本发明涉及数控机床误差测量辨识，尤其涉及基于转速区域划分的机床温升和主轴热误差前瞻预测方法。
背景技术：
1、热误差是影响机床精度的主要的原因之一。主轴作为数控机床的核心部件，在其高速转动时会产生大量的热能，引起机床零部件的变形，产生加工误差。通过数控机床误差补偿技术对热误差进行补偿，可以有效提升机床加工精度，降低因加工误差造成的经济损失。
2、由于机床温升和主轴热误差的复杂性，机床温升和主轴热误差存在非线性及交互作用，对误差的监测和辨识通常需要很长时间，难以对机床温升和主轴热误差进行准确建模。且当前机床数控系统通讯难以保证实时性，因此数控机床实时在线补偿技术的实时性和准确性有待进一步提高。
技术实现思路
1、为了解决现有机床实时在线补偿技术的实时性和准确性低的问题，本发明提出基于转速区域划分的机床温升和主轴热误差前瞻预测方法，当转速变化时，可以通过及时调整温升和主轴热误差预测模型，使模型适应不同转速下的温升和热误差预测，完成整个变工况下机床温升和主轴热误差的预测，利用预测结果对工件进行实现实时补偿，可以提高在线补偿技术的实时性和准确，解决上述问题。
2、本发明公开了基于转速区域划分的机床温升和主轴热误差前瞻预测方法，包括以下步骤：
3、s1、根据主轴最大转速，将主轴转速等分为多段转速区域，并选择每段转速区域内的典型转速；
4、s2、测量每个典型转速对应的工况从冷机到热平衡的完整机床温升和主轴热误差数据，分别建立典型转速的机床温升模型和主轴热误差模型；
5、s3、将典型转速的机床温升模型和主轴热误差模型分别与无迹卡尔曼滤波算法结合，建立基于转速区域划分的机床温升预测模型和主轴热误差预测模型；
6、s4、设置初始训练时间和转速监测周期，在初始训练时间开始时，读取机床主轴转速，判断主轴转速对应的转速区域，获取对应转速区域典型转速的机床温升和主轴热误差预测模型参数，利用初始训练时间内获得的数据对机床温升预测模型和主轴热误差预测模型进行训练，确定初始训练时间结束时的机床温升模型参数和主轴热误差模型参数；
7、s5、利用初始参数并结合初始训练时间内的测量数据，使用机床温升预测模型和主轴热误差预测模型对下一转速监测周期内机床温升数据和主轴热误差数据进行预测，并建立模型更新准则，对机床温升预测模型和主轴热误差模型进行更新；
8、s6、根据s5建立的模型更新准则对温升模型参数和热误差模型参数进行更新，并对下一转速监测周期内的温升数据和热误差数据进行预测；
9、s7、重复s6，预测后续温升和主轴热误差的变化趋势。
10、优选的，所述s1包括以下步骤：
11、s11、根据主轴最大转速n，将主轴转速等分为m段转速区域，转速0～n1为第1区域、转速n1～n2为第2区域、…、nm-1～nm为第m区域；
12、s12、选择每个转速区域内的最大转速为该区域内的典型转速，第1区域的典型转速为n1、第2区域的典型转速为n2、…、第m区域的典型转速为nm。
13、优选的，所述s2包括以下步骤：
14、s21、测量每个典型转速对应的工况从冷机到热平衡的完整温升数据和热误差数据；
15、s22、根据温升数据建立基于转速区域划分的指数形式的机床温升模型：
16、
17、其中，tk是k时刻的温度，tk-1是k-1时刻的温度，ts是达到稳态时的温度，t是时间变量，λ是时间常数，不同转速区域典型转速对应不同的λ；
18、s23、根据热误差数据建立基于转速区域划分的指数形式的主轴热误差模型：
19、
20、其中，xk是k时刻的热误差，xk-1是k-1时刻的热误差，x0是主轴在起始时刻的热误差，xs是主轴达到热平衡状态的热误差。
21、优选的，所述s3中基于转速区域划分的机床温升预测模型为：
22、
23、基于转速区域划分的主轴热误差预测模型为：
24、
25、其中，wk是过程噪声，f(xk-1)表示k-1时刻的状态量由函数f变换后表达k时刻的状态量。
26、优选的，所述s4包括以下步骤：
27、s41、设置初始训练时间tw和转速监测周期δt；
28、s42、在初始训练时间开始时，读取机床主轴转速ni，判断主轴转速对应的转速区域，得到该转速区域内典型转速的机床温升模型参数λni和主轴热误差模型参数λni；
29、s43、利用s42获取的数据对机床温升预测模型和主轴热误差预测模型进行训练，确定初始训练时间结束时的机床温升模型参数ts以及主轴热误差模型参数x0、xs。
30、优选的，所述s5包括以下步骤：
31、s51、利用s43获取的模型参数和初始时间tw内的测量数据，结合机床温升预测模型和主轴热误差预测模型对下一转速监测周期内机床温升和主轴热误差进行预测，并实时记录实际的机床温升和主轴热误差数据；
32、s52、当在转速监测点tw+δt时，提出模型更新准则，对机床温升预测模型和主轴热误差预测模型进行更新。
33、优选的，所述s52中的模型更新准则如下：
34、读取主轴转速nw，判断主轴转速是否发生变化；
35、a、若主轴转速未发生变化，利用无迹卡尔曼滤波算法并结合上一转速监测周期的测量数据重新计算温升模型参数ts以及主轴热误差模型参数x0和xs；
36、判断实际测量值和预测值残差rk的绝对值是否发生变化，若残差rk的绝对值减小，则更新温升模型参数ts以及主轴热误差模型参数x0和xs；若残差rk的绝对值变大，则保持原模型参数，继续完成对下一转速监测周期内的机床温升和主轴热误差预测，并实时记录实际测量数据；
37、b、当主轴转速变化为nw1，但转速区域未发生变化，重复a中的更新步骤对模型参数进行更新，更新参数后继续完成对下一转速监测周期内机床温升和主轴热误差预测，并实时记录实际测量数据；
38、c、当主轴转速变化为nw2，且转速区域改变为nj-1＜nw2＜nj，重新选择代表转速nj对应的模型参数λnj，并利用无迹卡尔曼滤波算法结合上一转速监测周期内的测量数据更新模型，更新完成后继续下一转速监测周期内的机床温升和主轴热误差的预测。
39、优选的，所述s6包括以下步骤：
40、在后续的每个转速监测点tw+iδt，结合tw+(i-1)δt～tw+iδt时刻的实际测量数据，并利用更新准则对模型系数进行更新，对tw+iδt～tw+(i+1)δt时刻的温升和热误差数据进行前瞻预测。
41、优选的，所述s7包括以下步骤：
42、不断重复s6，当转速不断发生变化时，利用转速划分区域，根据主轴转速的变化并结合上一转速监测周期内的数据动态调整机床温升预测模型和热误差预测模型，预测下一转速监测周期内的机床温升和主轴热误差的变化趋势，进而实现变转速下机床温升和主轴热误差的前瞻预测。
43、本发明的有益效果：
44、当转速不断发生变化时，通过划分转速区域，可以根据主轴转速的实时变化动态调整温升预测模型，预测后续温升和主轴热误差的变化趋势，能够有效应对转速频繁变化的情况，保证了预测模型的实时性和准确性，从而实现变转速下机床温升和主轴热误差的前瞻预测。
1.基于转速区域划分的机床温升和主轴热误差前瞻预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于转速区域划分的机床温升和主轴热误差前瞻预测方法，其特征在于，所述s1包括以下步骤：
3.根据权利要求2所述的基于转速区域划分的机床温升和主轴热误差前瞻预测方法，其特征在于，所述s2包括以下步骤：
4.根据权利要求3所述的基于转速区域划分的机床温升和主轴热误差前瞻预测方法，其特征在于，所述s3中基于转速区域划分的机床温升预测模型为：
5.根据权利要求4所述的基于转速区域划分的机床温升和主轴热误差前瞻预测方法，其特征在于，所述s4包括以下步骤：
6.根据权利要求5所述的基于转速区域划分的机床温升和主轴热误差前瞻预测方法，其特征在于，所述s5包括以下步骤：
7.根据权利要求6所述的基于转速区域划分的机床温升和主轴热误差前瞻预测方法，其特征在于，所述s52中的模型更新准则如下：
8.根据权利要求7所述的基于转速区域划分的机床温升和主轴热误差前瞻预测方法，其特征在于，所述s6包括以下步骤：
9.根据权利要求8所述的基于转速区域划分的机床温升和主轴热误差前瞻预测方法，其特征在于，所述s7包括以下步骤：
