杜 丽 崔浪浪 赵 波 谭 阳 王 伟

（电子科技大学机械电子工程学院，四川成都 611731）

机床动态性能直接影响着机床的加工精度。S型试件是新近提出的一种校验机床动态性能的检验试件，如图1所示。试件曲率随表面形状变化而变化，在拐角处具有开闭角转换特征，通过切削S型试件可以在一定程度上反映出五轴联动数控机床动态性能。但是，关于S型试件反映的机床动态因素以及彼此间的对应关系未见之于报道。

误差溯源是通过对机床加工误差间接估计机床性能的重要方法。Lai等人从DBB法检测出发，发展了诊断数控机床导轨非线性建模分析方法［1］;范晋伟提出了十四线法［2］;赵小松等提出了九线法［3］;东京大学Matsushita开展了针对NAS979试件的误差分离，剥离出了试件型面误差中反映的六项机床几何误差［4］;东京农工大学Tsutsumi提出了四角锥台试件，可以辨识出机床的圆度、直线度、垂直度和平行度加工误差［5］。上述方法仅仅只针对了数控机床的单项几何误差辨识，并未涉及到对机床性能产生重要影响的动态因素辨识。

机床的动态性能与S型试件型面加工误差之间存在着复杂的非线性映射关系，要建立起准确的数学模型对机床动态因素进行辨识非常困难。BP神经网络强大的函数逼近能力、自学习、自适应性为数控机床动态因素误差辨识提供了一条有效的途径。为此，提出了一种通过检测S型试件切削形貌，利用BP神经网络理论及模糊理论完成数控机床各动态因素的误差辨识的新方法。……