數控機床的熱誤差補償

　　熱變形誤差補償技術一般采用事后補償，采用各種檢測手段對數控加工時產生的誤差進行直接或間接的測量，然后根據己經建立的誤差補償模型進行誤差補償計算，將計算結果反饋給數控系統，使控制器發出相應的控制誤差補償指令以補償相應的熱誤差。
　　熱誤差補償方法要求建立一套機床熱誤差數學模型，用以計算機床的熱變形誤差，通過對機床主軸運動進行修正，使機床的加工精度得以提高。這種方法   大的特點就是用有熱變形誤差的數控機床，加工出的產品，因此，熱變形補償方法實現了低成本、   的生產目標。針對數控機床熱變形的誤差狀況，通過對理想數控指令進行修正，實現熱誤差的補償目的。熱誤差補償方法不受數控系統及伺服系統的類型限制，實現了跨系統方式的誤差補償，同時它還具有成本低，易于調試和不受機床機電特性影響等特點。具體的補償過程。
　　目前，許多機構都對熱誤差的補償做了很多研究工作，如   密歇根大學的ChenJ. S教授等了包括幾何誤差在內的多達32個誤差源的在線測量、數據處理和誤差補償系統。上海交大的楊建國等提出了魯棒建模方法研究機床熱誤差補償，沈陽航空工業學院的于金等用人工神經網絡方法辨識數控機床的熱關鍵點，天津大學的張奕群等用模糊聚類和相關分析的方法優化和辨識機床外部的溫度測點。熱誤差補償也有其缺點，進行數據采集的時候，由于傳感器精度及其他原因的干擾，使得采集的數據可能失真，這樣就會對補償結果造成影響。
　　機床熱誤差補償方法普遍采用在線測量機床某些點的溫度變化，離線計算溫升一一熱變形數學模型，計算機床實時的誤差值，并將誤差補償值輸入到機床補償裝置中，對機床進行熱誤差補償。具體加工過程中的熱誤差是高度非線性的動態、時變過程，若想根據經驗模型對其進行在線預報，則該經驗模型   具有多輸入變量的非線性模型。建立機床熱誤差的溫升一一熱變形數學模型的方法主要有以下幾種。
　　.有限元方法(Finite Element Analysis)：該方法通過對機床結構的熱彈性變形和熱傳遞分析，對機床的熱誤差進行估計。
　　.多元線性回歸方法(MRA, Multiple Regression Analysis )：該方法通常應用于機床熱誤差的建模，建立機床關鍵部件熱狀態和機床誤差狀態之間的關系。
　　.神經網絡方法(NN, Neural Network)：該方法能夠成功地對機床的誤差進行映射，通常應用于機床熱誤差的建模。
　　其中有限元方法主要是對機床熱變形進行預報作用，通過對邊界條件的定義，計算出機床發熱的溫度場，找出機床發熱關鍵點，但其預報誤差的功能較差，一般只能預報2096- 30%的動態誤差，所以常用于計算機床的靜態誤差。