[發明專利]基于切削功率的數控車削批量加工刀具磨損在線監測方法

在審

• 申請號: 201710381843.4
• 申請日: 2017-05-25
• 公開（公告）號: CN107186547A
• 公開（公告）日: 2017-09-22
• 發明（設計）人: 李聰波;萬騰;陳行政;付松;雷焱緋;楊青山;李鴻凱
• 申請（專利權）人: 重慶大學
• 主分類號: B23Q17/09
• 分類號: B23Q17/09;B23Q17/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及機械加工領域，具體涉及基于切削功率的數控車削批量加工刀具磨損在線監測方法。

背景技術

數控車削批量加工過程中，過度的刀具磨損會影響工件的表面質量以及加工精度；同時，隨著車刀磨損量的增加，機床將會消耗更多的能量。工業統計表明，刀具失效是引起機床故障的首要因素，由此引起的停機時間占數控機床總停機時間的1/5～1/3。因此，針對數控車削批量加工過程進行刀具磨損在線監測，是智能制造背景下一個迫切需要解決的科學問題。

根據測量方法的不同，刀具磨損監測方法可分為直接測量法與間接測量法。直接測量法是指通過測量與刀具體積、形狀等相關的參量來判斷刀具磨損狀態。封海蕊直接提取后刀面磨損圖像的視覺特征，通過建立圖像特征與刀具磨損之間的關系實現刀具狀態的監測。等使用坐標描述符對計算機視覺系統獲取的刀具磨損圖像進行分割處理，并根據刀具磨損變化率對刀具磨損狀態進行分類預測。Xu等基于灰色關聯法提取工件表面紋理特征，并通過BP神經網絡對刀具磨損狀態進行識別和診斷。

雖然直接測量法監測刀具磨損精度較高，但多數方法不能保證在線監測，因此監測效率低。鑒于此，一些學者提出通過間接測量法監測刀具磨損。間接測量法是指測量切削加工過程中與刀具磨損有內在聯系的某些信號，通過建立這些信號與刀具磨損量之間的關系來確定刀具磨損狀況。胡江林等通過提取聲發射(AE)信號的累積振鈴數作為監測刀具磨損的特征量，并通過實驗驗證了該方法的有效性。Kious等通過對三個方向的切削力以及合成力信號進行頻域分析，發現了合成力的主頻頻譜與刀具磨損狀態密切相關，可用于刀具磨損在線監測。Hsieh等直接采集主軸振動信號，從中提取5個與刀具磨損相關的特征量并利用反向傳播神經網絡對刀具磨損狀態進行分類。上述方法雖然能實現刀具磨損的在線監測，然而由于信號的采集需要改變機床的結構，在一定程度上會影響機床加工過程，故而這些方法的使用受到了限制。

相比于切削力、聲發射和切削振動等信號，機床功率信號的采集僅僅只需在機床電氣柜安裝一個功率傳感器，不會改變機床結構，因此采用功率法監測刀具磨損受到了國內外大批學者的廣泛關注。謝楠等通過功率傳感器采集切削過程中的電流和功率信號，提出了一種基于主成分分析與C-支持向量機相結合的刀具磨損狀態監測模型。Bhattacharyya等通過對機床主電機電流和功率信號進行采集和處理，提取與刀具磨損相關的時域特征量，并建立特征量與刀具磨損量之間的多元線性回歸模型，基于該模型實時計算刀具磨損量。CUPPINI等發現當加工參數一定時，切削功率與刀具磨損量之間存在著一定的關系，并通過實驗擬合的方法建立了切削功率與刀具磨損量之間的關系模型。

然而，上述研究并未考慮加工參數對機床功率信號的影響，當切削過程中加工參數發生變化時，功率信號將會隨之改變，此時，通過機床功率信息將難以準確判斷刀具磨損狀態。

發明內容

本發明的目的是考慮刀具磨損量和加工參數對切削功率的影響，建立相應的回歸模型，在此基礎上提出一種刀具磨損在線監測方法，以監控車床在加工過程中的刀具磨損。

為實現本發明目的而采用的技術方案是這樣的，即基于切削功率的數控車削批量加工刀具磨損在線監測方法。它包括以下步驟：

步驟1：分析刀具磨損量和加工參數對切削功率的影響；

步驟2：通過正交試驗設計與響應面法建立切削功率與刀具磨損量及加工參數的回歸模型；

步驟3：在建立切削功率與刀具磨損量及加工參數的回歸模型的基礎上，得到實時更新切削功率閾值的刀具磨損在線監測方法。

優選地，步驟1中，所述分析刀具磨損量和加工參數對切削功率的影響的過程為：

(1)分析刀具磨損量對切削功率的影響

由于刀具磨損產生的附加切削功率ΔP_c為

ΔP_c＝F_FW·v_c＝μHVBs·v_c

式中，F_FW為由磨損引起的刀具與工件間的摩擦力，v_c為車削加工過程中刀具與工件接觸點的線速度，μ為刀具與工件間的滑動摩擦系數，H為工件材料的布氏硬度，VB為刀具后刀面磨損量，s為刀具后刀面磨損帶長度。

(2)分析加工參數對切削功率的影響

對于車削加工過程，切削功率P_c與加工參數之間存在著指數關系：