[发明专利]数控镗床热效应下镗杆热伸长误差温度测点约简的方法

摘要

数控镗床热效应下镗杆热伸长误差温度测点约简的方法，该方法提高镗床热误差建模精度的关键之一在于温度测点约简。本文首先利用主成分分析法提取温度数据样本的主成分。然后，将每个温度变量属性在主成分空间中的贡献度记为单个变量贡献度，将SVC较大且通过筛选的温度变量作为关键温度测点。在某型号的镗床上进行了实验，结果表明该方法将镗床温度测点由11个减少到了4个，有效提高温度数据采集与分析效率，通过本发明可以解决数控镗床误差补偿建模过程中温度测点过多或补偿模型鲁棒性差的问题。

主权项

1.数控镗床热效应下镗杆热伸长误差的温度测点约简方法，其特征在于：该方法的具体步骤如下，步骤一采集数控镗床运行过程中各部件随时间变化的温度变量和镗杆热伸长误差量；首先，在数控镗床的重要位置安装k个温度传感器进行温度测量，所述数控镗床的重要位置主要包括镗杆静压油温及静压泵位置、镗杆前端、齿轮箱位置、镗杆前轴承上下端及镗杆后轴承位置、镗杆静压油出入口处及主轴电机位置；将千分表安装固定在镗床工作台上进行镗杆热伸长误差的测量；然后，先在机床冷态下测量镗杆热伸长误差，测量后，开动镗床，首先齿轮箱设为一档，转速设为600r/min，然后让镗杆自然升温自然伸长直到其达到热平衡状态，然后停机使镗杆自然降温直到镗杆长度不再变化温度不再明显降低；再将齿轮箱设为二档，转速2000r/min，并重复上述过程；通过运行镗床得到：①k个位置的温度传感器测得的温度T随时间t的变化量T{T1(t)，T2(t)，…，Tk(t)}；②千分表测得的热伸长误差量Y(t)；步骤二依据主成分分析法提取主成分主成分分析也称主元分析，旨在利用降维的方法，把多数指标转化为少数几个综合指标；其主要思想是寻找到数据的主轴方向再由主轴构成一个新的坐标系，这个新坐标系的维数可以比原维数低，然后数据由原坐标系向新的坐标系投影；这个投影的过程就是特征数据降维的过程；根据这一原理提出了优化镗床温度测点的方法，具体步骤如下，步骤2.1整理大量的镗床温度数据构建温度矩阵Tm×n,其中m为温度数据采集样本数目，n为在镗床上所布置的温度传感器数目，则有步骤2.2对列向量进行中心标准化处理，则有其中，i_＝1,2,…,m,j＝1,2,…n；是第j列温度变量的平均值；std(T_j)是第j列温度变量的标准差，M是温度采样的数目；步骤2.3计算标准化数据矩阵的协方差矩阵S，则矩阵元素s_jk计算公式如下式中：j＝1,2,…,n；k＝1，2，…，n；步骤2.4计算协方差矩阵S的特征值，按大小进行排序得λ1≥λ2≥λ3≥…λn；特征值对应的特征向量为α1,α2,α3,…αn步骤2.5由协方差矩阵S的特征值计算方差贡献率βK和累计方差贡献率β(k)计算公式如下λk，λq分别表示对应协方差矩阵的特征值，k,q＝1,2….n；依据累积方差贡献率大于85％的原则选择主成分，提取A个主成分，则第i个主成分其中，i＝1,2,…,q；步骤三依据单个变量贡献率原理识别并筛选关键温度测点依据主成分分析对温度数据降维之后，得到几个新的综合指标来代替镗床上大量温度传感器得到的数据，但是并不知道关键温度测点的位置；因此，提出单个变量贡献的概念来识别和筛选关键温度测点；由上文得到主成分变量的公式可知，主成分变量在代数学上是n个温度变量x1，x2，…，xn的线性组合，从而得到在上式中，将第n个温度变量对第A个主成分变量的权重记为WAn，其绝对值表示该温度变量对该主成分变量的贡献值；由上式看出，对单主成分的信息量，各原始温度变量t1,t2,…,tn所占的权重各不相同，由此提出将第j个温度变量在主成分空间中的贡献度记为单个变量贡献度SVC，其定义给出如下依据SVC的定义，计算每个温度测点的贡献度并按照降序排列，选取累积贡献度大于90％的温度变量组合为关键温度测点，从而达到温度测点约简的目的。