1 引言
在金屬切削加工中，切削振動(dòng)會(huì)損壞加工表面，降低刀具和機(jī)床的壽命，甚至可能引發(fā)事故。因此，切削振動(dòng)的產(chǎn)生機(jī)理、影響因素、表述模型以及抑制方法一直是機(jī)械加工行業(yè)的熱門研究課題。但是，由于加工振動(dòng)現(xiàn)象極其復(fù)雜，影響因素多，難以建立準(zhǔn)確的物理模型。因此，針對(duì)具體的加工對(duì)象，利用新技術(shù)新方法，對(duì)物理模型進(jìn)行補(bǔ)償修正成為比較現(xiàn)實(shí)的解決方法。
2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型
切削加工振動(dòng)模型主要分為兩類：實(shí)驗(yàn)數(shù)據(jù)檢索型和物理模型預(yù)測(cè)型。前者主要進(jìn)行加工結(jié)果數(shù)據(jù)累積，將加工條件與加工狀態(tài)的關(guān)系形成數(shù)據(jù)庫(kù)。當(dāng)輸入數(shù)據(jù)庫(kù)中不存在的數(shù)值時(shí)，以相近點(diǎn)值為依據(jù)，根據(jù)一定算法推測(cè)出輸出值。優(yōu)點(diǎn)是數(shù)據(jù)參照整理容易，可信度高，便利性較好。缺點(diǎn)是若加工事例數(shù)據(jù)過少，影響模型精度，而加工實(shí)例數(shù)據(jù)太多，數(shù)據(jù)量又會(huì)呈爆炸性增長(zhǎng)。后者則將加工條件作為參數(shù)建立數(shù)學(xué)表達(dá)式來反映加工狀態(tài)。這種方法雖然信息量大為減少，但是從現(xiàn)有資料看可直觀地表現(xiàn)加工現(xiàn)象，并具有充分精度的模型還沒有出現(xiàn)。原因之一在于物理模型參數(shù)的決定方法較難確定，如切削點(diǎn)的動(dòng)剛性參數(shù)通常用預(yù)備試驗(yàn)求得的近似值來代替，與實(shí)際切削情況有較大差距。
綜上所述，實(shí)驗(yàn)數(shù)據(jù)檢索的方法可信度較高，然而數(shù)據(jù)量過大，物理模型預(yù)測(cè)的方法數(shù)據(jù)量小、直觀性好，但精度較差。本系統(tǒng)將上述兩種方法的長(zhǎng)處相結(jié)合，即將來自機(jī)床上搭載的傳感器信息用神經(jīng)網(wǎng)絡(luò)(NN)來整理，使其具有學(xué)習(xí)功能，并兼具數(shù)據(jù)量小、精度好、可信度高等特點(diǎn)。
NN的輸入為切削條件(主軸轉(zhuǎn)速等)及曲面形狀信息(切削點(diǎn)的法向方向角、曲率半徑等)，輸出應(yīng)為某一能夠反映加工狀態(tài)的參數(shù)。
如圖1所示，將來自力傳感器的力信號(hào)，以與主軸速度成比例的截?cái)囝l率進(jìn)行高通濾波，在主軸一轉(zhuǎn)內(nèi)，對(duì)抽出的高頻成分進(jìn)行自乘平均平方計(jì)算，此值定義為加工狀態(tài)指數(shù)，即主軸一轉(zhuǎn)內(nèi)的切削力的高頻成分(通過高通濾波器的波形)的自乘平均平方值。
式中：I——加工狀態(tài)指數(shù)
n——主軸轉(zhuǎn)一周，抽出的切削力高頻成分的個(gè)數(shù)
Fi——第i個(gè)切削力高頻成分
F——主軸旋轉(zhuǎn)一周，切削力高頻成分的平均值
加工狀態(tài)指數(shù)反映切削振動(dòng)的程度，振動(dòng)越激烈，加工狀態(tài)指數(shù)越大。
|
圖1 加工狀態(tài)指數(shù)的計(jì)算方法
|
實(shí)驗(yàn)條件表
| 刀具形式 |
球頭刀(?10mm，2刃) |
| 刀具材料 |
超硬合金 |
| 進(jìn)給速度 |
0.025mm/齒 |
| 主軸轉(zhuǎn)速 |
3200～4000r/min |
| 切削深度 |
3mm |
| 刀具懸長(zhǎng) |
70mm |
| 采樣周期 |
20000Hz |
| 曲率半徑 |
40mm |
| 切削形式 |
順銑 |
| 工件材料 |
A2017 |
| 法線方向角 |
-45°～45° | |
|
圖2 振動(dòng)模型圖
|
將實(shí)驗(yàn)結(jié)果數(shù)據(jù)代入神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)計(jì)算，由此得到的學(xué)習(xí)模型反映了加工條件與加工狀態(tài)的關(guān)系。學(xué)習(xí)模型可依照加工中獲得的數(shù)據(jù)，依次對(duì)加工條件與加工狀態(tài)的關(guān)系進(jìn)行自我修正，因此在一定程度上可跟蹤刀具磨損對(duì)加工狀態(tài)的影響。特別是系統(tǒng)的動(dòng)態(tài)學(xué)習(xí)功能，不僅可更新知識(shí)，而且通過調(diào)整NN的權(quán)系數(shù)，將由刀具磨損等引起的模型預(yù)測(cè)誤差降為最小。這種具有動(dòng)態(tài)學(xué)習(xí)功能的系統(tǒng)，實(shí)際的加工過程就是模型修正、學(xué)習(xí)的過程。
3 實(shí)驗(yàn)方法及結(jié)果
本實(shí)驗(yàn)系統(tǒng)由外部可控智能化機(jī)床、臺(tái)式6坐標(biāo)切削力傳感器和實(shí)時(shí)控制器組成。外部可控智能化機(jī)床指數(shù)控機(jī)床與作為控制器的數(shù)控系統(tǒng)相分離，整個(gè)設(shè)備由機(jī)床、外部控制器及可傳遞控制信息的接口構(gòu)成。構(gòu)成本系統(tǒng)執(zhí)行部件的機(jī)床配有外部專用控制器，使機(jī)床的外部可控成為可能。臺(tái)式6軸力傳感器安裝在機(jī)床的工作臺(tái)上，可實(shí)時(shí)測(cè)出加工過程中的3軸切削反力及反力矩，所獲得的信息送入實(shí)時(shí)控制器作為判定加工狀態(tài)的依據(jù)。實(shí)時(shí)控制器實(shí)際上由控制機(jī)床工作的計(jì)算機(jī)組成。它完成傳感器的信息處理，向機(jī)床發(fā)出控制指令，采集加工信息等軟件功能。本實(shí)時(shí)控制器采用VME 總線結(jié)構(gòu)，操作系統(tǒng)采用Vx-works，具有實(shí)時(shí)處理速度快的特點(diǎn)。
利用開發(fā)的系統(tǒng)，對(duì)圓弧形凹曲面進(jìn)行了加工實(shí)驗(yàn)，切削條件如下表所示。單刃切削量與切削深度設(shè)為一定，使主軸轉(zhuǎn)速規(guī)律變化，進(jìn)行曲面切削，用力傳感器信息計(jì)算記錄加工狀態(tài)指數(shù)，同時(shí)利用切削點(diǎn)的前后點(diǎn)坐標(biāo)，計(jì)算出法向方向角。法向方向角的定義是，切削點(diǎn)處的曲面法向方向與主軸軸心線所成的角度。它反映曲面的形狀特征。
為得到加工狀態(tài)學(xué)習(xí)模型，須先建立振動(dòng)模型圖，建立方法是：(1)在可能的曲面法線方向角范圍內(nèi)，改變主軸轉(zhuǎn)速進(jìn)行切削實(shí)驗(yàn)。(2)利用加工狀態(tài)判定法，針對(duì)每一加工條件算出反映振動(dòng)程度的加工狀態(tài)指數(shù)。(3)將結(jié)果用3維圖表示(見圖2)。
如主軸轉(zhuǎn)速?gòu)?250～4000r/min，以50r/min 間隔變化，法線方向角從-45°到45°，以4.5°間隔形成的格子點(diǎn)為條件進(jìn)行切削，得到的振動(dòng)模型圖結(jié)果如圖2所示。
獲得的實(shí)驗(yàn)結(jié)果輸入NN，令其進(jìn)行學(xué)習(xí)運(yùn)算，網(wǎng)絡(luò)結(jié)構(gòu)為雙輸入單輸出、中間層為兩層的2881 結(jié)構(gòu)。學(xué)習(xí)率取0.9，動(dòng)量因子為0.7，極限誤差取0. 001。輸入層為主軸轉(zhuǎn)速及切削點(diǎn)的法線方向角，輸出層為切削狀態(tài)指數(shù)。學(xué)習(xí)結(jié)果表明切削狀態(tài)指數(shù)與學(xué)習(xí)前相吻合。
由圖2可看出：振動(dòng)狀態(tài)依據(jù)法線方向角和主軸轉(zhuǎn)速成規(guī)律性變化。上坡部分(法線方向角0°～45°)的振動(dòng)情況比下坡部分(-45°～0°)惡劣。上坡部分，隨著主軸轉(zhuǎn)速變化，加工狀態(tài)指數(shù)成波浪變化。
4 結(jié)束語
本研究的實(shí)驗(yàn)部分是在日本東京大學(xué)進(jìn)修學(xué)習(xí)期間完成的。切削實(shí)驗(yàn)結(jié)果表明基于神經(jīng)網(wǎng)絡(luò)的曲面加工狀態(tài)監(jiān)測(cè)方法可有效地預(yù)測(cè)曲面的切削振動(dòng)。今后計(jì)劃以同樣的控制方法，將控制對(duì)象擴(kuò)展至其他的加工條件(如切削深度、進(jìn)給速度等)，追加其他的曲面要素(如曲率半徑、凸凹性等)，進(jìn)行進(jìn)一步研究。
