[发明专利]一种基于多传感器信号的批量钻削工序质量监测方法

说明书

技术领域

本发明涉及一种机械加工质量在线监测分析技术，特别是一种可用于批量钻削工序质量在线监测的质量增量聚类分析方法。

背景技术

钻削在航空航天、汽车制造、电子、医疗器械、化工等领域应用广泛，统计显示，孔加工的金属切除量占切削加工总金属切除量的比例将近30％。不仅如此，而且孔加工一般是大批量加工，各孔切削参数一致，如一架F-16战斗机参数一致的连接孔超过24万个，一架波音747参数一致的连接孔约有200万个。在这些领域，不仅对单个钻孔的工序质量要求越来越高，而且对批量钻孔加工质量的一致性要求也越来越苛刻。切削工序质量检测参数主要包括工件的尺寸精度、几何精度和表面粗糙度等。由于钻削处于封闭或半封闭加工状态，即使对于单个钻孔质量而言，这些参数的检测都比较困难，批量钻削工序质量的快速检测和分析更难于实现。目前，对于批量钻削质量检测，主要方式仍采用抽检，然后对批量质量进行统计分析、评估，并没有对所有批量钻孔进行全面检测，存在比较严重的质量隐患。

在提高单工序钻削加工质量方面，国内外学者开展了大量的研究。主要是采用传感器监控切削过程，通过分析测试数据，研究加工机理，优化切削参数；发展高效切削的刀具材料以及改进钻头的结构；监测切削过程、机床状态、刀具状态以及工件状态，提高切削加工稳定性。在应用传感器监测钻削过程中，获得的传感器信号信息丰富，它反映了钻削过程的各种状态特征。我们知道，钻削加工质量实际上是对钻削过程的一种评价，它与钻削过程各种现象密切相关。因而采用传感器监测钻削过程时，获得的反映钻削过程的监测信号一定隐含着钻削加工质量的相关信息。我们在前期研究中也发现：钻孔质量的好坏是与监测信号的波动密切相关。因此，若能从传感器监测信号中挖掘出与钻削质量相关的特征信息，在理论上就可以实现基于传感器监测信号的单工序钻削质量检测。

要实现基于传感器监测信号的单工序钻削质量检测，首先必须建立传感器监测信号与钻削过程的映射关系。但目前有关切削监控传感器信息的研究，往往只注重监测信号的异常状态分析研究，而正常切削状态下，工序过程与传感器信号在时间上的映射关系甚少涉及。其次，由于目前的理论技术有限，很难定量、全面地分析出切削监测信号波动与加工质量的内在联系，但在大量实验数据的基础上，通过定性的统计分析，对监测信号进行加工质量特征提取分析，得到基于多传感器监测信号的工序质量评判标准，理论上是可行的。

此外，对于同一机床上的批量钻削加工而言，由于钻削加工参数基本一致，在正常切削状态下，与每一个工序切削过程对应的切削监测信号数据也应该基本一致，但随着刀具的磨损和切削环境的微弱变化，批量切削加工质量也存在波动现象，这些现象也一定反映在切削监测信号的波动上，因此即使不能直接获得基于传感器监测信号的工序质量评判标准，也可采用数据挖掘的方法，提取与批量监测信号的各种特征，对信号波动进行评估分析，间接反应批量切削加工质量间的差异。

发明内容

为能够实现在线批量钻削工序的质量监测和分析，本发明的目的在于提供一种能完整系统地对批量工序进行质量监测的基于多传感器信号的批量钻削工序质量监测方法。

本发明解决其技术问题所采用的方案是：首先采用多传感器采集钻削过程监测信号，根据钻削过程采集的监测信号提取监测信号瞬态突变特征，以此为基础，分割监测信号的瞬态突变特征，并构建监测信号与钻削过程的瞬态突变特征相对应的瞬态特征映射模型；然后采用主成分分析方法或构建神经网络，对特征映射模型的统计特征、时频域特征进行特征融合和降维处理；最后应用增量聚类分析算法进行模式识别，从而实现对批量工序的在线质量监测。

本发明采用的多传感器包括霍尔功率传感器、声发射传感器、或三向振动传感器。所述瞬态特征映射模型是监测信号与钻削过程在时间上的映射关系，主要是根据钻削过程中刀刃与工件的接触位置，细分工序钻削过程，通过小波变换或正交模型分析，提取不同钻削阶段上的监测信号瞬态特征，建立与工序钻削过程对应的监测信号瞬态特征映射模型。

本发明通过对钻削过程中多批次、多组传感器信号的多种不同特征进行识别、分析，通过建立监测信号与切削过程在时间上的映射关系，进而构造批量工序过程质量与监测信号的特征映射矩阵，并通过特征融合、应用增量聚类分析算法进行模式识别方法，以实现对批量工序在线质量分布规律的监测。

本发明的多传感器安装位置可以是：在钻削具上安装与钻削电机相配合的霍尔功率传感器，并在钻削具或工件上安装声发射传感器。本发明可在钻削具或工件上安装三向振动传感器。