论文部分内容阅读
智能化技术能够有效提高切削加工产品制造的质量和效率,是制造技术发展的新进展,也是《中国制造2025》指明的主攻方向。切削加工过程智能监测技术是实现切削加工过程自动化智能化的重要条件。刀具的振动和磨损直接关系着加工过程的可靠性和安全性,对产品的加工质量有着决定性的影响。刀具的振动状态监测和磨损状态监测是切削过程智能监测的重要研究内容。本文针对切削加工过程中这两种典型的状态监测问题进行研究,探讨智能化技术在切削状态监测问题中的应用。主要研究工作和成果如下: (1)提出了一种新的切削振动状态智能监测方法。在深入分析加速度信号与颤振现象的时频域关系的基础上,提出了颤振过程的能量聚集特征。基于此发现,提出了一种改进希尔伯特黄变换方法对切削振动信号进行表征。对提取的特征空间,采用高斯混合模型进行智能的无监督聚类建模分析。基于聚类边界,设计实现了振动状态阈值的自动计算。实验证明,与小波方法相比,本方法判定快(提前约74ms)、阈值自适应能力强,能有效保护工件免受振动损伤。复杂度分析证明本方法可以实现实时的在线检测。 (2)提出了一种切削信号特征自动构造方法。针对振动状态监测建模中,特征提取理论匮乏、过程盲目、经验依赖性强等问题,提出了一种基于特征学习的切削信号特征自动构造方法。使用深度网络模型,采用特殊的学习算法,自动挖掘振动信号与振动状态之间的内在联系,实现了切削信号的特征自动分析与构造。所提取特征是在严格的数学推导下得到,是数学意义上的最佳表征。在基于自动特征的状态判定模型基础上,提出采用投票策略来稳定实时监测结果,避免信号的不确定性波动导致的预测结果的振荡。实验证明,基于自提取特征的检测方法,建模精度高(99.99%)、检测速度快(比传统小波方法提前86ms)、理论性强、操作简便、实时性好。 (3)设计开发了一套刀具磨损在位检测装置及算法。针对目前刀具磨损测量装置体型大、需要拆卸刀具、影响加工质量等问题,设计了一套紧凑灵活的高质量光学测量平台。利用远心镜头改善磨损区成相质量。装置实现了在不改变机床结构、不干涉加工过程、无需拆卸刀具的前提下,对磨损区进行高质量的成相拍照。基于刀具磨损图像,设计了一种磨损值自动计算方法,实现了刀具后刀面磨损的在位自动测量。钛合金车削刀具磨损实验验证了测量平台和算法的有效性。 (4)提出了一种新的互验式集成学习方法用于刀具磨损在线跟踪。针对目前刀具磨损间接预测模型监测精度低、适应性差等问题,提出了一种新的跟踪算法解决思路。算法通过耦合直接测量法和间接预测法,实现监测实时性和准确性之间的平衡。直接测量法提供高质量的目标样本以优化间接预测模型,间接预测法控制直接测量的频率。本文提出了一种新的互验式集成学习方法,通过多预测模型的互相检验,赋予间接预测模型自检验能力。当间接预测模型发现自身失效时,向切削系统提出直接测量请求,并以测量数据校正预测模型。实验证明,跟踪算法只使用少量的直接测量(22.2%)即可实现对切削过程准确(相关系数0.9920,平均误差3.6413um)长期有效的自适应跟踪监测。与传统纯拟合预测方法相比,本方法不受磨损问题随机性波动的影响,精度高、适应性强、实时性好。 综上所述,本文针对切削过程的刀具振动监测问题,设计了基于机器学习理论的新算法,针对刀具磨损监测问题,设计了新的测量装置和新的监测算法,实现了对刀具振动和磨损的智能实时在线监测,检测精度和速度较现有方法有明显提升,能够有效保护工件,提高加工质量。