[发明专利]高温合金钻削过程钻头磨损形式及磨损状态的在线监测方法

说明书

本发明公开了一种高温合金钻削过程钻头磨损形式及磨损状态的在线监测方法，用于解决现有钻削过程钻头磨损状态监测方法适用性差的技术问题。技术方案是基于高温合金钻削过程的不同钻头磨损形式对钻削力信号的影响规律提取信号特征，在此基础上利用钻削力与钻头磨损数据基于贝叶斯理论建立钻头磨损形式与信号特征的贝叶斯网络模型，进而根据监测信号通过贝叶斯诊断推理判断钻头磨损形式，并通过贝叶斯因果推理获得影响该磨损形式的信号特征。同时，根据刀具磨损曲线规律，采用累积和控制图方法对该信号特征进行监测，实现实时监测钻头磨损状态的目标，适用性好。

技术领域

本发明涉及一种钻削过程钻头磨损状态监测方法，特别涉及一种高温合金钻削过程钻头磨损形式及磨损状态的在线监测方法。

背景技术

文献“Drill wear monitoring using back propagation neural network，Journal of Materials Processing Technology，2006，Vol172(2)，p283-290”公开了一种基于BP神经网络的钻削过程钻头磨损状态监测方法。该方法采用标准的三层BP神经网络，以主轴转速、进给速度、钻头直径、钻削轴向力和扭矩，以及切屑厚度作为神经网络的输入节点，将钻头主切削刃后刀面磨损带宽度作为输出节点，利用钻削试验数据训练了神经网络模型并准确预测了钻头主切削刃后刀面磨损状态。该方法利用神经网络模型监测钻头磨损状态，解决了钻削参数、刀具参数和钻削力信号与钻头磨损状态之间解析建模预测困难的问题，并通过在钻削参数、刀具直径和钻削力信号的基础上增加切屑厚度作为输入节点使训练后的神经网络模型更符合钻削过程机理，提高了模型的预测精度。然而，文献所述方法仅针对钻头主切削刃后刀面磨损这一单一磨损形式进行监测，无法适用于高温合金钻削过程中钻头磨损形式复杂多样的情况，适用性不强；此外，该方法采用的输入信号特征与钻削过程刀具磨损规律的关联性不强，模型不具有可解释性。

发明内容

为了克服现有钻削过程钻头磨损状态监测方法适用性差的不足，本发明提供一种高温合金钻削过程钻头磨损形式及磨损状态的在线监测方法。该方法基于高温合金钻削过程的不同钻头磨损形式对钻削力信号的影响规律提取信号特征，在此基础上利用钻削力与钻头磨损数据基于贝叶斯理论建立钻头磨损形式与信号特征的贝叶斯网络模型，进而根据监测信号通过贝叶斯诊断推理判断钻头磨损形式，并通过贝叶斯因果推理获得影响该磨损形式的信号特征。同时，根据刀具磨损曲线规律，采用累积和控制图方法对该信号特征进行监测，实现实时监测钻头磨损状态的目标，适用性好。

本发明解决其技术问题所采用的技术方案：一种高温合金钻削过程钻头磨损形式及磨损状态的在线监测方法，其特点是包括以下步骤：

步骤一、进行高温合金钻削磨损数据采集试验。确定钻削使用的麻花钻及工件材料，采用正交试验设计规划各组试验的钻削参数。在设定的每组钻削参数下，分别采用一把未磨损的钻头进行连续钻孔试验，钻孔过程中利用测力仪采集轴向力和扭矩数据。同时在数控程序中设定连续钻孔个数n，每钻削n个孔后利用刀具测量仪观测钻头磨损，记录磨损形式及其磨损量，接着继续钻削n个孔并观测钻头磨损，重复该过程直至观测中发现钻头发生严重磨损。

步骤二、确定高温合金钻削钻头磨损的主要形式。高温合金钻削钻头磨损形式包括横刃磨损、主切削刃后刀面磨损、主切削刃前刀面磨损、主切削刃崩刃、外缘转角磨损以及积屑瘤磨损；各磨损形式的磨损量分别表示为横刃磨损参数C、主切削刃后刀面磨损带宽度V_B、主切削刃前刀面磨损带宽度K_M、主切削刃崩刃参数P、外缘转角磨损参数W和积屑瘤厚度T_B。根据步骤一观测得到的各磨损形式发生次数的比例确定高温合金钻头磨损的主要形式。