数控机床主轴热误差的数据驱动模型研究

简介

当实际工况与建模工况存在差异时，传统的热误差模型往往表现出较差的鲁棒性和预测精度。主要原因在于建模数据的局限性和模型的未建模动态。为了改善上述状况，提出了一种基于数据驱动的数控机床主轴补偿模型。此模型采用无模型自适应控制算法建模，结合机床运行中生成的数据（温度数据和误差数据）对热误差模型进行实时修正，使模型能快速适应新的加工工况，从而提高模型的鲁棒性。在一台数控车床主轴上进行了试验验证。结果表明：无模型自适应控制与多元回归模型比较，其标准差、最大残差和误差平方和分别提高了41％、62％和56％，此模型的鲁棒性和预测效果好。同时，此方法为大数据在机床主轴热误差补偿中的应用奠定了基础。