【技术实现步骤摘要】
本专利技术涉及机床，更具体地，涉及一种基于cnn-bigru-a的龙门机床整体实时热误差补偿方法。
技术介绍
1、机床是制造业中关键的设备，其加工精度直接影响着产品的质量和生产效率。然而，由于机床各部件在加工过程中因摩擦、切削和电气设备等产生的热量累积，引起温度变化和热变形。这些热变形会使机床的几何精度发生变化，从而影响加工零件的尺寸精度和形状精度。据研究机床的热误差占机床总误差的60％-70％，是制约机床加工精度提升的关键难题，因此开展对机床热误差补偿的研究具有重要的实际意义。
2、目前，应用最为广泛的减小机床热误差的方法是误差模型补偿法，即通过对机床关键热源温度进行分析、归纳、筛选，研究机床热误差与关键热源温度的映射关系以得到误差模型。传统的误差补偿方法如核主成分分析、多尺度变换法、svm、bpnn等仅适用于特定数据集，且在提取特征时依赖相关人为经验，造成误差模型泛化性能较低，难以外部环境变化和多加工工况下的预测性能下的模型鲁棒性要求，一定程度上制约了热误差补偿技术的发展。另一方面，传统的误差补偿技术主要针对主轴，对机床传动轴热误差以及机床整体热误差的研究较少，对机床整体误差的补偿也是一大难题。
技术实现思路
1、本专利技术旨在克服上述缺陷，提供了一种基于cnn-bigru-a的龙门机床整体实时热误差补偿方法，可以实现高频次兼具高同步的补偿策略。
2、作为本专利技术的第一个方面，提供一种基于cnn-bigru-a的龙门机床整体实时热误差补偿方法，包括如下
3、步骤s1：获取机床主轴的历史温度数据和历史热变形数据，同时获取机床传动轴各测点的历史温度数据和历史热变形数据；
4、步骤s2：融合一维卷积层、双向门控神经网络层、注意力机制层和全连接层构建热误差预测模型；将机床主轴的历史温度数据和机床传动轴各测点的历史温度数据作为输入特征样本，将机床主轴的历史热变形数据和机床传动轴各测点的历史热变形数据作为输出特征样本，根据所述输入特征样本和所述输出特征样本对所述热误差预测模型进行训练，以得到训练后的热误差预测模型；
5、步骤s3：读取机床主轴的当前温度数据，将所述机床主轴的当前温度数据传输至所述训练后的热误差预测模型中进行预测，以输出机床主轴的当前热误差补偿值，然后将所述机床主轴的当前热误差补偿值传输至机床数控系统中，所述机床数控系统依据所述机床主轴的当前热误差补偿值进行补偿；
6、步骤s4：读取机床传动轴各测点的当前温度数据，将所述机床传动轴各测点的当前温度数据传输至所述训练后的热误差预测模型中进行预测，以输出机床传动轴各测点的当前热变形计算值；然后将机床传动轴各测点的坐标和各测点的当前热变形计算值拟合成一元多次方程，得到机床传动轴的拟合系数；最后将机床传动轴的拟合系数传输至所述机床数控系统中，所述机床数控系统将机床传动轴上目标位置点的坐标代入该一元多次方程中，以计算出机床传动轴上目标位置点的当前热误差补偿值，所述机床数控系统依据所述机床传动轴上目标位置点的当前热误差补偿值进行补偿。
7、进一步地，所述获取机床主轴的历史温度数据和历史热变形数据中，还包括：
8、热机指定时间后，开展机床主轴的变转速实验，每组实验以定转速转指定时间后，停机以通过温度传感器检测所述机床主轴的历史温度数据和通过激光干涉仪检测所述机床主轴的历史热变形数据；
9、其中，所述机床主轴的历史热变形数据包括机床主轴x、y、z方向的历史热变形数据。
10、进一步地，所述获取机床传动轴各测点的历史温度数据和历史热变形数据中，还包括：
11、热机指定时间后，开展机床传动轴的定测点实验，分别设置机床传动轴的各测点，待所述机床传动轴的各测点移动到位后，停机以通过温度传感器检测所述机床传动轴各测点的历史温度数据和通过激光干涉仪检测所述机床传动轴各测点的历史热变形数据；
12、其中，所述机床传动轴各测点的历史热变形数据包括机床传动轴各测点x、y、z方向的历史热变形数据。
13、进一步地，还包括：
14、热机5min后，开展机床传动轴的定测点实验；
15、机床传动轴每隔l/n间距进行一次温度测量和热变形测量，其中，l为机床传动轴的长度，n为机床传动轴上测点的数量，机床传动轴的进给速度为1000mm/min，机床传动轴的各测点移动到位后停止移动；
16、在机床传动轴的当前测点移动到位后停止移动，以通过温度传感器检测所述机床传动轴当前测点的历史温度数据和通过激光干涉仪检测所述机床传动轴当前测点的历史热变形数据；之后机床传动轴继续移动，直至机床传动轴后续测点的历史温度数据和后续测点的历史热变形数据均检测完毕。
17、进一步地，所述将机床主轴的历史温度数据和机床传动轴各测点的历史温度数据作为输入特征样本，将机床主轴的历史热变形数据和机床传动轴各测点的历史热变形数据作为输出特征样本中，还包括：
18、将所述机床主轴的历史温度数据和所述机床传动轴各测点的历史温度数据进行标准化处理，以得到多个标准化后的历史温度数据；
19、使用灰色关联性分析算法计算出各个标准化后的历史温度数据与其对应的历史热变形数据之间的关联度，从所述多个标准化后的历史温度数据中筛选出关联度超过预设阈值的历史温度数据，并将该关联度超过预设阈值的历史温度数据作为输入特征样本，将该关联度超过预设阈值的历史温度数据所对应的历史热变形数据作为输出特征样本；其中，关联度的计算公式如下：
20、
21、式中：x0(k)为历史热变形数据，[x1(k)，x2(k)，……，xt(k)]为标准化后的历史温度数据，ρ为灰色分辨系数。
22、进一步地，所述融合一维卷积层、双向门控神经网络层、注意力机制层和全连接层构建热误差预测模型，还包括：
23、所述一维卷积层和所述双向门控神经网络层用于提取重构特征；所述注意力机制层用于在特征维度以点积形式重新分配各特征的权重参数；所述全连接层用于将维度映射至输出维度，并且生成最终的预测结果；
24、其中，所述一维卷积层包含两个卷积层、一个池化层和一个归一化层；
25、其中，所述双向门控神经网络层使用了两个隐藏层和双向的网络设计；其中，所述双向门控神经网络层的运行公式如下：
26、zt＝f(wz·[ht-1,xt])
27、rt＝f(wr·[ht-1,xt])
28、
29、式中：wz、wr、wh为权重矩阵；f()为激活函数sigmoid，g()为激活函数tanh；rt为重置门；zt为更新门；xt为输入数据；ht-1为上一时间步的隐藏层状态；为当前时间步的隐藏层候选状态；ht为当前时间步的隐藏层输出；
30、其中，所述注意力机制层利用基于点积的特征注意力机制，对网络输出进行重新加权，所述注意力机制层的运行公式如下所示：
31、
<本文档来自技高网...【技术保护点】
1.一种基于CNN-BIGRU-A的龙门机床整体实时热误差补偿方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于CNN-BIGRU-A的龙门机床整体实时热误差补偿方法，其特征在于，所述获取机床主轴的历史温度数据和历史热变形数据中，还包括：
3.根据权利要求1所述的一种基于CNN-BIGRU-A的龙门机床整体实时热误差补偿方法，其特征在于，所述获取机床传动轴各测点的历史温度数据和历史热变形数据中，还包括：
4.根据权利要求3所述的一种基于CNN-BIGRU-A的龙门机床整体实时热误差补偿方法，其特征在于，还包括：
5.根据权利要求1所述的一种基于CNN-BIGRU-A的龙门机床整体实时热误差补偿方法，其特征在于，所述将机床主轴的历史温度数据和机床传动轴各测点的历史温度数据作为输入特征样本，将机床主轴的历史热变形数据和机床传动轴各测点的历史热变形数据作为输出特征样本中，还包括：
6.根据权利要求1所述的一种基于CNN-BIGRU-A的龙门机床整体实时热误差补偿方法，其特征在于，所述融合一维卷积层、双向门控神经
7.根据权利要求1所述的一种基于CNN-BIGRU-A的龙门机床整体实时热误差补偿方法，其特征在于，所述根据所述输入特征样本和所述输出特征样本对所述热误差预测模型进行训练，以得到训练后的热误差预测模型中，还包括：
8.根据权利要求1所述的一种基于CNN-BIGRU-A的龙门机床整体实时热误差补偿方法，其特征在于，所述机床主轴的当前热误差补偿值包括机床主轴X、Y、Z方向的当前热误差补偿值。
9.根据权利要求1所述的一种基于CNN-BIGRU-A的龙门机床整体实时热误差补偿方法，其特征在于，所述步骤S4中，还包括：
10.根据权利要求1所述的一种基于CNN-BIGRU-A的龙门机床整体实时热误差补偿方法，其特征在于，在所述步骤S1之前，还包括：
...【技术特征摘要】
1.一种基于cnn-bigru-a的龙门机床整体实时热误差补偿方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于cnn-bigru-a的龙门机床整体实时热误差补偿方法，其特征在于，所述获取机床主轴的历史温度数据和历史热变形数据中，还包括：
3.根据权利要求1所述的一种基于cnn-bigru-a的龙门机床整体实时热误差补偿方法，其特征在于，所述获取机床传动轴各测点的历史温度数据和历史热变形数据中，还包括：
4.根据权利要求3所述的一种基于cnn-bigru-a的龙门机床整体实时热误差补偿方法，其特征在于，还包括：
5.根据权利要求1所述的一种基于cnn-bigru-a的龙门机床整体实时热误差补偿方法，其特征在于，所述将机床主轴的历史温度数据和机床传动轴各测点的历史温度数据作为输入特征样本，将机床主轴的历史热变形数据和机床传动轴各测点的历史热变形数据作为输出特征样本中，还包括：
6.根据权利要...
【专利技术属性】
技术研发人员：林顺，蒋云峰，孟瑾，丁启程，浦栋麟，
申请(专利权)人：江苏集萃华科智能装备科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。