一种光栅尺加工运行信号误差补偿系统的制作方法

机械加工,机床金属加工设备的制造及其加工,应用技术1.本发明属于光栅尺误差补偿技术领域，具体为一种光栅尺加工运行信号误差补偿系统。背景技术：2.光栅尺，也称为光栅尺位移传感器(光栅尺传感器)，是利用光栅的光学原理工作的测量反馈装置。光栅尺经常应用于数控机床的闭环伺服系统中，可用作直线位移或者角位移的检测。其测量输出的信号为数字脉冲，具有检测范围大，检测精度高，响应速度快的特点。例如，在数控机床中常用于对刀具和工件的坐标进行检测，来观察和跟踪走刀误差，以起到一个补偿刀具的运动误差的作用。光栅尺按照制造方法和光学原理的不同，分为透射光栅和反射光栅。3.随着现代加工精度要求的提高，对光栅尺的加工运行信号要求也随之提高，由此则需要对光栅尺的加工运行信号进行误差补偿，现有的误差补偿系统一般采用将运行数据和综合对照数据进行对照得出误差补偿值，因为机器运行过程中存在摩擦影响，故可能造成使用时间不同误差补偿也随之变化的状况，此种方法得出的误差补偿值准确性也因此收到影响，且现有的误差补偿一般为单次补偿，对于运行时间较长的机器而言，时时刻刻存在误差的存在，故单次补偿难以从根本上提高加工精度；因此，针对目前的状况，现需对其进行改进。技术实现要素：4.针对上述情况，为克服现有技术的缺陷，本发明提供一种光栅尺加工运行信号误差补偿系统，有效的解决了随着现代加工精度要求的提高，对光栅尺的加工运行信号要求也随之提高，由此则需要对光栅尺的加工运行信号进行误差补偿，现有的误差补偿系统一般采用将运行数据和综合对照数据进行对照得出误差补偿值，因为机器运行过程中存在摩擦影响，故可能造成使用时间不同误差补偿也随之变化的状况，此种方法得出的误差补偿值准确性也因此收到影响，且现有的误差补偿一般为单次补偿，对于运行时间较长的机器而言，时时刻刻存在误差的存在，故单次补偿难以从根本上提高加工精度的问题。5.为实现上述目的，本发明提供如下技术方案：一种光栅尺加工运行信号误差补偿系统，包括中心服务器，所述中心服务器用于对光栅尺加工运行信号误差补偿系统中运行的所有数据进行传输，所有数据包括监测数据以及控制数据，所述监测数据通过光栅尺进行输送，所述中心服务器和单片机建立连接，所述单片机和光栅尺建立连接；6.数据接收系统：所述数据接收系统用于接收光栅尺输送的所有运行数据信息，并按照固定时间段为单位对数据进行分段汇总，此固定时间段按照30-60s为单位；7.数据处理系统：所述数据处理系统用于对接收到的固定时间段内的所有数据进行简化处理，即在所有数据中提取6-8组随机数据作为对照组数据进行后续处理；8.模型计算系统：所述模型计算系统用于对接收到的6-8组随机数据进行模型对比计算，所述模型计算系统由预测数据模型以及对照数据模型组成，所述预测数据模型用于对6-8组随机数据进行信号误差预测从而得到误差补偿预测值，所述对照数据模型用于对6-8组随机数据与对照模型进行数据对照后得到从而得到误差补偿对照值；9.结果输出系统：所述结果输出系统用于将误差补偿预测值和误差补偿对照值进行综合后得到最终误差补偿值，在进行误差补偿预测值和误差补偿对照值的综合时，以误差补偿预测值占比65％-75％、误差补偿对照值占比25％-35％的比例进行求值；10.信号输出系统：所述信号输出系统用于将最终误差补偿值由数字信号转换成控制指令信号，并将转换后的控制指令信号发送至单片机，由单片机对光栅尺进行补偿命令控制；11.数据存储系统：所述数据存储系统用于对数据接收系统、数据处理系统、模型计算系统、结果输出系统以及信号输出系统中所有的数据按照对应时间段编辑汇总后进行压缩存储，并将数据备份至云端。12.优选的，所述单片机具体采用cisc型单片机、avr单片机、motorola单片机或microchip单片机中的一种或几种的组合。13.优选的，所述预测数据模型具体为回归模型、微分方程、灰色预测、马尔可夫模型、神经元网络或小波分析中的一种或几种的组合；所述对照数据模型具体为漏斗分析模型、留存分析模型、分布分析模型、5w2h、或swot中的一种或几种的组合。14.优选的，所述预测数据模型在建立时以同样运行数据的3000-6000组数据作为基础建立数据进行模型的学习建立，且在进行模型学习建立时采用维度归一化的模型训练方法和统计量差异化的模型训练方法结合的综合训练法进行。15.优选的，所述对照数据模型在建立时以同样运行数据的10-20台机器的运行数据作为基础建立数据进行模型的学习建立，且在进行模型学习建立时采用任务级别统计量的模型训练方法和均值以及方差的基本化的模型训练方法结合的综合训练法进行。16.优选的，所述云端具体为私有云、自建的服务器、移动云、联通云、电信云、ibm云或google云中的一种或几种的组合。17.优选的，一种光栅尺加工运行信号误差补偿系统的使用方法，包括以下步骤：18.s1：模型建立：首先同样运行数据的3000-6000组数据作为基础建立数据进行模型的学习建立预测数据模型，以同样运行数据的10-20台机器的运行数据作为基础建立数据进行模型的学习建立对照数据模型；19.s2：数据处理：接收由光栅尺发送的运行数据信息，并以30-60s为单位对运行数据进行汇总，抽取汇总时间段数据中的6-8组随机数据作为对照组数据，将对照组数据分别通过预测数据模型以及对照数据模型，以此得到误差补偿预测值和误差补偿对照值；20.s3：结果输出：将步骤s2得到的误差补偿预测值和误差补偿对照值按照误差补偿预测值占比65％-75％、误差补偿对照值占比25％-35％的比例进行综合求值后得到最终误差补偿值；21.s4：补偿控制：将步骤s3得到的最终误差补偿值由数字信号转换成控制指令信号后发送至单片机，由单片机对光栅尺进行补偿命令控制，在补偿控制完毕后，光栅尺持续将补偿后的数据进行输送，再经过误差计算进行补偿，以此完成对光栅尺加工运行信号的误差补偿。22.与现有技术相比，本发明的有益效果是：1、本发明，在进行信号误差补偿时，通过建立预测数据模型以及对照数据模型分别对数据进行计算，并根据得到的误差补偿预测值以及误差补偿对照值进行不同占比综合运算后得到最终误差补偿值，根据最终误差补偿值对光栅尺的加工运行信号进行误差补偿，两个模型得到的误差补偿数据准确性要更高，且通过不断循环的方式进行误差补偿，能够极大的降低误差率，以此提高加工精度；23.2、本发明，在进行误差补偿时，通过将数据切割成固定时间段，再在固定时间段内提取随机数据，对随机数据进行模型计算，由此大大减少了数据处理量，从而提高了误差补偿的计算效率，对光栅尺的加工运行信号的补偿调整速率也随之得到提升；24.3、本发明，可有效实现对光栅尺加工运行信号的误差补偿，且在进行补偿时，不需人工进行操控，自动化程度更好，为自动化加工提供了更好的使用基础。附图说明25.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。26.在附图中：27.图1为本发明一种光栅尺加工运行信号误差补偿系统框图；28.图2为本发明一种光栅尺加工运行信号误差补偿系统的使用方法流程图。具体实施方式29.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。30.如图1所示，本发明提供一种技术方案：一种光栅尺加工运行信号误差补偿系统，包括中心服务器，中心服务器用于对光栅尺加工运行信号误差补偿系统中运行的所有数据进行传输，所有数据包括监测数据以及控制数据，监测数据通过光栅尺进行输送，中心服务器和单片机建立连接，单片机和光栅尺建立连接；31.数据接收系统：数据接收系统用于接收光栅尺输送的所有运行数据信息，并按照固定时间段为单位对数据进行分段汇总，此固定时间段按照30-60s为单位；32.数据处理系统：数据处理系统用于对接收到的固定时间段内的所有数据进行简化处理，即在所有数据中提取6-8组随机数据作为对照组数据进行后续处理；33.模型计算系统：模型计算系统用于对接收到的6-8组随机数据进行模型对比计算，模型计算系统由预测数据模型以及对照数据模型组成，预测数据模型用于对6-8组随机数据进行信号误差预测从而得到误差补偿预测值，对照数据模型用于对6-8组随机数据与对照模型进行数据对照后得到从而得到误差补偿对照值；34.结果输出系统：结果输出系统用于将误差补偿预测值和误差补偿对照值进行综合后得到最终误差补偿值，在进行误差补偿预测值和误差补偿对照值的综合时，以误差补偿预测值占比65％-75％、误差补偿对照值占比25％-35％的比例进行求值；35.信号输出系统：信号输出系统用于将最终误差补偿值由数字信号转换成控制指令信号，并将转换后的控制指令信号发送至单片机，由单片机对光栅尺进行补偿命令控制；36.数据存储系统：数据存储系统用于对数据接收系统、数据处理系统、模型计算系统、结果输出系统以及信号输出系统中所有的数据按照对应时间段编辑汇总后进行压缩存储，并将数据备份至云端。37.其中，单片机具体采用cisc型单片机、avr单片机、motorola单片机或microchip单片机中的一种或几种的组合；预测数据模型具体为回归模型、微分方程、灰色预测、马尔可夫模型、神经元网络或小波分析中的一种或几种的组合；对照数据模型具体为漏斗分析模型、留存分析模型、分布分析模型、5w2h、或swot中的一种或几种的组合；预测数据模型在建立时以同样运行数据的3000-6000组数据作为基础建立数据进行模型的学习建立，且在进行模型学习建立时采用维度归一化的模型训练方法和统计量差异化的模型训练方法结合的综合训练法进行；对照数据模型在建立时以同样运行数据的10-20台机器的运行数据作为基础建立数据进行模型的学习建立，且在进行模型学习建立时采用任务级别统计量的模型训练方法和均值以及方差的基本化的模型训练方法结合的综合训练法进行；云端具体为私有云、自建的服务器、移动云、联通云、电信云、ibm云或google云中的一种或几种的组合。38.在进行信号误差补偿时，通过建立预测数据模型以及对照数据模型分别对数据进行计算，并根据得到的误差补偿预测值以及误差补偿对照值进行不同占比综合运算后得到最终误差补偿值，根据最终误差补偿值对光栅尺的加工运行信号进行误差补偿，两个模型得到的误差补偿数据准确性要更高，且通过不断循环的方式进行误差补偿，能够极大的降低误差率，以此提高加工精度；在进行误差补偿时，通过将数据切割成固定时间段，再在固定时间段内提取随机数据，对随机数据进行模型计算，由此大大减少了数据处理量，从而提高了误差补偿的计算效率，对光栅尺的加工运行信号的补偿调整速率也随之得到提升。39.如图2所示，一种光栅尺加工运行信号误差补偿系统的使用方法，包括以下步骤：40.s1：模型建立：首先同样运行数据的3000-6000组数据作为基础建立数据进行模型的学习建立预测数据模型，以同样运行数据的10-20台机器的运行数据作为基础建立数据进行模型的学习建立对照数据模型；41.s2：数据处理：接收由光栅尺发送的运行数据信息，并以30-60s为单位对运行数据进行汇总，抽取汇总时间段数据中的6-8组随机数据作为对照组数据，将对照组数据分别通过预测数据模型以及对照数据模型，以此得到误差补偿预测值和误差补偿对照值；42.s3：结果输出：将步骤s2得到的误差补偿预测值和误差补偿对照值按照误差补偿预测值占比65％-75％、误差补偿对照值占比25％-35％的比例进行综合求值后得到最终误差补偿值；43.s4：补偿控制：将步骤s3得到的最终误差补偿值由数字信号转换成控制指令信号后发送至单片机，由单片机对光栅尺进行补偿命令控制，在补偿控制完毕后，光栅尺持续将补偿后的数据进行输送，再经过误差计算进行补偿，以此完成对光栅尺加工运行信号的误差补偿。44.通过上述方法，可有效实现对光栅尺加工运行信号的误差补偿，且在进行补偿时，不需人工进行操控，自动化程度更好，为自动化加工提供了更好的使用基础。45.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。46.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!