五轴卧式加工中心几何误差研究

来源 :四川大学 | 被引量 : 0次 | 上传用户:weiba516898
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
五轴数控机床的性能决定了一个国家制造行业的发展水平,从国防事业中各种大型复杂零件的高效精密加工,到我们随时使用着的手机零部件,这些外观精巧且加工精密的产品都是由精密数控机床加工而来。然而,在高精密制造方面,虽然我国使用着和国外相同规格的功能部件,并且也拥有国产的先进数控系统,但加工精度与国外相比仍存在差距,想达到同样的加工精度还无法自给自足。数控机床的加工精度受诸多因素的影响,比如机床自身零部件在加工和装配过程中的误差,机床加工过程中的切削热和切削振动,主轴高速旋转时带来的热偏移等。想要提高机床的加工精度,就必须对所有可能的误差源进行深入研究。本文主要对五轴数控机床几何精度的影响进行了探讨,以四川省普什宁江自行研制的五轴卧式加工中心为主要研究对象,开展了数控机床几何误差建模、辨识、补偿和检测技术的研究。精度检测通常指用不同的精度检测仪器搭配不同的检测方法对机床几何误差进行测量,然后将测量得到的数据代入相关的几何误差建模方法和辨识算法,展开对机床几何误差的研究。同时,精度检测的最终目的是补偿,因此几何误差补偿也是该领域密切相关的研究方向。本文主要的研究任务与成果如下:(1)第一部分主要对数控机床运动学建模理论进行了研究。本文以多体系统理论为基本理论支撑,采用齐次变换矩阵相乘的方法,建立了机床各部件的运动学模型,包括理想情况运动学模型和几何误差模型。其中,几何误差建模共有两种方法,一种是基于刀尖点坐标的误差建模法,另一种是基于运动链传递的误差建模法,并分析了两种方法的物理意义和数学关系。最后应用上述两种方法,以普什宁江五轴卧式加工中心为例,分析了它的拓扑结构、低序体阵列和特征矩阵等,详细地阐述了机床实际和理想运动学模型的建立过程。(2)第二部分主要对一种新型R-test进行了结构的优化设计。该部份提出了一种新型精度检测仪器R-test,并将其结构进行了模块化分解以及对使用到的关键零部件进行了选型。结合R-test的技术要求和设计准则,对R-test的最大测量空间和灵敏度进行了研究,通过其数学模型建立了最大测量空间和灵敏度与之结构参数的关系。最后通过寻优得到当R-test三传感器处于正交状态时整个装置的灵敏度最好。此新型R-test与传统R-test相比,增加了两个标定平面和姿态调节单元,从而可以实现仪器在机床工作台上的位姿标定。该改进的R-test可以减小使用过程中引入的定位误差,可以更加方便地调节传感器的位置和方向,为几何误差辨识提供了便利。(3)第三部分提出了系统的几何误差辨识算法,并且用上述R-test对机床转动轴几何误差进行了检测。首先,分析了误差矩阵的左矩阵乘法和右矩阵乘法的异同,并将其与上述两种几何误差建模方法结合,总共得到四种几何误差辨识算法,是目前基于多体系统理论最全面的辨识算法归纳。通过使用自行研制的R-test进行实验,证明了上述辨识算法的适用性和正确性,并详细描述了该R-test在实验过程中的标定方法以及测量数据的后处理算法。(4)第四部分提出了基于RTCP功能的误差补偿算法,并利用球杆仪设计相关实验对其进行了验证。本文在分别开启和关闭五轴数控机床RTCP功能的条件下,提出了利用球杆仪进行机床转动轴精度检测的两种实验方法。分析表明,当RTCP功能开启的时候,数控系统的编程代码更加简洁通用,同时也更加符合理论生产加工需求。提出了一种在RTCP功能开启时的几何误差补偿算法,该算法通过对NC代码进行修正来实现误差补偿。最后通过实验辨识得到了转动轴的几何误差,并对实验中的测点位置进行误差补偿,结果表明补偿以后空间误差总体减小,证明了此补偿算法的适用性。
其他文献
近年来,随着通信技术的高速发展和移动终端设备的大量普及,人们越来越依赖移动设备进行工作和生活,移动应用程序也就变得越发重要。对于移动应用程序(Application,App)开发方来说,要想让App在充斥着大量同类产品的应用市场中脱颖而出,就必须使其具备丰富的图形用户界面(Graphical User Interface,GUI)和令人愉悦的用户体验(User Experience,UX)。那么如
深度学习是自动驾驶,人脸识别,生物医学图像处理以及机器人视觉等研究领域的突破性技术。虽然基于深度学习的神经网络模型以及相应的训练算法在许多大型的公开数据集中都有显著的表现,但是其往往都受限于昂贵的硬件设备,而无法应用在类似手机这种小型的设备中。知识蒸馏可以通过以学生网络学习教师网络的方式,使小规模的神经网络也能有着和大规模网络相似的效果,它相对于其他的模型压缩算法适用场景更加广泛。因此,本文重点研
当下,二维人脸识别已广泛应用于生活中,如刷脸支付、考勤管理等,但其存在防伪性差、误识率高等缺点。故人脸识别的研究重心逐渐转向三维人脸识别,其关键基础在于三维人脸模型的采集。其中,基于双目视觉的三维采集由于建模速度快、精度高成为该领域的热点,包含被动测量和主动测量。前者在自然光源下捕获目标图像,通过匹配立体图像中对应的点以恢复三维信息,如何提高立体匹配的精度是其中的关键。然而,被动三维测量难以满足高
近年来随着深度学习、计算机视觉技术的迅速发展,室内智能小车被广泛应用在社会生产生活中的多个领域,并逐渐形成了以激光雷达为主、多种感知设备共同协作的室内感知控制方案。单线激光雷达凭借其结构简单、成本低、精确度高、稳定性好等特点广泛应用于室内机器人感知系统中。单线激光雷达感知虽然可以有效的进行地图构建和定位,但是导航过程中单线激光雷达仅能获取单一平面稀疏激光点云,对非扫描平面障碍物感知不足与非均匀刚体
步态识别作为一种新兴的生物特征识别技术引起了广泛的关注和研究。与传统的生物特征识别技术相比,其难以伪装,具有非接触性、隐蔽性等特点,逐步在安防,医疗等领域中发挥了重要的作用。然而在实际场景中,遮挡或者携带物都会改变行人的行走特征,并且拍摄视角的变化也会改变行人轮廓的形状,从而影响识别结果。本文针对现有的步态识别方法在多个不同视角下的识别率不高问题,使用深度学习技术来展开研究。本文主要工作及创新点如
为解决空域日益拥堵、空中交通流量日益增加等问题,美国联邦航空管理局提出了自由飞行的概念。伴随该概念的提出,空中交通管制问题变得尤为复杂。随着我国民用航空运输事业的蓬勃发展及民航运输需求日益增加,为保证自由飞行条件下飞行器的安全,进行飞行冲突解脱策略的研究显得十分重要。现有飞行冲突解脱方法包括最优控制类冲突解脱方法、概率类冲突解脱方法以及数学规划类冲突解脱方法,这些传统冲突解脱方法存在着效率较低、计
我国目前共有1445种鸟类[1],其中不乏像白鹮、丹顶鹤等濒危物种。由于鸟类动作比较灵活,对鸟类影像资料的收集大多是通过相机进行拍照,这大大限制了鸟类教育宣传、保护和行为研究的工作开展。三维重建技术可以给上述工作提供强有力的帮助,它是指通过一定方式获取物体三维形状,从而可以更加直观的从各个视角对物体进行观察。常采用的三维重建方式包括,CAD建模和激光建模等。但这些方式存在一定的局限性,比如建模软件
随着工业的发展,零件内螺纹的加工精度要求越来越高,部分零件由于具有复杂的装配要求,其螺纹孔不仅分布复杂,甚至经常分布在不同平面内。传统的手动攻丝加工虽然具备较强的灵活性,可以完成复杂分布螺纹孔的加工,但其加工效率低,操作无法离开人力,同时其加工精度无法满足大多数企业的生产需求;而现有的组合钻床虽然效率高,但只能完成同一平面内的孔的内螺纹加工,需要移动工件才能完成复杂孔分布零件的内螺纹加工,而且组合
增材制造技术又称3D打印,该技术自1986年首次商业化至今,已经过去了35年,而其真正的高速增长期是从2012年开始的。笔者认为,该现象主要由两个重要因素所致:一个是具有低成本优势的FDM技术专利到期,另一个则是因为一个称为Rep Rap的由低成本嵌入式板卡驱动的低成本3D打印机开源项目的出现。这两个因素的共同作用使得3D打印技术以以往不可想象的低成本和低门槛进入了大众消费者群体中。而近几年基于L
在移动应用GUI(Graphical User Interface,用户图形界面)的开发过程中,界面开发人员需要识别设计原型图中抽象的具有设计意图的组件,并将其转化为准确具体的代码。然而,由于设计者与开发者广泛存在的领域背景知识的差异,开发人员对原型图组件的理解往往存在偏差,导致组件识别错误频出且难以更正,造成最终产品与设计不符,极大的增加了开发成本;不仅如此,在代码自动生成、界面自动化测试等围绕