论文部分内容阅读
现代机械制造技术正朝着高效率、高质量、高精度、高智能、高集成化方向发展,精密和超精密加工技术已成为高端装备制造业中最重要的组成部分。随着精密和超精密加工机床的快速发展,影响机床加工精度的因素备受广泛关注,研究表明,高精度数控机床的热误差已占机床综合误差的%70%40-,是影响机床加工精度的主要原因,因此研究数控机床的热误差补偿技术对提高机床加工精度具有十分重要的意义。本文以LGMazak VTC-16A立式加工中心的电主轴及滚珠丝杠副为研究对象,使用有限元软件对二者的温度场分布规律进行分析研究,借助模糊聚类与灰色关联相结合的方法寻找最佳温度测点,以GA-BP神经网络为基础建立热误差预测模型,通过误差补偿系统减小温度波动对机床加工精度的影响。研究内容如下:(1)介绍热传递的基本形式,在传热学基础上推导稳态温度场和瞬态温度场的有限元方程,建立热—结构耦合的电主轴单元及滚珠丝杠副有限元分析模型,利用有限元法研究二者在特定转速下的温度场变化规律,并对温度变化敏感的位置进行实验测量,经计算显示仿真结果与实验结果的相对误差约为4%,说明仿真所得温度场对电主轴单元及滚珠丝杠副的热态特性研究具有可行性。(2)通过实验测得机床关键部件11个位置的温度变化情况,借助模糊聚类与灰色关联分析相结合的方法选出3个最佳温度测点。温度测点的优化,减少了温度传感器的数量,降低了传感器之间的耦合作用,缩短了建模所需的时间。(3)分别采用BP神经网络法和GA-BP神经网络法建立热误差预测模型,对比两种方法的预测效果表明:GA-BP预测模型具有建模时间短、预测精度高、收敛速度快等优点,并以GA-BP网络模型为基础对机床热误差进行补偿,实验证明该模型的热误差补偿率为%46.64,补偿效果良好。