較局的誤差補償率。1 BP神經(jīng)網(wǎng)絡(luò)原理1.1基于BP神經(jīng)網(wǎng)路的綜合誤差預(yù)測模型由于造成A/B雙擺角龍門CNC加工中心加工精度衰減的因素較多，主軸的熱漂移誤差以及各運動軸的熱變形誤差占加工中心總誤差的40°/^70%[ls]，除加工中心自身內(nèi)外發(fā)熱源之外，還有各運動部件受磨損后的運動誤差，各軸伺服系統(tǒng)的跟隨誤差，以及工藝系統(tǒng)各部件的振動誤差等，因此建立精確的影響因素和誤差參數(shù)模型難度極大[2，19]。BP神經(jīng)網(wǎng)絡(luò)(BackPropagation Network)是 Rumelhart 和 McCelland 于1986年提出的多層前饋型神經(jīng)網(wǎng)絡(luò)，且是目前使用最廣泛的人工神經(jīng)網(wǎng)絡(luò)算法。BP神經(jīng)網(wǎng)絡(luò)算法具有極好的非線性映射和自學(xué)習(xí)能力[21_22],有利于實現(xiàn)這種多輸入單輸出的CNC加工中心誤差預(yù)測模型；在其后的誤差補償階段，當(dāng)向網(wǎng)絡(luò)添加未曾見過的樣本數(shù)據(jù)時，網(wǎng)絡(luò)也能完成由輸入空間向輸出空間的正確映射。結(jié)合前文所述誤差產(chǎn)生原因，建立如下的數(shù)學(xué)模型海天精工 備注：為保證文章的完整度，本文核心內(nèi)容都PDF格式顯示，如未有顯示請刷新或轉(zhuǎn)換瀏覽器嘗試，手機瀏覽可能無法正常使用！結(jié)束語：本文采用改進后的BP神經(jīng)網(wǎng)絡(luò)算法對多軸精工加工中心誤差進行補償。針對神經(jīng)元誤差曲面上的平坦區(qū)域造成的權(quán)值調(diào)整量不顯著，誤差下降緩慢，訓(xùn)練效率低的問題，本文提出了在正向信息傳遞階段引入陡度因子和在誤差反向調(diào)整階段引入放大因子的方法，為BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化和CNC加工中心的誤差補償提供了參考。對于后期CNC加工中心誤差測量數(shù)據(jù)種類和數(shù)量增多，該BP神經(jīng)網(wǎng)絡(luò)具有很好的自學(xué)習(xí)能力，增強了模型的適用性。開發(fā)的CNC加工中心誤差補償系統(tǒng)無須對現(xiàn)有加工中心進行大規(guī)模硬件改造，應(yīng)用簡便易于推廣。海天精工是一家集銷售、應(yīng)用及服務(wù)于一體的公司。產(chǎn)品包括：CNC加工中心、鉆攻中心、龍門加工中心、雕銑機、石墨機、五軸加工中心、立式加工中心、臥式加工中心等。我們機床的生產(chǎn)工廠設(shè)在廣東省寧波市，目前其生產(chǎn)的加工中心70%出口，其中出口到歐洲占到50%。我們盡心、盡力、盡意的服務(wù)！聲明：本站文章均來自網(wǎng)絡(luò)，所有內(nèi)容不代表本站觀點，本站不承擔(dān)任何法律責(zé)任！