伍偉敏 文建平 孫慧 徐文慶

摘要：隨著我國經(jīng)濟(jì)實(shí)力的不斷發(fā)展，我國對(duì)于工業(yè)加工領(lǐng)域的重視程度在不斷的加強(qiáng)，尤其是在數(shù)控機(jī)床的應(yīng)用，具有重要的意義，不僅能夠有效提高數(shù)控機(jī)床工作效率和質(zhì)量，還能保障產(chǎn)品質(zhì)量。為了有效判斷數(shù)控機(jī)床檔次，應(yīng)當(dāng)以數(shù)控機(jī)床加工精度作為主要的檢測標(biāo)準(zhǔn)，而傳統(tǒng)的五軸數(shù)控機(jī)床在熱影響下，經(jīng)常性的出現(xiàn)加工精度下降的問題，針對(duì)于此，本文基于BP神經(jīng)網(wǎng)絡(luò)的五軸數(shù)控機(jī)床熱誤差補(bǔ)償情況進(jìn)行建模分析，對(duì)比之前的應(yīng)用數(shù)據(jù)可知其能夠有效提高五軸數(shù)控機(jī)床的加工精度，具有重要的推廣價(jià)值。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);綜合誤差;數(shù)控機(jī)床

0? 引言

通過分析以往大量五軸數(shù)控機(jī)床實(shí)際應(yīng)用情況可知，五軸數(shù)控機(jī)床在熱影響下出現(xiàn)精度下降的概率大大增加，而將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用到五軸數(shù)控機(jī)床運(yùn)行過程中，能夠有效解決數(shù)控機(jī)床的綜合性誤差，且能夠提高數(shù)控機(jī)床運(yùn)行效率和質(zhì)量。[1]與此同時(shí)，在研究BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用效果時(shí)，將放大因子和陡度因子引入到數(shù)控機(jī)床運(yùn)行過程中，以此來實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)建模目的，便于后期進(jìn)行研究和分析數(shù)控機(jī)熱誤差補(bǔ)償問題。在BP神經(jīng)網(wǎng)絡(luò)建模過程中，要將數(shù)控機(jī)床誤差數(shù)據(jù)和刀位偏差數(shù)據(jù)作為基礎(chǔ)建?；鶞?zhǔn)，進(jìn)而證明在應(yīng)用BP神經(jīng)網(wǎng)絡(luò)時(shí)不需要將五軸數(shù)控機(jī)床進(jìn)行全面的修改就能有效降低出現(xiàn)熱影響誤差概率，提高五軸數(shù)控機(jī)床工作效率和質(zhì)量。

1? BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于數(shù)控機(jī)床綜合誤差補(bǔ)償?shù)脑?/p>

為了得到準(zhǔn)確BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于數(shù)控機(jī)床綜合誤差補(bǔ)償?shù)臄?shù)據(jù)，本文主要將A/B雙擺五軸數(shù)控銑床情況作為分析案例，通過詳細(xì)的分析和研究得到合理的誤差數(shù)據(jù)。在五軸數(shù)控銑床運(yùn)行時(shí)，由于其長時(shí)間的運(yùn)行，造成其加工精度下降的因素有很多，會(huì)延長整體的加工時(shí)間和降低加工質(zhì)量。一般情況下，五軸數(shù)控機(jī)床出現(xiàn)誤差的原因主要為數(shù)控機(jī)床主軸熱漂移誤差和各運(yùn)動(dòng)軸出現(xiàn)的不同程度的熱變形誤差，這兩種情況都能夠增加出現(xiàn)數(shù)控機(jī)床的誤差概率。出現(xiàn)這種熱影響的主要因素為數(shù)控機(jī)床長時(shí)間運(yùn)行、散熱性差、主軸靠近發(fā)熱源等，還有可能是五軸數(shù)控機(jī)床內(nèi)部各工件出現(xiàn)振動(dòng)而出現(xiàn)的運(yùn)動(dòng)誤差等。[2]如果將具有誤差的五軸數(shù)控機(jī)床檢測數(shù)據(jù)作為建模標(biāo)準(zhǔn)，難以建立熱影響誤差因素參數(shù)模型。通過分析BP神經(jīng)網(wǎng)絡(luò)的工作原理可知，其采用的算法具有獨(dú)特性，并且能夠根據(jù)相關(guān)的數(shù)據(jù)進(jìn)行自我學(xué)習(xí)和非線性映射能力，因此將其應(yīng)用到五軸數(shù)控機(jī)床熱誤差補(bǔ)償建模時(shí)，能夠在其輸入端進(jìn)行多端輸入，其能夠有效處理大量的檢測數(shù)據(jù)，并能夠?qū)⑵渑c正常的數(shù)據(jù)相對(duì)比，使其輸出五軸數(shù)控機(jī)床熱誤差補(bǔ)償模型數(shù)據(jù)，保證模型的合理性。與此同時(shí)，在應(yīng)用自我學(xué)習(xí)能力時(shí)，其還能在利用其算法進(jìn)行后續(xù)數(shù)據(jù)處理，并將后期添加的數(shù)據(jù)與前期數(shù)據(jù)相比較，將其映射到熱誤差補(bǔ)償模型中，得到兩段運(yùn)行階段的模型差值。所以，本文著重構(gòu)建單隱層BP神經(jīng)網(wǎng)絡(luò)，對(duì)應(yīng)單隱層形式BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可見圖1。雖然五軸數(shù)控機(jī)床在實(shí)際運(yùn)行中會(huì)受到不同因素的影響，但是熱影響是主要的影響因素，因此結(jié)合BP神經(jīng)網(wǎng)絡(luò)，將各類熱影響數(shù)據(jù)進(jìn)行分析和研究，并輸出有效的處理數(shù)據(jù)，使其構(gòu)建完善的五軸數(shù)控機(jī)床熱誤差補(bǔ)償模型，便于工作人員進(jìn)行分析和研究，為后期五軸數(shù)控機(jī)床的創(chuàng)新和發(fā)展提供有效的參考數(shù)據(jù)。[3]

2? BP 神經(jīng)網(wǎng)絡(luò)建模流程

BP神經(jīng)網(wǎng)絡(luò)在建立五軸數(shù)控機(jī)床熱誤差補(bǔ)償模型時(shí)，需要先得到數(shù)控機(jī)床運(yùn)行過程中各類誤差數(shù)據(jù)，然后將其輸入到BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中，得到隱層輸出量和輸入量的值，然后將數(shù)控機(jī)床的網(wǎng)絡(luò)輸出層作為主要的對(duì)比數(shù)據(jù)，要將其輸入到網(wǎng)絡(luò)訓(xùn)練模式中，進(jìn)行數(shù)據(jù)優(yōu)化和分析，以此來保證對(duì)比數(shù)據(jù)的合理性和準(zhǔn)確性。在檢測五軸數(shù)控機(jī)床的實(shí)際數(shù)據(jù)后，按照BP神經(jīng)網(wǎng)絡(luò)中的算法應(yīng)用可知，其所含的隱層內(nèi)容為非線性激活函數(shù)，所輸出的層次為線性激活函數(shù)，因此這兩種函數(shù)都是能夠進(jìn)行調(diào)整的函數(shù)。本文所采用的BP神經(jīng)網(wǎng)絡(luò)具有重要的應(yīng)用意義，不僅能夠有效的結(jié)合五軸數(shù)控機(jī)床數(shù)據(jù)信息，還能對(duì)誤差影響因素進(jìn)行合理的控制，達(dá)到正確的建模標(biāo)準(zhǔn)，實(shí)現(xiàn)數(shù)據(jù)信息的正向傳輸，還能對(duì)誤差因素進(jìn)行反向控制。在向BP神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)時(shí)，其能夠根據(jù)所檢測到的數(shù)據(jù)信息進(jìn)行追蹤，確保數(shù)據(jù)信息的準(zhǔn)確性。可參考圖2。[4]在實(shí)際應(yīng)用中，其能夠?qū)?quán)值標(biāo)量作為主要的輸入樣本，然后將其上傳到隱層中，激發(fā)隱層內(nèi)部所含有的數(shù)據(jù)處理函數(shù)使其得到合理的處理結(jié)果，然后將其傳輸?shù)捷敵鰧?，再跟輸出層?nèi)部的變量相結(jié)合，得到五軸數(shù)控機(jī)床熱誤差補(bǔ)償數(shù)據(jù)。將該數(shù)據(jù)與初始預(yù)設(shè)數(shù)據(jù)值進(jìn)行對(duì)比，其中存在的數(shù)據(jù)差值作為誤差反向調(diào)整方向，在調(diào)整過程中，其還能作為目標(biāo)誤差作為主要的參考值，然后在計(jì)算后期的誤差數(shù)據(jù)時(shí)，能夠?qū)⑵渥鳛橹匾膮⒖紨?shù)據(jù)。在BP神經(jīng)網(wǎng)絡(luò)中，目標(biāo)誤差還能作為均方差的計(jì)算樣本，其能夠根據(jù)兩者之間的數(shù)值差異，在滿足輸出條件下的情況下，進(jìn)行開展數(shù)值計(jì)算，然后對(duì)出現(xiàn)較大偏差的數(shù)據(jù)進(jìn)行重新檢測和調(diào)整。BP神經(jīng)網(wǎng)絡(luò)還結(jié)合MATALB應(yīng)用程序，使其具備自主學(xué)習(xí)能力，能夠更好的優(yōu)化神經(jīng)網(wǎng)絡(luò)中的算法。[4]在實(shí)際應(yīng)用中，首先要在五軸數(shù)控機(jī)床主軸和各工作軸周圍設(shè)置溫度傳感器，將運(yùn)行過程中各軸的溫度實(shí)時(shí)傳輸?shù)缴窠?jīng)系統(tǒng)中，將其作為該運(yùn)行階段的輸入樣本X，然后利用位移傳感器檢測五軸數(shù)控機(jī)床各軸的位移進(jìn)行檢測，對(duì)于出現(xiàn)誤差的數(shù)據(jù)作為期望輸出0，在此過程中，需要將閾值向量和權(quán)值向量進(jìn)行重置，保證檢測數(shù)據(jù)的時(shí)效性。其次，在應(yīng)用BP神經(jīng)網(wǎng)絡(luò)時(shí)，還需要將輸入值和輸出值作為不同變量進(jìn)行計(jì)算，并且對(duì)各輸入層和輸出層的閾值和權(quán)值進(jìn)行調(diào)整，使其能夠符合檢查標(biāo)準(zhǔn)。最后，在檢測過程中，如果實(shí)現(xiàn)權(quán)值與閾值保持動(dòng)態(tài)平衡的狀態(tài)，則算法自我學(xué)習(xí)結(jié)束，并輸出最終的數(shù)據(jù)。將BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到五軸數(shù)控機(jī)床熱誤差補(bǔ)償建模中，利用其線性擬合能力能夠得到準(zhǔn)確的檢測數(shù)據(jù)，并且能夠有效優(yōu)化五軸數(shù)控機(jī)床的綜合運(yùn)動(dòng)情況，但是在實(shí)際應(yīng)用中，BP神經(jīng)網(wǎng)絡(luò)還是存在著較多的問題。例如，基于BP神經(jīng)網(wǎng)絡(luò)的五軸數(shù)控機(jī)床熱誤差補(bǔ)償建模，為了得到更準(zhǔn)確的熱誤差模型，需要將大量的動(dòng)量項(xiàng)作為輸入層，以此來提高神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí)能力，但是在引入過程中，也將陡度因子引入其中，傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)在處理陡度因子時(shí)，會(huì)默認(rèn)將其添加到正向數(shù)據(jù)計(jì)算當(dāng)中，因此會(huì)造成BP神經(jīng)網(wǎng)絡(luò)算法出現(xiàn)錯(cuò)誤，當(dāng)輸出層或隱層輸出1或0較接近的數(shù)值時(shí)，權(quán)值和閾值會(huì)出現(xiàn)趨向于無窮下的情況，導(dǎo)致BP神經(jīng)網(wǎng)絡(luò)自我學(xué)習(xí)能力出現(xiàn)停止的問題。針對(duì)于此，為了降低此問題的出現(xiàn)，應(yīng)當(dāng)優(yōu)化和創(chuàng)新BP神經(jīng)網(wǎng)絡(luò)算法，將陡度因子和放大因子都加入到正向計(jì)算中，流程如圖3所示，以此來保證基于BP神經(jīng)網(wǎng)絡(luò)建立五軸數(shù)控機(jī)床熱誤差模型的合理性和科學(xué)性。[5]

3? 數(shù)控銑床誤差建模

在五軸數(shù)控銑床誤差建模時(shí)，要先對(duì)五軸數(shù)控銑床運(yùn)行過程中易出現(xiàn)溫度變化和位移的部位進(jìn)行溫度檢測和位移檢測，然后利用這兩者的變化數(shù)據(jù)情況，構(gòu)建溫度和位移兩個(gè)因素關(guān)系變化模型。本文中所分析的A/B雙擺五軸數(shù)控銑床中每個(gè)主軸內(nèi)部都已經(jīng)安裝溫度傳感器。在五軸數(shù)控銑床運(yùn)行時(shí)，傳感器會(huì)根據(jù)機(jī)床實(shí)際運(yùn)行情況來選擇開啟數(shù)量，以此來保證溫度變化數(shù)據(jù)檢測的準(zhǔn)確性。在檢測五軸數(shù)控銑床位移情況時(shí)，需要重點(diǎn)關(guān)注X、Y軸的實(shí)際位移數(shù)據(jù)，因此在主軸頭部的X方位和Y方位應(yīng)當(dāng)分別安裝位移傳感器，并在其內(nèi)部輸入有效的指令。例如，五軸數(shù)控銑床位移達(dá)到11mm后，傳感器運(yùn)行時(shí)間需要停止5s，然后在進(jìn)行下一周期的檢測。基于BP神經(jīng)網(wǎng)絡(luò)的五軸數(shù)控機(jī)床熱誤差補(bǔ)償建模時(shí)，要保證五軸數(shù)控機(jī)床運(yùn)行的穩(wěn)定性，因此在建模前期，要保證五軸數(shù)控機(jī)床保持禁止運(yùn)行狀態(tài)約一天的時(shí)間，在建立模型過程中，要維持五軸數(shù)控機(jī)床穩(wěn)定運(yùn)轉(zhuǎn)的狀態(tài)，控制主軸的恒轉(zhuǎn)速達(dá)到 4000r/min，因此在開啟五軸數(shù)控機(jī)床前，要進(jìn)行30min的空轉(zhuǎn)，然后在進(jìn)行檢測運(yùn)轉(zhuǎn)過程中各檢測階段溫度變化情況，檢測頻率為1min/次，進(jìn)而得到溫度和時(shí)間的變化曲線，對(duì)其進(jìn)行深入分析，選取其中相同時(shí)間下的溫度差值作為參考數(shù)值。最后根據(jù)BP神經(jīng)網(wǎng)絡(luò)算法中得到的綜合數(shù)據(jù)結(jié)果作為基準(zhǔn)數(shù)據(jù)，將放大因子和陡度因子都引入算法中，從而得到科學(xué)性的基于BP神經(jīng)網(wǎng)絡(luò)的五軸數(shù)控機(jī)床熱誤差補(bǔ)償模型。[6]

4? 結(jié)語

綜上所述，基于BP神經(jīng)網(wǎng)絡(luò)的五軸數(shù)控機(jī)床熱誤差補(bǔ)償構(gòu)建的數(shù)據(jù)模型，能夠?qū)⑽遢S數(shù)控機(jī)床熱影響直觀的呈現(xiàn)出來，有效提高五軸數(shù)控機(jī)床工作效率和質(zhì)量。BP神經(jīng)網(wǎng)絡(luò)能夠自動(dòng)改進(jìn)算法來計(jì)算五軸數(shù)控機(jī)床熱誤差補(bǔ)償數(shù)據(jù)，且能夠適應(yīng)大多數(shù)數(shù)控機(jī)床測量數(shù)據(jù)和種類，因此具有重要的推廣應(yīng)用價(jià)值。

參考文獻(xiàn)：

[1]王洪樂等.基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)控機(jī)床綜合誤差補(bǔ)償方法[J].西安交通大學(xué)學(xué)報(bào)，2017，51（6）：138-146.

[2]張寶剛.數(shù)控機(jī)床關(guān)鍵部件的熱誤差補(bǔ)償技術(shù)研究[D].河北工程大學(xué)，2016.

[3]周天鵬.數(shù)控機(jī)床熱變形的智能補(bǔ)償方法及系統(tǒng)設(shè)計(jì)[D].四川理工學(xué)院，2012.

[4]陽江源.數(shù)控機(jī)床熱誤差檢測與建模研究[D].大連理工大學(xué)，2010.

[5]沈金華.數(shù)控機(jī)床誤差補(bǔ)償關(guān)鍵技術(shù)及其應(yīng)用[D].上海交通大學(xué)，2008.

[6]李永祥.數(shù)控機(jī)床熱誤差建模新方法及其應(yīng)用研究[D].上海交通大學(xué)，2007.