基于热图像的数控机床主轴径向热误差建模方法

作者：房芳; 吴铖洋; 项四通^*

来源：机械设计与研究, 2020, 36(05): 142-151.

DOI：10.13952/j.cnki.jofmdr.2020.0208

• 数控机床
• 主轴
• 热误差
• 热图像
• 卷积神经网络

为更精密地对机床主轴热误差进行预测,解决传统建模方法非线性精度低、鲁棒性不佳等问题,本文提出基于热图像的主轴径向热误差建模方法。首先,利用红外热像仪拍摄主轴前轴承热图像,并同时基于位移传感获取主轴径向热变形数据。然后,对热图像进行批量预处理,包括数字化、均值去噪、翻转和随机裁剪以实现数据增强和扩充。最终利用卷积神经网络建立主轴热图像的热变形分类模型,根据输出概率分布预测热变形。实验验证结果表明,本模型X和Y径向热误差预测精度在升温状态下为93.3%和90.6%,在降温状态下为92%和93.3%,且在变转速的鲁棒性实验中预测精度为96%和97%,优于传统的BP神经网络模型。结果证实,基于热图像的主轴径向热误差预测模型具有高精度,可有效用于主轴热误差建模。

• 单位
  宁波大学