基于数据驱动的数控机床热误差智能补偿方法

The thermal error influence factors of CNC machine tools are various and complex. Traditional thermal error modeling methods based on temperature measuring points are unstable when used in thermal error compensation. Based on data driven in this project large data, including value attribute data (such as temperature and work condition) and non-value attribute data (such as material and procedure), are collected, the condition data warehouse of machine tool and the intelligence knowledge base of thermal error compensation are constructed, and a mult-dimensional thermal properties expression approach of machine tool is established. Combining data mining, numerical simulation, and experimental study, the mult-component coupling mechanism of thermal errors in CNC machine tools is explored, and the law of thermal deformation in machine tool component and the weight quantitative method of thermal deformation to the thermal error of machine tools are studied.Using data mining methods, such as association rule, clustering analysis, and neural network, the similarity of the relevance factors among the thermal behavior in machine tools of identical type, and the diversity of the relevance factors among different machine tools are revealed, and an automatic modeling method driven by intelligence big data and mult-factor uncoupling is proposed. The work in this project provides the new thought and theoretical base for thermal error compensation of CNC machine tools, and is of great theoretical significance and engineering value.

传统的热误差建模方式难以应对复杂多变的影响因素，导致数控机床热误差补偿的稳定性差。本项目基于数据驱动，通过采集数控机床海量的温度、工况参数等数值属性量及材料、程序等非数值属性数据，构建机床热状态数据仓库和智能热误差补偿知识库，建立多维度机床热特性表征方法；采用数据挖掘、数值模拟和实验验证相结合的方法，探索数控机床热误差多部件耦合机理，研究机床各部件的热变形规律及其对整机热误差的影响权重的量化机制；采用关联规则、聚类分析、神经网络等数据挖掘方法，揭示同一型号机床热行为关联因素的相似性和机床个体间关联因素的差异性，提出一种基于大数据智能和多因素解耦驱动的热误差自动建模方法。研究工作为数控机床热误差补偿提供新的思路和理论依据，具有重要的理论意义和工程应用价值。

项目针对传统的热误差建模方式难以应对复杂多变的影响因素，导致数控机床热误差补偿的稳定性差等问题，设计了具有灵活扩展性和网络功能的热误差补偿模块，建立了数控机床热特性数据平台和管理系统，通过采集数控机床海量的温度、工况参数等数值属性量及材料、加工程序等非数值属性数据，构建机床热状态数据仓库和智能热误差补偿知识库，建立多维度机床热特性表征方法，并通过有限元分析和数据数据挖掘、数值模拟和实验验证相结合的方法，探索数控机床热误差多部件耦合机理，研究机床各部件的热变形规律及其对整机热误差的影响权重的量化机制，分析了数控车床、立式加工中心的典型机床的各部件热误差的影响机制和热运动耦合叠加规律，建立了多因素解耦的热误预测偿模型，在此基础上，采用关联规则、聚类分析、神经网络等数据挖掘方法，揭示了同一型号机床热行为关联因素的相似性和机床个体间关联因素的差异性，提出一种基于大数据智能和多因素解耦驱动的热误差自动建模方法，大大提升了建模的效率和鲁棒性，为解决我国热误差的批量应用奠定了基础。. 将研究的热误差补偿算法嵌入到广州数控的GSK25i数控系统中，并进行实验验证，大大提升了国产数控系统的性能。同时，将数控机床的热误差建模方法在广数的电机端盖生产线上进行应用，使得零件的加工尺寸稳定在要求的公差带范围内，降低了人力成本，提高了生产效率。此外，热误差建模方法也在宝鸡机床集团的车铣复合以及立式加工中心、海德曼的T55、T65等机床上进行了应用，实验结果表明，在应用热补偿后机床热误差可减小65%以上，验证了建模方法的有效性。. 项目共发表论文5篇、申请发明专利2项（获授权1项），获软件著作权1项。项目的研究工作为数控机床热误差补偿提供新的思路和理论依据，对提升我国数控机床的加工精度和工作稳定性，解决制造装备的“卡脖子”工程，具有重要的理论意义和工程应用价值。