在线检测系统中对预行程误差预测和补偿的应用分析

垫　ｉ　Ｑ：塑　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｉｎｎｏｖａｔｉｏｎ　Ｈｅｒａｌｄ　学术论坛　在线检测系统中对预行程误差预测和补偿韵应用分析①②　（１．广西科技大学机械工程学院张熙中’王　杨阳’　广西柳州５４５００６；２．柳州工程机械股份有限公司广西柳州５４５ｏｏ６）　摘　要：预测和补偿预行程误差，能在很大程度上提高在线检测系统中测量的精确度，基于这一原理，提出基于ＢＰ与正则化ＲＢＦ神经网络的　一种新的检测误差预测的方法，同时基于ＢＰ和正则化ＲＢＦ神经网络，建立了一个能够在线检测系统并且预行程误差的模型，利用相关的实验数　误差预测　误差补偿　据，将已经训练好的网络运用到实际中，对加工零件的误差进行预测与补偿。　关键词：在线检测　预行程误差中图分类号：ＴＨ－－３９　文献标识码：Ａ　文章编号：１６７４－－０９８Ｘ（２０１３）０３（ａ）－０２４６－０１　近几年，一些专家学者专门研究了在线检测系统预行程误差，检　础，可以任意的精度值像任意的连续的多元函数迫近，同时具有极佳　测是控制产品的质量的重要环节，但是，传统机械的加工生产过程中，　检测与加工的操作分开的，这种情况下，就出现了二次性的定位误差，　的逼近特征，同时满足对迫近曲线的平滑性与对样本逼近时产生的　误差，通过用正则化ＲＢＦ的算法，运用对网络的训练实验，可实现非　数控机床的在线检测为解决这类问题，提供了更加行之有效的措施　线性映射的空间输入及输出，进而建立起预行程误差模式。　和途径。下面通过了解ＢＰ＊Ｉ］正规化ＲＢＦ神经网络的预测方法，来探讨　与分析在线检测系统中，对预行程误差预测和补偿。　４预测模型误差的精度分析　根据正规化ＲＢＦ的网络原理，对预行程误差进行模型实验：从　ｌ２９７个测试点预行程误差内，取出６４９个探测点作为实验数据，剩下　１影响在线检测精度的原因及对其误差的控制与补偿　伴随着高密度加工技术的进步与发展，产业对数控机床在线检测　的６４８个作为用预测算法验证的网络训练数据，通过正规化ＲＰＦ的　的精确度，有了更高的要求，这种情况下，要想实现对数控机床进行高精　网络实验后，预测其他的６４８个测试点，并与在实验模型中对应的，进　度的在线检测，更有效的方法，就是要对影响控制机床检测系统精密度　行实际测量的预行程误差相比，最终得出ＲＢＦ算法的精度预测，结果　的因素，做更加详细的研究与分析，这样才能在最大限度上避免检测中　产生的误差，也可以根据影响检测精度的因素对误差进行最大程度的　补偿，以实现数控机床更加精确的在线检测。调查发现，影响检测机床　精确度的因素主要有：测头半径补偿、几何误差以及测头预行误差三种　因素，但是，当机床热平衡后，测头预行程误差和机床集合误差就成为　影响数控机床检测的最主要的原因，所以，这种误差也可以表示为ａ　ｆ　（△ｌ，△２），其中△ｌ表示机床几何误差，△２表示测头预行程误差，ｆ　表示机床误差，测头误差与在线检测误差之间的参数函数关系，用构建　数控机床的形式对数学模型进行在线检测，从而识别并测量模型中的各　个误差参数值，最终实现对在线检测中系统存在误差现象的补偿。　如图１所示。　图１　２基于ＢＰ神经网络，预行程误差预测模型的构建　２．１　ＢＰ神经网络方法　ＡＮＮ是一种对人的大脑进行物理结构层的模拟，也就是用电脑　的精确度，下图可以看出，大多数的预测值的精确度均在０．００３　ｍｍ　仿真的方法，运用物理结构对人脑进行模拟，具有自组织、自学习、自　以下，只有少数的预测精度值在０．００５　ｍｍ左右，另外，只有一个预测　适应、高度非线性映射以及高容错的能力，同时，ＡＮＮ的网络始终开　点的在０．００７　ｍｍ左右。　放，具有自主再学习的功能，很大程度上提高了系统的适用范围和精　确度，ＢＰ也是目前世界上应用最广最成熟的神经网络之一，实现每层　神经元无连接，而上下层全连接的状态，经过各个隐含的层面，使神经　元的激活值由输入层传播到输出层，与此同时，输出层获得输入响应，　图１中的虚线代表经过正规化ＲＢＦ而得出的预测情况，实现则代　表实际测量时得出的预行误差，两条线条重合的部分为ＲＢＦ预测算法　量　：　Ｏ０　￣０．∞Ｏ　ＯＯ　在按以减少实际输出和目标输出误差的方向，通过各隐含层从输出层　再回到输入层，最后逐层修复个链按的偏置值和权值，此算法被称为　“误差传播反向算法”即ＢＰ，随着ＰＢ修正方法的不断进行，输入模式　响应中，网络的正确率也逐渐的上升，目前，ＢＰｉ＊经网络被更多的应用　于组合优化、预测控制及模式识别等领域中。　２．２检测数据的采集　实验设备中机床是经机电研究院研究制定的ＶＭｃ　７５Ｏ加工　图２　检测是控制产品质量的重要环节，建立基于正则化ＲＢＦ的神经　网络算法的预测误差模型，以及基于ＢＰ神经网络在线检测系统的预　　中心，这种机床设备采用ＦＡＮＵｃ　ＯＩ—Ｍ的系统，精确定位达到　行误差预测和补偿方法等尤为重要，搭建更加先进的在线检测系统，０．００５　ｍｉｌｌ，侧头是哈尔滨的先锋机电公司研制的，触发式的，有线的　大大提高了在系统操作过程中的精确率，更好的解决了在在线检测系　统中出现的对预行程中，所产生的预测误差和补偿的问题。　通讯测头系统，侧头尺寸为２２５×６０（ｍｍ），测针摆动的角度为１５。，　测针复位后，精确度小于０．００１　ｍｍ，每次的实验数据中，要测量７３个　方向上的７３个测点，同时这些测点在标准球的北极点及三个维度上布　参考文献　局，其中三个纬度的角为：９０。、６０。和３０。。　［１】高大启．有教师的线性基本函数前向三层神经网络结构研究［Ｊ】．　３基于正则化ＲＢＦ的预行误差预测模型　正则化ＲＢＦ网络，是种通用的逼近器，以足够多的隐节点为基　①项目编号：桂科攻１２１１８０１５－７Ｂ。　计算机学报，１９９８，２１（１）：８０－８６．　【２］张本正，高健．加工精度在线检测系统预行程误差预测与补偿【Ｊ］．　机械设ｉｔ－￣ｔＵ造，２０１１（４）：１６５－１６７．　②作者简介：张熙中（１９８４一）男，汉族，湖北黄冈人，２００８年毕业于长江大学工程技术学院机械设计制造及其自动化专业，２０１０年至今广　西科技大学机械工程学院硕士研究生在读，研究方向：在线检测技术研究与应用。　２４６　科技创新导报Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｉｎｎｏｖａｔｉｏｎ　Ｈｅｒａｌｄ