数控加工技术
现代制造工程(Modem Manufacturing Engineering）
2016年第12期
基于信息融合的五轴机床热误差建模技术
郭前建，于洁，王红梅，李爱军
（山东理工大学机械工程学院，淄博255049）
摘要：五轴机床能对复杂的自由曲面进行加工。对五轴机床热误差进行控制，是提高其加工精度的关键所在。针对现有热误差建模方法预测精度较低、通用性和鲁棒性较差的间题，提出一种基于信息融合的五轴机床热误差建模方法。与传统建模方法相比，通过实时调整模型参数，该融合预测方法能够用于不同类型、不同操作条件的机床。将该方法应用于一台双转台五轴机床的实验研究，建立了该机床热误差的融合预测模型。实验结果表明，该方法能够提高热误差
模型的预测精度及鲁棒性，从而提高五轴机床加工精度。关键词：五轴机床；热误差；建模；融合预测
中图分类号：TH161文献标志码：A文章编号：1671—3133(2016)12--0071—05 DOI:10.16731/j. cnki.16713133.2016.12.014
Thermal error modeling of five-axis machine tools based on
informationfusion technology Guo Qianjian, Yu Jie, Wang Hongmei,Li Aijun
(School of Mechanical Engineering,Shandong University of Technology,Zibo 255049,Shandong,China) Abstract:Because of the advantage of high precision free-form surface machining,five-axis machine tools is widely used today Controlling its thermal errors is the main way for improving its machining accuracy, In order to solve the problem of low prediction accuracy,poor robustness and generality,a new thermal error modeling method is proposed based on information fusion technolo-gy. Comparing with the traditional modeling methods,the new fusion prediction method can be used in thermal error modeling of different types of machine tools with different operating conditions. The method was applied to the research of a two tumtable five-axis machine tool, and the thermal error model was presented. The experiment result shows that the new method can significantly improve the accuracy and robustness of thermal error model.
Key words five-axis machine tools ; thermal error;modeling;fusion predict
0引言
装备制造业是国之基石，而代表装备制造业最高水平的五轴机床，则反映了一个国家的工业发展水平。如何提高其加工精度，已成为世界各国竞相追逐的目标。在各误差源中，热误差占到了五轴机床总误差的40%[1]，对其进行有效控制，是提高五轴机床加工精度的关键所在。近年来，作为一种行之有效的热变形控制方法，热误差补偿技术得到了广泛应用[2]。
为实施热误差补偿，首先需要建立机床各关键热源与机床热误差之间的函数解析关系，即机床热误差模型。从20世纪90年代开始，机床热误差建模技术就已成为国际上的研究热点，目前国外比较有影响的
，国家自然科学基金项目（51305244）万方数据
研究机构有美国的密西根大学、日本的东京大学以及德国的柏林工业大学等，国内有浙江大学、上海交通大学、天津大学、大连理工大学和沈阳机床厂等。进入21世纪以来，机床热误差建模技术在国际上取得了更大发展[34]，出现了以下研究趋势。
1)热误差建模的研究对象向多轴方向发展(5-6)。 2)所建热误差模型综合考虑多种、多个误差元素
的影响[78]。
3)各种人工智能方法越来越多地应用于热误差建模，模型的精度越来越高[9-10]。
通过对热误差建模技术的研究动态进行分析，可以得到如下结论。
1)各种神经网络模型以及遗传算法、模糊理论和
71