基于神经网络的数控加工热误差补偿

基于神经网络的数控加工热误差补偿 吴光琳,林建平,李从心,阮雪榆(上海交通大学,200030)摘要:本文提出了一种基于神经网络的数控加工热误差补偿系统,该系统根据测出的数控加工机床的相关结构的温度值,进行实时地热误差补偿。介绍了该方法的原理,阐述了该系统的建立过程及有关技术的处理。关键词:神经网络;数控加工;热误差补偿1　概述数控技术自五十年代问世以来,已取得长足的进展,对制造业乃至整个国民经济的发展起着日益重要的作用。近年来,提高数控加工精度的研究得到了充分的重视。目前,提高数控加工的精度有两类基本的方法:误差防止法和误差补偿法。误差防止法属于事前预防,即试图通过设计和制造的途径来消除可能的误差源,该种方法目前由于受到技术上的限制还很难较为彻底地消除可能的误差源,因此也不可能从根本上消除误差;误差补偿法属于事后补偿,即先通过各种检测手段对数控加工时产生的误差进行测量,然后经过已建立的相应的误差补偿模型进行误差补偿计算,最后通过相应的补偿控制机构对误差进行补偿,从而达到降低误差提高精度的目的。通过合理的误差补偿,可使被加工零件的精度得到甚至超过数控加工机床本身的精度,因此,误差补偿技术是一项带根本性的技术。此项技术主要包括三项技术:误差的测量、误差信号的处理和建模及误差的补偿控制和执行。误差测量即是用何种手段、何种方式比较方便地、精确地、完整地测量数控加工中产生的误差,这是误差补偿的前提。误差信号的处理和建模即是建立各种原始误差与数控加工的误差的关系,这是误差补偿的基础和核心。误差的补偿控制和执行是采用何种机构和何种方式对计算出的误差进行补偿,这是误差补偿的最终实现。一般来说,数控加工误差产生的因素很多,但影响较大的因素有以下几类:(1)数控机床本身零部件和结构的几何误差;(2)数控机床由于热变形产生的误差;(3)数控机床的运动机构的运动误差;(4)数控加工时切削力变化引起的误差;(5)数控插补算法引起的误差。其中几何误差和热误差是数控加工时的主要误差源,占数控加工总误差的70%以上。相对而言,几何误差比较稳定也比较容易测量从而便于进行补偿,而热误差的补偿却不那么容易,因为热误差的产生是一动态过程,具有非线性、时滞的特点,用传统的方法很难较精确地对其进行补偿。随着专家系统、模糊控制、神经网络等人工智能技术的发展,弥补了传统误差补偿的不足,给误差补偿注入了新的活力。本文即是采用神经网络方法对数控加工中的热误差进行补偿。因为神经网络既具有专家系统的特点,又摒弃了传统方法的缺陷,它是一个非线性的动力系统,具有大规模并行处理能力,很强的自学习性、容错性和鲁棒性。因此本文基于神经网络的热误差补偿技术能快速适应变化的环境,具有其它补偿方法所不可比拟的柔性和应变性,而且易于实现智能决策。2　基于神经网络的数控加工热误差补偿(1)补偿的原理及结构本热误差补偿系统的原理是先用热传感器测出机床相应部位的温度值,然后将它们输入神经网络模型进行热误差补偿计算,再将算出的信息反馈给CNC控制器的输入信息,使CNC控制器作出相应的热补偿控制指令以补偿相应的热误差,如图1所示。

图1　基于神经网络的热误差补偿原理(2)神经网络的输入、输出数据的确定数控机床的热误差源随着机床结构的不同而不同。下面以立式镗铣床为例说明热误差源,该类机床的结构如图2所示,其热误差源主要有:主轴的热膨胀,主轴箱的热变形,丝杠的热膨胀及立柱的热变形。因此,该神经网络的输入数据为此四个结构测量点的温度,具体测量点的选择是非常重要又异常困难的,目前还没有完善的理论指导,一般通过经验而定。我们

图2　立式机床结构简图选择的依据是上面提到的四个结构中最容易受到温度影响的点作为测量点,也即温度变化时位移量最大的点。据此我们选择的结果如图2中小圆圈所示。输出数据为刀具在x、y、z三个方向的误差补偿量。(3)神经网络的结构神经网络的结构对整个神经网络系统的特性具有

·8·《机床与液压》2000.No.

高等学校博士学科点专项科研基金资助作者简介:吴光琳,男,1972.10,在读博士生。决定性的影响。本热误差补偿系统采用三层的BP神经网络结构。根据上面的分析,显然输入层有四个节点,输出层有三个节点。现在的问题就是确定中间隐层的节点数,中间隐层的节点数的选择对网络的学习和计算特性具有非常重要的影响,是该网络结构成败的关键,若中间隐层的节点过少,则网络难以处理复杂的问题,但若中间隐层的节点过多,则将使网络学习时间急剧增加,而且还可能导致网络学习过度,使网络抗干扰能力下降。目前,还没有完善的理论来指导中间隐层节点数的选择而只是结合实际情况进行试探性选择再逐步优化。考虑到本误差补偿系统的特性,我们认为热误差是温度的连续函数,根据Kolmogorov定理(连续函数表示定理),为了理论上能精确模拟该连续的函数,若三层神经网络的输入层为M个节点,图3　神经网络构图输出层为N个节点,则中间层应为2M+1个节点。为此我们选择中间的隐层的节点数应为2M+1=2×4+1=9个节点。因此,本系统的神经网络结构如图3所示。(4)离线学习神经网络的一个重要特性就是具有学习功能,即能够根据一定量样本的输入输出关系,自动调整连接各个节点的权值的大小以满足既定的目标。在学习过程中,样本数的选择是非常重要的,若样本太少,经过学习的网络的性能不好,若样本数增加,势必增加采集样本数据的工作量及网络的学习时间。同时,由于神经网络具有较好的内插性能而外插性能较差,故样本数据必须包括全部模式和考虑可能的随机噪声的影响。对于本神经网络热误差补偿系统,其具有四个输入节点,根据上面的分析,我们采取每个节点给定三个值,以它们不同的组合作为样本输入数据,这样可得81个样本。具体做法是将机床上每个测量点的温度在可能的变化范围内大体分成三等份,并用实验的方法测出在每种输入情况下的热误差值。在得到81个样本之后,为了增加该系统的实时性,我们采用离线进行学习,得出每个连接节点间的权值,以便在实时补偿中使用。(5)实时补偿在上面离线学习的基础上,我们得到了一个确定的神经网络模型。实时补偿时,根据图1的原理,我们首先用热传感器测量每个测量点的实际温度,然后将这些温度值作为神经网络系统的输入节点值,神经网络系统便能算出相应的热误差补偿值,最后,将此误差值反馈给CNC控制系统的输入信号,CNC控制系统便能采取相应的措施来补偿这些热误差,从而达到补偿误差、提高精度的目的。3　结论本文在概括了现有提高数控加工精度的措施的基础上,根据神经网络的有关理论提出了一种基于神经网络的热误差补偿方法。该方法利用神经网络的学习功能,根据给出的样本,建立了用于数控加工实时补偿的神经网络系统。它摒弃了传统方法中很难建立温度与热误差值的模型的缺点,能够适应数控加工时温度场的不确定性和动态性,实时地计算出热误差的补偿值,并采取相应的措施对热误差补偿值进行补偿,从而达到减小误差提高精度的目的。参考文献[1]倪　军·数控机床误差补偿研究的回顾与展望·中国机械工程,1997.1(8),p:29～33[2]傅建中·加工误差补偿与人工智能·组合机床与自动化加工技术,1996.12(274),p:12～15[3]焦李成·神经网络系统理论·西安电子科技大学出版社,1996[4]陈际先·神经网络及其在工程中的应用·机械工业出版社,1996收稿时间:1999-07-22

(上接第13页)通过对运行的历史信息的使用,提高了AMFC策略的跟踪精度;同时,通过对两种扰动量的仿真表明,ANELC的抗扰动能力与AMFC相当。对于复杂的非线性系统,进一步提高跟踪精度的方法,可能是采用更复杂的网络结构和高阶输入(如某些已知信息的积或乘方)。这也是作者下一步研究的内容之一。参考文献[1]S.Arimoto,S.Kawamura,F.Miyazaki.BetteringOperationofDynamicSystemsbyLeaning.ANewControlTheoryforServomechanismorMechatronicsSystemsProc.23rdIEEE.CDC,LasVegas,1984,1064～1069[2]HuntK.J..SbarbaroD.,ZbikowskiR.,GawthropP.J..NeuralNetworkforCcontrolSystems-ASurvey.Automatica,Vol.28,No.6,1083～1112,1992[3]EtxebarriaV..AdaptiveControlofDiscreteSystemsUsingNeuralNetworks.IEEProc.-D,Vol.5,No.4,209～215,1994[4]刘白雁,丁崇生.模型跟随自适应控制的新方法及其算法实现.控制理论与应用,1998,Vol.5,No.4,29～36[5]罗尔夫,伊泽曼(德)著,盛国华译.数字控制系统.化学工业出版社,25～34,1986[6]V.M.Popov.HyperstabilityofAutomaticControlSystem.Syringer,1973[7]I.D.Landau著,吴百凡译.自适应控制-模型参考方法.国防工业出版社,1985[8]须田信英著.自动控制中的矩阵理论.科学工业出版社,1979[9]I.D.Landau.SynthesisofDiscreteModelReferenceAdaptiveSystems.IEEETrans.onAutomaticControl,October,1971,P.587～588收稿时间:1999-07-16

·9·《机床与液压》2000.No.3MACHINETOOL&HYDRAULICSNo.3,2000(TotalIssueNo.165)AbstractsandKeywordsinEnglish

Ivestigationandimplementationofspeed-upandslow-downcontrolalgorithm

　inNCservoLiXietal(3……………………………………………………)Abstract:Thispaperinvestigatesthespeed-upandslow-downcontrolalgorithminNCservo,putsforwardandcomparestwocontrolalgorithmswhichcanbeimplemented,andgivesouttheimplementingschemesinamicrocomputer(single-chipmicrocomputer).Thesealgorithmshaveverygoodresultsusedinactualsystems.Keywords:NCservo;Speed-upandslow-downcontrolalgorithm;Exponentialspeed-upandslow-downalgorithm;S-speed-upandslow-downalgorithmAssemblysequenceplanningofflexibleassemblysystembased-quality　forkeypartsWangWeiminetal(5……………………………………………)