數控加工中刀具狀態(tài)的實(shí)時(shí)檢測

引言

在數控加工中，刀具狀態(tài)的檢測具有非常重要的意義，因為刀具的損壞不僅影響加工的質(zhì)量和效率，而且還可能導致嚴重的機床和人身事故。刀具的損壞有磨損和破損兩種情況，磨損是刀具在加工過(guò)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象；而破損是刀具發(fā)生崩刃、斷裂、塑變等而導致刀具失去切削能力的現象，它又包括脆性破損和塑性破損，脆性破損是刀具在機械和沖擊作用下，在尚未發(fā)生明顯的磨損而出現的崩刃、碎裂、剝落等。而塑性破損是刀具在切削時(shí)，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(dòng)而失去切削能力的現象［1］。目前，對刀具的檢測主要采用人工檢測、離線(xiàn)檢測和在線(xiàn)檢測三種策略。人工檢測即是由工人在加工時(shí)憑經(jīng)驗對刀具的狀態(tài)進(jìn)行檢測；離線(xiàn)檢測就是在加工之前對刀具進(jìn)行專(zhuān)門(mén)檢測，并預測其壽命看是否勝任當前的加工；在線(xiàn)檢測也稱(chēng)實(shí)時(shí)檢測，就是在加工的過(guò)程中實(shí)時(shí)對刀具進(jìn)行檢測，并依據檢測的結果做相應的處理。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力的變化來(lái)判斷刀具的損壞情況［2］［3］，有的采用時(shí)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?？紤]到刀具在數控加工中塑性破損比較少見(jiàn)，而磨損對數控的安全性關(guān)系不是很大且其可通過(guò)離線(xiàn)檢測進(jìn)行處理，本文以數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(shí)檢測進(jìn)行研究，該類(lèi)斷裂的發(fā)生，將對加工的質(zhì)量和機床本身產(chǎn)生嚴重的影響。我們認為刀具本身存在著(zhù)微小的裂紋，并利用神經(jīng)網(wǎng)絡(luò )建立球頭刀具的負載模型，通過(guò)在線(xiàn)檢測判斷該微裂紋在此時(shí)的負載條件下是否會(huì )擴展，若可能擴展，我們就認為該負載是危險的并通過(guò)減小刀具的進(jìn)給量來(lái)減小刀具所受的負載，以保證刀具的安全。

1　刀具的實(shí)時(shí)檢測

（1）球頭刀具負載模型的建立

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

很顯然，式（1）只是給出了負載與各個(gè)影響因素間的籠統的關(guān)系，為了求負載與各個(gè)影響因素之間的關(guān)系的具體表達式，必須求出各個(gè)因素對負載影響的具體大小，為此，或者采用微分幾何等數學(xué)方法進(jìn)行復雜的推導，或者采用實(shí)驗的方法得出各個(gè)因素的影響系數，但這樣建立的模型難以適應變化的環(huán)境，用于數控加工中的實(shí)時(shí)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(shí)檢測中。

（2）刀具實(shí)時(shí)檢測原理

本刀具實(shí)時(shí)檢測的原理是先實(shí)時(shí)測出刀具的切削深度和進(jìn)給量并和主軸的轉速及加工零件的材料類(lèi)型輸入神經(jīng)網(wǎng)絡(luò )控制器進(jìn)行負載計算，得出的負載輸入檢測器進(jìn)行計算、比較，若該負載超過(guò)刀具的疲勞條件下的裂紋擴展負載，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控制器作出相應的控制，以使得負載的大小改變到安全的水平。該刀具實(shí)時(shí)檢測原理如圖所示。

（3）神經(jīng)網(wǎng)絡(luò )的結構

神經(jīng)網(wǎng)絡(luò )的結構對整個(gè)神經(jīng)網(wǎng)絡(luò )系統的特性具有決定性的影響。本負載自適應控制的神經(jīng)網(wǎng)絡(luò )系統采用三層的BP結構。根據上面的分析，顯然輸入層有四個(gè)節點(diǎn)，輸出層有三個(gè)節點(diǎn)，即負載在xyz三個(gè)方向的大小?，F在的問(wèn)題就是確定中間隱層的節點(diǎn)數，中間隱層的節點(diǎn)數的選擇對網(wǎng)絡(luò )的學(xué)習和計算特性具有非常重要的影響，是該網(wǎng)絡(luò )結構成敗的關(guān)鍵，若中間隱層的節點(diǎn)過(guò)少，則網(wǎng)絡(luò )難以處理復雜的問(wèn)題，但若中間隱層的節點(diǎn)過(guò)多，則將使網(wǎng)絡(luò )學(xué)習時(shí)間急劇增加，而且還可能導致網(wǎng)絡(luò )學(xué)習過(guò)度，使網(wǎng)絡(luò )抗干擾能力下降。目前，還沒(méi)有完善的理論來(lái)指導中間隱層節點(diǎn)數的選擇而只是結合實(shí)際情況進(jìn)行試探性選擇再逐步優(yōu)化?？紤]到本負載自適應控制系統的特性，我們認為負載是進(jìn)給速度的連續函數，根據Kolmogorov定理（連續函數表示定理），為了理論上能精確模擬該連續的函數，若三層神經(jīng)網(wǎng)絡(luò )的輸入層為M個(gè)節點(diǎn)，輸出層為N個(gè)節點(diǎn)，則中間層應為2M+1個(gè)節點(diǎn)。為此我們選擇中間的隱層的節點(diǎn)數應為2M+1=2×4+1=9個(gè)節點(diǎn)［9］。因此，本神經(jīng)網(wǎng)絡(luò )結構為輸入層四個(gè)節點(diǎn)，中間層九個(gè)節點(diǎn)，輸出層三個(gè)節點(diǎn)。

（4）神經(jīng)網(wǎng)絡(luò )的離線(xiàn)學(xué)習

神經(jīng)網(wǎng)絡(luò )的一個(gè)重要的特性就是具有學(xué)習的功能，即能夠根據一定量樣本的輸入輸出關(guān)系，自動(dòng)調整連接各個(gè)節點(diǎn)的權值的大小以滿(mǎn)足既定的目標。在學(xué)習過(guò)程中，樣本數的選擇是非常重要的，若樣本太少，經(jīng)過(guò)學(xué)習的網(wǎng)絡(luò )的性能不好，若樣本數增加，勢必增加采集樣本數據的工作量及網(wǎng)絡(luò )的學(xué)習時(shí)間。同時(shí)，由于神經(jīng)網(wǎng)絡(luò )具有較好的內插性能而外插性能較差，故樣本數據必須包括全部模式和考慮可能的隨機噪聲的影響。對于本神經(jīng)網(wǎng)絡(luò )負載自適應控制系統，其具有四個(gè)輸入節點(diǎn)，根據上面的分析，我們采取每個(gè)節點(diǎn)給定四個(gè)值，以它們不同的組合作為樣本輸入數據，這樣可得256個(gè)樣本。具體做法是將各個(gè)輸入量在可能的變化范圍內大體分成四等份，并用實(shí)驗的方法測出在每種輸入情況下的負載值。在得到256個(gè)樣本之后，我們采用離線(xiàn)進(jìn)行學(xué)習，得出每個(gè)連接節點(diǎn)間的權值，這樣經(jīng)過(guò)學(xué)習的神經(jīng)網(wǎng)絡(luò )就建立了相應的刀具負載模型，為刀具的實(shí)時(shí)檢測提供條件。

（5）檢測器的設計

該檢測器的功能是檢測刀具所受負載是否超過(guò)應力疲勞條件下的裂紋擴展負載。若可能擴展，我們就認為該負載是危險的，并通過(guò)減小刀具的進(jìn)給量來(lái)減小刀具所受的負載，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(jiǎn)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 )求出的負載，這樣，根據材料力學(xué)的相關(guān)理論可以得出刀具中應力最大的部分為刀具與機床的結合處， 并可求出此處的應力。之后，根據斷裂力學(xué)的相關(guān)理論有公式da/dn=f(σ,a,c)，其中，a為裂紋的長(cháng)度，N為應力的頻率，σ為正應力，c為與材料有關(guān)的常數［10］。上式中，σ、N、c為已知量或通過(guò)資料可查得，有待確定的為函數f和裂紋的長(cháng)度a。對于f，我們采取的措施是：假定刀具在與機床結合處的微裂紋為Ⅰ、Ⅱ、Ⅲ類(lèi)裂紋的復合裂紋，并根據此處正應力和剪應力的大小確定該三類(lèi)裂紋的比例，這樣，即可根據各類(lèi)具體的裂紋類(lèi)型建立公式。至于a，我們根據該類(lèi)刀具在使用壽命中的平均裂紋長(cháng)度，該平均長(cháng)度可通過(guò)無(wú)損探傷的方法對不同使用期的刀具進(jìn)行檢測得到。

2　結論

本文提出了通過(guò)神經(jīng)網(wǎng)絡(luò )建立了對數控加工中的球頭刀具實(shí)時(shí)檢測的方法，該方法能實(shí)時(shí)的對加工中球頭刀具所受負載的大小進(jìn)行計算，并通過(guò)實(shí)時(shí)檢測判斷該負載是否超過(guò)刀具在應力疲勞條件下裂紋擴展的負載水平并作出相應的處理。該方法對影響負載的因素進(jìn)行了合理的簡(jiǎn)化，使得該控制模型的算法效率很高，因此特別適合實(shí)時(shí)檢測的需要。本文雖然以數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。