一种机床进给系统的数字孪生过程模型构建方法及应用

技术领域

本发明属于机床加工技术领域，更具体地，涉及一种机床进给系统的数字孪生过程模型构建方法及应用。

背景技术

进给系统作为加工过程执行机构，是高档数控机床的核心功能部件。当前高速、精密、多轴联动加工和加工工况多变的发展需求，使得进给系统的精准过程控制成为目前高档数控机床加工精度和效率提升的主要影响因素，但实际数控加工过程中的时变振动特性使得该问题难以有效解决，成为智能制造发展的瓶颈问题。深究其原因，加工工艺过程缺乏感知、动态建模和精确的过程控制；加工过程中切削力、频带能量分布、加工位置、进给速度、及部件结合部特性等这些随动变量是过程多变量关联的，实际振动特性会随着这些关联变量的改变而改变。

在当前新工业现代化背景下，数字孪生作为突破性的应用技术框架成为了实现智能制造的基础，其借助于感知数据和连接的智能设备、数学模型和实时数据精化，实现虚拟系统和真实系统之间运行过程的镜像同步。显然数字孪生这种技术框架具有的过程关联交互特性正是目前智能制造所关注的加工过程复杂性、变化性和不确定性研究所需求的。然而当前数字孪生的研究多针对物理系统的某一特定领域或某一特定因素进行建模分析，研究内容是相对独立的，缺乏过程感知和过程变量的相互关联，对于数字孪生所关注的过程控制来说，几乎所有这些数字孪生模型的缺点都是失去了灵活性，故模型难以捕捉实际加工过程中进给系统的振动变化特性，并进行精准的过程控制。因此，研究一种加工过程中进给系统时变振动特性的数字孪生过程控制方法是必要的。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种机床进给系统的数字孪生过程模型构建方法及应用，用以解决现有技术难以捕捉实际加工过程中进给系统的振动变化特性，无法进行精准控制的技术问题。

为了实现上述目的，第一方面，本发明提供了一种机床进给系统的数字孪生过程模型构建方法，包括以下步骤：

S1、以整机的薄弱环节的变化为基准，采用聚类算法将整机工作空间划分为若干个区域，将薄弱环节与整机工作空间中的加工位置变量进行关联；基于加工过程中整机工作区间所对应的薄弱环节的动态响应，将薄弱环节、整机工作空间中的加工位置变量、切削激励变量之间进行关联，得到整机数字孪生过程模型；其中，整机的薄弱环节为整机中模态质量分布幅值大于预设阈值的部位；

S2、对机床进给系统的模态参数进行分析，得到机床进给系统的频响函数，并采用频响函数对预先建立的进给系统虚拟模型进行校准；

S3、在不同加工参数下对整机数字孪生过程模型进行随动分析，得到不同加工参数下的薄弱环节处的动刚度，并将最大动刚度所对应的加工参数中的进给系统参数输入到进给系统虚拟模型中，从而得到机床进给系统的数字孪生过程模型。

进一步优选地，上述机床进给系统的数字孪生过程模型构建方法还包括在所述步骤S3之后执行的步骤S4；

步骤S4包括：考虑加工过程中多个变量引起的进给系统时变振动特性，采用强化学习算法对机床进给系统的数字孪生过程模型进行训练，不断地循环并更新控制策略，直至达到所需的控制精度。

进一步优选地，上述机床进给系统的数字孪生过程模型构建方法还包括在步骤S1之前执行的步骤S0；

步骤S0包括：

对机床进给系统和整机分别进行静态模态实验，基于结构动力学状态空间模型，辨识机床进给系统以及整机的模态参数；

对整机的模态参数进行分析得到整机的模态质量分布；

上述结构动力学状态空间模型为：

其中，δ

进一步优选地，采用卡尔曼滤波算法将整机的模态参数与加工过程中整机工作区间所对应的薄弱环节的动态响应数据进行在线融合，得到加工过程中薄弱环节处主振模态所对应的频响函数，从而将薄弱环节、整机工作空间中加工位置变量、切削激励变量之间进行关联；

上述加工过程中薄弱环节处主振模态所对应的频响函数为：

其中，δ＝[δ

进一步优选地，整机第j阶模态的模态质量表示为：

其中，δ

进一步优选地，采用聚类算法将整机工作空间划分为若干个区域的方法，包括：

记待聚类的整机中模态质量分布数据集为

其中，密度μ

d

记

若a

计算综合考量值ε

进一步优选地，上述预先建立的进给系统虚拟模型为基于多体动力学平台建立的进给系统虚拟模型。

进一步优选地，上述加工参数包括：加工位置变量和切削激励变量；切削激励变量包括：进给速度、主轴转速、切削力大小、切削力方向和加工工件质量；上述进给系统参数包括：进给速度和进给位置。

第二方面，本发明提供了一种机床进给系统的过程优化控制方法，包括：

采用本发明第一方面所提供的机床进给系统的数字孪生过程模型构建方法，构建得到机床进给系统的数字孪生过程模型；

运行上述机床进给系统的数字孪生过程模型，得到机床进给系统的PID参数，并将PID参数部署到真实的机床进给系统中，从而实现机床进给系统的过程优化控制。

进一步优选地，上述得到机床进给系统的PID参数的方法，具体包括：

A1、基于机床进给系统当前调整下的位置误差e

其中，i＝1,...,n

A2、基于机床进给系统当前调整下的位置误差e

A3、根据增广向量z

M

A4、将当前调整下的PID参数部署到真实的机床进给系统中进行调整，对机床进给系统的位置误差和位置误差导数进行N次采样，并计算位置误差和位置误差导数的平均值

其中，ρ

A5、重复步骤A1-A4进行迭代，直至迭代次数达到预设迭代次数，或者位置误差和位置误差导数的平均值

第三方面，本发明提供了一种机床进给系统的过程优化控制系统，包括：存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时执行本发明第二方面所提供的过程优化控制方法。

第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行本发明第一方面所提供的机床进给系统的数字孪生过程模型构建方法和/或本发明第二方面所提供的机床进给系统的过程优化控制方法。

总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：

1、本发明提出了一种机床进给系统的数字孪生过程模型构建方法，考虑时变振动特性对进给系统精度的影响，对加工过程中从机床整机到进给系统的不同空间尺度的振动特性进行全面描述，建立了从机床整机到进给系统的不同空间尺度的过程模型与联系，将过程变量相互关联实现过程感知，可以针对加工过程中随动出现的变量，变换相应系统模型，灵活性较强，能够捕捉实际加工过程中进给系统的振动变化特性，从而对进给系统进行实时精准的过程控制。

2、本发明提出的机床进给系统的数字孪生过程模型构建方法，基于实验分析，通过机理建模与数据建模的混合方法，对加工过程中机床整机和进给系统进行准确建模，能够针对时变振动特性下的进给系统分析获得最优的控制参数，实现进给系统的实时过程控制，从而提高了加工精度。

3、本发明提出的机床进给系统的数字孪生过程模型构建方法，基于密度与距离的快速聚类算法，对机床工作空间内的海量动力学特性数据集进行聚类降维，实现工作空间的分区，大大缩减了最初建立的数字孪生过程模型的规模和复杂度。

附图说明

图1为本发明实施例1提供的机床进给系统的数字孪生过程模型构建方法流程图；

图2为本发明实施例1提供的整机结构的薄弱环节特性图；

图3为本发明实施例1提供的加工过程中的切削激励变量关联示意图；其中，(a)为切削激励变量示意图；(b)为薄弱环节处的动态响应示意图；

图4为本发明实施例1提供的进机床进给系统的数字孪生过程模型的构建原理示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

实施例1、

一种机床进给系统的数字孪生过程模型构建方法，用于机床加工过程中，如图1所示，包括以下步骤：

S1、以整机的薄弱环节的变化为基准，采用聚类算法将整机工作空间划分为若干个区域，将薄弱环节与整机工作空间中的加工位置变量进行关联；基于加工过程中整机工作区间所对应的薄弱环节的动态响应，将薄弱环节、整机工作空间中的加工位置变量、切削激励变量之间进行关联，得到整机数字孪生过程模型；其中，整机的薄弱环节为整机中模态质量分布幅值大于预设阈值的部位；本实施例中预设阈值的取值为5×10

具体地，本实施例中，首先选取整机工作空间内的63个加工位置点，在每个位置点处进行整机结构的静态模态分析实验(锤击实验和自激励模态实验)，采用LMS分析软件进行信号采集与模态辨识，获取各位置点的整机结构的模态参数；具体地，基于结构动力学状态空间模型，辨识机床进给系统以及整机的模态参数；上述结构动力学状态空间模型为：

其中，δ

进一步地，计算整机结构各位置点(各测点)的模态质量分布，分析得到整机结构的薄弱环节如图2所示，在图2中整机的薄弱环节为整机中模态质量分布幅值最大的部位。其中，整机第j阶模态的模态质量表示为：

其中，δ

其中模态质量分布幅值较大的自由度称为机床结构的薄弱环节。

需要说明的是，当结构某阶模态的模态质量分布不均匀，存在突变时，模态质量分布集中的自由度为结构的薄弱环节。以不同位置的模态质量分布为数据样本，计算不同位置点之间样本分布的距离和所有数据点的密度分布，获得聚类中心决策图。根据聚类中心决策图选择合适的聚类中心，并对非聚类中心的其他位置点根据计算距离进行归类，实现工作空间分区。同一区域内不同位置点之间相比结构的模态质量分布变化较小，不同区域间整机结构的模态质量分布不同，能量集中的自由度(薄弱环节)发生变化。本实施例中，上述采用聚类算法将整机工作空间划分为若干个区域的方法，包括：

记待聚类的整机中模态质量分布数据集为

其中，密度μ

d

λ(d

记

若a

计算综合考量值ε

通过上述方法将63个加工位置点划分为K个区域，本实施例中K取值为3。

进一步地，考虑加工过程中切削激励力的大小和方向以及主轴转速等变量的不断变化，基于结构动力学特性，利用上述整机工作空间分区结果中薄弱环节的动态响应，实现加工过程中切削激励变量的关联，如图3所示，其中，图(a)为切削激励变量示意图，图(b)为薄弱环节处的动态响应示意图。

具体地，本实施例中，采用数据融合算法将整机的模态参数与加工过程中整机工作区间所对应的薄弱环节的动态响应数据进行在线融合，从而将薄弱环节、整机工作空间中加工位置变量、切削激励变量之间进行关联。本实施例中，上述数据融合算法优选为卡尔曼滤波算法，采用卡尔曼滤波算法进行在线融合过程建模；其中，滤波估计的输入为系统的观测值，输出为系统状态的估计值，利用结构动力学状态空间模型，估计各阶模态对应的振动分量，计算模态贡献量，在线得到薄弱环节处主振模态对应的频响函数。具体为：

采用卡尔曼滤波算法将整机的模态参数与加工过程中整机工作区间所对应的薄弱环节的动态响应数据进行在线融合，得到加工过程中薄弱环节处主振模态所对应的频响函数，从而将薄弱环节、整机工作空间中加工位置变量、切削激励变量之间进行关联；

其中，模态坐标下的动力学方程转换为状态空间模型后的表达为：

其中，δ

对于第l阶模态(主振模态)，其激励力信号可以表示为F＝A

其中，δ＝[δ

S2、对机床进给系统的模态参数进行分析，得到机床进给系统的频响函数，并采用频响函数对预先建立的进给系统虚拟模型进行校准；

同样地，对机床进给系统进行静态模态实验(锤击实验和自激励模态实验)，利用采集系统进行振动信号采集，辨识机床进给系统的模态参数。

优选地，本实施例中，预先建立的进给系统虚拟模型为基于多体动力学平台建立的进给系统虚拟模型。

S3、在不同加工参数下对整机数字孪生过程模型进行随动分析，得到不同加工参数下的薄弱环节处的动刚度，并将最大动刚度所对应的加工参数中的进给系统参数输入到进给系统虚拟模型中，从而得到机床进给系统的数字孪生过程模型。

其中，上述加工参数包括：加工位置变量和切削激励变量；切削激励变量包括：进给速度、主轴转速、切削力大小、切削力方向和加工工件质量；上述进给系统参数包括：进给速度和进给位置。

优选地，在构建得到机床进给系统的数字孪生过程模型后，进一步考虑加工过程中多个变量引起的进给系统时变振动特性，采用强化学习算法对机床进给系统的数字孪生过程模型进行训练，不断地循环并更新控制策略，直至达到所需的控制精度。

本实施例所采用的机械装备优选为数控机床优选为高档重型数控机床，以及面向加工过程中具有时变振动特性的进给系统。

综上，本发明提供了一种考虑时变振动特性和多维度变量的机床进给系统的数字孪生过程模型的构建方法，提出基于实验分析，通过机理建模与数据建模的混合方法，对加工过程中从机床整机到进给系统的不同空间尺度的振动特性进行全面描述，继而分析得到最优的控制参数，实现进给系统的实时过程控制，从而保证加工精度。具体地，进机床进给系统的数字孪生过程模型的构建原理示意图如图4所示。

实施例2、

一种机床进给系统的过程优化控制方法，包括：

采用本发明实施例1所提供的机床进给系统的数字孪生过程模型构建方法，构建得到机床进给系统的数字孪生过程模型；

运行上述机床进给系统的数字孪生过程模型，得到机床进给系统的PID参数，并将PID参数部署到真实的机床进给系统中，从而实现机床进给系统的过程优化控制。

优选地，本实施例中，基于T-S模糊规则得到机床进给系统的PID参数的方法，具体包括以下步骤：

A1、基于机床进给系统当前调整下的位置误差e

其中，i＝1,...,n

A2、基于机床进给系统当前调整下的位置误差e

A3、根据增广向量z

具体地，机床进给系统当前调整下的PID参数为：

其中，M

A4、将当前调整下的PID参数部署到真实的机床进给系统中进行调整，对机床进给系统的位置误差和位置误差导数进行N(本实施例中N取值为10)次采样，并计算位置误差和位置误差导数的平均值

其中，ρ

A5、重复步骤A1-A4进行迭代，直至迭代次数达到预设迭代次数，或者位置误差和位置误差导数的平均值

相关技术方案同实施例1，这里不做赘述。

实施例3、

一种机床进给系统的过程优化控制系统，包括：存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时执行本发明实施例2所提供的过程优化控制方法。

相关技术方案同实施例2，这里不做赘述。

实施例4、

一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行本发明实施例1所提供的机床进给系统的数字孪生过程模型构建方法和/或本发明实施例2所提供的机床进给系统的过程优化控制方法。

相关技术方案同实施例1和实施例2，这里不做赘述。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。