本发明涉及数控机床误差测量辨识，尤其涉及复杂未知工况下的机床温升和主轴热误差前瞻预测方法。
背景技术：
1、热误差在机床总误差源中占有较大的比重。热误差补偿是提升机床加工精度经济有效的手段，其核心在于建立具有强鲁棒性和高预测性能的热误差模型对热误差进行预测和补偿。
2、当前机床数控系统通讯难以保证实时性，且由于复杂工况下，机床温升和主轴热误差变化具有非线性、多变性等特点，现有方法难以对机床温升和主轴热误差进行预测。因此数控机床在线实时补偿技术的精度和准确度有待进一步提高。
技术实现思路
1、为了解决现有机床在复杂工况下难以确保在线补偿技术的实时性和准确性的问题，本发明提出复杂未知工况下的机床温升和主轴热误差前瞻预测方法，机床持续进行数据采集，实时监测数据，同时进行模型参数的动态更新，利用更新模型对后续数据进行预测，从而实现整个复杂工况下机床温升和主轴热误差的前瞻预测，利用预测结果实现对加工部件的实时补偿，以提高在线补偿的实时性和准确性，解决上述问题。
2、本发明公开了复杂未知工况下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、对复杂工况下机床温升和主轴热误差展开研究，根据机床温升和主轴热误差模型，分析机床温升和主轴热误差实际测量数据与主轴转速对应关系，将主轴转速加入预测模型中，为了减小机床温升和主轴热误差变化相对主轴转速变化的迟滞效应，在预测模型中加入时间系数，建立改进的机床温升模型和改进的主轴热误差模型；
4、s2、将改进的机床温升模型和改进的主轴热误差模型分别与无迹卡尔曼滤波算法结合，建立机床温升预测模型和主轴热误差预测模型；
5、s3、设置模型初始训练时间，将初始训练时间内测量数据作为输入，结合无迹卡尔曼滤波算法对机床温升预测模型和主轴热误差预测模型进行训练，确定机床温升预测模型和主轴热误差预测模型的初始参数；
6、s4、在模型初始训练时间后，设置模型更新时间周期，在周期内，使用训练好的机床温升预测模型和主轴热误差预测模型分别对复杂工况下的机床温升和主轴热误差进行预测，并对模型参数进行更新；
7、s5、利用更新后的模型参数，继续对下一时间周期内的机床温升预测和主轴热误差预测，采用连续的实时数据测量和分析，同时进行模型参数的动态调整，基于更新的模型参数进行新的时间周期内的温升和主轴热误差前瞻预测，不断重复获得整个复杂工况下的机床温升和主轴热误差变化趋势。
8、优选的，所述s1中改进的机床温升模型为：
9、
10、改进的主轴热误差模型为：
11、
12、其中，n为主轴转速，dt和dz为待定系数，at、az、bt、bz、ct、cz为材料相关系数，t为时间，δt为时间系数，e为自然常数。
13、优选的，所述s2中的机床温升预测模型为：
14、
15、主轴热误差预测模型为：
16、
17、其中，wk为过程噪声，k为时刻，tk为k时刻的温度，zk为k时刻的热误差，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。
18、优选的，所述s3包括以下步骤：
19、设置初始训练时间tw，将初始训练时间内的测量数据作为输入，结合无迹卡尔曼滤波算法完成对机床温升预测模型和主轴热误差预测模型的训练，确定机床温升预测模型和主轴热误差预测模型的初始参数。
20、优选的，所述s4包括以下步骤：
21、s41、在初始训练时间tw后，设置模型更新时间周期δt，即模型更新时间点为tw+iδt，i＝1、2、…、n；
22、s42、当模型更新时间点为tw+iδt时，利用0～tw+iδt时间段内累计的实际测量数据和实际的主轴转速对机床温升预测模型参数bt、dt、ct、n以及主轴热误差预测模型参数bz、dz、cz、n进行更新，对tw+iδt～tw+(i+1)δt时间周期内的机床温升和主轴热误差进行预测，同时测量tw+iδt～tw+(i+1)δt时间周期内的实际机床温升和主轴热误差数据。
23、优选的，所述s5包括以下步骤：
24、重复s42，采用连续的实时数据测量和分析，同时进行模型参数的动态调整，基于更新的模型参数进行新的时间周期内的机床温升和主轴热误差预测，不断重复该循环过程以获得整个复杂工况下机床温升和热误差变化趋势。
25、本发明的有益效果：
26、通过在机测量，能够实时监测数据和模型的即时更新，在复杂未知工况下能及时根据温升和热误差变化调整模型，保证模型预测的实时性和准确性，获得整个复杂工况下温升和热误差的变化趋势。
1.复杂未知工况下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所述的复杂未知工况下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中改进的机床温升模型为：
3.根据权利要求2所述的复杂未知工况下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中的机床温升预测模型为：
4.根据权利要求3所述的复杂未知工况下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包括以下步骤：
5.根据权利要求4所述的复杂未知工况下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所述的复杂未知工况下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：
