本文主要針對工具機因長時間加工造成之熱變形進行預測及補償，可提升機台加工精度與附加價值。本技術採用三種訊號：溫度感測器、電容式位移計以及摩擦力作功，並使用多元線性迴歸(Multiple linear regression, MLR)、偏最小平方迴歸(Partial least squares regression, PLS)以及倒傳遞神經網路(Backpropagation Neural Network, BPNN)三種方式建立熱變形預測模型。在溫度量測方面，透過進給系統及其附近鑄件設置多個熱電偶，取得溫度變化趨勢；在熱變形量測方面，透過擷取擷取光學尺與控制器馬達編碼器訊號，便可獲得進給軸向之熱變形量；在訊號前處理方面，增加摩擦力對各段螺桿作功作為新特徵，以克服加工區段集中所造成之熱變形不對稱。在實機補償中，將溫度訊號輸入熱變形預測模型後，便可將輸出之預測值回傳控制器，補償熱變形量。在實際應用中，機台特性會因長時間運作而改變，因此熱變形預測模型之修正亦是重要的議題，本文採用遷移學習(Transfer learning)方式，可以透過額外的資料對模型進行再訓練，以維持模型的預測準確度。
前言
隨著製造業對於高精度、高品質加工產品的需求日益增加，機台和技術需要不斷提升，而CNC機台是製造業中最常用的機台之一，保持各部件在加工過程中的精度便十分重要。滾珠螺桿是進給系統中關鍵核心零件，主要負責刀具或工作台的移動和定位，如圖1所示。然而，在加工過程中，伺服馬達和螺桿需要保持高速運轉的狀態，這導致系統中的伺服馬達、軸承中滾珠以及螺帽產生摩擦熱，這些熱量將使螺桿產生熱變位，進而影響機台的加工精度，從而導致工件加工尺寸或形狀的偏差。在先前的研究中指出，因熱變形所導致的加工誤差(以下將簡稱為熱誤差)約佔總體加工誤差的40-70%[2]。目前針對熱變位補償方式主要是透過光學尺作為位置回授，但光學尺成本昂貴，大部分機台並沒有安裝，因此本文透過熱變位預測模型開發，藉由溫度感測器等訊號進行熱變位的預測及補償，以克服上述問題。此外，傳動系統發熱特性會因為元件磨損而產生改變，進而造成原先之熱變位預測模型失準，因此，在實際應用中，如何判斷該模型是否已經失準以及如何進行修模便十分重要。本文透過統計方式以及遷移學習技術的開發，判斷模型失準並且透過修模提升模型預測準確度。
研究方法與步驟
本文的研究方法與步驟依照下列章節順序進行說明:軸向熱變位量測及感測器訊號蒐集、資料預處理、特徵篩選、熱變位預測模型架構以及模型更新方法。
軸向熱變位量測及感測器訊號蒐集
本文主要實驗載具為福裕立式綜合加工機(型號：QP1620-L)，如圖2所示，機台搭載封閉式光學尺作為位置回授(型號：GVS608T)，控制器廠牌為新代科技。滾珠導螺桿固定方式是一端固定一端支撐，如圖3所示。為了進行軸向熱變位模型建立與補償，需要擷取軸向熱變位和部署於螺桿附近重要熱源的溫度資料，並於螺桿末端安裝位移計(型號: EX-V02 )以提升預測支撐端熱變位預測的準確度，安裝位置如圖4。機台內部總共架設5個溫度點(型號：K-type ) 於螺桿上的重要熱源，包含馬達、前軸承座、螺帽前端、螺帽後端及後軸承座，加上2個於機箱內外環溫共7個溫度點。所有感測器訊號皆會進入新代控制器，並使用電腦透過新代的擷取平台進行資料蒐集，如圖5所示。
1. 熱變位訊號量測
當機台加工時，馬達驅動螺桿旋轉，透過滑軌的限制與螺帽的轉動，進而移動工作臺與工件。其中，螺帽與螺桿前後軸承摩擦所產生的熱量造成螺桿升溫，進而造成螺桿產生熱伸長，因此馬達達到固定位置的轉動圈數發生改變，此改變量即熱變形。本文使用不受熱變形影響的光學尺作為基準，計算光學尺回授以及馬達編碼器回授之間的差距即可取得軸向熱變位。此量測方式相較於雷射干涉儀，可以縮短量測時間避免熱量散失，並且可達成自動化量測。
熱變位量測架構如圖6所示，跑合循環包含工況跑合與量測，一次跑合循環約2分鐘，涵蓋工況跑合時間(Δtr )和量測時間(Δtm )。工況跑合為模擬實際加工情形，確切工況將於3.1章說明。執行完工況跑合接著進行量測，工作檯會先消除背隙後才開始進行量測，各量測點皆會停留1秒避免量測到誤差及螺桿彈性變形，量測完最後一個量測位置(515 mm)後，工作臺會回到工況跑合繼續下個跑合循環。實際機台上螺桿與部分量測點相對位置如圖7，5mm處為靠近螺桿支撐端，515mm處為靠近螺桿固定端，共有6個量測點，量測結果如圖8及圖9所示。
...更多內容，請見《機械新刊》雜誌
