基于A–C五轴加工中旋转轴插补引起的刀轴方向误差三阶峰值定位与NC加密研究

《Machines》：Third-Order Peak Localization of Tool-Axis Orientation Error for NC Densification in A–C Five-Axis Machining

　　

在五轴加工中，尽管采用了旋转刀具中心点（RTCP）补偿刀具端点位置，线性旋转轴插补仍会引入非线性的刀轴方向误差。本研究针对A–C旋转台配置中良态（well-conditioned）的NC程序段，利用单位球面S²上相对于端点测地平面的有符号面外偏差（signed out-of-plane deviation）对此效应进行分析。局部渐近分析阐明了对称的二阶中点近似，并推导了局部误差峰值的三阶前导偏移量。随后开发了一种用于NC程序段加密的峰值引导均匀（PGU）方法。三阶模型用于选取探测位置，在该位置评估精确的非线性误差；局部二次缩放则直接估计细分数量。重建的参考路径序列通过独立的密集采样进行评估。对于最大的代表性程序段，峰值定位偏差从采用中点假设时的0.072降低至采用三阶预测器时的0.023。在最粗的测试叶片路径案例（r=4）中，PGU与密集搜索均匀细分所插入的点数相同，且比中点基线和峰值修正细化基线少插入约27%的点。在测试的容差范围内，PGU与参考方法满足相同的密集验证准则，最终程序段数相当。在δ=1×10^?5时，其中位运行时间比密集搜索均匀细分低约一个数量级。

研究背景方面，五轴数控（NC）加工广泛应用于叶轮、整体叶盘、模具和航空航天结构件等几何复杂零件的制造。与三轴加工相比，附加旋转轴改善了刀具可达性并在刀轴方向控制方面提供了更大的灵活性。然而，旋转轴坐标到刀轴方向的非线性映射也随之引入。在标准线性NC程序段中，平移轴和旋转轴在机床坐标系空间中进行插补，后处理将刀具位置（CL）数据转换为可执行的机床指令。尽管RTCP控制可在旋转运动过程中补偿刀具端点位置，但并不能消除旋转轴插补引起的非线性方向偏差。因此，内部刀轴方向通常偏离预期方向路径。在侧铣中，这种偏差可能使侧接触位置发生位移，即使刀具端点运动已得到补偿，方向误差控制仍然具有重要意义。现有方法在不同层面上解决该问题：构型相关的误差模型表征旋转运动和机床拓扑结构的影响；补偿方法修正刀具轨迹以减小非线性位置或接触点误差；平滑、进给率规划和刀轴优化进一步解决运动连续性、驱动约束和曲面逼近问题；插补与加密策略也考虑了NC端点之间的误差。然而，中点作为对称二阶误差模型的峰值位置这一假设在精确非线性方向映射下并不成立——当二阶系数非退化时，三阶非对称性可使附近的局部极值发生偏移。固定的中点探测未显式考虑该偏移。本研究旨在解决的具体问题是：将局部峰值位移的解析估计与程序段细分需求的直接估计相联系，由此提出两个研究问题：（i）什么决定了局部误差峰值偏离中点的前导位移；（ii）如何利用该估计指导NC加密而无需穷举测试候选细分数量。

研究人员开展了以下研究：在单位球面S²上建立实际刀轴曲线，并与连接端点方向的测地线进行比较，其到端点平面法线上的投影定义了有符号面外偏差。该标量隔离了方向误差的一个分量，既非完整的方向误差范数，也非完整的加工表面误差模型。局部三阶分析确定了前导峰值偏移，由此产生的预测器选取探测位置用于峰值引导均匀NC加密（PGU）。在该位置处从精确运动学映射评估误差，局部二次缩放提供直接的细分数量估计。研究得出以下结论：建立了A–C旋转轴插补在S²上的局部误差模型，推导了相对于测地参考的有符号面外偏差并用二阶前导项近似，阐明了中点仅在对称二阶近似下可作为峰值位置；推导了三阶峰值偏移估计以表征估计局部最大误差位置的非对称位移，该模型提供解析峰值定位指导而不将估计峰值视为精确全局极大值；开发了PGU方法，三阶峰值定位估计选取精确单点有符号误差探测，其值用于估计所需细分数量，均匀参考路径重建随后产生分支一致的A–C指令而无需迭代后修正。数值研究验证了三阶指标的峰值定位精度和PGU在普通程序段上的计算价值。的重要意义在于：该公式将插补引起的方向偏差与RTCP补偿的刀具端点运动相分离，为刀轴方向误差约束的NC程序段加密提供了几何基础，并将局部峰值非对称性、几何误差探测和细分预测三者建立了联系。

研究人员为开展本研究用到的主要关键技术方法包括：基于指数积（POE）表示的五轴机床运动学建模；单位球面S²上刀轴方向轨迹的测地线参考构建与有符号面外偏差定义；局部Taylor展开的二阶和三阶渐近分析及峰值偏移公式推导；峰值引导均匀NC加密（PGU）算法及基于二次缩放的细分数量直接估计规则；分支一致的A–C逆运动学重建方法。样本方面，叶片路径测试采用叶轮模型中一个规则叶片曲面，其CL路径由Siemens NX 2506生成，包含155个CL点，刀具位置和刀轴方向由此提取，A–C旋转指令按前述逆运动学约定获得。

研究结果方面：（1）三阶峰值预测器的精度。通过受控A–C程序段族进行实验，比较中点、局部渐近预测器和密集采样参考位置。对于最大代表性跨度t=15°，中点定位偏差为0.072，而三阶预测给出0.023。在整个测试族中，中点偏差随程序段跨度增大而增大，而三阶预测器更紧密地跟随偏移后的密集采样峰值。在误差幅值方面，精确中点评估的偏差随程序段跨度增大而增大，而峰值引导精确评估在整个测试族中保持接近密集采样参考；截断的二阶和三阶幅值估计对大跨度表现出增大的相对偏差，三阶截断估计并未 consistently 优于二阶估计。这些结果支持使用三阶模型预测探测位置，随后进行精确非线性误差评估，而非直接依赖其截断幅值估计。（2）PGU加密性能。通过受控A–C序列和容差扫描进行评估。在δ=1×10^?4时，PGU和密集搜索均匀（DSU）插入相同点数（51），相比中点基线减少约27%的插入点。所有四种方法在整个测试扫描中均满足规定的密集验证容差，最终程序段数保持同一量级。主要计算差异出现在运行时间行为上：DSU反复测试候选细分数量并对每个候选进行密集评估，计算成本随容差变严而快速增长；PGU则从一次峰值引导精确误差评估直接获得细分数量，避免了重复试探搜索。在δ=1×10^?5时，DSU约需14.26 s而PGU约需1.02 s。（3）不同初始采样密度下叶片刀具路径的加密性能。采用叶轮模型的规则叶片曲面作为加工导向测试案例，生成四种初始采样步长r=1、2、3、4，对应初始点数155、78、53、40，容差固定为δ=1×10^?5。当r=1时原始NC序列已相对密集，所有四种方法均插入29个点。随着初始序列变粗，各方法行为逐渐分化：在r=2时DSU需46个插入点而PGU需47个，中点和峰值修正方法均需59个点；在r=3时PGU和DSU均需55个插入点，而中点和峰值修正分别需65和64个点；在r=4时PGU和DSU均产生59个插入点和98个最终程序段，而中点和峰值修正各需81个插入点和120个最终程序段，PGU相比两种递归精细化方法减少约27%的插入点。PGU预测的细分密度紧密跟随DSU所得结果。在运行时间方面，PGU在r=2、3、4时具有四种方法中最低的中位运行时间。在r=4时，PGU的中位运行时间比DSU低约一个数量级，比峰值修正精细化低约42%。在误差比较方面，原始粗序列误差远超规定容差（峰值约1.1×10^?3），加密后所有四种方法在整个路径上均满足容差要求，PGU所获得的插入点减少并非通过放宽误差约束实现。

讨论部分总结：叶片路径结果表明，当原始NC序列已足够密集时四种策略之间的区别有限；然而随着初始插补程序段变粗，PGU的直接细分预测变得越来越有效。特别地，PGU和DSU在r=3和r=4时产生相同的最终程序段数，而PGU避免了重复候选测试，同时对较粗输入所需插入点大幅少于中点和峰值修正递归策略。这些结果支持峰值引导缩放关系作为一种将局部非线性方向误差估计转换为实际NC细分密度的有效机制。研究结论翻译如下：本文研究了五轴NC程序段中线性A–C旋转轴插补引起的非线性刀轴偏差。实际刀轴曲线在S²上表述并与连接端点方向的测地刀轴参考进行比较。该表述将插补引起的方向偏差与RTCP补偿的刀具端点运动相分离，为刀轴方向误差约束的NC程序段加密提供了几何基础。主要贡献总结如下：建立了A–C旋转轴插补在S²上的局部误差模型，推导了相对于测地参考的有符号面外偏差并用二阶前导项近似，阐明了中点仅在对称二阶近似下可作为峰值位置；推导了三阶峰值偏移估计以表征估计局部最大误差位置的非对称位移，该模型提供解析峰值定位指导而不将估计峰值视为精确全局极大值；开发了峰值引导均匀NC加密（PGU），三阶峰值定位估计选取精确单点有符号误差探测，其值用于估计所需细分数量，均匀参考路径重建随后产生分支一致的A–C指令而无需迭代后修正。数值研究说明了三阶指标的峰值定位精度和PGU在普通程序段上的计算价值。对于最大代表性程序段，峰值定位预测偏差从中点的0.072降低至三阶预测器的0.023。在r=4的叶片刀具路径上，PGU和DSU各插入59个点并产生98个最终程序段，PGU比中点或峰值修正精细化少插入约27%的点。这些定量发现限于所报告的测试。该方法不解决全局最小插入点问题；独立密集评估用于评估所报告测试中的容差满足情况。未来工作将研究超出当前范围的构型的重建策略和实验加工验证。