数控铣床加工精度评估技术研究.doc

数控铣床加工精度评估技术研究
[摘要]在利用数控铣床进行生产加工的时候,时常会出现加工精度异常的情况,而保证加工的精度是生产中很重要的因素。由于此类故障的难度比较大并且十分的隐蔽,因此就需要采用许多先进的技术对其进行评估。论文主要的对数控铣床加工中出现的精度问题进行研究,并且简要的分析了几种对加工精度进行评估的技术。希望对提高其检测的精确程度提供一定的帮助。
[关键词]数控铣床加工精度评估技术
中图分类号:O786 文献标识码:O 文章编号:1009?914X(2013)34?0017?01
引言
数控铣床在国民经济的发展之下目前已经成为了工业生产中,新一代的工作母机,其在机械制造中被广泛的使用。随着机械制造业的发展,人们对产品零件的加工精度要求不断的提高,因此就对数控铣床的精度技术提出了更高的要求。但是在日常的生产工作中,时常会出现精度异常的故障,这样就对产品的尺寸精度、形位公差以及产品的光洁度产生了很大的影响,因此对其评估技术进行研究,从而保障其精度具有非常重要的意义。

在实际的生产过程中,常常会出现很多的精度误差故障,究其原因,主要的有四类:首先是由于系统的参数发生改变或者是变动;其次是机床的位置环出现异常的情况;再次就是电机的运行状态发生异常,也就是电气或者是控制的部分出现异常的情况;最后就是机械方面的故障,比如丝杆、轴承或者是联轴器等部件之间的连接异常或者是断裂的情况。除了这些因素之外,机床在编制加工程序以及各种人为操作和***的选择等因素也会对数控铣床的加工精度造成影响[1]。所以在实际的操作过程中要努力的找出问题的所在,并且明确的分辨出问题产生的原因,从而对症下药,才能够保证机床的加工精度。

要明确机床的加工精度是否准确合理,就有必要对其精度进行评估。以下是对几种精度评估技术的简单介绍。
加工精度智能评估技术
对加工精度进行智能的评估技术主要的特点是在信号时域以及频域信号分析方法的帮助下,将信号以第三方的形式传递至信号和数据处理的平台,并且将特征值进行提取,之后对这些特征值进行归一化的处理,从而建立神经网络的模型,输入特征值之后再进行训练,从而输出待检的特征,再由神经网络输出对精度进行评估的结果[2]。智能化的精度评估技术的主要方法就是:在提出了相应的信号特征之后,将其输入SOM的神经分析网络,SOM的神经网络也叫自组织特征的映射网络,它具有无教师、自学****以及自组织的特点,当数据输入SOM神经网络的时候,其可以通过内部的神经元对所输入的信号和数据进行不同的响应特性的反应,从而确定其所管辖局域的特征值。通过SOM神经网络的算法,就可以找出数据之间的相似程度,从而确定其精度情况。通过利用样本数据对SOM神经网络进行实时的训练,并且利用待检测的样本来检验训练的结果的研究表明,SOM神经网络可以有效的根据相对应的特征值来对所加工零件的精度进行分类的分析,并且可以根据相关的信号特征值的不同,来分辨出数控铣床所加工出来的加工精度的分类[3]。SOM所具有的独特算法可以为数控铣床的精度检测提供比较可靠的保障。是目前应用的比较广泛并且效果也比较好的智能化精度评估技术。

影响数控铣床加工精度的主要误差源有以上的四种,