Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Ứng dụng của GRAM và AFSACA-BPN trong mô hình hóa tối ưu hóa sai số nhiệt của máy công cụ CNC
Tóm tắt
Sai số nhiệt là một yếu tố chính góp phần vào sai số kích thước của các chi tiết trong quá trình gia công chính xác. Bù sai số là một phương pháp hiệu quả để giảm thiểu sai số nhiệt. Việc mô hình hóa chính xác sai số nhiệt là điều kiện tiên quyết cho việc bù sai số nhiệt. Trong bài báo này, năm điểm nhiệt độ chính của máy công cụ điều khiển số bằng máy tính (CNC) đã được chọn dựa trên phương pháp phân tích mối quan hệ xám (GRAM). Một mô hình sai số nhiệt dựa trên năm điểm nhiệt độ chính đã được đề xuất sử dụng mạng nơ-ron hồi tiếp (BPN) dựa trên thuật toán tích lũy pheromone của đàn cá nhân tạo và đàn kiến (AFSACA). AFS được áp dụng để tạo ra giá trị pheromone ban đầu cho ACA, điều này cải thiện hiệu suất tính toán của BPN và độ chính xác dự đoán của mô hình hóa sai số nhiệt. Một hệ thống bù sai số nhiệt theo thời gian thực đã được phát triển dựa trên mô hình đã đề xuất. Một thí nghiệm đã được tiến hành để xác minh hiệu suất của hệ thống bù. Kết quả thí nghiệm cho thấy rằng sai số đường kính của chi tiết gia công đã giảm từ 23 xuống 10 μm sau khi bù.
Từ khóa
#sai số nhiệt #máy công cụ CNC #bù sai số #mô hình hóa #mạng nơ-ron hồi tiếpTài liệu tham khảo
Abderrazak EO, Michel G, Abdellah B (2000) Accuracy enhancement of multi-axis CNC machines through on-line neurocompensation. J Intell Manuf 11(6):535–545
Khan AW, Chen W (2011) A methodology for systematic geometric error compensation in five-axis machine tools. Int J Adv Manuf Technol 53(5):615–628
Miao EM, Gong YY, Niu PC, Ji CZ, Chen HD (2013) Robustness of thermal error compensation modeling models of CNC machine tools. Int J Adv Manuf Technol 69(9-12):2593–2603
Marin D (2010) Improvement of the machine tools performance. WSEAS Trans Syst Control 5(3):184–194
Zhang T, Ye WH, Liang RJ, Lou PH, Yang XL (2013) Temperature variable optimization for precision machine tool thermal error compensation on optimal threshold. Chin J Mech Eng 26(1):158–165
Aguado S, Samper D, Santolaria J, Aguilar JJ (2012) Towards an effective identification strategy in volumetric error compensation of machine tools. Meas Sci Technol 23(6):65–68
Han J, Wang LP, Wang HT, Cheng NB (2012) A new thermal error modeling method for CNC machine tools. Int J Adv Manuf Technol 62(1-4):205–212
Zhu XL, Xiang ST, Yang JG (2014) Novel thermal error modeling method for machining centers. P I Mech Eng C-J Mech Eng Sci 228(10):1725–1732
Feng ZM, Yin GF (2014) Variable-weight combination prediction of thermal error modeling on CNC machine tools. J Computers 12(9):2616–2620
Raja VP, Babu SR, Krishna DV, Kanchana J, Thyla PR (2014) A novel approach for thermal error modeling in CNC turning centre. Int J Mech & Mechatron Eng 14(2):77–83
Huang YQ, Zhang J, Li X, Tian LJ (2014) Thermal error modeling by integrating GA and BP algorithms for the high-speed spindle. Int J Adv Manuf Technol 71(9-12):1669–1675
Yao XH, Fu JZ, Chen ZC (2008) Bayesian networks modeling for thermal error of numerical control machine tools. J Zhejiang Univ SCI A 9(11):1524–1530
Yao XH, Fu JZXYT, He Y (2013) Synthetic error modeling for NC machine tools based on intelligent technology. Procedia CIRP 10:91–97
Zhang JF, Feng PF, Wu ZJ, Yu DW, Chen C (2013) Thermal structure design and analysis of a machine tool headstock. Mechanika 19(4):478–485
Chen SH, Hsu CM, Tasi YL (2014) Measurement technique of thermal temperature rise of double column machining center. Int J Eng Indus 5(1):48–56
Wang XQ, Qi L, Chen C, Tang JF, Jiang M (2014) Grey system theory based prediction for topic trend on internet. Eng Appl Artif Intel 29(3):191–200
Guo QJ, Yang JG, Wu H (2010) Application of ACO-BPN to thermal error modeling of NC machine tool. Int J Adv Manuf Technol 50(5-8):667–675