[发明专利]一种基于在位检测的闭环控制精密加工方法及系统

摘要

本发明公开了一种基于在位检测的闭环控制精密加工方法及系统，属于精密机械加工领域。该方法包括：S1、机床刀具依据预设加工路径进行一次加工工序；S2、原位采集工件的外形尺寸、形貌关键点尺寸以及加工参数，并实时输入神经网络智能补偿模型，计算出刀具的误差补偿值C并据此优化下一步的加工路径，以对下一步的加工进行实时动态补偿；S3、将步骤S2优化后的下一步的加工路径作为步骤S1的预设加工路径，重复步骤S1、S2直至加工完成。本发明通过在位测量实时获得加工过程中的局部关键尺寸，计算出加工误差并基于神经网络算法实时拟合计算加工补偿值，自动优化加工路径，从而减小加工误差，实现实时闭环控制的精密加工。

主权项

1.一种基于在位检测的闭环控制精密加工方法，其特征在于，包括如下步骤：S1、机床刀具依据预设加工路径进行一次加工工序；S2、完成步骤S1之后，或者在步骤S1执行过程中实时地，原位采集工件的外形尺寸、形貌关键点尺寸以及加工参数，并实时输入神经网络智能补偿模型，计算出刀具的误差补偿值C并据此优化下一步的加工路径，以对下一步的加工进行实时动态补偿；其中：外形尺寸、形貌关键点尺寸以及加工参数包括：工件的形状S、外形尺寸H、工件材质M_p、工件精确度要求A、刀具材质M_t、机床主轴速度V_m、刀具进给速度V_t、切削液F、加工工序W_s和加工误差数据；加工误差数据包括工件的形状误差δ^S和工件的形貌尺寸误差δ^H，δ^S和δ^H分别是工件的形状S、形貌尺寸H的测量值与设计值的差值；神经网络智能补偿模型，是通过将已加工工件的外形尺寸和形貌关键点尺寸作为输入，相应的误差补偿值C作为输出，对神经网络进行训练得到；S3、将步骤S2优化后的下一步的加工路径作为步骤S1的预设加工路径，重复步骤S1、S2直至加工完成。