一种基于蚁群神经网络的机床热误差建模方法技术

本发明专利技术涉及一种精密加工技术领域中的数据处理方法，具体是一种基于蚁群神经网络的机床热误差元素建模方法，包括：（1）滚齿机热误差源分析；（2）神经网络模型的建立；（3）基于蚁群算法的网络权值训练；（4）热误差补偿实验。本发明专利技术具有热误差逼近能力强、预测精度高、鲁棒性强的优点，可以有效地控制滚齿机热变形，进而提高齿轮加工精度。

【技术实现步骤摘要】

本专利技术涉及一种精密加工
中的数据处理方法，具体是一种基于蚁群神经 网络的机床热误差建模方法。
技术介绍
大量研究表明，热误差是机床的最大误差源，占整个机床误差的40%~70%。滚 齿机长时间工作后，产生的热量对其加工精度影响很大，随着切削速度的提高和切削功 率的增大，由热变形引起的误差更是严重影响了齿轮加工精度。随着现代制造技术的不断 发展，通过控制主要热源或改变滚齿机结构来消除其热变形效果已不明显，而对滚齿加工 实施热误差补偿正以较低的制造成本和显著的经济效益，得到迅速发展。 滚齿机在工作过程中是一个复杂的热态系统，周围环境、冷却液、加工周期、液压 系统及各种摩擦都影响了其热变形，热误差具有非线性、交互性和耦合性，精确有效地建立 热误差数学模型是实施热误差补偿的难点之一。由于滚齿机热变形影响因素众多，具有非 统计性与不可预测性，属于典型的非线性系统。BP神经网络因其结构简单、可靠性高、适于 处理复杂非线性问题的优点在热变形预测领域得到了广泛应用，但BP神经网络易于陷入 局部极小值，同时需要大量学习时间。 为提高滚齿机床的加工精度，本专利技术以Y3150K型滚齿机的热误差作为研究对象， 建立综合反映温度变量与位移变量关系的最优热误差模型，为提高滚齿机床加工精度提供 理论依据，具有重要的现实意义。
技术实现思路
本专利技术的目的在于在BP神经网络的权值训练过程中引入了一种新的随机型全局 搜索算法--蚁群算法，利用这种源于自然界的新型仿生学算法，吸收蚁群的行为特征，通 过其内在搜索机制，优化神经网络学习过程中权值。解决了目前BP神经网络主要采用梯度 下降法对连接权值进行训练，收敛时间长、易于陷入局部极值等难题，增强了模型的预测能 力和热误差逼近能力，提高了热误差补偿的效率，为其它类型机床的热误差建模提供了有 益参考。 本专利技术是通过以下技术方案实现的，本专利技术具体包括以下内容：（1)滚齿机热误 差源分析；（2)神经网络模型的建立；（3)应用蚁群算法对网络权值进行训练；（4)热误差 补偿实验。 本专利技术所述的滚齿机热误差源分析，可以通过以下步骤实现：（1)Y3150K型滚齿 机床加工时的主要热源，主要包括以下几个方面：1)切削热。滚齿加工过程中，刀具与工 件之间由于摩擦、金属的弹塑性变形及切削力所做的功都会产生大量的热，这些切削热最 终进入切屑或周围环境，并进一步经传导、辐射等方式传递到机床的各零部件中，引起热变 形；2)摩擦产生的热。由于滚齿加工过程中切削力较大，各轴承、导轨及油封之间都会因摩 擦产生大量的热；3)各电机由于电能转换产生的热。如主轴电机、各轴的进给电机、工作台 的旋转电机等，这些电机在加工过程中不断消耗电能，而这些电能最终都转换成了热量传 入机床各零部件中；4)周围环境。随齿轮加工精度要求的日益提高，环境温度对齿轮加工精 度的影响逐渐增强。由于很多地方昼夜、季节之间的温差较大，恒温加工已势在必行；5)其 它因素。如冷却液、液压系统、其它热源的热辐射等等。所有这些都引起了滚齿机机床零部 件的热变形，进而影响了齿轮加工精度。（2 )利用温度传感器对热误差源信号进行检测，并 对温度信号进行A/D转换；利用位移传感器对滚刀和工件主轴在径向的热变形误差进行检 测，并对位移信号进行A/D转换；（3)将床身和立柱分别按梁和悬臂梁进行分析，床身和两 侧立柱受热后会产生图5所示的弯曲变形，热变形改变了滚齿机上刀具与工件间的相对位 置关系，引起加工误差。设床身、立柱、小立柱的膨胀系数分别为，床身上下表面、 立柱与小立柱内外侧温差分别为Ail、、1%，尺寸如图5所示，则滚刀与工件之间由于热 变形影响产生的位移偏差为 本专利技术所述的神经网络模型的建立，是指：根据滚齿机上温度传感器与位移传感 器的安装数目，采用三层BP神经网络对温度变量进行信息融合，该网络主要由输入层、隐 含层和输出层组成，其中输入层代表引起滚齿机床热变形误差的温度变量，输出层代表滚 刀与工件主轴的径向位移。 本专利技术所述的基于蚁群算法的网络权值训练，可以通过以下步骤实现：（1)假设 蚁群中有20只蚂蚁，将其放在不同的输入节点上，并为每条路径赋外激素初值。（2)选取一 个元素作为连接权值；（3)蚂蚁完成元素选择，修改其外激素值；（4)外激素浓度达到一定 值，得到优化的连接权值，否则返回（2)继续寻优。 本专利技术所述的热误差补偿实验，是指：将热源的温度值及热变形误差信号经过信 号处理单元后经串口送入PC，基于蚁群算法建立优化的滚齿机热误差神经网络模型，将模 型嵌入DSP，进而获得补偿值，并经并口送入机床数控系统，完成热误差补偿过程，最后应用 3种模型分别对滚刀主轴与工件主轴的径向热变形误差进行预测分析，验证模型预测性能。 本专利技术与现有机床误差建模技术相比显著效果在于：综合分析了滚齿机的主要热 源，在利用BP神经网络模型的预测精度较高的基础之上，有效克服了其算法存在的固有缺 陷，提高了模型的预测能力。 本专利技术针对滚齿机热误差建模的实际需要，根据热误差补偿技术中的核心问题， 建立滚齿机床热误差的蚁群神经网络模型，具有热误差逼近能力强、预测精度高、鲁棒性强 的优点，有效地控制滚齿机主轴热变形。本专利技术使用先进的智能算法，为滚齿机热误差补偿 的实施及齿轮加工精度的提高提供理论依据。【附图说明】 附图1是本专利技术的技术流程图； 附图2是本实施例的实施方案； 附图3是本实施例的3种模型的热误差逼近曲线； 附图4是本实施例补偿后3种模型的热误差曲线； 附图5是本实施例的热变形TK意图； 附图6是本实施例的神经网络结构。【具体实施方式】 以下结合附图对本专利技术的技术方案作进一步描述。 本专利技术的技术流程图如图1所示，分析加工时滚齿机的主要发热源，以及热变形 对齿轮加工精度的影响，以测得的温度信号作为模型输入层、热变形误差作为模型输出层当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于蚁群神经网络的机床热误差元素建模方法，其特征在于，具体包括以下步骤：滚齿机热误差源分析；神经网络模型的建立；基于蚁群算法的网络权值训练；热误差补偿实验。

【技术特征摘要】

【专利技术属性】
技术研发人员：郭前建，徐汝锋，贺磊，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：山东;37