[发明专利]一种机床热误差预测模型的温度敏感点的选择方法

说明书

本发明公开了一种机床热误差预测模型的温度敏感点的选择方法，属于数控设备控制领域。该方法基于变量投影重要性指标选择温度敏感点，能够筛选出对热误差影响权重大的温度变量，同时有效降低温度敏感点选择结果的变动性，保证了热误差模型的实际预测效果，为热误差建模中的温度敏感点选择提供了一个很好的解决方案。

技术领域

本发明属于数控设备控制领域，更具体地说，涉及一种机床热误差预测模型的温度敏感点的选择方法。

背景技术

作为装备制造的“工作母机”，数控机床象征着一个国家制造业水平的高低，而数控机床的加工精度往往代表着机床性能的高低。数控机床在实际加工运行过程中，由于受到摩擦热、切削热和环境温度等因素的影响，机床零部件会膨胀产生热变形。此热变形会改变机床各部件之间的相对位置，使刀具偏离理想切削点，导致机床加工精度降低，而这种由热变形引起的误差称之为热误差。其中，主轴热变形是导致机床精度下降的重要因素。

据统计，数控机床热误差在机床总误差中占40～70％，且随着机床产品等级的提升，该比例会进一步增大。通过建立预测模型实现对热误差的预测和补偿，是目前有效降低热误差影响的最常用的手段。为了建立高精度热误差预测模型，通常将热误差建模过程分为两部分内容：温度变量的筛选，即温度敏感点选择，和建立热误差关于温度敏感点的预测模型。

目前常用的温度敏感点选择算法是模糊聚类结合灰色关联度算法。该算法通过模糊聚类能够选择相关性弱的温度变量作为温度敏感点，以减小温度变量间共线性对建模效果的影响。但是，该算法选择的温度敏感点中包含对热误差影响权重低的温度变量，造成温度敏感点中包含的温度信息不充分，最终导致热误差建模效果下降。

中国专利申请号为：CN201610256595.6，公开日为：2016年7月13日的专利文献，公开了一种基于无偏估计拆分模型的数控机床热误差预测方法及系统，所述预测方法按如下步骤进行：1.获取机床主轴的温度变量和热变形量；2.提取热误差建模所需的温度敏感点变量；3.建立机床热误差无偏估计拆分模型；4.求取所述无偏估计拆分模型的热变形量预测值，根据该值与热变形量测量值的差异状态，获得无偏估计拆分模型的预测性能；所述系统包括：红外热成像仪、温度传感器、电涡流位移传感器和工控机。

中国专利申请号为：CN201610256897.3，公开日为：2016年6月22日的专利文献，公开了一种实现大范围环境温度的机床稳健性热误差补偿的数据处理方法，包括步骤：1.提取建模温度自变量Xk；2.对Xk作标准化处理，由标准化温度自变量Xk*转换得到主成分Zk的表达式；3.提取前p个主成分参与建模；4.对主轴热变形量Sj作标准化处理，建立标准化热变形量Sj*和前p个主成分之间的多元线性回归方程；5.将Sj*和前p个主成分之间的回归方程转化为Sj*和Xk*的方程；6.将Sj*和Xk*的回归方程转化为Sj和Xk的方程，建立热误差补偿模型；并进一步对所述热误差模型的预测性能进行分析。

上述两种方案虽然能够对机床的热误差进行预测，但是二者的温度敏感点的选择均是采用的相关系数算法。该方法能够将对热误差影响权重大的温度变量选作温度敏感点，但存在的问题是温度敏感点选择结果存在变动性，造成实际热误差补偿过程中的补偿效果不显著，使得机床加工精度的提升并不明显。

发明内容

1、要解决的问题

针对现有的机床热误差预测算法中，温度敏感点的选择结果存在变动性的问题，本发明提供一种机床热误差预测模型的温度敏感点的选择方法，能够有效筛选出对热误差影响权重大的温度变量，并有效降低温度敏感点选择结果的变动性，保证了热误差模型的实际预测效果，具有较好的实际工程应用价值。

2、技术方案

为解决上述问题，本发明采用如下的技术方案。

一种机床热误差预测模型的温度敏感点的选择方法，包括以下步骤：