[发明专利]一种虑及刀具状态的数控机床工艺参数自适应调控方法

权利要求书

1.一种虑及刀具状态的数控机床工艺参数自适应调控方法，其特征在于，所述的数控机床工艺参数自适应调控方法包括如下步骤：

首先，在机床上通过变切削深度铣削加工试验，获取不同工况下的主轴功率信号，并对获取的信号进行预处理；然后，使用处理后的功率信号分别训练RBF神经网络和RNN网络，得到刀具状态的预测模型和切削功率的预测模型；接着，根据刀具状态更新模糊控制的输入约束，同时，选择RNN网络预测的功率数据与实际监测的功率数据中较大值作为模糊控制的反馈输入，建立具有时变输入约束的加工参数自适应调控模型；最后，在实际加工过程中，对机床主轴功率信号进行实时监测，利用加工参数自适应调控模型计算进给速度的调控值，对进给速度进行实时调控。

2.根据权利要求1所述的一种虑及刀具状态的数控机床工艺参数自适应调控方法，其特征在于，具体步骤如下：

第一步，变切深加工信息采集和处理；

试制阶梯形样件，选择同种铣削刀具，在不同的主轴转速和进给速度组合搭配的条件下进行切削加工，利用功率传感器采集每一组切削过程的功率信号；针对功率信号采集过程中信号缺失的异常情况，采用缺失值前后两个值的平均值作为补偿后的新值，按式(1)计算补偿后的功率P_i：

其中，P_i-1为信号缺失前一时刻信号值，P_i+1为信号缺失后一时刻信号值；

将采集的功率数据通过线性函数进行归一化操作，得到归一化后的数值P_x；

第二步，构建刀具状态预测模型和切削功率预测模型；

主要分为刀具状态预测模型和切削功率预测模型两部分内容；

(1)第一部分为刀具状态预测模型的构建，建立RBF神经网络，根据加工过程中采集的功率值对刀具状态进行预测，输入为处理后的功率值P_x，输出为刀具的状态T_i；

RBF神经网络第一层为输入层，由功率值P_x组成，第二层为隐藏层，隐藏层中神经元的激活函数ρ(P_x,C_j)是对中心点C_j径向对称且衰减的非负线性函数，隐藏层第j个神经元激活函数由式(3)表示：

ρ(P_x,C_j)＝exp(-β_j||P_x-C_j||²)   (3)

其中，β_j表示第j个神经元接收到的输入，C_j表示第j个中心点；

第三层为输出层，输出层是对线性权进行调整，其输出T_i由式(4)表示：

其中，n为隐藏层的节点数；w_ki为隐藏层到输出层的权重；

(2)第二部分为切削功率预测模型的构建，建立RNN网络，利用实时采集的功率值对下一时刻的功率进行预测，输入为处理后的功率值P_x，输出为下一时刻的归一化功率值P_p；循环神经网络输出P_p由式(5)表示：

P_p＝g(V·f(U·P_x+W·s_t-1+b₁)+b₂)     (5)

其中，U为输入层到隐藏层的权重矩阵，V为隐藏层到输出层的权重矩阵，W为上一时刻隐藏层到此时刻隐藏层的权重矩阵，s_t-1为上一时刻隐藏层的值，b₁和b₂为输出层和隐藏层的偏置，g(·)和f(·)为输出层和隐藏层的激活函数；

第三步，构建虑及刀具状态的加工参数自适应调控模型；

选择双输入单输出的模糊逻辑控制器作为自适应调控模型，模糊逻辑控制器的输入为功率偏差e和功率偏差变化率ec，输出为进给速度的调控值f_c；

首先，根据零件加工余量不均匀时主轴功率的变化特点，按式(6)计算模糊逻辑控制的反馈输入P_f：

P_f＝max{P_p，P_x}   (6)

其中，P_p为RNN网络预测的归一化功率值，P_x为功率传感器采集值归一化后的数值；

接着，给定模糊逻辑控制器的归一化功率约束值为P_ref，按式(7)计算时变输入约束值P′_ref：

P′_ref＝α_iP_ref    (7)

其中，α_i为刀具状态T_i对应的系数；

模糊逻辑控制器输入中的功率偏差e按式(8)计算，功率偏差变化率ec按式(9)计算：

e＝P_f-P′_ref    (8)

接着，使用负大NB、负中NM、负小NS、零ZO、正小PS、正中PM和正大PB语言变量描述功率偏差e、功率偏差变化率ec和进给速度的调控值f_c，将e、ec和f_c的模糊论域设为[-n，n]，其模糊集表示为{NB，NM，NS，ZO，PS，PM，PB}，使用三角形函数作为e、ec和f_c的隶属度函数；

最后，制定模糊控制规则表，选用Mamdani模糊推理法计算模糊隶属度输出，利用面积重心法进行去模糊化计算，得出进给速度的调控值f_c；

第四步，进给速度的实时调控；

按式(10)计算机床的进给速度倍率调控值M：

其中，f_c为进给速度的调控值，f_o为程序设定的进给速度；

将机床和执行上述自适应控制系统的工控机进行实时通讯；调用机床动态链接库，将进给速度倍率调控值M发送给机床，实现对加工参数的自适应调控。