[发明专利]基于动力学与神经网络的机床进给系统建模方法及设备

权利要求书

1.一种基于动力学与神经网络的机床进给系统建模方法，其特征在于，将动力学模型与神经网络相结合，增加仿真模型的非线性表达能力，包括以下步骤：

(1)根据机床进给系统各部分的机械部件的运动学及动力学特性，建立机床进给系统机械部件的动力学方程；依据动力学方程在仿真软件上构建机床进给系统的各个模块的子模型，其中包括工作台子模型，工作台子模型的搭建考虑了工作台与导轨之间的摩擦力，引入了工作台与导轨之间的非线性的摩擦力模型；再将各个子模型整合为机床进给系统的动力学模型；该动力学模型的输入为伺服电机输入转矩，输出为工作台仿真位移；

(2)根据实际机床已知的结构、性能参数的值推算出动力学模型中相应的参数值；对于仿真模型中未知的动力学参数，采集实际机床的运行数据构建数据样本，基于所述数据样本通过优化算法对动力学仿真模型的未知的动力学参数进行辨识，进而确定动力学模型中全部参数的值；

(3)将离线训练好的深度神经网络模型替换动力学仿真模型的工作台子模型，该深度神经网络的输入为伺服电机的输入转矩以及动力学模型中除工作台子模型外其他子模型的仿真输出数据，该深度神经网络的输出为工作台的仿真位移；由此得到基于动力学与神经网络的机床进给系统仿真模型。

2.如权利要求1所述的一种基于动力学与神经网络的机床进给系统建模方法，其特征在于，所述机床进给系统的各个模块包括信号处理及输入模块、电机轴模块、连轴器模块、轴承模块、滚珠丝杠模块、丝杆螺母副模块、以及工作台模块。

3.如权利要求1所述的一种基于动力学与神经网络的机床进给系统建模方法，其特征在于，所述动力学方程包括电机轴的转矩平衡方程、等效转动惯量方程、等效刚度方程以及负载转矩方程。

4.如权利要求1～3任意一项所述的一种基于动力学与神经网络的机床进给系统建模方法，其特征在于，步骤1包括如下子步骤：

步骤1.1：根据机床进给系统各部分的运动学及动力学特性，构建进给系统传递函数如下：

电机轴的转矩平衡方程如下：

其中，T_e为电机电磁转矩，T_L为滚珠丝杠的驱动转矩，θ_m为电机角位移，是θ_m的一阶导数，是θ_m的二阶导数，J_m为电机转动惯量，B_m为电机轴粘滞阻尼系数；

丝杠轴转矩平衡方程如下：

其中，J_L为进给系统机械部分的等效转动惯量，θ_L为滚珠丝杠副驱动端的输出角位移，是θ_L的二阶导数，B_L为进给系统机械部分的等效阻尼系数，T_s为进给系统机械部分的负载转矩，该进给系统机械部分包括切削转矩、螺母预紧，T_f为轴承的摩擦力矩；

等效转动惯量方程式如下：

J_L＝J_c+J_s+J_w

其中，J_c为联轴器的转动惯量，J_s为滚珠丝杠的转动惯量，J_w为移动部件的转动惯量；

负载转矩方程式如下：

其中，F_f为导轨与滑块间摩擦力；F_x为进给力，T_sn为丝杠螺母副的摩擦力矩；

步骤1.2：依据步骤1.1建立的传递函数在仿真软件平台上搭建各个模块的子模型。