一种基于测量数据实现实时轨迹补偿的方法与流程

本发明属于数控加工领域，特别是一种对工件轮廓加工的刀具轨迹偏差补偿方法。

背景技术：

目前，对于轮廓、倒边加工中，由于外力的影响，如夹持状态下受力不均，容易导致轮廓变形。而加工要求须符合每次的切削量在规定范围，否则会产生倒角宽度不均。现有的数控系统，普遍根据测量的数据，在原程序上增加宏变量，以线性模型预测产品变化趋势，并使用滤波功能来达到精确倒边加工，但是这种方法往往会忽略掉装夹变形大的地方，同时当实测位置与基准位置出现较大偏差时，可能会在测量节点处出现微小形状的路径拐点，导致加工时在加工表面出现棱纹影响表面质量；而另一种通过样条曲线模型的补偿方法来改善上述存在问题，但由于样条曲线没有确定的模型计算通过图形映射来获取工件上每个点的补偿值较为麻烦。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的上述技术问题之一。为此，本发明提出一种避免路径拐点且补偿值获取简单的基于测量数据的轨迹实时补偿方法。

本发明解决其技术问题所采用的技术方案是：

一种基于测量数据实现实时轨迹补偿的方法，其特征在于：包括如下步骤：

a、确定测量点，通过测头逐一测量，并分别计算各测量点测量数据与基准轮廓数据的偏差，即得到待加工产品测量点的形变量；

b、通过所述形变量和对应的测量点位置，训练神经网络模型；

c、将理论加工轨迹的路径点位置带入已训练好的神经网络模型进行预测，得到理论加工轨迹中路径点的形变量；

d、将所述形变量叠加至理论加工轨迹，控制刀具根据叠加后的路径移动。

作为上述技术方案的改进，所述测量点的确定，首先使测量点均布于工件待加工轮廓，再通过了解工件主要装夹变形的位置，在主要变形位置增加测量点。

作为上述技术方案的进一步改进，所述测量点的确定：通过初步的检测和利用初步检测值训练初步神经网络模型，用该初步神经网络模型预测偏差，叠加至理论加工轨迹中形成初步加工路径；对按照所述初步加工路径加工出来的工件进行观察，确定主要形变区域，在主要形变区域增加测量点。

进一步，所述神经网络模型通过径向基函数建立；具体地所述神经网络模型为输入(路径点位置)与输出(形变量)间的关系，即所述径向基函数定义为：

n为测量点个数，xi为路径点位置

同时选用高斯型径向基函数：其中σ＞0，u∈r¹；用n个径向基函数对测量样本所表示的未知函数进行插值。

用表示xi点的径向基函数，而该函数在xj点的取值表示为：

插值函数用如下方程表示：

令：

则，上式表示为：φ·w＝d(2)

待定的系数为：w＝φ^-1·d(3)

其中，d为测量点的形变量矩阵。

从而由式子(3)计算出w，进而径向基函数神经网络模型f(x)建立。

利用该径向基函数神经网络模型预测形变量，即将理论加工轨迹的路径点位置带入公式(1)中，而计算出对应的路径点位置的形变量。

进一步，理论加工轨迹通过工件的基准轮廓数据和刀具半径确定，加工轨迹包括若干个路径点，每个所述路径点均对应一个路径直线段，即加工轨迹由所述若干个路径直线段连接形成。

本发明的有益效果是：本发明的一种基于测量数据实现实时轨迹补偿的方法，先对测量点位置形变量的测量计算，利用得到的形变量和测量点位置训练神经网络模型，再将理论轨迹上的路径点位置带入所述神经网络模型中，而得到输出函数值即为该路径点位置的形变量，并将所述形变量与理论路径叠加而得到实际的路径；该方法能够有效避免路径拐点且补偿量获取简单，更加准确。

附图说明

图1工件结构示意图；

图2是本发明补偿前后的加工轨迹偏差俯视图；

a是理论加工轨迹；b是补偿后加工轨迹；

图3是本发明补偿前后的加工轨迹部分偏差图；

图4工件侧视图。

具体实施方式

本发明的一种基于测量数据实现实时轨迹补偿的方法，包括如下步骤：

a、确定测量点，如图1至图4所示在工件理论加工轨迹上确定20个测量点，通过测头逐一测量，并分别计算各测量点测量数据与基准轮廓数据的偏差，即得到待加工产品测量点的形变量；且测量并不限于工件于三维空间的轮廓测量或者二维平面轮廓测量，本实施例中，工件基准轮廓对应理论加工轨迹路径点为三维空间向量，测头测量点位置也为三维空间向量，所述形变量即为两个三维空间向量差；b、通过所述形变量和对应的测量点位置，训练神经网络模型；进一步，所述神经网络模型通过径向基函数建立；具体地所述神经网络模型为(路径点位置)与输出(形变量)间的关系，即所述径向基函数定义为：

n为测量点个数，xi为路径点位置

同时选用高斯型径向基函数：其中σ＞0，u∈r¹；用n个径向基函数对测量样本所表示的未知函数进行插值。

用表示xi点的径向基函数，而该函数在xj点的取值表示为：

插值函数用如下方程表示：

令：

则，上式表示为：φ·w＝d(2)

待定的系数为：w＝φ^-1·d(3)

其中，d为测量点的形变量矩阵。

从而由式子(3)计算出w，进而径向基函数神经网络模型f(x)建立。

c、利用该径向基函数神经网络模型预测形变量，即将理论加工轨迹的路径点位置带入已训练好的神经网络模型公式(1)中，而计算出对应的路径点位置的形变量。

d、将所述形变量叠加至理论加工轨迹，控制刀具根据叠加后的路径移动。

作为上述技术方案的改进，所述测量点的确定，首先使测量点均布于工件待加工轮廓，再通过了解工件主要装夹变形的位置，在主要变形位置增加测量点。

作为上述技术方案的进一步改进，所述测量点的确定：通过初步的检测和利用初步检测值训练初步神经网络模型，用该初步神经网络模型预测偏差，叠加至刀具理论加工路径中形成初步加工路径；对按照所述初步加工路径加工出来的工件进行观察，确定主要形变区域，在主要形变区域增加测量点。

进一步，理论加工轨迹通过工件的基准轮廓数据和刀具半径确定，加工中刀具运行路径包括若干个路径点，每个所述路径点均对应一个路径直线段，即刀具路径由所述若干个路径直线段连接形成。

以上具体结构和尺寸数据是对本发明的较佳实施例进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。