[发明专利]一种基于零件表面粗糙度和功率信息的车削加工换刀方法

说明书

本发明涉及一种基于零件表面粗糙度和功率信息的车削加工换刀方法，包括以下步骤：1)通过功率传感器采集车削加工过程中的功率信号和加工参数信息；2)对功率信号进行信号截取并采用防脉冲干扰滑动平均算法进行数字滤波；3)采用改进的支持向量机算法构建表面粗糙度预测模型，并进行表面粗糙度预测得到预测的表面粗糙度信息；4)对滤波后的功率信号进行特征提取构建功率信息；5)结合预测的表面粗糙度信息和功率信息采用随机森林算法进行刀具磨损状态分类，并根据分类结果完成车削加工过程中的换刀。与现有技术相比，本发明具有信息全面、应用场合广、可行且成本低等优点。

技术领域

本发明涉及撤销加工领域，尤其是涉及一种基于零件表面粗糙度和功率信息的车削加工换刀方法。

背景技术

金属切削刀具参与切削过程形成加工表面。保证加工表面精度需要高切削性能刀具，然而随着加工的进行，刀具会逐渐磨损，当磨损到一定程度时必须更换刀具才能满足实际加工需求，并减少刀具磨损带来的经济损失。但是频繁的换刀会导致机床停机并造成生产中断和生产效率下降。刀具问题引起的停机时间约占整个加工中心停机时间的20％。因此，合理的换刀决策方法对实际生产加工质量和加工效率的提升有积极意义。如果换刀的时间间隔过长，会导致刀具更容易磨损，从而导致废品率的增加，而且容易造成机床故障。传统的换刀方法是由技工通过切削声音、加工振动等方法来判断，但该方法要求车间工作人员具有丰富经验且容易出现误差，存在以下问题：

(1)根据经验设置加工件数阈值，往往会比较保守，不能充分利用刀具性能将导致刀具成本增加。

(2)在自动化生产中，无法实时获取刀具状态并根据其状态及时调整切削参数与加工计划，导致加工效率与加工质量降低。

(3)刀具磨损造成非正常切削，使机床消耗更多的能量。

基于刀具磨损状态监测的换刀决策方法在实际中运用广泛，如果监测到刀具磨损失效或刀具破损后就将换刀。采用现代的传感器技术、信号处理技术和人工智能技术对加工过程的刀具磨损状态进行监测，增强监测的可靠性与通用性。刀具磨损状态监测的方法可以分为两类：直接监测法和间接监测法。

直接监测法就是通过光学或图像检测装置直接测量刀具磨损量或识别磨损区形态确定刀具状态。主要方法有光学图像法、接触法等。但存在以下问题：直接监测适用于离线检测，实时性差；在线光学或图像检测装置安装困难，易受加工条件、切削液等因素的限制。因此，直接监测在实际生产中应用困难。

间接监测法主要是采集加工过程中对刀具磨损敏感的信号如切削力、声发射、振动、功率、电流、电压、工件表面粗糙度等。刀具磨损监测的首要任务就是选择合适的监测信号，在实际使用中综合考虑信号获取方式、传感器灵敏度、安装便捷性以及加工条件等多个因素，选择一种或多种信号进行监测。多传感器融合监测法可以全面监测刀具状态，但信号之间会有冗余与耦合，而且多个传感器将增加生产成本。因此采用较少传感器并采用多种信息监测刀具状态具有重要意义。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于零件表面粗糙度和功率信息的车削加工换刀方法。

本发明的目的可以通过以下技术方案来实现：

一种基于零件表面粗糙度和功率信息的车削加工换刀方法，包括以下步骤：

1)通过功率传感器采集车削加工过程中的功率信号和加工参数信息，功率信号包括和加工参数信息包括切削三要素特征，具体包括主轴转速、切削深度和进给速度；

2)对功率信号进行信号截取并采用防脉冲干扰滑动平均算法进行数字滤波；

3)采用改进的支持向量机算法构建表面粗糙度预测模型，并进行表面粗糙度预测得到预测的表面粗糙度信息；

4)对滤波后的功率信号进行特征提取构建功率信息；