Abstract Virtual process planning offers advantages in terms of predicting servo and contouring errors ahead of time, and taking corrective action by modifying the program or CNC parameters. Successful application of virtual process planning requires accurate models that capture the dynamics of feed drives. Identification of such models is typically time consuming. This paper presents a pole search method used in conjunction with least squares (LS) projection technique for identifying virtual machine tool drives. Compared to earlier research published in rapid identification, and the generic system identification method (i.e., a two-stage instrumental variable method), the parameter convergence has been improved significantly. This is achieved by reducing the number of unknown variables solved during LS estimation from eight to four (corresponding to each candidate pole triplet), and by avoiding the use of noisy position measurements and their time derivatives in the LS matrix pseudo-inversion. As a result, virtual feed drive models can be constructed using only in-process gathered data, without interrupting a machine tool's production for dedicated identification tests. Effectiveness of the new method is demonstrated in simulations and experimental case studies on two different machine tools, a gear grinding machine, and a 5-axis machining center. With the new method, servo errors can be predicted during the process planning stage to within 1-2% of closeness of their actual (experimental) values.

中文翻译：

---

用于虚拟工艺规划的过程中信号的 CNC 机床进给驱动的动态模型识别

摘要 虚拟工艺规划在提前预测伺服和轮廓误差以及通过修改程序或数控参数采取纠正措施方面具有优势。虚拟工艺规划的成功应用需要准确的模型来捕捉进料驱动的动态。识别此类模型通常很耗时。本文提出了一种极点搜索方法，结合最小二乘 (LS) 投影技术用于识别虚拟机床驱动器。与早期发表在快速辨识中的研究相比，通用系统辨识方法（即两阶段工具变量法），参数收敛性得到了显着改善。这是通过将 LS 估计期间解决的未知变量的数量从 8 个减少到 4 个（对应于每个候选极点三元组），并通过避免在 LS 矩阵伪反演中使用噪声位置测量及其时间导数来实现的。因此，虚拟进给驱动模型可以仅使用过程中收集的数据来构建，而无需中断机床的生产以进行专门的识别测试。新方法的有效性在两种不同的机床、磨齿机和 5 轴加工中心的模拟和实验案例研究中得到了证明。使用新方法，可以在工艺规划阶段预测伺服误差，使其接近实际（实验）值的 1-2%。并避免在 LS 矩阵伪反演中使用噪声位置测量及其时间导数。因此，虚拟进给驱动模型可以仅使用过程中收集的数据来构建，而无需中断机床的生产以进行专门的识别测试。新方法的有效性在两种不同的机床、磨齿机和 5 轴加工中心的模拟和实验案例研究中得到了证明。使用新方法，可以在工艺规划阶段预测伺服误差，使其接近实际（实验）值的 1-2%。并避免在 LS 矩阵伪反演中使用噪声位置测量及其时间导数。因此，虚拟进给驱动模型可以仅使用过程中收集的数据来构建，而无需中断机床的生产以进行专门的识别测试。新方法的有效性在两种不同的机床、磨齿机和 5 轴加工中心的模拟和实验案例研究中得到了证明。使用新方法，可以在工艺规划阶段预测伺服误差，使其接近实际（实验）值的 1-2%。s 生产用于专门的识别测试。新方法的有效性在两种不同的机床、磨齿机和 5 轴加工中心的模拟和实验案例研究中得到了证明。使用新方法，可以在工艺规划阶段预测伺服误差，使其接近实际（实验）值的 1-2%。s 生产用于专门的识别测试。新方法的有效性在两种不同的机床、磨齿机和 5 轴加工中心的模拟和实验案例研究中得到了证明。使用新方法，可以在工艺规划阶段预测伺服误差，使其接近实际（实验）值的 1-2%。