论文部分内容阅读
摘 要：机械加工工艺监控是指在自动或无人操作的环境下能够正常加工的一套设施，也被称为FMS、CIM、CAPP等。虽然机械加工工艺监控出现时间不长，但许多研究者已经认识到了其必要性，且其良好的效果也逐渐被业内人士认可。文章主要介绍机械加工工艺监控的研究现状，介绍监控过程中的加工状态的颤振、刀具磨损断裂、积屑瘤、切屑类型和跳动等，探讨一般性诊断技术。首先分析机械加工工艺监控所使用的传感器，其次分析信号处理方法和决策算法。
关键词：机械加工；工艺监控；发展
中图分类号：TH70 文献标识码：A 文章编号：1006-8937（2013）17-0063-02
现如今，机械加工工艺监控已经成为工业自动化进程中不可或缺的组成部分，已经成为制造领域的一项关键技术。纯正的工作组常常用于机械加工工艺监测。机械加工工艺监测的出现不是偶然，它是在一定的条件背景需求下应运而生的。其一是工厂自动化的需要，特别是随着越来越多的计算机辅助技术的普及，如CAD/CAM、CIM和FMS等。其二是市场上对更复杂和精密零部件的需求急剧上升，这些又导致了对更智能的机器工具的需求量急剧增加。
机器的智能特性是需要使用各种传感器和决策过程中的基础传感器信息。在机械加工工艺监控中，对不同机器智能的使用是最重要的一环。事实上，运用机械加工工艺监控系统能够有效提高切削效率，减少大约65%切削时间。本文主要从颤振条件、刀具的磨损断裂、切屑瘤、切屑类型等方面来介绍机械加工工艺监控。
1 传感器的应用
监控的完成是通过使用具有特性功能的传感器来监测机械加工工艺过程中的某些量的显著变化值。有两种不同的方式来监控机械加工工艺：直接法和间接法。大多数用于监控机械加工工艺的传感器是间接的，除了那些依靠光学传感（视觉）。间接传感器比直接传感器更容易使用，但是间接传感器相较不可靠。在众多的研究工作中，超过85%的研究关注的是颤振、刀具磨损和利用常用的传感器测量切削力、加速度声发射信号。大量研究表明；用于机械加工工艺监控的传感器须具备以下几点：应该是易于使用、安装和维护，且经济成本低；安装后应不影响机床的正常工作；应不受周围环境等条件或机械加工工艺的影响；准确度应较高，具有良好的分辨率；应尽可能靠近加工点且有可靠的输出。
2 信息处理与决策
选择合适的信号处理和决策算法的前提是要求传感器接收的信号准确有用。在信号处理和决策算法中，已经逐步发展了一些算法来解决这个问题。神经网络算法通常用于传感器融合和决策；模糊算法也经常用来模式识别；均值、中值等统计量也经常使用，得到的是某些时刻原始信号和一些参数指标，其后通过处理确定加工状态的阈值。时间序列建模是另一个信号处理和特征提取的有效方法，有时甚至是用于决策算法。在实时自适应模型中，经常使用时间序列，快速傅里叶变换（FFT）有时可以替代时间序列。构建关于切削力、振动和切削动力学分析模型，通过比较模型来预测刀具磨损。刀具磨损、破损和颤振是机械加工工艺监控中最重要的监测。刀具破损或颤振的自然突变现象及其监控是预防的目的。
2.1 传感器融合
在大多数的机械加工工艺监控机上，会使用两种以上类型的传感器融合以期提高系统的可靠性，研究目的通常是研究实现合适的算法，通常这些研究都是不计成本的达到实现具有优异功能的机床。多传感器融合系统一般结合了两个或三个不同的传感器来测量切削力、加速度或声发射信号等。
2.2 神经网络
神经网络已经被广泛应用于众多监控、监测领域。作为一个“黑盒方法”，神经网络可以很容易地确定一个复杂的譬如机械加工工艺过程的状态。各种新的神经网络算法的发展意味着研究人员对速度、自我培训有一个更广泛的选择。神经网络在传感器融合方面也有很广阔的应用空间，如果不同传感器的各自方式输出调整到适当的值，多种传感器可以共同作用得到综合的结果并进行处理，提取这些从原传感器信号得到的与机械加工工艺特征敏感的特征的过程称为预处理，最终可以将提取的特征送入网络作为网络的输入，通过网络进行传输或者处理。
2.3 模式识别技术
一些研究工作者已经开始使用模式识别技术，但是在线性判别函数算法中存在一个基本约束，即是该算法不保证其特征向量将聚集，也就是不能保证线性判别函数的收敛状态。因此，模糊模式识别技术已逐步开始取代线性判别函数。
3 相关研究介绍
如上文所述，在机械加工工艺监控中，刀具磨损、刀具破损、颤振、切屑类型等是影响机械加工工艺监控的核心因素。
3.1 刀具磨损
有研究显示，通过观察刀具磨损和铣削操作中的声发射信号之间的关系，发现平均声发射信号的信号值能够很大程度上反映刀具磨损，从而能够达到对刀具磨损的监控，声发射信号传感器能够安装在切削油供给装置上，这样就能形成在端铣法中对实际的刀具磨损进行监测。
超声法可用于直接测量和监控车削的刀具磨损，通过感知和监控机床侧面和主轴的能量的变化来反映机床刀具磨损量和机床的完整性。除了上述两种刀具磨损监测系统，还有一种利用切割内调制传递函数的虚部动力学为指标的刀具磨损监测系统，时间序列法可以用来构建一般的三维切削动力学模型，通过利用统计的测量切削力来估计刀具的动态组件的力矩，利用得到的力矩信息来估计刀具磨损。刀具的磨损和断裂还能通过力矩变化系数和直方图分析来进行判断。在机械加工工艺监控中，一些具有高强度、硬度的超精密金刚石刀具的磨损和加工也能进行监控，经常使用模糊模式识别，且其已成为一个新标准，模糊均值聚类离散度准则提出了对噪声扰动下的微弱切削力信号选择其特征向量来进行分析。
3.2 刀具破损
切削力的大小和刀具断裂时声发射信号是有密切联系的，有研究显示，切削力随着切削条件的变化而变化，且敏感性较高，但声发射信号的均方根值不随切削条件敏感变化，将声发射信号中突变信号的均方根值、峰值变化提取出作为阈值的判断依据，可以通过判断阈值来监测切削工件的球墨铸铁等材质的刀具，可以通过提取切削力和声发射信号的典型统计矩来监测端铣、削的刀具破损，神经网络算法也能在监控刀具破损上使用，且能实时监控铣削刀具的破损，神经网络算法是使用切削负载信号、刀具状态向量与刀具断裂系数来定义和识别刀具的状态，可以识别出刀具的切削条件和切削过程中的跳动。 3.3 颤振
一般与监控机床车削颤振相关的表征参数是通过计算主轴转动加速度和切削力信号在频域和时域内的当前值和过去值得到的。可以通过激光传感器测量得到位移来反映工件的加工粗糙度，运用这一原理可以利用传感器来监控机械加工中的颤振，不仅能够保证较高的精度，使用的传感器为非接触式，这能够保证测量系统不对机床加工和刀具产生干涉，提高了测量颤振的可行性，同时该方法也能用于对车削操作的监控。颤振监控在端铣削中应用较多，能够对端铣刀在铣削过程中的颤振进行监控，它包括一个预处理和决策神经网络算法的时间序列模型。颤振监控在磨削中应用较少，相关研究也相对缺乏，但可以通过信号的标准偏差和峰值作为神经网络的输入特征来反映颤振的大小从而实现对磨削颤振进行监控，也可以在磨削颤振监控中利用声发射传感器收集到的声发射信号作为其神经网络算法的输入，得到磨削颤振的信息。
3.4 切屑类型
在机械加工过程中，车削过程切屑呈连续生成是不利于工件加工粗糙度较好的表面，且连续切屑容易与刀具交缠，影响刀具的切削动作和切削工件质量，甚至可能引起刀具受损，因此在机械加工过程中，切屑对加工过程也起着至关重要的作用，然而有关切屑监控的研究相对较少。一般认为引起切削力的动态组件的振幅最大值与切屑的形态有密切关系，这也说明了在切屑形成过程中对切屑进行监控的是可行的。提取切削力谱的一些特征信号值，并将其应用到神经网络中，运用模式识别技术可实现对五种确定的切屑和颤振进行监控。
4 结论和展望
要实现机械加工工艺的全面监控还有较长的路要走，相关研究还需进一步提升和加强，当前，研究人员已逐步将已开发的监控技术运用到工业生产中，积极的推进机械加工工艺监控的发展进程。在加工机床上配备加工工艺监控系统应不干涉机床的正常加工，同时应促进加工工艺过程的完善，提高加工效率，相关的研究不但能直接产生经济利益，还具备至关重要的附加价值。
关于机械加工工艺监控研究方向展望，监控系统成本和研究可靠性的互相协调；基于用户友好型算法的开发，如自动训练或菜单驱动/互动的神经网络的训练；监测系统和数控控制器之间的有机衔接。
参考文献：
[1]卜华全，戈兆文，徐俊贤.多通道焊接工艺监控技术[J].机械制造文摘，2011，（5）：43-45.
[2] 岳建新.热处理工艺监控在烟机MES系统中的研究与应用[J].科技传播，2012，（6）：128，73.
[3] 王虎，王桂阳，刘乐.计算机工艺监控在柱塞式硫化罐上的应用[J].轮胎工业，2012，（11）：698-699.
[4] 贾立猛.浅谈钢桁架工厂加工工艺监控要点[J].中国新技术新产品，2013，（8）：168.
[5] 杨泽青.基于复杂系统理论的高速数控加工装备动静态特性监控技术研究[D].石家庄：河北工业大学，2010.
关键词：机械加工；工艺监控；发展
中图分类号：TH70 文献标识码：A 文章编号：1006-8937（2013）17-0063-02
现如今，机械加工工艺监控已经成为工业自动化进程中不可或缺的组成部分，已经成为制造领域的一项关键技术。纯正的工作组常常用于机械加工工艺监测。机械加工工艺监测的出现不是偶然，它是在一定的条件背景需求下应运而生的。其一是工厂自动化的需要，特别是随着越来越多的计算机辅助技术的普及，如CAD/CAM、CIM和FMS等。其二是市场上对更复杂和精密零部件的需求急剧上升，这些又导致了对更智能的机器工具的需求量急剧增加。
机器的智能特性是需要使用各种传感器和决策过程中的基础传感器信息。在机械加工工艺监控中，对不同机器智能的使用是最重要的一环。事实上，运用机械加工工艺监控系统能够有效提高切削效率，减少大约65%切削时间。本文主要从颤振条件、刀具的磨损断裂、切屑瘤、切屑类型等方面来介绍机械加工工艺监控。
1 传感器的应用
监控的完成是通过使用具有特性功能的传感器来监测机械加工工艺过程中的某些量的显著变化值。有两种不同的方式来监控机械加工工艺：直接法和间接法。大多数用于监控机械加工工艺的传感器是间接的，除了那些依靠光学传感（视觉）。间接传感器比直接传感器更容易使用，但是间接传感器相较不可靠。在众多的研究工作中，超过85%的研究关注的是颤振、刀具磨损和利用常用的传感器测量切削力、加速度声发射信号。大量研究表明；用于机械加工工艺监控的传感器须具备以下几点：应该是易于使用、安装和维护，且经济成本低；安装后应不影响机床的正常工作；应不受周围环境等条件或机械加工工艺的影响；准确度应较高，具有良好的分辨率；应尽可能靠近加工点且有可靠的输出。
2 信息处理与决策
选择合适的信号处理和决策算法的前提是要求传感器接收的信号准确有用。在信号处理和决策算法中，已经逐步发展了一些算法来解决这个问题。神经网络算法通常用于传感器融合和决策；模糊算法也经常用来模式识别；均值、中值等统计量也经常使用，得到的是某些时刻原始信号和一些参数指标，其后通过处理确定加工状态的阈值。时间序列建模是另一个信号处理和特征提取的有效方法，有时甚至是用于决策算法。在实时自适应模型中，经常使用时间序列，快速傅里叶变换（FFT）有时可以替代时间序列。构建关于切削力、振动和切削动力学分析模型，通过比较模型来预测刀具磨损。刀具磨损、破损和颤振是机械加工工艺监控中最重要的监测。刀具破损或颤振的自然突变现象及其监控是预防的目的。
2.1 传感器融合
在大多数的机械加工工艺监控机上，会使用两种以上类型的传感器融合以期提高系统的可靠性，研究目的通常是研究实现合适的算法，通常这些研究都是不计成本的达到实现具有优异功能的机床。多传感器融合系统一般结合了两个或三个不同的传感器来测量切削力、加速度或声发射信号等。
2.2 神经网络
神经网络已经被广泛应用于众多监控、监测领域。作为一个“黑盒方法”，神经网络可以很容易地确定一个复杂的譬如机械加工工艺过程的状态。各种新的神经网络算法的发展意味着研究人员对速度、自我培训有一个更广泛的选择。神经网络在传感器融合方面也有很广阔的应用空间，如果不同传感器的各自方式输出调整到适当的值，多种传感器可以共同作用得到综合的结果并进行处理，提取这些从原传感器信号得到的与机械加工工艺特征敏感的特征的过程称为预处理，最终可以将提取的特征送入网络作为网络的输入，通过网络进行传输或者处理。
2.3 模式识别技术
一些研究工作者已经开始使用模式识别技术，但是在线性判别函数算法中存在一个基本约束，即是该算法不保证其特征向量将聚集，也就是不能保证线性判别函数的收敛状态。因此，模糊模式识别技术已逐步开始取代线性判别函数。
3 相关研究介绍
如上文所述，在机械加工工艺监控中，刀具磨损、刀具破损、颤振、切屑类型等是影响机械加工工艺监控的核心因素。
3.1 刀具磨损
有研究显示，通过观察刀具磨损和铣削操作中的声发射信号之间的关系，发现平均声发射信号的信号值能够很大程度上反映刀具磨损，从而能够达到对刀具磨损的监控，声发射信号传感器能够安装在切削油供给装置上，这样就能形成在端铣法中对实际的刀具磨损进行监测。
超声法可用于直接测量和监控车削的刀具磨损，通过感知和监控机床侧面和主轴的能量的变化来反映机床刀具磨损量和机床的完整性。除了上述两种刀具磨损监测系统，还有一种利用切割内调制传递函数的虚部动力学为指标的刀具磨损监测系统，时间序列法可以用来构建一般的三维切削动力学模型，通过利用统计的测量切削力来估计刀具的动态组件的力矩，利用得到的力矩信息来估计刀具磨损。刀具的磨损和断裂还能通过力矩变化系数和直方图分析来进行判断。在机械加工工艺监控中，一些具有高强度、硬度的超精密金刚石刀具的磨损和加工也能进行监控，经常使用模糊模式识别，且其已成为一个新标准，模糊均值聚类离散度准则提出了对噪声扰动下的微弱切削力信号选择其特征向量来进行分析。
3.2 刀具破损
切削力的大小和刀具断裂时声发射信号是有密切联系的，有研究显示，切削力随着切削条件的变化而变化，且敏感性较高，但声发射信号的均方根值不随切削条件敏感变化，将声发射信号中突变信号的均方根值、峰值变化提取出作为阈值的判断依据，可以通过判断阈值来监测切削工件的球墨铸铁等材质的刀具，可以通过提取切削力和声发射信号的典型统计矩来监测端铣、削的刀具破损，神经网络算法也能在监控刀具破损上使用，且能实时监控铣削刀具的破损，神经网络算法是使用切削负载信号、刀具状态向量与刀具断裂系数来定义和识别刀具的状态，可以识别出刀具的切削条件和切削过程中的跳动。 3.3 颤振
一般与监控机床车削颤振相关的表征参数是通过计算主轴转动加速度和切削力信号在频域和时域内的当前值和过去值得到的。可以通过激光传感器测量得到位移来反映工件的加工粗糙度，运用这一原理可以利用传感器来监控机械加工中的颤振，不仅能够保证较高的精度，使用的传感器为非接触式，这能够保证测量系统不对机床加工和刀具产生干涉，提高了测量颤振的可行性，同时该方法也能用于对车削操作的监控。颤振监控在端铣削中应用较多，能够对端铣刀在铣削过程中的颤振进行监控，它包括一个预处理和决策神经网络算法的时间序列模型。颤振监控在磨削中应用较少，相关研究也相对缺乏，但可以通过信号的标准偏差和峰值作为神经网络的输入特征来反映颤振的大小从而实现对磨削颤振进行监控，也可以在磨削颤振监控中利用声发射传感器收集到的声发射信号作为其神经网络算法的输入，得到磨削颤振的信息。
3.4 切屑类型
在机械加工过程中，车削过程切屑呈连续生成是不利于工件加工粗糙度较好的表面，且连续切屑容易与刀具交缠，影响刀具的切削动作和切削工件质量，甚至可能引起刀具受损，因此在机械加工过程中，切屑对加工过程也起着至关重要的作用，然而有关切屑监控的研究相对较少。一般认为引起切削力的动态组件的振幅最大值与切屑的形态有密切关系，这也说明了在切屑形成过程中对切屑进行监控的是可行的。提取切削力谱的一些特征信号值，并将其应用到神经网络中，运用模式识别技术可实现对五种确定的切屑和颤振进行监控。
4 结论和展望
要实现机械加工工艺的全面监控还有较长的路要走，相关研究还需进一步提升和加强，当前，研究人员已逐步将已开发的监控技术运用到工业生产中，积极的推进机械加工工艺监控的发展进程。在加工机床上配备加工工艺监控系统应不干涉机床的正常加工，同时应促进加工工艺过程的完善，提高加工效率，相关的研究不但能直接产生经济利益，还具备至关重要的附加价值。
关于机械加工工艺监控研究方向展望，监控系统成本和研究可靠性的互相协调；基于用户友好型算法的开发，如自动训练或菜单驱动/互动的神经网络的训练；监测系统和数控控制器之间的有机衔接。
参考文献：
[1]卜华全，戈兆文，徐俊贤.多通道焊接工艺监控技术[J].机械制造文摘，2011，（5）：43-45.
[2] 岳建新.热处理工艺监控在烟机MES系统中的研究与应用[J].科技传播，2012，（6）：128，73.
[3] 王虎，王桂阳，刘乐.计算机工艺监控在柱塞式硫化罐上的应用[J].轮胎工业，2012，（11）：698-699.
[4] 贾立猛.浅谈钢桁架工厂加工工艺监控要点[J].中国新技术新产品，2013，（8）：168.
[5] 杨泽青.基于复杂系统理论的高速数控加工装备动静态特性监控技术研究[D].石家庄：河北工业大学，2010.