復(fù)雜零件加工刀具磨損智能監(jiān)測(cè)方法研究

張 新

（貴州航天職業(yè)技術(shù)學(xué)院，貴州 鳳岡 563000）

0 引言

隨著機(jī)械加工行業(yè)的進(jìn)步，刀具磨損問(wèn)題成為影響加工質(zhì)量和效率的關(guān)鍵因素[1]。傳統(tǒng)依賴(lài)人工檢查的方法存在實(shí)時(shí)性差、準(zhǔn)確性不足等問(wèn)題[2]。因此，研究智能監(jiān)測(cè)方法至關(guān)重要。目前，盡管已有多種刀具磨損監(jiān)測(cè)方法，但仍有不足，如無(wú)法實(shí)現(xiàn)實(shí)時(shí)自動(dòng)監(jiān)測(cè)、難以建立精確的磨損模型和診斷算法等[3]。基于以上背景，提出工程機(jī)械復(fù)雜零件加工刀具磨損智能監(jiān)測(cè)方法。希望通過(guò)該方法，能夠?yàn)闄C(jī)械制造企業(yè)提供更有效的刀具磨損監(jiān)測(cè)方案，推動(dòng)刀具磨損監(jiān)測(cè)方法的持續(xù)改進(jìn)和創(chuàng)新發(fā)展，進(jìn)而提升加工效率和質(zhì)量，確保生產(chǎn)安全。

1 刀具磨損智能監(jiān)測(cè)方法

1.1 信號(hào)采集與特征提取

為實(shí)時(shí)監(jiān)測(cè)刀具磨損，需采集加工過(guò)程中的聲音、振動(dòng)和切削力信號(hào)。這些信號(hào)能反映刀具磨損狀態(tài)，但也包含噪聲。采用皮爾遜積矩相關(guān)系數(shù)對(duì)信號(hào)進(jìn)行特征提取，從原始數(shù)據(jù)中提煉出描述刀具磨損狀態(tài)的本質(zhì)特征，以確保后續(xù)監(jiān)測(cè)的準(zhǔn)確性。

皮爾遜積矩相關(guān)系數(shù)用于衡量?jī)山M數(shù)據(jù)之間的線性關(guān)系，反映兩個(gè)變量之間的相關(guān)強(qiáng)度和方向，取值范圍為r∈[-1，1][4]。當(dāng)r＞0 時(shí)表示正相關(guān)，r＜0時(shí)表示負(fù)相關(guān)，r=0 則表示無(wú)相關(guān)性。其計(jì)算式為：

其中，n表示數(shù)據(jù)點(diǎn)的數(shù)量，xi和yi分別表示兩個(gè)變量的數(shù)據(jù)點(diǎn)值。采用聲音、振動(dòng)和切削力傳感器實(shí)時(shí)采集加工信號(hào)，通過(guò)皮爾遜積矩相關(guān)系數(shù)提取特征參數(shù)，準(zhǔn)確反映刀具磨損狀態(tài)變化，為刀具磨損診斷提供有力支持。

1.2 基于機(jī)械加工工藝參數(shù)構(gòu)建刀具磨損函數(shù)

為實(shí)現(xiàn)刀具磨損定量監(jiān)測(cè)，需構(gòu)建刀具磨損函數(shù)。通過(guò)多元線性回歸模型，以進(jìn)給速度、主軸轉(zhuǎn)速、切削深度為輸入，刀具磨損量、加工表面質(zhì)量為輸出，預(yù)測(cè)刀具磨損狀態(tài)。切削過(guò)程中，減速力作用于進(jìn)給和主軸轉(zhuǎn)速，需關(guān)注降低這兩者以實(shí)現(xiàn)優(yōu)化。

輸出速度通常用符號(hào)v表示，而進(jìn)料速率則用符號(hào)s表示。優(yōu)化機(jī)器工藝參數(shù)的目標(biāo)是實(shí)現(xiàn)最低的生產(chǎn)成本和最高的生產(chǎn)效率[5]。在機(jī)械加工生產(chǎn)過(guò)程中，假設(shè)一道工序的總工時(shí)為t，則其造成的加工成本算式為：其中，B1為刀具的成本，B2為一個(gè)單位內(nèi)的刀具管理成本，B3為一個(gè)單元內(nèi)的人員管理成本，G為刀具的阻力磨度。

為實(shí)現(xiàn)機(jī)械加工過(guò)程的優(yōu)化，需建立一個(gè)目標(biāo)函數(shù)來(lái)量化目標(biāo)，即在減少生產(chǎn)機(jī)制中的總工作時(shí)間的同時(shí)降低加工成本，以便在給定的約束條件下找到最優(yōu)解。該目標(biāo)函數(shù)可以表示為：

在優(yōu)化過(guò)程中，參數(shù)β值影響目標(biāo)函數(shù)。當(dāng)β等于1 時(shí)追求最低成本，當(dāng)β等于0 時(shí)追求最高效率，而當(dāng)將β值設(shè)定在[0，1]時(shí)，則是要尋求兩者平衡。通過(guò)模型參數(shù)優(yōu)化，建立工藝參數(shù)與刀具磨損關(guān)系，實(shí)現(xiàn)定量監(jiān)測(cè)。該方法解決速度和減速問(wèn)題，將多目標(biāo)優(yōu)化轉(zhuǎn)化為單目標(biāo)，提升加工效率。

1.3 刀具磨損診斷

基于信號(hào)采集、特征提取和刀具磨損函數(shù)，進(jìn)行刀具磨損診斷。實(shí)時(shí)采集信號(hào)，提取特征參數(shù)，輸入到目標(biāo)函數(shù)中計(jì)算，并設(shè)定約束條件。構(gòu)建支持向量機(jī)分類(lèi)器，得到診斷函數(shù)，實(shí)現(xiàn)刀具磨損狀態(tài)的診斷。同時(shí)考慮進(jìn)給、減小力、能力、扭矩約束及工件不規(guī)則性等因素，確保診斷的準(zhǔn)確性。

主軸切削機(jī)床進(jìn)給力約束條件為：

其中，x1、x2、x3、x4、x5為切削力參數(shù)，h為切割深度，F(xiàn)max為機(jī)器最大功率。

針對(duì)機(jī)床主軸的切削功率，設(shè)定約束條件：

其中，α 為有效因子，Pmax為機(jī)床最大功率。

根據(jù)以上約束條件，將提取到的信號(hào)特征作為輸入，將刀具磨損狀態(tài)作為輸出，構(gòu)建一個(gè)支持向量機(jī)分類(lèi)器[6]，得到的刀具磨損狀態(tài)診斷函數(shù)F（x）可表示為：

其中，sgn 為返回一個(gè)整型變量并指出其正負(fù)性的函數(shù)；λi為拉格朗日乘子，i=1，2，…，n，K（xi，x）為核函數(shù)，其可通過(guò)e-w‖xi-x‖2

計(jì)算得到。利用刀具磨損狀態(tài)診斷函數(shù)監(jiān)測(cè)刀具磨損，F(xiàn)（x）數(shù)值范圍為[-1，1]，接近1 表示磨損較輕，接近-1 表示磨損嚴(yán)重。實(shí)時(shí)判斷與監(jiān)測(cè)輸入數(shù)據(jù)，準(zhǔn)確判斷刀具磨損狀態(tài)，并采取相應(yīng)措施，為復(fù)雜零件加工提供有效刀具磨損監(jiān)測(cè)方案。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 實(shí)驗(yàn)準(zhǔn)備

為了驗(yàn)證本文設(shè)計(jì)方法的有效性，選擇如齒輪、軸承和軸等多種不同類(lèi)型的機(jī)械傳動(dòng)部件作為實(shí)驗(yàn)對(duì)象展開(kāi)實(shí)驗(yàn)研究。試驗(yàn)部件示樣如圖1 所示。

圖1 試驗(yàn)部件示樣

為確保實(shí)驗(yàn)的真實(shí)性和可重復(fù)性，選擇在與實(shí)際生產(chǎn)環(huán)境相似的真實(shí)機(jī)械加工環(huán)境中展開(kāi)實(shí)驗(yàn)，實(shí)驗(yàn)環(huán)境如圖2 所示。

圖2 加工實(shí)驗(yàn)環(huán)境

采用先進(jìn)的VMC640 立式數(shù)控機(jī)床進(jìn)行傳動(dòng)部件的加工和切割，對(duì)該數(shù)控機(jī)床的參數(shù)進(jìn)行設(shè)置，具體數(shù)值和范圍見(jiàn)表1。

表1 試驗(yàn)參數(shù)設(shè)定

并使用高精度測(cè)量?jī)x器，如基恩士VR-6000 系列的表面粗糙度測(cè)量?jī)x、瑞士奇石樂(lè)9171A 旋轉(zhuǎn)式多分量切削測(cè)力計(jì)和VA-12 振動(dòng)檢測(cè)儀等，檢測(cè)加工后的傳動(dòng)部件。

2.2 對(duì)比實(shí)驗(yàn)

為驗(yàn)證研究方法的應(yīng)用效果，以傳統(tǒng)方法1 和傳統(tǒng)方法2 為對(duì)比方法，以研究方法為對(duì)照，進(jìn)行對(duì)比實(shí)驗(yàn)分析。記錄切削力和振動(dòng)等參數(shù)的變化，對(duì)刀具磨損量、加工效率和加工質(zhì)量合格品率等指標(biāo)進(jìn)行量化分析，結(jié)果見(jiàn)表2。

表2 三種方法對(duì)比結(jié)果

根據(jù)表2 結(jié)果可知，相較于兩種對(duì)比方法，本文方法能夠更有效地監(jiān)測(cè)刀具磨損，提高加工效率和加工質(zhì)量。

為更加全面的評(píng)估不同方法的性能，選取刀具磨損預(yù)警準(zhǔn)確率和預(yù)警響應(yīng)時(shí)間作為實(shí)驗(yàn)指標(biāo)，結(jié)果見(jiàn)表3。

表3 三種方法對(duì)比結(jié)果

由表3 可知，相較于兩種對(duì)比方法，新方法的預(yù)警準(zhǔn)確率更高，達(dá)到了98%。同時(shí)，新方法的預(yù)警響應(yīng)時(shí)間更短，僅為0.04 s。說(shuō)明新方法能夠更有效地監(jiān)測(cè)刀具磨損，提高加工效率和加工質(zhì)量，并快速響應(yīng)。

3 結(jié)語(yǔ)

本文對(duì)復(fù)雜零件加工刀具磨損智能監(jiān)測(cè)方法進(jìn)行了深入研究，采用皮爾遜積矩相關(guān)系數(shù)對(duì)信號(hào)進(jìn)行特征提?。焕枚嘣€性回歸模型，以進(jìn)給速度、主軸轉(zhuǎn)速、切削深度等機(jī)械加工工藝的參數(shù)為輸入，構(gòu)建刀具磨損函數(shù)；構(gòu)建支持向量機(jī)分類(lèi)器，得到診斷函數(shù)，實(shí)現(xiàn)刀具磨損狀態(tài)的診斷。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效監(jiān)測(cè)刀具磨損狀態(tài)，提高加工過(guò)程的穩(wěn)定性和效率。未來(lái)研究可進(jìn)一步探索多傳感器融合、深度學(xué)習(xí)等技術(shù)在刀具磨損監(jiān)測(cè)中的應(yīng)用，以推動(dòng)加工制造業(yè)的智能化發(fā)展。