数学执本与率用
航空制造中数控机床综合误差研究
盖继跃
(中航工业沈阳飞机工业集团有限公司辽宁沈阳110043)
应用研究
摘要着飞机向大型化和精密化方向的发展,航空制造的精度越来越受到重视精密和超精密加工已经成为现代航空制造中最为重要的核心指标。本文将数控加工综合误差归一为数学模型,采用BP神经网络进行综合误差各参数进行训练调整，使得数控机床实现加工误差动态的实时进行补偿，这种误差预测、补偿具有动态性、实时性、鲁裤性强等优点，可以大幅提高数控机床的精度和工件的加工精度
关键词：航空制造综含误差数控机床
中图分类号：TH11 1引言
文献标识码：A
文章编号:1007-9416(2016)02-0113-01
把几何误差和切削力误差两种误差失量进行求和操作，就得到
航空制造过程中，对整个飞机零部件制造质量最为重要的环节之一就是机床，现代制造中机床基本全是数控机床，数控机床较为核心的指标就是机床的加工精度。数控机床的加工精度主要是由机床刀具和工件的相对位置来决定的，刀具和工件之间的综合误差会影响到刀具的走刀和工件的移动之间的相对位移。无论多么精密的数控机床，都会存在误差的。只是在航空制造过程中，对误差的要求较为严格，对数控机床的精度要求比较昔刻。随着飞机向大型化和精密化方向的发展，航空制造的精度越来越受到重视，精密和超精密加工已经成为现代航空制造中最为重要的核心指标，也是航空制造企业提高企业核心竞争力的关键技术。
数控机床在航空制造中，误差主要是在机械加工中几何误差和切削力误差两个因素导致的，工件的加工精度同时受到几何误差和切削力误差的影响。如何来对整个数控加工的误差进行预测，反馈到数控加工过程将是数控工程师要解决的问题，本文提出数控加工综合误差模型，采用BP神经网络算法对综合误差进行动态预测，然
后将结果反馈到数控加工过程中，以此来提升加工精度。 2BP神经网络介绍
BP神经网络算法是近年来较为流行的智能自学习算法，BP神经网络算法主要是通过输人学习样本，使用反向传插算法对网络进行反复调整和不断训练，使得输出向量与期望值无限制的接近，设定一个误差，当网络输出的误差小于设定的误差时则完成训练。BP 神经网络拓扑主要包括输人层、输出层和隐层。BP神经网络通过不断的自学习过程，可以能够对新的输人得到一个期望的输出，它的学习方式是通过海量的学习样本不断的调整网络拓扑的连接权值，即不断的对各连接权值进行动态调整，
BP神经网络的输人层表示为O,=(net,)(k=1.j)
其中ner,=
wy (k=1..j)。
BP神经网络的隐层表示为y,=f(ner,)j=1m）
共中,-5(0-m）。转移函数f(x)为Sigmoid函数f(x)=
1+e
3综合误差补偿模型
数控机床的误差主要有几何误差、切削力误差、控制误差，热误差、刀具磨损引起的误差等，本文重点研究几何误差和切前力误差。儿何误差主要来自数控机床加工工件的制造和装配精度，当机床移动或旋转时，这些误差会映射到机床的运动部位，几何误差就此产生。切削力误差是由于数控机床工作时，金属材料具有弹性，特别是在高速切削或难以加工的金属材料切削时，数控机床和加工工件会有力的变形号起的误差，这个误差一般占综合误差的15%左右，所以
对数控机床加工的精度影响比较大。收移日期：2016-0105
了综合误差。针对数控机床加工综合误差问题，采用一种基于BP神经网络的误差补偿机制，该模型可以比较准确的预测加工工件的加工误差，进而通过BP神经网络预测的加工误差反馈到数控机床加工过程中进行误差补偿。
本文以三轴加工中心为例，运动部件主要有主轴.X滑板.Y滑板、Z滑板。误差主要有X轴移动、Y轴移动、Z轴、主轴S移动移动导致的。从所有的几何误差和切削力误差中提取对数控机床加工中对工件加工精度影响相对较大的50个误差元素，得出数控机床加工的综合误差模型，数控机床综合误差数学模型为：
, =8,+8,+8+8,+8f+8, +8, +8, +8, +8,+8, 8,8, +8f+ 5, +2S, y5, + 2, + 2e, + 2, + 2E, + 2e, + 26, yc, ye ye,, =8, +8, +8, + 8, + 8, +8, +8, +8, + 8, + 8, +6, 8, +8, 25,
26, 26, 26, 26, 2e, 26, 57
, = 5, +$, + S, +5, +$, + S, + $, +, +5 + , + , +', +5, + $, +
, 2
BP神经网络算法对综合误差的学习主要分为4个阶段：(1)从BP 神经网络的输入层开始一层一层向前进行计算，根据输人样本容量来得到各层的输出值，可以求出输出层的输出：(2)网络的期望值输出与网络的实际输出值之闻的误差信号从输出层反向到输人层进行不断计算和修正过程；(3)前向和反向两个方向反复的不断进行网络的训练过程(4)神经网络逐渐趋向收敛，神经网络的全局误差不断向极小值无限趋近的学习过程。
通过BP神经网络的训练和学习，使得数控机床实现加工误差动态的实时进行补偿，这种误差预测、补偿具有动态性、实时性、鲁棒性强等优点，可以大幅提高数控机床的精度和工件的加工精度。 4结语
航空设备制造中，零部件一般体积较大，对精密度条件比较苛刻，如何来减少数控加工中的误差是航空制造工程师需要关注和解决的问题，数控加工引人的误差是方方面面的，如何将这些林林总总的误差进行汇总整合引人数学模型，进行修正误差，本文采用将数控加工综合误差提出参考模型，然后采用BP神经网络进行综合误差各参数进行训练调整，满足设定要求后输出结果，将输出结果反馈到数控加工过程，动态的对整个数控加工过程进行不断修正，达
到提高加工精度的目的。参考文献
[1]刘焕牢.数控机床几何误差测量及误差补偿技术的研究[D].华中科技大学，2005
[2]姚三则.数控机床四运动误差检测与分析[]].机械设计与制造 2009(09).
[3]倪军.数控机床误差补偿研究的回顾及晨望[J].中国机械工程， 1997(01).
[4]贾敏患.鲁友基.机床几何误差和运动误差及其误差补偿技术[J] 机电技术，2004(02)
作者简介：盖链跃(1968一),男，山东临沂人,工程师，研究方向：机械数控及生产准备
113