论文部分内容阅读
转子是汽轮机的核心部件,转子轮槽连接转子和叶片的叶根,其加工表面质量直接影响汽轮机服役过程中的能源转换效率和寿命等性能。在实际的轮槽加工过程中,受转子材料性能波动、刀具性能变化、机床差异性和切削参数调整等众多因素的综合影响,刀具磨损和刀具寿命存在着显著差异。如何准确预测轮槽铣刀剩余寿命,合理更换刀具,并在确保轮槽表面加工质量的前提下提高加工效率,是亟待解决的难题。传统的刀具寿命预测方法一般针对相同类型刀具,要求有大量标注数据样本,且要求训练数据与测试数据独立同分布,而实际加工过程的数据难以满足上述条件。为此,迫切需要开展实际加工动态环境下轮槽铣刀剩余寿命的准确预测方法研究。本文的主要研究内容如下:(1)研究多工序下刀具磨损的关键影响因素辨识及动态分类方法。针对刀具磨损受多工序工艺属性的影响,因素之间交叉关联,刀具过程磨损量数据缺失,连续与离散型数据并存的问题,研究动态层次聚类方法,实现了属性的离散化,建立了基于相似关系的刀具磨损不完备信息系统,分析计算各影响因素的重要度,发现了刀具修磨,供应商等关键要素对刀具性能的影响,并实现了时变、非线性加工工艺系统的动态分类。(2)研究刀具多衰退模式下的剩余寿命分层自适应预测方法。针对实际生产中刀具材料、修磨次数和修磨量等动态多变,单一固定的全局模型难以准确反映整体系统中刀具性能衰退规律的问题,研究基于相似性的多层次多模型预测方法,利用声发射监测信号,综合考虑距离相似度和空间方向相似度,建立刀具性能指标,充分利用已有样本的退化信息,实现了刀具剩余寿命的自适应准确预测。实验结果表明该方法能够将刀具剩余寿命预测结果的平均绝对误差最大减少约2条槽,能有效改善企业不合理的换刀现象,综合寿命利用率提高9.68%。(3)研究刀具新衰退模式下的剩余寿命自适应预测方法。实际加工过程中由于刀具属性变化和切削参数等的调整,导致刀具性能衰退规律发生较大变化。上述基于历史数据建立的刀具寿命预测模型难以有效预测。首先,设计LSTM模型,利用历史样本数据进行预训练,求得历史预测模型;其次,将历史样本数据和新衰退模式的样本数据进行对抗训练,更新预测模型;最后,将基于历史数据预训练建立的预测模型进行迁移,应用于新衰退模式下的刀具剩余寿命预测,实现变化环境下的刀具寿命有效预测。实验结果表明了该方法的有效性。