[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

摘要

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。

主权项

1.一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，其特征在于包括以下步骤：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VB、主切削刃前刀面磨损带宽度KM、主切削刃崩刃参数P、外缘转角磨损参数W和积屑瘤厚度TB；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；步骤三、确定钻头磨损状态区间；根据步骤二中确定的钻头磨损的主要形式，将各磨损形式在步骤一中的实测磨损量横刃磨损参数C、主切削刃后刀面磨损带宽度VB、主切削刃前刀面磨损带宽度KM、主切削刃崩刃参数P、外缘转角磨损参数W和积屑瘤厚度TB，分别按其数值范围等间距划分为三个状态区间，各状态区间内的磨损状态按磨损量由小到大分别记为正常、磨损和严重磨损；步骤四、提取钻头磨损监测的信号特征；通过监测钻削力系数的变化判断钻头磨损形式及磨损状态；根据步骤一采集的实测钻削力和扭矩数据以及对应的钻头磨损形式，分析不同磨损形式对轴向力和扭矩的影响规律；将每次进行磨损观测前钻孔过程的轴向力系数Ka、切向力系数Kt以及二者的比例系数Ka/Kt，相对于首次未磨损钻头钻削对应的增量ΔKa、ΔKt和Δ(Ka/Kt)作为三个监测信号特征；此外，将轴向力Fa和切向力Ft信号的方差相对于首次未磨损钻头钻削的增量Δσ(Fa)和Δσ(Ft)作为另外两个监测信号特征；将这五个监测信号特征分别按其全部实测数值中的最大值和最小值等间距地划分为三个状态区间，各状态区间内的信号特征状态按其数值由小到大分别记为状态1、状态2和状态3；步骤五、构建信号特征与磨损形式的贝叶斯网络；将步骤二确定的钻头各磨损形式与步骤三提取的各监测信号特征作为贝叶斯网络的节点，并按磨损形式与信号特征的关联关系确定贝叶斯网络结构；其中，各磨损形式节点包含步骤三中所述的状态：正常、磨损和严重磨损；各信号特征节点包含步骤四中所述的状态：状态1、状态2和状态3；步骤六、进行贝叶斯网络参数学习，确定各磨损形式节点影响各信号特征节点的概率；将步骤一的试验数据分为训练数据集和验证数据集，训练数据集和验证数据集分别占总试验数据的80％和20％；根据步骤三和步骤四划分的状态区间，标记训练数据集中各信号特征数值和各磨损形式的磨损量的节点状态，并统计在各磨损形式节点的各状态下对应的各信号特征的各状态出现的次数，由此建立条件概率表；利用实测信号特征及各磨损形式的状态数据，采用最大似然估计进行贝叶斯网络参数学习，确定各磨损形式影响各信号特征的概率；接着，将参数学习后的贝叶斯网络应用于验证数据集，通过对比分析预测结果进行验证；步骤七、利用贝叶斯网络监测实际钻削过程的钻头磨损形式；在高温合金钻削加工过程中，通过实测钻削轴向力和扭矩信号实时计算各信号特征，根据各信号特征对应的状态利用贝叶斯网络进行诊断推理，计算各钻头磨损形式在实测信号特征状态下发生的概率，监测过程中当出现某磨损形式节点状态值为磨损或严重磨损的概率大于50％时，则认为当前钻削过程发生了该节点对应的磨损形式；步骤八、利用贝叶斯网络及累积和控制图方法监测实际钻削过程的钻头磨损状态；针对步骤七监测到的当前钻头磨损形式，利用贝叶斯网络进行因果推理，计算各信号特征节点的各状态在当前磨损形式下的概率；根据刀具磨损曲线规律，采用累积和控制图方法，在钻削过程中对概率大于50％的信号特征进行监测，当信号特征的累积和超出设定的界限值时，则认为钻头发生了严重磨损，立即停止加工并更换钻头。