CNC數控機床零部件加工精度預測研究

導語：CNC數控機床零部件加工精度預測研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：當前人們對ＣＮＣ數控機床零部件加工質量的要求不斷提升，考慮到當前機床零部件加工精度預測模型由于關鍵誤差參數辨識能力較低，造成預測結果準確性較差的問題，構建新型ＣＮＣ數控機床零部件加工精度預測模型。通過ＣＮＣ數控機床動力學分析，確定機床加工誤差通用計算函數。提取零件加工精度影響因素，完成關鍵誤差參數辨識。

關鍵詞：ＣＮＣ數控機床；精度建模；精度預測；虛擬加工；誤差辨識：幾何誤差

目前，ＣＮＣ數控機床成為機械工業發展的重要基礎與支撐，是精密零件與超精密零件加工的主要設備［１］。我國機床工業經過半個世紀的發展，逐漸建立了較大的規模，并形成了日趨完整的體系，在零件加工領域具有較強的競爭力。但與發達國家相比，還存在一定的差距，生產精度較高的中高端產品的數控機床依靠進口。我國數控機床零件加工精度平均低于國外一個等級，且加工精度保持時間遠低于國外［２］。為此，在零件加工精度、零件結構穩定性以及加工精度預測與控制方面均需要進行較為深入的研究。

１ＣＮＣ數控機床零部件加工精度預測模型構建

１．１確定機床加工誤差通用計算函數

在零件加工的過程中，機床的運動部件對零件的尺寸具有直接的影響。機床的刀具會造成零件的實際精度與設計要求的誤差，從而造成零件加工精度上的變化。為此，在本次研究中將首先獲取機床加工誤差通用計算函數，將此作為零件加工預測的首要條件。

１．２關鍵誤差參數辨識

在機床加工誤差通用計算函數的基礎上，對機床加工過程中關鍵部件位置的誤差進行辨識，為后續的加工精度預測模型構建提供數據基礎。經以往多次研究結果證實，對零件加工精度影響較大的機床誤差大致可分為３種：機床主軸的旋轉誤差、機床連接板平移誤差以及機床傳動設備的導軌誤差［３］。由于此三種分量在過去的研究中多采用獨立方程表示，但此三種分類量在一定程度上具有關聯性，將其作為單一變量進行分析，影響精度預測模型的使用效果。在本次研究中，將此３種分量整合為多種誤差參數，為后續的研究提供幫助。

１．３構建零部件加工精度預測模型

基于加工零部件的精密性，在本次研究中選擇多體系統理論分析方法［４－５］作為精度預測模型的基礎，通過齊次陣列確定零件加工點與矢量的姿態，構建廣義坐標系，在實際環境中構建動態預測模型。與此同時，將零件加工誤差辨識結果作為預測模型中的重要參數，根據此部分數據，實現預測模型中的運算過程。

２實驗論證分析

２．１實驗準備

ＣＮＣ數控機床是當前零件生產中使用較為廣泛的一種設備，其零件加工量占整體零件加工總量的７０％－８０％。為驗證本次研究中提出的新型零件加工精度預測模型的應用效果，構建此實驗環節對其展開分析。本次實驗利用ＣＮＣ數控機床加工尺寸相同的３０個零部件，按照Ｘ．０１至Ｘ．３０的順序對零件進行隨機編號。每５個零部件組成一個實驗組，每個實驗組采用不同加工參數完成加工過程。獲取實操后的零件尺寸數據與預測模型所得加工尺寸數據進行對比分析，從而驗證文中提出預測模型的預測準確性。為提升此次實驗的可行性，采用單一因素實驗與多因素綜合實驗相結合的方式完成實驗分析過程。選取基礎預測模型和人工智能預測模型與新型預測模型進行對比分析。現將實驗方案設定如下：（１）加工設備型號：ＣＮＣ數控機床（２）加工原料規格：４５鋼材（３）零件加工尺寸：２０ｍｍ＊１００ｍｍ＊５０ｍｍ＊３０個（４）實驗內容：分別采用不同的加工參數對不同組別的零件進行加工，同時測量零件在機床上的徑向尺寸，將其作為實測結果輸出。（５）實驗方法：單因素實驗與多因素綜合實驗單因素實驗：在其他加工因素不變的情況下，使用預測模型分別獲取機床運動速度以及原料進給量改變條件下對零件加工尺寸變化數據，對比其與實測數據的差異，提取實驗結果。多因素綜合實驗：綜合單因素實驗結果，結合正交試驗理論進行模型預測能力驗證與分析。對上述內容進行整理，根據上述內容搭建預測模型應用實驗環境，作為后續實驗過程的載體。

２．２單因素改變下精度預測模型應用實驗分析

為保證實驗操作過程具有可控性，將零部件加工過程中的數據機床加工參數變量設定如表１所示。根據上表中內容，完成單因素測試環節。在機床運動速度因素實驗時，將原料進給量固定為０．０３ｍｍ／ｒ；在原料進給量因素實驗時，將機床運動速度設定為５００ｒ／ｍｉｎ，其他參數采用表格中設定內容，以此保證實驗變量的單一性。為降低實驗結果測量誤差，將每組零件的加工后的實驗平均值作為其徑向尺寸，所得實驗結果如圖１所示。對上述圖像進行分析可以看出，３種預測模型所得零件加工直徑與實測零件加工直徑之間存在差異性。新型模型所得結果與實測結果之間的出入較小且走向基本一致，與此同時，兩者之間的誤差分布符合正態分布曲線，說明了此模型所得結果具有可靠性。其他兩種模型所得結果與實測結果相差較大且具有波動性，說明此兩種模型使用效果相對較差。由此實驗結果可知，新型模型的預測精度優于當前預測模型。

２．３多因素改變下精度預測模型應用實驗分析

在實際的機床生產加工過程中，發生單一加工參數變化的可能性較低，更多的是兩個或兩個以上加工參數發生變化。為更好地完成零件加工精度預測工作，根據正交試驗相關理論對新型模型的綜合預測能力進行分析。對表２中內容進行分析可以看出，在新型零件加工精度預測模型的使用中，機床運動速度對模型使用效果具有較高的影響。因此，在預測模型的使用過程中應主要針對此部分數據進行運算，以此保證預測結果的可靠性。與此同時，根據此實驗結果對模型的預測能力展開分析可以看出，在多因素改變條件下，新型零件預測結果變動平方和相對較小，可見此模型在使用中產生的誤差較小，在一定程度上可提升預測結果的預測精度。綜上所述，新型模型的預測精度相對較高且使用效果優于當前模型。

３結束語

ＣＮＣ數控機床零部件加工精度預測模型還有待于進一步的研究與分析，本次研究中通過實驗環節驗證了其具有較高的實用價值，但由于實驗樣本個數較少以及技術、空間上的限制，實驗結果中的部分規律被忽略。因此，在后續的研究中還需擴大實驗樣本，提升實驗完整性，對預測模型的預測能力進行系統檢驗。

參考文獻：

［１］王安邦，孫文彬，段國林．基于數字孿生與深度學習技術的制造加工設備智能化方法研究［Ｊ］．工程設計學報，２０１９，２６（０６）：６６６－６７４．

［２］胡艷娥，諸進才，陳敏．數控加工精度在機檢測技術研究現狀［Ｊ］．機床與液壓，２０２１，４９（１６）：１６８－１７３＋１７９．

［３］楊洪濤，龐勇軍，李莉，等．數控機床ＸＹ工作臺動態定位誤差分析與建模［Ｊ］．組合機床與自動化加工技術，２０１９（０２）：４１－４４＋４８．

［４］胡騰，郭曦鵬，米良，等．機床空間誤差完備建模方法與ＮＣ代碼優化補償技術［Ｊ］．工程科學與技術，２０１９，５１（０６）：１９０－１９９．

［５］吳玉厚，王浩，孫健，等．氮化硅陶瓷磨削表面質量的建模與預測［Ｊ］．表面技術，２０２０，４９（０３）：２８１－２８９．

作者：高松 單位：南京中車浦鎮海泰制動設備有限公司