曲轴随动磨削加工误差的模糊自学习补偿

中国机械工程 ›› 2011, Vol. 22 ›› Issue (3): 269-273.

曲轴随动磨削加工误差的模糊自学习补偿

沈南燕1;方明伦1;何永义1;李静1;姚俊2

1.上海大学，上海，200072

2.上海电气集团股份有限公司，上海，200093

出版日期:2011-02-10 发布日期:2011-03-02
基金资助:
国家科技重大专项(2009ZX04001-111)
National Science and Technology Major Project ( No. 2009ZX04001-111)

Machining Error Compensation Based on Fuzzy Reasoning and Self-learning in Crankshaft Non-circular Grinding

Shen Nanyan1;Fang Minglun1;He Yongyi1;Li Jing1;Yao Jun2

1.Shanghai University, Shanghai, 200072

2.Shanghai Electric Group Co.Ltd., Shanghai, 200093

Online:2011-02-10 Published:2011-03-02
Supported by:
National Science and Technology Major Project ( No. 2009ZX04001-111)

摘要/Abstract

摘要：

分析了曲轴随动磨削中，来自运动模型、工艺系统以及数控系统的误差对连杆颈圆度的影响。根据加工误差值，向数控系统提供附加脉冲修正量来调整砂轮架位移，是适应随动磨削特点的误差补偿策略。然而随动磨削系统具有很强的非线性，很难用数学模型来精确描述连杆颈加工误差的规律。因此结合以往补偿经验及其发展趋势，提出了具有自学习功能的曲轴随动磨削加工误差模糊推理补偿方法。磨削实验结果表明，采用该方法较好地解决了曲轴非圆磨削过程中的加工误差补偿，具有较高的补偿效率和适应性。

关键词:

曲轴, 随动磨削, 误差补偿, 模糊推理

Abstract:

The effects of motion model, maching complex and numerical control system upon the crankpin roundness error in non-circular grinding were analyzed. According to the measured machining errors, the additional impulses as the displacement correction of grinding carriage were given to numerical control system for reducing the errors, which was an effective compensation strategy apt for non-circular grinding. However the strong nonlinearity of non-circular grinding system made it hard to describe the machining errors of crankpin precisely by a certain mathematic model. Considering both the error compensation experience and its development trend, a new compensation method based on fuzzy reasoning and self-learning for crankpin non-circular grinding was proposed. The experimental results of grinding show that the roundness error can be reduced into the expectation in only a few grinding circles by this method, which demonstrates its high efficiency and applicability.

Key words:

crankshaft, , non-circular grinding, , error compensation, , fuzzy reasoning

中图分类号:

TG58



沈南燕, 方明伦, 何永义, 李静, 姚俊.

曲轴随动磨削加工误差的模糊自学习补偿

[J]. 中国机械工程, 2011, 22(3): 269-273.

CHEN Na-Yan, FANG Meng-Lun, HE Yong-Xi, LI Jing, TAO Dun. Machining Error Compensation Based on Fuzzy Reasoning and Self-learning in Crankshaft Non-circular Grinding[J]. China Mechanical Engineering, 2011, 22(3): 269-273.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.cmemo.org.cn/CN/

http://www.cmemo.org.cn/CN/Y2011/V22/I3/269

[1]	刘毅, 易旺民, 姚建涛, 王兴达, 余鹏, 赵永生. 狭长空间内重载调姿装配机器人的设计与研究[J]. 中国机械工程, 2024, 35(02): 324-336.
[2]	叶伯生, 金雄程, 黎晗, 邵柏岩, 李晓昆, 李思澳. 伪目标迭代生成的机器人误差补偿算法[J]. 中国机械工程, 2024, 35(01): 136-143.
[3]	李光保, 高栋, 路勇, 平昊, 周愿愿. 自适应卡尔曼滤波与PSO-GA-BP算法的机器人误差补偿[J]. 中国机械工程, 2023, 34(20): 2456-2465.
[4]	王伟, 马乾伦, 白振华, 王子昂. 基于梯度提升决策树的冷轧高强钢卷力学性能预测[J]. 中国机械工程, 2023, 34(18): 2222-2229.
[5]	郑刚, 闫立方, 张开伟, 张旭. 整体叶盘叶片型面高精度六轴检测与误差补偿方法研究[J]. 中国机械工程, 2023, 34(08): 908-915，922.
[6]	陈启迪, 胡小龙, 吝敏, 孙晓霞, 张涛, 周志雄. 超精密加工误差补偿技术研究综述[J]. 中国机械工程, 2023, 34(03): 253-268.
[7]	卢成伟, 钱博增, 王慧敏, 项四通. 工件分特征下的五轴数控机床关键几何误差分析与补偿方法[J]. 中国机械工程, 2022, 33(14): 1646-1653.
[8]	高文斌, 黄琪, 余晓流, . 模块化机器人几何误差分析及参数辨识研究[J]. 中国机械工程, 2022, 33(07): 811-817，851.
[9]	李耀仲, 王书亭, 蒋立泉, 孟杰, 谢远龙, . 基于稀疏节点快速扩展随机树的移动机械臂运动规划[J]. 中国机械工程, 2021, 32(12): 1462-1470.
[10]	吴锦辉1,2；陶友瑞1,2. 工业机器人定位精度可靠性研究现状综述[J]. 中国机械工程, 2020, 31(18): 2180-2188.
[11]	付国强, 饶勇建, 谢云鹏, 高宏力, 邓小雷. [误差建模及精度保证方法]几何误差贡献值影响下五轴数控机床运动轴误差灵敏度分析方法[J]. 中国机械工程, 2020, 31(13): 1518-1528.
[12]	孔骏成;李菊;沈惠平. 2-RPaRSS并联操作手运动副间隙误差分析及补偿[J]. 中国机械工程, 2020, 31(06): 706-713.
[13]	任莹晖, 黄向明, 马忠凯, 周志雄. [供应链调度]基于信息熵的物料配送时间节点预测方法[J]. 中国机械工程, 2018, 29(22): 2725-2732.
[14]	要小鹏, 殷国富, 李光明. 基于OE-CM算法的机床主轴热误差建模与补偿分析[J]. 中国机械工程, 2015, 26(20): 2757-2762.
[15]	周逸君, 徐丽娇, 吉小军. 基于FPGA脉冲计数的瞬时角加速度测量系统[J]. 中国机械工程, 2015, 26(18): 2442-2447.