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與流程
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。
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。
技術實現要素：
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δpc為
δpc＝ffw·vc＝μhvbs·vc
式中，ffw為由磨損引起的刀具與工件間的摩擦力，vc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pc與加工參數之間存在著指數關系：
式中：fc為切削力，vc為切削速度，ap為背吃刀量，f為每轉進給量，cf、xf、yf、nf以及kf為相應的切削力影響指數。
優選地，在步驟2中，所述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的過程為：
(1)正交試驗設計
使用功率傳感器對切削功率進行采集監測，使用超景深三維顯微系統測量車刀磨損量，在一定實驗條件下進行正交試驗。
將車刀后刀面磨損量vb以及車削三要素(切削速度vc、進給量f、背吃刀量ap)作為影響切削功率pc的四個因素，各因素分別設定三個水平，其中刀具磨損量vb分別用不同的數值表征刀具輕微磨損，中度磨損和嚴重磨損三個階段。
(2)建立切削功率與刀具磨損量及加工參數的回歸模型
響應面(theresponsesurfacemethodology，rsm)多項式回歸模型采用二次回歸方程，通過最小二乘法求取回歸方程系數，進而構造出響應量和自變量之間的函數。
采用二階響應曲面模型來表達切削功率與刀具磨損量及加工參數之間的關系，具體表達式如下：
式中：y表示切削功率，x表示刀具磨損量、切削速度、進給量和背吃刀量，β0，β1，...，βm表示回歸方程的系數，ε表示回歸值與實際值的誤差。
采用minitab16軟件對實驗所得到的數據進行擬合，由于各自變量的變化范圍不相同，為解決量綱不同給設計和分析帶來的麻煩，將自變量后刀面磨損量vb、切削速度vc、進給量f、背吃刀量ap分別做線性變換(又稱編碼變換)，具體公式如下：
經過線性變換處理后的各自變量a、b、c、d變化范圍均在[-1，1]之間。
優選地，步驟3中，所述的的一種實時更新切削功率閾值的數控車削批量加工刀具磨損在線監測方法過程為：
1)根據機床、刀具以及工件信息判斷歷史數據中是否已有該加工條件下的切削功率與刀具磨損量及加工參數的回歸模型，如果沒有，則需要通過正交實驗設計以及響應面法建立模型。同時將所得模型存入歷史數據庫中；
(2)通過功率采集系統獲取機床總功率以及主傳動系統功率，并對功率信號進行濾波處理；
(3)與數控車床nc系統實現通信，同時結合機床功率信息判斷機床狀態；
(4)當機床處于加工狀態時通過nc系統讀取車削過程加工參數，同時根據工件表面粗糙度及尺寸精度要求設定適當的刀具磨鈍標準(允許的最大刀具磨損量)，將加工參數以及刀具磨鈍標準帶入切削功率與磨損量以及加工參數的回歸模型中實時計算切削功率閾值[pc]；
(5)將通過功率采集系統實時測量并計算所得的切削功率pc與切削功率閾值[pc]進行比較。若pc＜[pc]，則返回步驟4；若pc＞[pc]，則說明刀具磨損量已達到事先設定的磨鈍標準，此時應該停止加工并更換刀具。
優選地，步驟3中，所述的的一種實時更新切削功率閾值的數控車削批量加工刀具磨損在線監測方法包括以下關鍵步驟：
(1)功率信號濾波處理
機床的功率信號中不可避免的含有各種噪聲以及干擾，這些噪聲和干擾將使功率信息失真。為了準確地監測加工過程中刀具磨損狀況，必須對傳感器采集到的功率信號進行濾波處理，消除這些噪聲和干擾。
機床功率信號中的噪聲和干擾分為兩類：一類是頻率一定的周期性干擾，另一類則是如脈沖干擾等隨機性干擾。例如對于使用交流電機的數控機床而言，三相交流電動機任一相的電流、電壓以及瞬時功率值可表示為：
式中：ω表示三相交流電的角頻率，
三相交流電動機任一相瞬時功率p的基頻是工頻(50hz)的兩倍。由此可見，在交流電動機的功率信號中將不可避免地含有工頻及兩倍工頻的分量，它屬于周期性干擾。對于周期性干擾，可采用模擬濾波的方法濾去大部分干擾，但模擬濾波電路并不能完全有效地消除隨機性干擾，因此還必須使用數字濾波方法。
防脈沖干擾滑動平均算法能有效地消除由脈沖干擾所引起的采樣值偏差，同時，對于周期性干擾具有良好的抑制作用，其平滑度高，適用于高頻振蕩系統。因此，使用防脈沖干擾滑動平均算法對功率信號進行數字濾波，其具體計算步驟如下：
1)通過功率傳感器采集n個數據{m1，m2，...，mn}，并將其放入隊列存儲器m[n]中；
2)每隔一個采樣時間間隔讀取一個新的數據加入m[n]隊尾，同時丟棄m[n]隊首的一個數據，得到一組新的數據m’[n]＝{m’1，m’2，...，m’n}；
3)判斷m’[n]中的最大值mmax與最小值mmin；
4)求取m’[n]中n個數據之和，然后減去最大值與最小值，并對剩下的n-2個數據計算算術平均值，具體公式如下：
5)將
(2)數控機床狀態判斷
機床的運行狀態一般包括：停機狀態、待機狀態、主軸啟動狀態、空載狀態以及加工狀態。如圖2為一數控車床加工過程的功率曲線圖，機床功率曲線實質上是機床處于不同狀態時功率特性的反映，因此，由功率傳感器測得的機床功率信息能實時地反映機床狀態。然而，由于零漂及電壓波動等原因，對于轉速較低和切削量較小的加工過程難以通過功率信息準確判斷機床狀態。
對此，本發明提出了一種基于nc系統與功率信息相結合的機床狀態判斷方法：首先與數控機床nc系統進行通信，然后調用相應的api函數讀取加工參數，同時結合功率采集系統采集到的功率信息判斷機床運行狀態。具體算法流程如圖3所示
以fanuc系統為例，與nc系統通信并讀取加工參數，步驟如下：首先通過pcmcia網卡實現與nc系統的硬件連接；然后調用focas函數庫(focas函數是fanuc提供給用戶的一組針對nc系統的api函數)中的部分函數讀取加工參數，例如通過調用cnc_acts()函數和cnc_rdspeed()函數讀取機床主軸的實際轉速n和傳動軸的實際進給速度f。
(1)主軸啟動狀態判斷
1)當功率傳感器測得機床總功率ptotal由0變為大于0時，相應地，機床狀態由停機狀態變為待機狀態；
2)通過nc系統實時讀取機床主軸轉速，當轉速n由0變為大于0時，則判斷機床主軸開始啟動。
(2)空載狀態判斷
1)當主軸啟動之后將功率傳感器測得的機床主軸實時功率psp存入一個緩存數組g[n]＝{psp1，psp2，...，pspn}；
2)判斷緩存數組g[n]中的數據是否平穩，即是否滿足：
c1根據機床特性以及電網電壓波動情況一般取15％-25％。當緩存數組g[n]中數據平穩，則判斷機床處于空載狀態。同時，將此時g[n]數組的平均值作為機床當前轉速下的空載功率pu。
(3)加工狀態判斷
1)當判斷機床處于空載狀態并獲取空載功率pu之后，通過nc系統實時讀取機床進給速度f；
2)當進給速度f大于0時，判斷主軸功率psp在pu的基礎上是否發生了躍變，即是否滿足：
c2根據切削量大小一般取5％-10％。若上式成立，則判斷機床處于加工狀態。
與現有技術相比，本發明的有益效果是：
本發明考慮了加工參數對車床切削功率的影響而不僅僅考慮刀具磨損量對車床切削功率的影響，在此基礎上提出的一種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能夠正確實時地監控車床在加工過程中的刀具磨損量。當刀具磨損到一定程度需要更換時能夠及時發現并更換，保證加工產品的質量并且節約機床能耗。
附圖說明
圖1數控車削批量加工刀具磨損在線監測流程框架
圖2數控車床加工過程功率曲線圖
圖3機床狀態判斷流程圖
圖4加工零件圖
圖5數控車削批量加工刀具磨損在線監測系統
具體實施方式
下面結合附圖和實施例對本發明作進一步說明，但不應該理解為本發明上述主題范圍僅限于下述實施例。在不脫離本發明上述技術思想的情況下，根據本領域普通技術知識和慣用手段，做出各種替換和變更，均應包括在本發明的保護范圍內。
本實施例以圖4中φ42和φ60兩個外圓的加工過程為例。
正交實驗設計以重慶第二機床廠有限責任公司生產的chk460數控車床為平臺，采用重慶大學自主研發的軟硬件一體化的機床能效監控系統來測量機床實時功率，同時使用超景深三維顯微系統測量車刀后刀面磨損量。
采用型號為chk460的數控車床，其主電機功率為11kw，主軸轉速范圍100-4500r/min，最大車削長度420mm，允許的最大回轉直徑為460mm。工件及加工方式如表1所示，選用外圓車刀，具體參數如表2所示。
表1工件及加工方式
表2刀具類型與相關參數
將車刀后刀面磨損量vb以及車削三要素(切削速度vc、進給量f、背吃刀量ap)作為影響切削功率pc的四個因素。各因素分別設定三個水平，其中刀具磨損量vb分別選取0.065mm，0.195mm以及0.325mm代表刀具輕微磨損，中度磨損和嚴重磨損三個階段。具體如表3所示。
表3各因素及水平
為保證實驗的有效性以及準確性，選取實驗次數較多的l27(313)正交表進行實驗設計，正交表以及實驗結果如表4所示。為了減小實驗測量誤差帶來的影響，將實驗得到的功率進行了平均處理。其中pu為空載狀態下機床的主軸功率，psp為切削狀態下機床的主軸功率。
表4正交表及實驗數據
采用minitab16軟件對實驗所得到的數據進行擬合，切削功率的二階回歸模型為：
pc＝1035.63+83.5a+235.03b+246.36c+262.54d+37.02ab-34.87ac+62.14bd+47.28cd
表5切削功率函數方差分析
其中r-sq為99.29％，取值越大說明回歸模型與數據擬合的越好，r-sq(adj)取值98.98％，越接近r-sq說明回歸模型越可靠。同時，回歸模型中各因素項的f比值均大于f0.05，說明這些項對切削功率的影響是顯著的。故而分析結果表明切削功率函數擬合程度良好，能有效預測該實驗條件下的切削功率大小。
加工φ42和φ60兩個外圓的實驗條件和加工參數信息如表6、表7所示。
表6實驗條件
表7加工參數
由于該工件表面粗糙度及尺寸精度要求不高，故設定刀具磨鈍標準為0.3mm。
利用表8中的數據以及刀具磨鈍標準計算分別得到兩個加工特征所對應的切削功率閾值為1674w和1996w。
基于上述刀具磨損在線監測方法，利用qt平臺成功開發了數控車削批量加工刀具磨損在線監測系統，并利用該系統對上述加工過程進行自動在線監測。軟件系統如圖5所示。
首先在基本信息輸入模塊中輸入包括機床型號、刀具型號、工件材料、各項系數以及刀具磨鈍標準等基本信息；然后通過與數控車床nc系統通信實時讀取加工參數，并結合功率信息判斷機床狀態；當機床處于加工狀態時，計算切削功率閾值(圖中紅色曲線所示)并與實際加工過程切削功率(圖中綠色曲線所示)進行比較，當實際切削功率大于閾值時報警燈變為紅色，此時應停止加工并更換刀具。
由圖5可知，當該批工件加工至第97件時，通過功率采集系統采集的實際切削功率已超過閾值，此時停止加工并取下車刀，使用vhx-1000型超景深三維顯微系統測量后刀面磨損量，測量值為0.276mm，測量誤差為8.70％。
通過上述實施例可知，本文所提出的數控車削批量加工刀具磨損在線監測方法能有效實現刀具磨損狀況的在線監測；同時基于該方法開發的數控車削批量加工刀具磨損在線監測系統能有效應用于自動化生產線的刀具狀態監測。
- 還沒有人留言評論。精彩留言會獲得點贊！