CNC数控机床零部件加工精度预测研究

导语：CNC数控机床零部件加工精度预测研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：当前人们对ＣＮＣ数控机床零部件加工质量的要求不断提升，考虑到当前机床零部件加工精度预测模型由于关键误差参数辨识能力较低，造成预测结果准确性较差的问题，构建新型ＣＮＣ数控机床零部件加工精度预测模型。通过ＣＮＣ数控机床动力学分析，确定机床加工误差通用计算函数。提取零件加工精度影响因素，完成关键误差参数辨识。

关键词：ＣＮＣ数控机床；精度建模；精度预测；虚拟加工；误差辨识：几何误差

目前，ＣＮＣ数控机床成为机械工业发展的重要基础与支撑，是精密零件与超精密零件加工的主要设备［１］。我国机床工业经过半个世纪的发展，逐渐建立了较大的规模，并形成了日趋完整的体系，在零件加工领域具有较强的竞争力。但与发达国家相比，还存在一定的差距，生产精度较高的中高端产品的数控机床依靠进口。我国数控机床零件加工精度平均低于国外一个等级，且加工精度保持时间远低于国外［２］。为此，在零件加工精度、零件结构稳定性以及加工精度预测与控制方面均需要进行较为深入的研究。

１ＣＮＣ数控机床零部件加工精度预测模型构建

１．１确定机床加工误差通用计算函数

在零件加工的过程中，机床的运动部件对零件的尺寸具有直接的影响。机床的刀具会造成零件的实际精度与设计要求的误差，从而造成零件加工精度上的变化。为此，在本次研究中将首先获取机床加工误差通用计算函数，将此作为零件加工预测的首要条件。

１．２关键误差参数辨识

在机床加工误差通用计算函数的基础上，对机床加工过程中关键部件位置的误差进行辨识，为后续的加工精度预测模型构建提供数据基础。经以往多次研究结果证实，对零件加工精度影响较大的机床误差大致可分为３种：机床主轴的旋转误差、机床连接板平移误差以及机床传动设备的导轨误差［３］。由于此三种分量在过去的研究中多采用独立方程表示，但此三种分类量在一定程度上具有关联性，将其作为单一变量进行分析，影响精度预测模型的使用效果。在本次研究中，将此３种分量整合为多种误差参数，为后续的研究提供帮助。

１．３构建零部件加工精度预测模型

基于加工零部件的精密性，在本次研究中选择多体系统理论分析方法［４－５］作为精度预测模型的基础，通过齐次阵列确定零件加工点与矢量的姿态，构建广义坐标系，在实际环境中构建动态预测模型。与此同时，将零件加工误差辨识结果作为预测模型中的重要参数，根据此部分数据，实现预测模型中的运算过程。

２实验论证分析

２．１实验准备

ＣＮＣ数控机床是当前零件生产中使用较为广泛的一种设备，其零件加工量占整体零件加工总量的７０％－８０％。为验证本次研究中提出的新型零件加工精度预测模型的应用效果，构建此实验环节对其展开分析。本次实验利用ＣＮＣ数控机床加工尺寸相同的３０个零部件，按照Ｘ．０１至Ｘ．３０的顺序对零件进行随机编号。每５个零部件组成一个实验组，每个实验组采用不同加工参数完成加工过程。获取实操后的零件尺寸数据与预测模型所得加工尺寸数据进行对比分析，从而验证文中提出预测模型的预测准确性。为提升此次实验的可行性，采用单一因素实验与多因素综合实验相结合的方式完成实验分析过程。选取基础预测模型和人工智能预测模型与新型预测模型进行对比分析。现将实验方案设定如下：（１）加工设备型号：ＣＮＣ数控机床（２）加工原料规格：４５钢材（３）零件加工尺寸：２０ｍｍ＊１００ｍｍ＊５０ｍｍ＊３０个（４）实验内容：分别采用不同的加工参数对不同组别的零件进行加工，同时测量零件在机床上的径向尺寸，将其作为实测结果输出。（５）实验方法：单因素实验与多因素综合实验单因素实验：在其他加工因素不变的情况下，使用预测模型分别获取机床运动速度以及原料进给量改变条件下对零件加工尺寸变化数据，对比其与实测数据的差异，提取实验结果。多因素综合实验：综合单因素实验结果，结合正交试验理论进行模型预测能力验证与分析。对上述内容进行整理，根据上述内容搭建预测模型应用实验环境，作为后续实验过程的载体。

２．２单因素改变下精度预测模型应用实验分析

为保证实验操作过程具有可控性，将零部件加工过程中的数据机床加工参数变量设定如表１所示。根据上表中内容，完成单因素测试环节。在机床运动速度因素实验时，将原料进给量固定为０．０３ｍｍ／ｒ；在原料进给量因素实验时，将机床运动速度设定为５００ｒ／ｍｉｎ，其他参数采用表格中设定内容，以此保证实验变量的单一性。为降低实验结果测量误差，将每组零件的加工后的实验平均值作为其径向尺寸，所得实验结果如图１所示。对上述图像进行分析可以看出，３种预测模型所得零件加工直径与实测零件加工直径之间存在差异性。新型模型所得结果与实测结果之间的出入较小且走向基本一致，与此同时，两者之间的误差分布符合正态分布曲线，说明了此模型所得结果具有可靠性。其他两种模型所得结果与实测结果相差较大且具有波动性，说明此两种模型使用效果相对较差。由此实验结果可知，新型模型的预测精度优于当前预测模型。

２．３多因素改变下精度预测模型应用实验分析

在实际的机床生产加工过程中，发生单一加工参数变化的可能性较低，更多的是两个或两个以上加工参数发生变化。为更好地完成零件加工精度预测工作，根据正交试验相关理论对新型模型的综合预测能力进行分析。对表２中内容进行分析可以看出，在新型零件加工精度预测模型的使用中，机床运动速度对模型使用效果具有较高的影响。因此，在预测模型的使用过程中应主要针对此部分数据进行运算，以此保证预测结果的可靠性。与此同时，根据此实验结果对模型的预测能力展开分析可以看出，在多因素改变条件下，新型零件预测结果变动平方和相对较小，可见此模型在使用中产生的误差较小，在一定程度上可提升预测结果的预测精度。综上所述，新型模型的预测精度相对较高且使用效果优于当前模型。

３结束语

ＣＮＣ数控机床零部件加工精度预测模型还有待于进一步的研究与分析，本次研究中通过实验环节验证了其具有较高的实用价值，但由于实验样本个数较少以及技术、空间上的限制，实验结果中的部分规律被忽略。因此，在后续的研究中还需扩大实验样本，提升实验完整性，对预测模型的预测能力进行系统检验。

参考文献：

［１］王安邦，孙文彬，段国林．基于数字孪生与深度学习技术的制造加工设备智能化方法研究［Ｊ］．工程设计学报，２０１９，２６（０６）：６６６－６７４．

［２］胡艳娥，诸进才，陈敏．数控加工精度在机检测技术研究现状［Ｊ］．机床与液压，２０２１，４９（１６）：１６８－１７３＋１７９．

［３］杨洪涛，庞勇军，李莉，等．数控机床ＸＹ工作台动态定位误差分析与建模［Ｊ］．组合机床与自动化加工技术，２０１９（０２）：４１－４４＋４８．

［４］胡腾，郭曦鹏，米良，等．机床空间误差完备建模方法与ＮＣ代码优化补偿技术［Ｊ］．工程科学与技术，２０１９，５１（０６）：１９０－１９９．

［５］吴玉厚，王浩，孙健，等．氮化硅陶瓷磨削表面质量的建模与预测［Ｊ］．表面技术，２０２０，４９（０３）：２８１－２８９．

作者：高松 单位：南京中车浦镇海泰制动设备有限公司