-
公开(公告)号：CN110262394B
公开(公告)日：2020-09-08
申请号：CN201910605316.6
申请日：2019-07-05
Applicant: 华中科技大学
IPC: G05B19/404
Abstract: 本发明属于数控相关技术领域，其公开了一种数控加工中轮廓误差的补偿方法，该补偿方法包括以下步骤：(1)获取加工工件的轮廓误差值，并基于得到的所述轮廓误差值计算得到各轴的误差补偿量，继而生成工件误差补偿表；其中，所述工件误差补偿表包括机床加工过程中各进给轴方向上的补偿点位置及对应的补偿量；(2)数控系统基于加工工件补偿前的加工G代码及所述工件误差补偿表计算得到补偿后的控制指令序列，进而在加工控制的插补过程中实现加工工件轮廓误差的动态补偿。本发明在非加工状态下生成对应加工工件轮廓的工件误差补偿表，并基于工件误差补偿表在加工控制的插补过程中实现轮廓误差的动态补偿，提高了加工轮廓精度，适用性较强。
-
公开(公告)号：CN109447235B
公开(公告)日：2021-02-02
申请号：CN201811119041.7
申请日：2018-09-21
Applicant: 华中科技大学
IPC: G06N3/02
Abstract: 本申请涉及数控系统领域，公开了一种基于神经网络的进给系统模型训练和预测方法及其系统，可以通过输入单轴运动指令时间序列精准预测出实际响应时间序列。本申请中，对进给系统中的至少一个单轴，执行以下步骤：为单轴的N个运动状态分别设置N个神经网络子模型，其中N>＝1；从历史数据中获取单轴的单轴运动指令时间序列和实际响应时间序列作为样本数据；根据单轴运动指令时间序列为样本数据标记运动状态；将样本数据按照运动状态分类，分别训练对应运动状态的神经网络子模型，其中神经网络子模型的输入包括单轴运动指令时间序列，神经网络子模型的输出包括实际响应时间序列。
-
公开(公告)号：CN109447235A
公开(公告)日：2019-03-08
申请号：CN201811119041.7
申请日：2018-09-21
Applicant: 华中科技大学
IPC: G06N3/02
Abstract: 本申请涉及数控系统领域，公开了一种基于神经网络的进给系统模型训练和预测方法及其系统，可以通过输入单轴运动指令时间序列精准预测出实际响应时间序列。本申请中，对进给系统中的至少一个单轴，执行以下步骤：为单轴的N个运动状态分别设置N个神经网络子模型，其中N>＝1；从历史数据中获取单轴的单轴运动指令时间序列和实际响应时间序列作为样本数据；根据单轴运动指令时间序列为样本数据标记运动状态；将样本数据按照运动状态分类，分别训练对应运动状态的神经网络子模型，其中神经网络子模型的输入包括单轴运动指令时间序列，神经网络子模型的输出包括实际响应时间序列。
-
公开(公告)号：CN110262394A
公开(公告)日：2019-09-20
申请号：CN201910605316.6
申请日：2019-07-05
Applicant: 华中科技大学
IPC: G05B19/404
Abstract: 本发明属于数控相关技术领域，其公开了一种数控加工中轮廓误差的补偿方法，该补偿方法包括以下步骤：(1)获取加工工件的轮廓误差值，并基于得到的所述轮廓误差值计算得到各轴的误差补偿量，继而生成工件误差补偿表；其中，所述工件误差补偿表包括机床加工过程中各进给轴方向上的补偿点位置及对应的补偿量；(2)数控系统基于加工工件补偿前的加工G代码及所述工件误差补偿表计算得到补偿后的控制指令序列，进而在加工控制的插补过程中实现加工工件轮廓误差的动态补偿。本发明在非加工状态下生成对应加工工件轮廓的工件误差补偿表，并基于工件误差补偿表在加工控制的插补过程中实现轮廓误差的动态补偿，提高了加工轮廓精度，适用性较强。
-
-
-
Search Results
4
records
(took 0.019 seconds)
