數(shù)控加工中刀具狀態(tài)的實(shí)時檢測

引言

在數(shù)控加工中，刀具狀態(tài)的檢測具有非常重要的意義，因?yàn)榈毒叩膿p壞不僅影響加工的質(zhì)量和效率，而且還可能導(dǎo)致嚴(yán)重的機(jī)床和人身事故。刀具的損壞有磨損和破損兩種情況，磨損是刀具在加工過程中與工件發(fā)生接觸和摩擦而產(chǎn)生的表面材料的消耗的現(xiàn)象；而破損是刀具發(fā)生崩刃、斷裂、塑變等而導(dǎo)致刀具失去切削能力的現(xiàn)象，它又包括脆性破損和塑性破損，脆性破損是刀具在機(jī)械和沖擊作用下，在尚未發(fā)生明顯的磨損而出現(xiàn)的崩刃、碎裂、剝落等。而塑性破損是刀具在切削時，由于高溫、高壓等作用，在與工件相接觸的表面層上發(fā)生塑性流動而失去切削能力的現(xiàn)象［1］。目前，對刀具的檢測主要采用人工檢測、離線檢測和在線檢測三種策略。人工檢測即是由工人在加工時憑經(jīng)驗(yàn)對刀具的狀態(tài)進(jìn)行檢測；離線檢測就是在加工之前對刀具進(jìn)行專門檢測，并預(yù)測其壽命看是否勝任當(dāng)前的加工；在線檢測也稱實(shí)時檢測，就是在加工的過程中實(shí)時對刀具進(jìn)行檢測，并依據(jù)檢測的結(jié)果做相應(yīng)的處理。目前，對刀具檢測的算法也不少，有的采用從理論上計算刀具所受應(yīng)力的變化來判斷刀具的損壞情況［2］［3］，有的采用時序分析的方法對刀具進(jìn)行檢測［4］［5］，有的采用神經(jīng)網(wǎng)絡(luò)技術(shù)對刀具進(jìn)行檢測［6］［7］，還有的綜合采用小波變換理論和神經(jīng)網(wǎng)絡(luò)技術(shù)對刀具進(jìn)行檢測［8］，但它們主要從理論上進(jìn)行探討。考慮到刀具在數(shù)控加工中塑性破損比較少見，而磨損對數(shù)控的安全性關(guān)系不是很大且其可通過離線檢測進(jìn)行處理，本文以數(shù)控加工中常用的球頭刀具為研究對象，對脆性破損中的脆性斷裂的實(shí)時檢測進(jìn)行研究，該類斷裂的發(fā)生，將對加工的質(zhì)量和機(jī)床本身產(chǎn)生嚴(yán)重的影響。我們認(rèn)為刀具本身存在著微小的裂紋，并利用神經(jīng)網(wǎng)絡(luò)建立球頭刀具的負(fù)載模型，通過在線檢測判斷該微裂紋在此時的負(fù)載條件下是否會擴(kuò)展，若可能擴(kuò)展，我們就認(rèn)為該負(fù)載是危險的并通過減小刀具的進(jìn)給量來減小刀具所受的負(fù)載，以保證刀具的安全。

1　刀具的實(shí)時檢測

（1）球頭刀具負(fù)載模型的建立

如前所述，數(shù)控加工時，刀具所受的負(fù)載與很多因素有關(guān)，但考慮到球頭刀具的特點(diǎn)和實(shí)時加工的需要，本文只考慮影響較大的幾個因素，即主軸的轉(zhuǎn)速、進(jìn)給速度、切削的深度、加工材料的切削性能四個因素，則球頭負(fù)載的模型為
　　　　　　　　F=f(s,v,h,m) (1)
　　其中：F——負(fù)載向量；h——切削的深度；
　　　　　s——主軸的轉(zhuǎn)速；m——材料的切削性能。
　　　　　v——進(jìn)給量；

很顯然，式（1）只是給出了負(fù)載與各個影響因素間的籠統(tǒng)的關(guān)系，為了求負(fù)載與各個影響因素之間的關(guān)系的具體表達(dá)式，必須求出各個因素對負(fù)載影響的具體大小，為此，或者采用微分幾何等數(shù)學(xué)方法進(jìn)行復(fù)雜的推導(dǎo)，或者采用實(shí)驗(yàn)的方法得出各個因素的影響系數(shù)，但這樣建立的模型難以適應(yīng)變化的環(huán)境，用于數(shù)控加工中的實(shí)時檢測效果不是很理想。本文采用神經(jīng)網(wǎng)絡(luò)技術(shù)處理該模型并將之用于刀具的實(shí)時檢測中。

（2）刀具實(shí)時檢測原理

本刀具實(shí)時檢測的原理是先實(shí)時測出刀具的切削深度和進(jìn)給量并和主軸的轉(zhuǎn)速及加工零件的材料類型輸入神經(jīng)網(wǎng)絡(luò)控制器進(jìn)行負(fù)載計算，得出的負(fù)載輸入檢測器進(jìn)行計算、比較，若該負(fù)載超過刀具的疲勞條件下的裂紋擴(kuò)展負(fù)載，則減小刀具的進(jìn)給速度，并將進(jìn)給速度的減小量反饋到CNC控制器的輸入信息，使CNC控制器作出相應(yīng)的控制，以使得負(fù)載的大小改變到安全的水平。該刀具實(shí)時檢測原理如圖所示。

（3）神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)對整個神經(jīng)網(wǎng)絡(luò)系統(tǒng)的特性具有決定性的影響。本負(fù)載自適應(yīng)控制的神經(jīng)網(wǎng)絡(luò)系統(tǒng)采用三層的BP結(jié)構(gòu)。根據(jù)上面的分析，顯然輸入層有四個節(jié)點(diǎn)，輸出層有三個節(jié)點(diǎn)，即負(fù)載在xyz三個方向的大小?，F(xiàn)在的問題就是確定中間隱層的節(jié)點(diǎn)數(shù)，中間隱層的節(jié)點(diǎn)數(shù)的選擇對網(wǎng)絡(luò)的學(xué)習(xí)和計算特性具有非常重要的影響，是該網(wǎng)絡(luò)結(jié)構(gòu)成敗的關(guān)鍵，若中間隱層的節(jié)點(diǎn)過少，則網(wǎng)絡(luò)難以處理復(fù)雜的問題，但若中間隱層的節(jié)點(diǎn)過多，則將使網(wǎng)絡(luò)學(xué)習(xí)時間急劇增加，而且還可能導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)過度，使網(wǎng)絡(luò)抗干擾能力下降。目前，還沒有完善的理論來指導(dǎo)中間隱層節(jié)點(diǎn)數(shù)的選擇而只是結(jié)合實(shí)際情況進(jìn)行試探性選擇再逐步優(yōu)化?？紤]到本負(fù)載自適應(yīng)控制系統(tǒng)的特性，我們認(rèn)為負(fù)載是進(jìn)給速度的連續(xù)函數(shù)，根據(jù)Kolmogorov定理（連續(xù)函數(shù)表示定理），為了理論上能精確模擬該連續(xù)的函數(shù)，若三層神經(jīng)網(wǎng)絡(luò)的輸入層為M個節(jié)點(diǎn)，輸出層為N個節(jié)點(diǎn)，則中間層應(yīng)為2M+1個節(jié)點(diǎn)。為此我們選擇中間的隱層的節(jié)點(diǎn)數(shù)應(yīng)為2M+1=2×4+1=9個節(jié)點(diǎn)［9］。因此，本神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為輸入層四個節(jié)點(diǎn)，中間層九個節(jié)點(diǎn)，輸出層三個節(jié)點(diǎn)。

（4）神經(jīng)網(wǎng)絡(luò)的離線學(xué)習(xí)

神經(jīng)網(wǎng)絡(luò)的一個重要的特性就是具有學(xué)習(xí)的功能，即能夠根據(jù)一定量樣本的輸入輸出關(guān)系，自動調(diào)整連接各個節(jié)點(diǎn)的權(quán)值的大小以滿足既定的目標(biāo)。在學(xué)習(xí)過程中，樣本數(shù)的選擇是非常重要的，若樣本太少，經(jīng)過學(xué)習(xí)的網(wǎng)絡(luò)的性能不好，若樣本數(shù)增加，勢必增加采集樣本數(shù)據(jù)的工作量及網(wǎng)絡(luò)的學(xué)習(xí)時間。同時，由于神經(jīng)網(wǎng)絡(luò)具有較好的內(nèi)插性能而外插性能較差，故樣本數(shù)據(jù)必須包括全部模式和考慮可能的隨機(jī)噪聲的影響。對于本神經(jīng)網(wǎng)絡(luò)負(fù)載自適應(yīng)控制系統(tǒng)，其具有四個輸入節(jié)點(diǎn)，根據(jù)上面的分析，我們采取每個節(jié)點(diǎn)給定四個值，以它們不同的組合作為樣本輸入數(shù)據(jù)，這樣可得256個樣本。具體做法是將各個輸入量在可能的變化范圍內(nèi)大體分成四等份，并用實(shí)驗(yàn)的方法測出在每種輸入情況下的負(fù)載值。在得到256個樣本之后，我們采用離線進(jìn)行學(xué)習(xí)，得出每個連接節(jié)點(diǎn)間的權(quán)值，這樣經(jīng)過學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)就建立了相應(yīng)的刀具負(fù)載模型，為刀具的實(shí)時檢測提供條件。

（5）檢測器的設(shè)計

該檢測器的功能是檢測刀具所受負(fù)載是否超過應(yīng)力疲勞條件下的裂紋擴(kuò)展負(fù)載。若可能擴(kuò)展，我們就認(rèn)為該負(fù)載是危險的，并通過減小刀具的進(jìn)給量來減小刀具所受的負(fù)載，以保證刀具的安全。為此，我們首先建立刀具的力學(xué)模型，我們將加工中的刀具簡化為端點(diǎn)受力的懸臂梁，且端點(diǎn)所受的力即為用神經(jīng)網(wǎng)絡(luò)求出的負(fù)載，這樣，根據(jù)材料力學(xué)的相關(guān)理論可以得出刀具中應(yīng)力最大的部分為刀具與機(jī)床的結(jié)合處， 并可求出此處的應(yīng)力。之后，根據(jù)斷裂力學(xué)的相關(guān)理論有公式da/dn=f(σ,a,c)，其中，a為裂紋的長度，N為應(yīng)力的頻率，σ為正應(yīng)力，c為與材料有關(guān)的常數(shù)［10］。上式中，σ、N、c為已知量或通過資料可查得，有待確定的為函數(shù)f和裂紋的長度a。對于f，我們采取的措施是：假定刀具在與機(jī)床結(jié)合處的微裂紋為Ⅰ、Ⅱ、Ⅲ類裂紋的復(fù)合裂紋，并根據(jù)此處正應(yīng)力和剪應(yīng)力的大小確定該三類裂紋的比例，這樣，即可根據(jù)各類具體的裂紋類型建立公式。至于a，我們根據(jù)該類刀具在使用壽命中的平均裂紋長度，該平均長度可通過無損探傷的方法對不同使用期的刀具進(jìn)行檢測得到。

2　結(jié)論

本文提出了通過神經(jīng)網(wǎng)絡(luò)建立了對數(shù)控加工中的球頭刀具實(shí)時檢測的方法，該方法能實(shí)時的對加工中球頭刀具所受負(fù)載的大小進(jìn)行計算，并通過實(shí)時檢測判斷該負(fù)載是否超過刀具在應(yīng)力疲勞條件下裂紋擴(kuò)展的負(fù)載水平并作出相應(yīng)的處理。該方法對影響負(fù)載的因素進(jìn)行了合理的簡化，使得該控制模型的算法效率很高，因此特別適合實(shí)時檢測的需要。本文雖然以數(shù)控中的球頭刀具為研究對象，其實(shí)，該方法的原理也可用到其它加工和其它刀具中，比如，電加工等。