一种磨削力控制方法及基于其的磨床与流程

1.本发明涉及b24b，用于磨削的机床领域，具体是一种磨削力控制方法及基于其的磨床。


背景技术：

2.现有数控系统磨床的磨削力一般通过安装在机床上的力传感器进行检测，然后检测值传送至砂轮电机驱动器构成闭环控制，该驱动器通过调节转速实现磨削力的控制，然而现有数控系统磨床由于磨削力主要和砂轮与工件的接触关系有关，且磨削力控制主要是为了实现指定的磨削结果，但是现有机床仅通过调节砂轮转速控制磨削力无法实现指定的磨削结果的问题，为了解决上述问题，需要提供一种能够控制磨床磨削力的方法。


技术实现要素：

3.发明目的：本发明提出一种磨削力控制方法，以解决现有技术存在的上述问题。
4.技术方案：一种磨削力控制方法包括：s1. 向机床控制装置输入设定磨削力。
5.s2. 机床控制装置实时获取电机驱动器中的砂轮电机转矩、砂轮半径测量装置测量的砂轮半径及与之对应的实际磨削力。
6.s3. 机床控制装置根据设定磨削力、砂轮电机转矩、砂轮半径和实际磨削力计算出机床轴运动量，并发送至任意机床轴的电机驱动器，控制电机的运动，使磨床砂轮对工件进行预定位置和速度的磨削加工，实现磨削力的控制。
7.在进一步的实施例中，磨削力控制方法还包括：s4. 在s3中建立机床运动学模型和工件磨削轨迹。
8.s5. 由机床控制装置获得磨削过程中每个控制节拍中的机床轴的位置和速度，及砂轮电机转矩。
9.s6. 通过机床运动学模型和工件磨削轨迹得到每个控制节拍中砂轮在工件对应磨削点处的法向位置和速度，及与之对应的砂轮实际磨削力。
10.s7. 采用模型辨识技术得到以法向位置和速度作为输入和砂轮实际磨削力作为输出的动态模型。
11.s8. 在磨削力控制过程中，根据设置磨削力和实际磨削力之间的偏差，采用自适应控制方法和s7中的动态模型，得到砂轮相对于工件磨削点法向处的运动位移和速度。
12.s9. 将s8得到的运动位移和速度通过机床运动学模型分解成机床各轴的运动量，并发送至任意机床轴的驱动器，控制电机的运动，从而最终实现磨削力的控制，通过采用模型辨识方法，可以得到不同工况下的磨削力关系模型，具有适应性强的特点，采用自适应控制方法实现磨削力控制的快速响应性和高抗扰动能力。
13.在进一步的实施例中，磨削力控制方法还包括：s10. 采用机器学习技术对s7中得到的动态模型进行大数据处理，进一步得到更为准确的动态模型，通过采用机器学习技术对磨削力关系模型进行大数据处理，可以使得控制方法应用于不同材质的砂轮和工件，具
有高可靠性的特点。
14.在进一步的实施例中，s11. 由砂轮电机的电机驱动器实时检测砂轮电机的转矩电流，由砂轮电机的力矩系数得到砂轮电机的转矩，或者由砂轮电机驱动器直接获得砂轮电机的转矩，由机床的砂轮半径测量装置得到砂轮实际半径，根据磨削力计算算法综合得到磨削力。
15.在进一步的实施例中，所述磨削力计算算法包括：式中，f为磨削力，r为砂轮半径，为砂轮电机力矩系数，为电机的转矩电流。
16.在另一方面基于磨削力控制方法的磨床包括：机床控制装置，包括控制算法、机床轴运动量算法和实际磨削力计算算法。
17.若干个电机驱动器，与机床控制装置电连接。
18.若干个机床轴电机，与电机驱动器电连接，所述机床轴电机包括用于驱动砂轮的砂轮电机。
19.所述电机驱动器驱动机床轴电机运动，并将任意机床轴电机的实际运动数据实时传输给机床控制装置。
20.砂轮半径测量装置，与机床控制装置电连接，所述砂轮电机驱动的砂轮在砂轮半径测量装置的检测范围内，用于测量的砂轮半径，并将其实时传输给机床控制装置。
21.所述机床控制装置根据磨削力控制方法对任意机床轴电机的电机驱动器发送控制信号。
22.有益效果：本发明通过机床控制装置根据设定磨削力，调节砂轮与工件的接触关系，在机床控制装置里实现闭环控制，从而实现磨削力的控制，控制装置为机床的数控系统，控制算法集成在数控系统内部，大部分磨床具备砂轮半径测量装置，无需直接在数控系统中输入，不需要增加额外磨削力测量和控制的软件硬件，具有适配性好，升级及生产成本低的优点，通过机床控制装置的闭环控制磨削力解决了现有机床仅通过调节砂轮转速控制磨削力无法实现指定的磨削结果的问题。
附图说明
23.图1为磨削力控制框图。
24.图2为未启用磨削力控制时实际磨削力与设定磨削力差值曲线示意图。
25.图3为启用磨削力控制后实际磨削力与设定磨削力差值曲线示意图。
具体实施方式
26.在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
27.本技术公开了一种能够控制磨床磨削力的方法。
28.该磨削力控制方法的实现需要使用到：机床控制装置、若干个电机驱动器、若干个
机床轴电机和砂轮半径测量装置。
29.机床控制装置包括控制算法、机床轴运动量算法和实际磨削力计算算法。
30.电机驱动器与机床控制装置电连接。
31.机床轴电机与电机驱动器电连接，机床轴电机包括用于驱动砂轮的砂轮电机，电机驱动器与至少一个机床轴电机连接，在优选的实施例中电机驱动器与机床轴电机一一对应。
32.电机驱动器驱动机床轴电机运动，并将任意机床轴电机的实际运动数据实时传输给机床控制装置，其中任意机床轴电机可以是有动作数据变化的机床轴电机，或也可以是所有机床轴电机，在优选实施例中任意机床轴电机是所有机床轴电机。
33.砂轮半径测量装置与机床控制装置电连接，砂轮电机驱动的砂轮在砂轮半径测量装置的检测范围内，用于测量的砂轮半径，并将其实时传输给机床控制装置。
34.机床控制装置基于本技术公开的磨削力控制方法对任意机床轴电机的电机驱动器发送控制信号。
35.磨削力控制方法包括：s1. 向机床控制装置输入设定磨削力。
36.s2. 机床控制装置实时获取电机驱动器中的砂轮电机转矩、砂轮半径测量装置测量的砂轮半径及与之对应的实际磨削力。
37.s3. 机床控制装置根据设定磨削力、砂轮电机转矩、砂轮半径和实际磨削力计算出机床轴运动量，并发送至任意机床轴的电机驱动器，控制电机的运动，使磨床砂轮对工件进行预定位置和速度的磨削加工，实现磨削力的控制。
38.工作原理：设定磨削力为输入值，实际磨削力为输出值，本技术的闭环控制使得设定磨削力与实际磨削力之间的差值为最小，其中设定磨削力是可以根据算法实施调整的动态值，也可以设定为固定值，实际磨削力由砂轮半径、砂轮电机转矩相乘得到，由机床控制装置内部的实际磨削力计算模块得到。
39.机床控制装置根据设定磨削力，调节砂轮与工件的接触关系，在机床控制装置里实现闭环控制，从而实现磨削力的控制，控制装置为机床的数控系统，控制算法集成在数控系统内部，大部分磨床具备砂轮半径测量装置，无需直接在数控系统中输入，不需要增加额外磨削力测量和控制的软件硬件，具有适配性好，升级及生产成本低的优点。
40.在本实施例中，磨削力控制方法还包括：s4. 在s3中建立机床运动学模型和工件磨削轨迹。
41.s5. 由机床控制装置获得磨削过程中每个控制节拍中的机床轴的位置和速度，及砂轮电机转矩。
42.s6. 通过机床运动学模型和工件磨削轨迹得到每个控制节拍中砂轮在工件对应磨削点处的法向位置和速度，及与之对应的砂轮实际磨削力。
43.s7. 采用模型辨识技术得到以法向位置和速度作为输入和砂轮实际磨削力作为输出的动态模型，其中输入的法向位置和速度与输出的实际磨削力之间的数学模型为微分方程，该方程并不是固定阶数，且里面系数的具体数值也不是固定的，即均会发生变化，所以为动态模型。
44.模型识别为通过观察输入的法向位置和速度与输出的实际磨削力数据，确定一个最符合实际情况的输入输出模型。
45.由于不同的磨削工艺参数和工件材质对应输入输出模型的不同的阶数和系数，因此使用模型辨识和动态模型能够适应这些变化。
46.s8. 在磨削力控制过程中，根据设置磨削力和实际磨削力之间的偏差，采用自适应控制方法和s7中的动态模型，得到砂轮相对于工件磨削点法向处的运动位移和速度，自适应控制为根据动态模型的变化，控制算法中的参数能进行相应的变化，从而满足控制要求。
47.同一控制算法的参数在输入输出模型发生变化后，其控制效果的快速响应性和高扰动能力往往会变差，而自适应控制能够解决该问题满足在输入输出模型变化后的快速响应性和高扰动能力。
48.s9. 将s8得到的运动位移和速度通过机床运动学模型分解成机床各轴的运动量，并发送至任意机床轴的驱动器，控制电机的运动，从而最终实现磨削力的控制。
49.通过采用模型辨识方法，可以得到不同工况下的磨削力关系模型，具有适应性强的特点，采用自适应控制方法实现磨削力控制的快速响应性和高抗扰动能力。
50.在进一步的实施例中，在采用模型辨识技术计算输出的动态模型时，由于磨削过程是砂轮相对于磨削轨迹的多次往复运动，而不同工件的磨削工艺不同，因此磨削去除量，砂轮转速和进给速度是磨削工艺中参数的一部分，所以在磨削过程中存在磨削去除量，砂轮转速和进给速度不一定相同的问题，在不同的磨削工艺参数、不同工件的不同材质的情况下动态模型对应微分方程的阶数和系统的具体值都会受到影响，因此动态模型存在不准确的问题。
51.为了解决上述问题，s10. 采用机器学习技术对s7中得到的动态模型进行大数据处理，进一步得到更为准确的动态模型。
52.大数据处理为在模式辨识所得到的动态模型基础上，对输入的法向位置和速度与输出的实际磨削力之间关系进行拟合，从而对动态模型中的参数进行优化。
53.不同材质的砂轮和工件磨削时对应着不同的输入输出动态模型，此外在同一工件和同一砂轮的磨削过程中，砂轮会出现脱粒磨损，此时动态模型的参数也会发生变化，大数据处理所优化的动态模型能够更好的反映这些变化。
54.如果不使用大数据处理，直接使用控制方法应用于不同材质的砂轮和工件时，磨削力控制的快速响应性变差，无法有效抵抗外部扰动。
55.通过采用机器学习技术对磨削力关系模型进行大数据处理，可以使得控制方法应用于不同材质的砂轮和工件，具有高可靠性的特点。
56.在进一步的实施例中，受机床结构的限制以及磨削力主要和砂轮与工件的接触关系有关，而力传感器需要安装在工件处，还需要增加测力顶尖等结构，需要对机床结构进行较大的改动，这些改动都受轮主轴的结构尺寸大小和机床生产成本的限制的问题，而无法将力传感器无法安装在合适部分，无法对磨削力进行检测。
57.为了解决上述问题，实际磨削力的检测方法包括：s11. 由砂轮电机的电机驱动器实时检测砂轮电机的转矩电流，由砂轮电机的力矩系数得到砂轮电机的转矩，或者由砂轮电机驱动器直接获得砂轮电机的转矩，由机床的砂轮半径测量装置得到砂轮实际半径，根据磨削力计算算法综合得到磨削力。
58.在本实施例中，磨削力计算算法包括：
式中，f为磨削力，r为砂轮半径，为砂轮电机力矩系数，为电机的转矩电流。
59.其中转矩为砂轮电机力矩系数乘以电机的转矩电流，磨削力为砂轮半径乘以转矩。
60.以砂轮电机转矩系数为4.2nm/a，砂轮直径为391.14mm，工件的有效磨削长度为1451mm，设定磨削力为20n为例。
61.如图2实施例所示，未启用磨削力控制时，实际磨削力的变化最大值为3.75n。
62.如图3实施例所示，启用磨削力控制后，实际磨削力的变化最大值为1.1 n。
63.图2和图3的实施例对比后，使用本技术的磨削力控制方法有效的降低了砂轮转矩电流的变化范围，降低了实际磨削力的变化量，提高了磨削力的控制精度。
64.如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。