基于BP神经网络的五轴数控机床热误差补偿建模

作者:伍伟敏;文建平;孙慧;徐文庆 刊名:内燃机与配件 上传者:邓正栋

【摘要】随着我国经济实力的不断发展;我国对于工业加工领域的重视程度在不断的加强;尤其是在数控机床的应用;具有重要的意义;不仅能够有效提高数控机床工作效率和质量;还能保障产品质量;为了有效判断数控机床档次;应当以数控机床加工精度作为主要的检测标准;而传统的五轴数控机床在热影响下;经常性的出现加工精度下降的问题;针对于此;本文基于BP神经网络的五轴数控机床热误差补偿情况进行建模分析;对比之前的应用数据可知其能够有效提高五轴数控机床的加工精度;具有重要的推广价值;

全文阅读

0引言通过分析以往大量五轴数控机床实际应用情况可知,五轴数控机床在热影响下出现精度下降的概率大大增加,而将BP神经网络应用到五轴数控机床运行过程中,能够有效解决数控机床的综合性误差,且能够提高数控机床运行效率和质量。[1]与此同时,在研究BP神经网络的应用效果时,将放大因子和陡度因子引入到数控机床运行过程中,以此来实现BP神经网络建模目的,便于后期进行研究和分析数控机热误差补偿问题。在BP神经网络建模过程中,要将数控机床误差数据和刀位偏差数据作为基础建模基准,进而证明在应用BP神经网络时不需要将五轴数控机床进行全面的修改就能有效降低出现热影响误差概率,提高五轴数控机床工作效率和质量。1 BP神经网络应用于数控机床综合误差补偿的原理为了得到准确BP神经网络应用于数控机床综合误差补偿的数据,本文主要将A/B双摆五轴数控铣床情况作为分析案例,通过详细的分析和研究得到合理的误差数据。在五轴数控铣床运行时,由于其长时间的运行,造成其加工精度下降的因素有很多,会延长整体的加工时间和降低加工质量。一般情况下,五轴数控机床出现误差的原因主要为数控机床主轴热漂移误差和各运动轴出现的不同程度的热变形误差,这两种情况都能够增加出现数控机床的误差概率。出现这种热影响的主要因素为数控机床长时间运行、散热性差、主轴靠近发热源等,还有可能是五轴数控机床内部各工件出现振动而出现的运动误差等。[2]如果将具有误差的五轴数控机床检测数据作为建模标准,难以建立热影响误差因素参数模型。通过分析BP神经网络的工作原理可知,其采用的算法具有独特性,并且能够根据相关的数据进行自我学习和非线性映射能力,因此将其应用到五轴数控机床热误差补偿建模时,能够在其输入端进行多端输入,其能够有效处理大量的检测数据,并能够将其与正常的数据相对比,使其输出五轴数控机床热误差补偿模型数据,保证模型的合理性。与此同时,在应用自我学习能力时,其还能在利用其算法进行后续数据处理,并将后期添加的数据与前期数据相比较,将其映射到热误差补偿模型中,得到两段运行阶段的模型差值。所以,本文着重构建单隐层BP神经网络,对应单隐层形式BP神经网络拓扑结构可见图1。虽然五轴数控机床在实际运行中会受到不同因素的影响,但是热影响是主要的影响因素,因此结合BP神经网络,将各类热影响数据进行分析和研究,并输出有效的处理数据,使其构建完善的五轴数控机床热误差补偿模型,便于工作人员进行分析和研究,为后期五轴数控机床的创新和发展提供有效的参考数据。[3]2 BP神经网络建模流程BP神经网络在建立五轴数控机床热误差补偿模型时,需要先得到数控机床运行过程中各类误差数据,然后将其输入到BP神经网络拓扑结构中,得到隐层输出量和输入量的值,然后将数控机床的网络输出层作为主要的对比数据,要将其输入到网络训练模式中,进行数据优化和分析,以此来保证对比数据的合理性和准确性。在检测五轴数控机床的实际数据后,按照BP神经网络中的算法应用可知,其所含的隐层内容为非线性激活函数,所输出的层次为线性激活函数,因此这两种函数都是能够进行调整的函数。本文所采用的BP神经网络具有重要的应用意义,不仅能够有效的结合五轴数控机床数据信息,还能对误差影响因素进行合理的控制,达到正确的建模标准,实现数据信息的正向传输,还能对误差因素进行反向控制。在向BP神经网络输入数据时,其能够根据所检测到的数据信息进行追踪,确保数据信息的准确性。可参考图2。[4]图1单隐层形式BP神经网络拓扑结构在实际应用中,其能够将权值标量作为主要的输入样本,然后将其上传到隐层中,激发隐层内部所含有的数据处理函数

参考文献

引证文献

问答

我要提问