数控机床市场网-专业的数控机床网站

  
       摘要: 用單齒 BTA 刀具進行深孔鉆削時，刀具磨損通常以刀齒后刀面磨損為主。本文提出一種基于人工神經(jīng)網(wǎng)絡的后刀面磨損值預測方法，采用試驗設計的方法進行 BTA 鉆削試驗，通過萬能工具顯微鏡來測量刀齒后刀面的磨損值，得到訓練樣本。通過有限的訓練樣本建立關于切削速度、進給量和軸向力的刀齒后刀面磨損量的預測模型，然后運用 MATLAB 進行仿真與計算。試驗和仿真結果表明，該模型能有效預測刀齒后刀面磨損值，為減少刀具磨損提供了依據(jù)。
 
       關鍵詞: 人工神經(jīng)網(wǎng)絡; 單齒 BTA 鉆; 后刀面磨損值
 
       1、 引言
 
       現(xiàn)代切削對深孔加工技術的要求越來越高，深孔加工環(huán)境相對封閉，刀具磨損很難控制，造成加工質量降低，極大限制了深孔加工技術的發(fā)展。目前在深孔加工中，BTA 鉆削因具有良好的加工質量和穩(wěn)定的加工性能得到了廣泛應用。單齒 BTA 鉆包括刀齒、刀體和兩個導向條，其磨損最先出現(xiàn)在刀齒后刀面，因此，通過測量深孔加工過程中單齒 BTA鉆刀齒后刀面磨損值來表示刀具磨損，有助于改善深孔加工質量。
 
      人工神經(jīng)網(wǎng)絡近年來技術發(fā)展比較成熟，在深孔加工領域已得到初步應用，可利用神經(jīng)網(wǎng)絡來預測深孔加工過程中單齒 BTA 鉆刀齒的后刀面磨損值。BP 網(wǎng)絡是神經(jīng)網(wǎng)絡模型中應用最成熟、最廣泛的模型［1］。本文以切削速度、進給量和軸向力為設計變量，確定了鉆削試驗方案，得到訓練樣本，然后利用 BP 神經(jīng)網(wǎng)絡模型來構建刀齒后刀面磨損值的預測模型。
 
      2 、試驗
 
      如圖 1 所示，選用 T2120 深孔鉆鏜床進行鉆削試驗，試驗對象為直徑 60mm 的鎳合金( NCr9) 。試驗采用直徑 D = 15mm 的單齒 BTA 機夾可轉位深孔鉆頭鉆孔。鉆孔長度 500mm，每個孔用新的刀具鉆。采用三向銑削測力儀測量軸向力，并用萬能工具顯微鏡測量刀齒后刀面磨損值。為更好地研究切削參數(shù)( 切削速度和進給量) 和軸向力影響刀齒后刀面磨損的預測模型，僅設置這三個變量，其他因素不變。試驗測量數(shù)據(jù)見表 1。
  
  

                        圖 1 T2120 深孔鉆鏜床結構

        1． 主軸電機 2． 主軸箱 3． 卡盤 4． 工件中心架 5． 工件 6． 輸油器7． 鉆桿 8． 支撐架 9． 鉆桿進給座 10． 排屑管 11． 進給電機
             
                              表 1 試驗數(shù)據(jù)
        
  
       3 、刀齒后刀面磨損值預測和 BP 神經(jīng)網(wǎng)絡模型的建立
 
       3. 1 網(wǎng)絡結構
   
       用試驗所得數(shù)據(jù) 來 訓 練 和 測 試 神 經(jīng) 網(wǎng) 絡 結構［2］。BTA 鉆削過程的神經(jīng)網(wǎng)絡模型見圖 2。輸入數(shù)據(jù)為切削速度、進給量和測得的軸向力，用來預測刀齒后刀面磨損值。BP 神經(jīng)網(wǎng)絡是一種包括輸入層、隱含層和輸出層的前饋神經(jīng)網(wǎng)絡，Hecht-Nielsen證明具有 1 個隱含層的 3 層前饋型網(wǎng)絡可以逼近任何多變量函數(shù)，故本文采用 3 層 BP 神經(jīng)網(wǎng)絡［3］。輸入層 u 有 3 個神經(jīng)元，輸入數(shù)據(jù)由切削速度 Vc、進給量 f 和軸向力 F 組成; 輸出層為一個神經(jīng)元 v，輸出數(shù)據(jù)只有刀齒后刀面磨損值。根據(jù)Kolmogoro定理，按照經(jīng)驗公式 k = 2u + 1 確定隱含層神經(jīng)元數(shù)目，得出隱含層 k = 7。

       3. 2 BP 神經(jīng)網(wǎng)絡訓練
 
       運用 MATLAB 中的神經(jīng)網(wǎng)絡工具箱中有關神經(jīng)網(wǎng)絡設計、訓練以及仿真的函數(shù)來實現(xiàn) BP 網(wǎng)絡的訓練。在實際訓練過程中，首先需要對輸入數(shù)據(jù)進行預處理，本文采用常見的歸一化處理方法，訓練時采用歸一化處理后的數(shù)據(jù)，訓練結束后對得到的輸出數(shù)據(jù)再進行反歸一化處理。然后進行采用 newff函數(shù)進行 BP 神經(jīng)網(wǎng)絡的創(chuàng)建，對網(wǎng)絡進行初始
化。網(wǎng)絡訓練使用函數(shù) train( ) ，采用批處理模式的訓練函數(shù)，用普通訓練函數(shù)中的梯批度下降訓練函數(shù) traingd 進行訓練，得到如圖 3 所示網(wǎng)絡訓練誤差圖。用 sim 函數(shù)仿真該網(wǎng)絡得到預測值。

                       圖2 建立的神經(jīng)網(wǎng)絡模型
 

                        圖3 訓練誤差圖
 

      3. 3 BP 神經(jīng)網(wǎng)絡預測和結果分析
 
      運用 MATLAB 程序確定網(wǎng)絡結構和各個部分的參數(shù)，對刀齒后刀面磨損值進行預測，得到預測值如表 2 所示，并與試驗測量值進行比較( 見圖 4) 。由表 2 數(shù)據(jù)可見，預測數(shù)據(jù)和試驗數(shù)據(jù)之間具有很好的相關性。刀齒后刀面磨損的試驗值與神經(jīng)網(wǎng)絡預測值的較為接近，平均誤差百分比不超過 13． 09%。
 
 
                     表 2 后刀面磨損的預測值和試驗值的比較
            
  
     

                          圖 4 預測值與測量值的比較
 
      4 、結語
 
      運用 BP 神經(jīng)網(wǎng)絡對深孔鉆削過程中的單齒BTA 鉆刀齒后刀面磨損值進行預測研究。試驗和仿真結果表明，用神經(jīng)網(wǎng)絡對刀具磨損進行預測具有良好的泛化處理能力。設計和測試的 3 － 7 － 1 拓撲結構網(wǎng)絡模型可以很好進行預測。通過對試驗數(shù)據(jù)的分析，可以證實網(wǎng)絡的輸入數(shù)據(jù)( 切削速度 Vc、進給量 f 和軸向力 F) 和輸出數(shù)據(jù)( 刀齒后刀面的磨損值 VB) 之間具有相關性，神經(jīng)網(wǎng)絡是能夠學習的。為預測刀具的磨損值和減少刀具磨損提供了指導意義。