在机械加工过程中,机床及其工艺装备的任何故障都将严重影响机械产品质量、生产效率,扰乱正常的生产计划和增加生产成本。因此,进行机械加工过程监控、优化加工,避免设备故障,尤其是提高数控机床利用率,对提高中国制造业具有重要的经济价值、社会效益和理论意义。 本课题的研究目标是,通过对机床信号的实时监测,来实现对加工工艺参数的控制和对生产过程的监测与控制。论文研究了机械加工过程监控和工艺优化方法,建立了监测与工艺数据的相互关系和特征映射模型,提出了基于人工免疫理论和神经网络的加工过程在线监控和工艺优化方法,研制了机床加工过程在线监控与工艺优化系统,包括:数据采集模块、信号分析模块、监测模块和切削参数优化模块。 在信号分析模块中,采用了小波分析等多种信号处理方法,提取DAQ模块提供的传感器特征信息。如振动加速度信号,采用功率谱频域分析和方差时域分析,为监测模块提供了表征相关加工状态的特征值。 监控模块中,将反向选择算法(NSA)与遗传算法中的克隆进化相结合,有效地对实时采集信息进行模式识别,及时发现生产不稳定因素并采取相应的措施。 在工艺优化模块中,采用了人工神经网络(ANN)来对加工过程中的工艺参数等提供建议。神经网络用于实现切削参数(加工手册推荐的和神经网络学习的)的不断学习,以满足每次加工的需要。通过学习得到的切削用量如果更好,则通过替代算法代替原有的样本。通过切削参数的不断提高,提出了切削参数不断进化的系统。机床加工监控模块和切削参数优化模块同时在线的运作,这不只考虑了避免故障的发生,更考虑了机床的切削效率、质量等问题。 以基于Matlab6.5和虚拟仪器-Lab VIEW环境编制了研发的加工过程监控与工艺优化系统又在普通车床和数控车床上进行了试验,取得了预期的效果。