宇匠数控 备注：为保证文章的完整度，本文核心内容由PDF格式显示，如未有显示请刷新或转换浏览器尝试，手机浏览可能无法正常使用！

本文摘要：

  在五轴数控系统进行非重复性加工的场景中，现有的轮廓控制方法如CCC和ILC都无法对轮廓误差进行较好的补偿，由于数控系统的输入输出轨迹之间存在比较明确的关系，本文通过神经网络从以往的运行数据中对数控系统的误差模型进行学习，建立数控系统的误差预测模型，从而实现对数控系统运行误差的预补偿。实验结果表明，该方法能够很好的降低数控系统加工过程中的轮廓误差。本文的主要研究成果如下：

(1)提出了一种五轴随机刀具路径的生成方法。五轴轨迹点中包含了刀尖位置和刀具方向，在工件坐标系下较难生成用于神经网络训练的五轴训练集轨迹，由于五轴加工中心各个轴之间不存在明显的耦合关系，本文先生成随机的单轴控制点，再通过NURBS曲线对控制点进行拟合，从而得到随机的五轴刀具路径。

(2)提出了一种用神经网络建立轮廓误差预测模型的方法。基于对典型运动控制系统的分析，将神经网络的输入特征分解为线性特征和非线性特征，以更好地对跟踪误差中的非线性进行预测。在仿真平台及实物平台上进行实验，神经网络可以很好地对跟踪误差进行预测，达到较高的预测精度。

(3)针对单次补偿无法将轮廓误差补偿到位的问题，提出了一种使用神经网络的预测结果来进行迭代补偿的方法，通过离线的方式多次对轮廓误差进行补偿，最终得到补偿之后的G代码轨迹。

(4)将本文所提出的轮廓误差补偿方法在五轴加工中心上进行实验，实验结果表明，本文所提出的误差补偿方法能够大幅度降低机床加工过程中的轮廓误差，能够达到与迭代学习补偿相近的效果。相比于神经网络单次补偿，能够有效地降低轮廓误差，此外，本文所提出的补偿算法具有较好的鲁棒性，不会出现补偿发散的问题。

综上，本文提出了一种基于TCN神经网络的五轴轮廓误差迭代预补偿方法，可以对五轴非重复性加工任务的轮廓误差进行补偿。虽然本文的控制方法能够实现不错的轮廓控制效果，但是还有很多未考虑到的地方，需要进行更深入的研究：

(1)相比于直线轴，五轴加工中心中的旋转轴更加复杂，本文在使用神经网络对五轴轮廓误差进行建模的过程中，没有考虑直线轴和旋转轴之间的区别，可以进一步对旋转轴进行更细致的分析，建立更准确的误差预测模型。

(2)本文所采用的轮廓误差补偿方法是在轨迹运行之前，离线的对参考轨迹进行修改，从而实现轮廓误差的补偿，可以考虑在机床运行过程中实时的对轮廓误差进行补偿。

(3)目前本文提出的轮廓误差补偿方法仅考虑了数控加工过程中的控制误差，可以进一步考虑热误差、安装误差等引起轮廓误差的因素，降低零件的加工误差。