《建立机器精度的 4 种方法》

  • 来源专题:智能制造
  • 编译者: icad
  • 发布时间:2024-04-17
  • 我们的车间继续发展到更复杂的零件,印刷要求也更加困难。随着我们确定精度更高的设备,看似相同的东西的成本显着上升。您能解释一下在机器精度方面我们应该关注什么,并帮助我们了解我们的资金去向吗?

    Miller's Answer:规格表很好,很多营销文献都会吹嘘手工刮擦的表面或制造质量。虽然这些意味着准确性,但在切割零件之前,我们并不真正了解机器的全部潜力。话虽如此,重要的是要了解有助于机器充分发挥潜在精度的所有因素,因为这可以教育优先事项应该在哪里。有四种主要方法可以确定机器的精度。


    几何精度(静态精度)


    机器精确的第一种方法是它的几何形状,或者机器结构及其关键部件对自身的真实程度。这通常被称为静态精度,因为机床是在最不活跃的状态下测量的,并且它专注于基于单个轴的两个组件,即主轴和工作台。它是用刻度盘指示器和陶瓷方块测量的。关于轴,这是指每个轴的直线度,以及这些轴彼此之间的平方程度。例如,如果在 XY 平面上切割正方形轮廓,它会生成具有真正 90 度角和直边的正方形,还是具有波浪形边的平行四边形?


    几何精度的第二个组成部分是主轴和工作台等关键机器部件的完美程度,以及它们与轴的组装程度。这确认了主轴跳动和主轴点等因素,从而确认主轴的中心轴沿 X 轴或 Y 轴与机床的 Z 轴对齐。机床工作台对机器的静态对准也至关重要,我们可以确认一般的工作台形状,以及高点或低点。这些检查的目的,借鉴了我们之前的正方形示例,将告诉我们该正方形的侧壁是否显示锥形,以及正方形的顶部是平坦的,还是呈凹形或凸形。


    定位精度


    机器精确的下一个方式是它的定位精度,这就是我们都知道的精度的“规格表”版本。这是机器沿单个轴行驶到某个点的精度,以及它在命令下行驶到同一点的可重复性。这通常是用激光测量的。如果我们继续以正方形零件为例,精度和可重复性将决定该正方形的整体长度、宽度和高度有多完美,以及我们可以如何一致地生成一个又一个零件的结果。


    通常,可以通过简单的控制器调整到音高误差等参数来使机器可以重复;但是,无法重复的机器通常需要某种类型的机械维修。


    体积精度


    如果我们将几何精度和定位精度合并为一个度量,我们现在就有了体积精度。如果您将刀尖驱动到机器工作范围内的给定位置,则刀尖是否在我们预期的位置,还是略微偏离?这可以用激光测量,也可以根据上述结果进行理论计算。考虑到机器形状的误差和每个轴的精度,再加上每个轴完美驱动到命令位置的能力,结果是刀尖将位于我们预期位置的给定框内的某个位置。在较大的机器上,您经常会看到这表示为“误差/米3”,这意味着您可以驾驶到一米箱内的任何给定点的真实程度。


    动态精度动态精度结合了上述所有因素,并将程序的元素添加到组合中。虽然机器的形状可能非常真实,并且每个轴都非常可重复,但动态精度告诉我们机器在不超调或圆角的情况下执行代码的准确性,同时保持预期的形状。它测试伺服系统的调整、控制器吸收和执行代码的能力,以及每个轴在切割负载下保持的真实性。


    动态精度只能通过试切来确定。虽然存在一些行业标准示例,例如圆形钻石正方形 (CDS),但许多商店都为自己运营,这代表了对他们来说最重要的零件特征。模具车间可以开发具有清扫表面的零件,并通过扫描与 3D 模型进行检查。航空航天商店可能会开发具有全五轴运动的测试。医疗商店可能会在五轴定位和有机表面方面找到这两者的一些平衡。成本为了用更精确的设备来回答成本问题,它可以表示为整体的总和。如果您还没有注意到,精度有一个进步,从机器结构开始,然后演变成整个机器包。如果我们使用没有舵机和滚珠丝杠的机器,我们仍然可以测量静态精度。如果我们加上滚珠丝杠和舵机,我们可以检查定位精度。如果我们将这些结合起来,我们可以测量体积精度。最后,如果我们将其与程序中的真实机器运动相结合,我们就会获得动态精度。在机器制造的每个阶段中,每一个微米的误差都需要大量的练习和调整,而不是组装一个在可接受的公差范围内制造的标准零件包。因此,虽然一台更精确的机器可能感觉前期吸收了大量的成本,但它将在带来更多收入的零件的工艺可靠性方面为自己买单。

  • 原文来源:https://www.mmsonline.com:443/articles/4-ways-to-establish-machine-accuracy
相关报告
  • 《无肉不欢怎么办 4种方法吃肉最养生》

    • 来源专题:食物与营养
    • 编译者:lwlin
    • 发布时间:2014-09-28
    • 肉是膳食中重要的蛋白质来源,其脂肪含量也往往较高,怎么烹调既清淡还能保持美味呢?本期,介绍几种我常用到的烹调方法,供大家参考。
  • 《用机器学习制造更好的电池》

    • 来源专题:纳米科技
    • 编译者:郭文姣
    • 发布时间:2019-12-02
    • 为电池组件设计最佳的分子积木,就像试图创造一种新型蛋糕的配方,而你有数十亿种潜在的配料。挑战在于确定哪些成分最适合搭配,或者更简单地说,生产出一种可食用的产品(或者,就电池而言,是一种安全的产品)。但是,即使拥有最先进的超级计算机,科学家们也无法精确地模拟每一种分子的化学特性,而这种化学特性可能成为下一代电池材料的基础。 相反,美国能源部阿贡国家实验室(DOE)的研究人员已经转向机器学习和人工智能的力量,以大大加快电池的发现过程。 正如两篇新论文所描述的,阿贡的研究人员首先建立了一个高度精确的数据库,其中包含大约13.3万个可能构成电池电解质基础的小有机分子。为此,他们使用了一种称为G4MP2的计算密集型模型。然而,这些分子只是科学家们想要探索的1660亿个更大分子中的一小部分。 因为使用G4MP2解决每个1660亿分子需要一个不可能的计算时间和力量,研究小组使用了机器学习算法与精确已知结构的小型数据集建模更粗更大的数据集的结构。 “在确定这些分子的工作方式时,准确性和计算结果所需的时间之间存在巨大的权衡,”阿贡数据科学与学习部门主任、其中一篇论文的作者伊恩·福斯特(Ian Foster)说。“我们相信,机器学习代表了一种方法,可以用一小部分计算成本获得几乎同样精确的分子图像。” 为了给机器学习模型提供一个基础,福斯特和他的同事们使用了一个基于密度泛函理论的计算量较小的建模框架,这是一个用于计算大型系统中电子结构的量子力学建模框架。密度泛函理论为分子性质提供了一个很好的近似,但不如G4MP2准确。 改进算法,以便更好地确定更广泛的有机分子类别的信息,这些有机分子包括使用高度精确的G4MP2计算的分子的原子位置与仅使用密度泛函理论分析的分子的原子位置。以G4MP2为金标准,研究人员可以训练密度泛函理论模型加入修正因子,在降低计算成本的同时提高其精度。 “机器学习算法给出了一种看原子在一个大的分子之间的关系和他们的邻居,看他们如何债券和互动,并寻找相似之处我们知道这些分子和其他人很好,”阿贡计算科学家洛根说病房,其中一项研究的作者之一。“这将有助于我们对这些大分子的能量或低精度和高精度计算之间的差异做出预测。” Argonne的化学家Rajeev Assary是这两项研究的作者之一,他说:“整个项目的目的是为我们提供电池电解质的最大可能图景。”“如果我们要将一种分子用于能量存储应用,我们需要知道它的性质,比如它的稳定性,我们可以使用这种机器学习来更准确地预测大分子的性质。” 6月27日的《化学科学》在线期刊上发表了一篇论文,描述了基于g4mp2的数据集“13.3万个有机分子的精确量子化学能量”的形成过程。 第二篇论文描述了机器学习算法,“机器学习从低保真度量子化学计算中准确预测有机分子的原子化能”,发表在8月27日的《夫人通讯》杂志上。 ——文章发布于2019年11月27日