数控机床动压主轴热误差建模技术研究.docVIP

数控机床动压主轴热误差建模技术研究 　　摘 要：为了降低加工过程的热误差，提高数控机床加工精度，基于时序相关分析理论与数值计算方法，建立了一种以温度场分布及加工参数为输入的新型机床主轴热误差建模方法.所建模型由热误差模型、主轴动压轴承热特性模型以及主轴热传递模型三部分组成.该方法首先根据时序相关理论建立热误差与温度测点之间的相关模型，再通过灰色相关理论完成关键温度测点位置与数量的优化，同时，基于数值计算与热传导理论，建立了动压主轴系统热特性模型.以一台大型龙门导轨磨床为实验对象，建立了磨床主轴箱热误差预测模型.实验结果表明，所建立的热误差模型具有良好的热误差辨识性能. 　　关键词：时序相关分析；雷诺方程；有限差分法； 热误差 　　中图分类号：TH161 文献标识码：A 　　机床热误差是精密加工误差的主要来源之一，对其控制和补偿是提高机床加工精度的关键技术＼[1＼].机床热误差补偿涉及热误差检测、热误差预测模型和热误差实时补偿三类问题，其中热误差预测模型的建立最为关键＼[2＼]. 　　机床热误差控制的最新技术是基于热误差预测模型的误差实时补偿技术（RTEC）＼[3＼].由于机床热误差可以看作是关于机床热分布、位置以及运动方向的确定性函数＼[4＼]，故而，可以建立以机床温度场分布和运动方向为自变量的热误差模型.同时，机床温度场分布特性可以用若干温度测点处的数据来表征＼[5＼]. 　　本文运用时间序列分析理论拟合热误差与相关温度测点数据之间的关系，采用数值计算方法建立某高精度磨床主轴热特性模型，提高了此类热误差模型的预测精度和鲁棒性. 　　1 机床热误差模型的理论基础 　　1.1 时序分析建模方法 　　时序分析是对观测所得的有序随机数据进行分析和处理的一种方法，适用于输入不可测或不确定测量数据的描述，常被用于机床热误差建模. 　　根据时序分析理论＼[6＼]，对一组测点进行第i次测量的热误差χi可以分解为两部分，如式（1）和式（2）所示，一部分是确定性部分，完全取决于各温度测点处温度序列Tr，i的线性组合fi；另一部分是随机性部分，完全独立于Tr，i，由残量εi确定（如仪器的测量误差）.同时，假定εi是零均值的独立序列，即白噪声序列，因而，对于不同i值，εi是相互独立的. 　　χi=fi+εi.（1） 　　fi=β0+β1T1，i+β2T2，i+…+βRTR，i.（2） 　　式中：i=1，2，…，I，βo为常数，βi为系数，r为温度测点序号，R为温度测点总数. 　　基于热误差χi和各温度测点处温度Tr，i的实测样本序列，采用最小二乘法获取系数β0和βi的估计值0和i，如式（3）所示： 　　=TTT-1TTχ.（3） 　　式中，χ=χ1，χ2，…，χIT， 　　=o，1，2，…，RT， 　　T=1T1，1T2，1…TR，11T1，2T2，2…TR，21T1，IT2，I…TR，I. 　　将系数估计值代入式（2）和（1），得到残量序列εi，如式（4）所示： 　　εi=χi-o+1T1，i+2T2，i，…，RTR，i.（4） 　　采用一阶自回归模型描述残差，如式（5）所示： 　　εi=φ1εi-1+ai.（5） 　　采用最小二乘估计求解上述模型的参数，如式（6）所示.同时，ai是均值为0的正态分布序列： 　　1=∑Ii=2εiεi-1/∑Ii=2ε2i.（6） 　　综上所述，由一组测点确定的热误差计算模型如式（7）所示： 　　χi=0+1T1，i+2T2，i+…+RTR，i+10+1T1，i-1+2T2，i-1+…+RTR，i-1+ai.（7） 　　1.2 机床温度测点优化方法 　　机床各部分温度的分布特性是热误差产生的内在原因，因而，温度测点数量和位置的选取将直接影响式（7）计算误差的准确性.基于已有的测试数据，采用灰色关联度分析方法进行温度测点位置和数量的优化选取，可以将测点数目控制在合理范围内的同时，提高式（7）的计算精度. 　　灰色关联度分析是按照系统中各特征参量序列之间的相似程度进行系统分析的一种方法[7-8]，保证各特征参量间的等效性和同序性，是进行关联度分析的前提. 　　采用极差变换法的一种改进形式，对热误差与各温度测点的实测结果进行无量纲化处理，如式（8）所示： 　　x（k）=max x（k）-x（k）max x（k）-min x（k）， 　　k=1，2，…，n.（8） 　　设对应于热误差实测值的x0为参考序列，对应于各温度测点的温度实测值的xi为比较序列，则x0对xi在第k点的灰关联系数如式（9）所示： 　　ξ0i（k）=min imin kΔ0i（k）+ρmax imax kΔ0i（k）Δ0i（k）+ρmax imax kΔ0i（k）.（9） 　　其中