基于误差分解的数控机床热误差叠加预测模型及实时补偿应用

上海交通大学学报（自然版） ›› 2013, Vol. 47 ›› Issue (05): 744-749.

基于误差分解的数控机床热误差叠加预测模型及实时补偿应用

姜辉，杨建国，李自汉，姚晓栋

(上海交通大学机械与动力工程学院，上海 200240)

收稿日期:2012-02-14 出版日期:2013-05-28 发布日期:2013-05-28
基金资助:
国家自然科学基金项目(51275305)，高等学校博士学科点基金（20110073110041）资助

Application of Real Time Compensation with Combinative Thermal Error Prediction Model Based on Error Separation on CNC Machine Tools

JIANG Hui,YANG Jianguo,LI Zihan,YAO Xiaodong

(School of Mechanical Engineering, Shanghai Jiaotong University, Shanghai 200240, China)

Received:2012-02-14 Online:2013-05-28 Published:2013-05-28

摘要/Abstract

摘要：

针对数控机床热误差变化复杂而难以用常规方法预测的问题，将温升过程的热误差按不同的误差因素分解为静态基准误差和温升影响误差2个部分，分别建模并叠加生成热误差整体预测模型；利用所建模型对一台典型三轴数控铣床进行热误差预测；同时，结合自主研发的误差实时补偿系统，采用模型预测值对机床热误差进行实时补偿.结果表明：所提出的模型可以准确预测温升过程中任意温度的变化状态和坐标位置的热误差；模型预测值对机床热误差的补偿效果显著，可大幅降低热误差对加工精度的影响.

关键词: 数控机床, 热误差, 建模, 实时补偿

Abstract:

A new modeling method was presented to smooth over the difficulties of thermal error modeling on computerized numerical control (CNC) machine tools. This method separates the thermal error into static error and error influenced by temperature alteration, then modeling separately, finally the two parts are combined into an integrated thermal error prediction model. Applying this model in a typical three axis CNC milling machine for thermal error prediction, the result shows that it can accurately predict the thermal error under any given temperatures and coordinates. With an innovative real time compensation system, using the predicted error to carry out the real time compensation experiment, the compensation effect validates that the thermal error can be significantly reduced.

Key words: computerized numerical control (CNC) machine tool, thermal error, modeling, real time compensation

中图分类号:

TH 161

姜辉，杨建国，李自汉，姚晓栋. 基于误差分解的数控机床热误差叠加预测模型及实时补偿应用[J]. 上海交通大学学报（自然版）, 2013, 47(05): 744-749.

JIANG Hui,YANG Jianguo,LI Zihan,YAO Xiaodong. Application of Real Time Compensation with Combinative Thermal Error Prediction Model Based on Error Separation on CNC Machine Tools[J]. Journal of Shanghai Jiaotong University, 2013, 47(05): 744-749.

参考文献

［1］Ramesh R, Mannan M A, Poo A N. Error compensation in machine tools——A review： Part Ⅱ. Thermal errors ［J］. International Journal of Machine Tools and Manufacture，2000，40 (9): 12571284.

［2］李永祥，童恒超，曹洪涛，等. 数控机床热误差的时序分析法建模及其应用［J］. 四川大学学报, 2006, 38 (2): 7478.

LI Yongxiang, TONG Hengchao, CAO Hongtao, et al. Application of time series analysis to thermal error modeling on NC machine tools ［J］. Journal of Sichuan University，2006，38 (2): 7478.

［3］ Yang H, Ni J. Dynamic neural network modeling for nonlinear, machine tool thermally induced error ［J］. International Journal of Machine Tools and Manufacture, 2005，45 (45): 455465.

［4］张宏韬，姜辉，杨建国. 模糊神经网络理论在数控机床热误差补偿建模中的应用［J］. 上海交通大学学报, 2009, 43 (12): 19501952.

ZHANG Hongtao, JIANG Hui, YANG Jianguo. Application of fuzzy neural network theory in thermal error compensation modeling of NC machine tool ［J］. Journal of Shanghai Jiaotong University, 2009, 43 (12): 19501952.

［5］ Shen J H, Yang J G. Application of partial least squares neural network in thermal error modeling for CNC machine tool ［J］. Key Engineering Materials, 2009，, 392: 3034.

［6］张毅，杨建国. 基于灰色神经网络的机床热误差建模［J］. 上海交通大学学报, 2011, 45 (11): 15811586.

ZHANG Yi，YANG Jianguo. Grey neural network modeling for machine tool thermal error ［J］. Journal of Shanghai Jiaotong University，2011，45 (11): 15811586.

［7］林伟青，傅建中，陈子辰，等. 数控机床热误差的动态自适应加权最小二乘支持矢量机建模方法［J］. 机械工程学报，2009，45 (3): 178182.

LIN Weiqing, FU Jianzhong, CHEN Zichen, et al. Modeling of NC machine tool thermal error based on adaptive bestfitting WLSSVM ［J］. Chinese Journal of Mechanical Engineering, 2009, 45 (3): 178182.

［8］ Wang K C, Tseng P C, Lin K M. Thermal error modeling of a machining center using grey system theory and adaptive networkbased fuzzy inference system ［J］. JSME International Journal, Series C: Mechanical Systems, Machine Elements and Manufacturing, 2007, 49 (4): 11791187.

［9］ Zhang Y，Yang J G，Jiang H. Machine tool thermal error modeling and prediction by grey neural network ［J］. International Journal of Advanced Manufacturing Technology, 2012, 59 (912): 10651072.

［10］姜辉，孙翰英，范嘉桢，等. 基于FANUC 0i系统外部坐标原点偏移功能的数控机床误差补偿研究［J］.机械制造, 2009, 47 (7): 7376.

JIANG Hui，SUN Hanying，FAN Jiazhen，et al. Application of error compensation on NC machine tools with external coordinate origin excursion based on FANUC 0i system ［J］. Journal of Machinery, 2009, 47 (7): 7376.

[1]	童振, 龚正, 王东泽, 王心怡, 谢子阳. 单孔腔镜手术机器人技术突破与启示:评徐凯团队术锐系统(特邀)[J]. 上海交通大学学报, 2026, 60(3): 355-363.
[2]	. ListPose：轻量级隐式时空建模的视频姿态估计模型[J]. J Shanghai Jiaotong Univ Sci, 2026, 31(1): 143-153.
[3]	罗志军, 王健瑞, 殷佳伟. 复杂战场环境下的任务驱动智能目标识别方法综述[J]. 空天防御, 2026, 9(1): 1-11.
[4]	沈赋, 杨志文, 徐潇源, 张微, 王哲, 曹旸. 基于统计聚类的综合能源系统基础单元模型[J]. 上海交通大学学报, 2025, 59(9): 1348-1358.
[5]	杜雪明, 向洋, 刘顺, 金隼. 机匣组线加工装夹找正系统误差建模与精度优化方法[J]. 上海交通大学学报, 2025, 59(8): 1156-1168.
[6]	王健磊, 张知朴, 孔晓俊, 张顺家, 龚春林. 偏转弹头导弹关键技术研究综述[J]. 空天防御, 2025, 8(6): 1-15.
[7]	焦鹏, 韦茏桓, 周鹏, 张琪. 基于通信行为树的多机空战协同决策建模研究[J]. 空天防御, 2025, 8(3): 40-49.
[8]	. 重复零和博弈中对无遗憾对手进行盘剥的研究[J]. J Shanghai Jiaotong Univ Sci, 2025, 30(2): 385-398.
[9]	严新荣, 王静, 郑文广, 高翔, 杜尔顺. 发电企业低碳转型路径优化方法及应用[J]. 上海交通大学学报, 2025, 59(10): 1487-1497.
[10]	何瑞文, 陆嘉亮, 杨长鑫, 彭浩, MOHAMMAD Shahidehpour. 新型电力系统下电力二次系统仿真的设计方法[J]. 上海交通大学学报, 2025, 59(10): 1419-1430.
[11]	胡志强, 刘鸣飞, 李琦, 李心雨, 鲍劲松. 基于多源异构数据的风机多模态装配工艺知识图谱建模[J]. 上海交通大学学报, 2024, 58(8): 1249-1263.
[12]	肖常胜, 周晓军, 祝米鑫. 生产调度与可靠性耦合的变工况再制造系统维护建模[J]. 上海交通大学学报, 2024, 58(8): 1211-1220.
[13]	李振坤, 于秋阳, 魏砚军, 田书欣. 基于CPSS的综合能源微网群参与调频辅助服务成本建模分析[J]. 上海交通大学学报, 2024, 58(6): 893-903.
[14]	王维平, 陈路, 王军民, 李小波, 朱智. 杀伤链体系数字任务工程进展综述与技术构想研究[J]. 空天防御, 2024, 7(5): 8-17.
[15]	韩一凡, 陈柏屹, 刘燕斌, 陈金宝. 变负载条件下多体折展机翼改进自抗扰控制方法[J]. 上海交通大学学报, 2024, 58(11): 1762-1771.