一种数控机床主轴热误差动态补偿模型及系统

本发明属于数控机床误差补偿领域，具体涉及一种数控机床主轴热误差动态补偿模型及系统。

背景技术：

1、数控机床是广泛应用于航空、航天、船舶、新能源汽车等行业的高端制造装备；其主轴旋转速度多变，容易产生大量动态变化的热量。主轴旋转运动导致机床各部件产生非均匀温度场和热弹性变形，改变刀具与工件之间的理想位置，形成动态变化的主轴热误差，导致数控机床的精度降低。

2、基于模型的热误差补偿是抵消热误差影响和提高机床精度及其稳定性的关键技术。但是，由于主轴旋转工况的多变性，主轴热误差表现出很强的时变非线性特性，给热误差补偿带来极大的挑战。同时，由于热误差模型的复杂性，很难直接部署在机床数控系统中。

技术实现思路

1、本发明的目的在于提供一种数控机床主轴热误差动态补偿模型及系统，该系统以机床主轴热误差动态补偿模型为核心，实现实时预测热误差补偿值，控制机床相应伺服轴朝误差相反方向运动，实现热误差补偿。

2、为实现上述目的，本发明采用如下技术方案：

3、一种数控机床主轴热误差动态补偿模型，包括温度序列特征提取模块、历史时间窗内温度特征提取模块、全局时间窗内温度特征提取模块、特征融合层、全连接层和热误差输出层；

4、所述温度序列特征提取模块用于提取当下时刻的温度隐藏状态特征，采用两层lstm神经网络构建所述温度序列特征提取模块；

5、所述历史时间窗内温度特征提取模块用于提取历史时间窗内温度隐藏状态特征，它包括依次连接的一维横向卷积层、时间模式注意力层和历史特征swish非线性激活层；

6、所述全局时间窗内温度特征提取模块用于提取全局时间窗内温度隐藏状态特征，它包括依次连接的一维纵向卷积层、自注意力层和全局特征swish非线性激活层；

7、所述特征融合层利用可学习参数矩阵对当下时刻的温度隐藏状态特征、历史时间窗内温度隐藏状态特征和全局时间窗内温度隐藏状态特征进行融合；

8、所述全连接层用于将特征融合层输出的特征进行整合；

9、所述热误差输出层用于根据全连接层整合后的特征计算出机床热误差。

10、进一步地，所述lstm神经网络中遗忘门、输入门、输出门中的激活函数采用hard-sigmoid激活函数，

11、激活函数；

12、候选细胞状态和隐藏状态的激活函数采用leakyrelu激活函数，

13、激活函数；为lstm神经网络的输入值。

14、进一步地，所述一维横向卷积层具有个卷积核，，卷积核长度等于历史时间窗长度。

15、进一步地，所述时间模式注意力层采用sigmoid函数计算注意力权重。

16、进一步地，所述一维纵向卷积层具有个卷积核，，卷积核长度等于温度序列特征提取模块中第二层lstm神经网络的隐藏单元数。

17、进一步地，所述自注意力层采用softmax函数计算注意力权重。

18、进一步地，所述全连接层包括两层。

19、本发明构建的热误差动态补偿模型tedcm以具备新激活函数的lstm为基础，引入时间模式注意力与自注意力机制，能够动态提取温度特征，增强热误差补偿模型的泛化能力，为提高机床加工精度提供核心技术支撑。

20、本发明提供了一种数控机床主轴热误差动态补偿系统，包括热误差动态补偿模型、温度采集单元、数据传输模块和云服务器；所述热误差动态补偿模型tedcm部署在所述云服务器中；

21、所述温度采集单元用于采集数控机床关键点的温度信号，包括分别布置在机床主轴前轴承、主轴箱后部、立柱顶部中央、立柱底部中央、机床外部的温度传感器，以及温度传感器连接的温度信号采集卡；

22、所述数据传输模块与温度信号采集卡和云服务器连接，将温度信号传递至云服务器；所述云服务器内的热误差动态补偿模型根据温度信号预测出热误差补偿值，热误差补偿值再由数据传输模块传递至机床的数控系统；数控系统控制相应伺服轴朝误差相反方向运动，实现热误差补偿。

23、进一步地，所述温度传感器采用高精度磁吸式pt100铂电阻温度传感器。

24、进一步地，所述数据传输模块采用工业智能网关。

25、本发明将建立的机床主轴热误差动态补偿模型tedcm部署在云服务器内，通过工业智能网关建立与机床数控系统和温度信号采集卡之间的通信，实现智能化机床误差补偿。

技术特征：

1.一种数控机床主轴热误差动态补偿模型，其特征在于：包括温度序列特征提取模块、历史时间窗内温度特征提取模块、全局时间窗内温度特征提取模块、特征融合层、全连接层和热误差输出层；

2.根据权利要求1所述的一种数控机床主轴热误差动态补偿模型，其特征在于：所述lstm神经网络中遗忘门、输入门、输出门中的激活函数采用hard-sigmoid激活函数，

3.根据权利要求1所述的一种数控机床主轴热误差动态补偿模型，其特征在于：所述一维横向卷积层具有个卷积核，，卷积核长度等于历史时间窗长度。

4.根据权利要求1所述的一种数控机床主轴热误差动态补偿模型，其特征在于：所述时间模式注意力层采用sigmoid函数计算注意力权重。

5.根据权利要求1所述的一种数控机床主轴热误差动态补偿模型，其特征在于：所述一维纵向卷积层具有个卷积核，，卷积核长度等于温度序列特征提取模块中第二层lstm神经网络的隐藏单元数。

6.根据权利要求1所述的一种数控机床主轴热误差动态补偿模型，其特征在于：所述自注意力层采用softmax函数计算注意力权重。

7.根据权利要求1所述的一种数控机床主轴热误差动态补偿模型，其特征在于：所述全连接层包括两层。

8.一种数控机床主轴热误差动态补偿系统，包括温度采集单元、数据传输模块和云服务器；其特征在于：所述云服务器部署有权利要求1~7任一权利要求所述的热误差动态补偿模型；

9.根据权利要求8所述的一种数控机床主轴热误差动态补偿系统，其特征在于：所述温度传感器采用高精度磁吸式pt100铂电阻温度传感器。

10.根据权利要求8所述的一种数控机床主轴热误差动态补偿系统，其特征在于：所述数据传输模块采用工业智能网关。

技术总结
本发明属于数控机床误差补偿领域，具体涉及一种数控机床主轴热误差动态补偿模型及系统，该系统包括热误差动态补偿模型、温度采集单元、数据传输模块和云服务器；所述热误差动态补偿模型部署到云服务器中；所述温度采集单元用于采集数控机床关键点的温度信号，所述数据传输模块与温度信号采集卡和云服务器连接，将温度信号传递至云服务器，云服务器内的热误差动态补偿模型根据温度信号预测出热误差补偿值，热误差补偿值再由数据传输模块传递至机床的数控系统；数控系统控制相应伺服轴朝误差相反方向运动，实现热误差补偿。

技术研发人员：彭骥,杨柯,胡晓兵,陈海军
受保护的技术使用者：宜宾四川大学产业技术研究院
技术研发日：
技术公布日：2024/11/18