CN106970593A - 一种通过主轴转速智能控制实现加工颤振在线抑制的方法 - Google Patents

Abstract

一种通过主轴转速智能控制实现加工颤振在线抑制的方法，属于智能化加工领域，所述方法包括：步骤1，当主轴在初始转速n₀下加工时，对铣削加工状态进行实时监测，分析检测结果，确定是否发生颤振；步骤2，当未识别到颤振发生时，机床主轴保持原有转速不变，并重复执行步骤1；当识别到颤振的发生时，调整主轴转速到新的最佳主轴转速n_new，在颤振发生的早期进行抑制颤振。本发明通过主轴转速智能控制来实现铣削加工颤振的在线抑制，当监测到颤振的发生时，数控机床***会利用本发明提供的自适应控制算法，调整主轴转速到一个新的能够稳定切削的转速n_new，解决了常规的切削过程中依靠主轴转速在一定范围内随机变化来抑制颤振的被动式方法存在的问题和缺点。

Description

一种通过主轴转速智能控制实现加工颤振在线抑制的方法

技术领域

本发明属于智能化加工领域，主要涉及稳定切削过程的自适应控制保障技术，具体为一种通过主轴转速智能控制实现加工颤振在线抑制的方法。

背景技术

高速加工技术具有较高的加工效率与加工表面质量，因此逐渐被广泛地应用于实际的生产加工过程中。其中高速铣削加工技术的应用更为广泛，包括航空航天领域、汽车加工领域、模具加工领域等。然而由于铣削加工的固有属性，在切削过程中会难免会产生颤振现象，一方面严重影响零件的表面加工质量，另一方面可能引起刀具的磨损甚至引起主轴的损坏，因此铣削加工过程中的颤振抑制技术引起了广泛的关注。其中一种比较重要的颤振抑制方法为通过控制主轴转速实现颤振的抑制，具体地，在高速铣削加工过程中，当刀具沿着切削路径加工时，主轴转速在一个人为设定的转速范围内随机变化，由于该种方式是通过主轴转速的随机变化来改变刀具的切削周期进而“干扰”颤振的产生，因此属于被动式抑制颤振方法的一种。该种颤振抑制方法只需要对主轴转速进行控制，比较容易实现，然而对于高速铣削加工而言，主轴转速在一定范围内持续变化一方面对主轴控制器提出了较高的要求，另一方面又容易引起切削力较大的波动，引起更大的振动。

发明内容

针对现有技术中存在的问题，本发明提供一种通过主轴转速智能控制实现加工颤振在线抑制的方法，通过控制主轴转速实现主动式颤振抑制，当监测到颤振的发生时，机床主轴控制器调整主轴转速到一个新的最佳转速，对颤振进行抑制。

本发明是通过以下技术方案来实现：

一种通过主轴转速智能控制实现加工颤振在线抑制的方法，，包括如下步骤，

步骤1，当主轴在初始转速n₀下加工时，对铣削加工状态进行实时监测，得到铣削加工状态下的振动加速度信号a(k)，其中k为获取的振动加速度信号时间序列的序号；

对振动加速度信号a(k)进行滤波处理，将其中与转速有关的信号成分滤除，得到其他扰动成分

利用AR自回归模型对进行离散时间序列信号建模分析，求解所述AR模型的特征方程，得到特征方程的特征根λ，当|λ_max|＞1时，表征铣削过程不稳定，即颤振发生；

步骤2，当未识别到颤振发生时，机床主轴保持原有转速不变进行加工，并重复执行步骤1；

当识别到颤振的发生时，输出控制信号到机床主轴的控制器，控制主轴转速到新的最佳主轴转速n_new，在颤振发生的早期进行抑制颤振；

所述新的主轴转速值为n_new(k)＝n₀(1+Q_c(k))；其中，Q_c(k)为转速控制算法输出的控制参数；

通过定义成本函数为J(Q_C)＝min(S(f_chat))，其中，S(f_chat)为在主颤振频率f_chat处的功率密度值；求得使上述成本函数值最小的Q_C，从而求得新的最佳主轴转速n_new。

优选的，步骤1中，振动加速度信号包括两类成分，其表示如下：

其中，a*(k)为与转速有关的信号成分，从频域上看为包括主轴的转频及其倍频、铣刀的刀齿通过频率及其倍频；为其他扰动成分。

优选的，步骤1中，对振动加速度信号a(k)进行滤波处理时，利用以下滤波方法：

其中，f_s为信号采样频率，n为主轴转速，round()代表对括号内数据四舍五入取整处理。

优选的，步骤1中，利用AR自回归模型对进行离散时间序列信号建模分析，构建如下所示的状态空间方程：

状态方程：δ(k+1)＝δ(k)+δ(k)；

观测方程：

其中，δ(k)为模型参数；M为模型阶数；δ(k)和r(k)分别为过程噪声和观测噪声。

优选的，求解如下的AR模型的特征方程：

1-δ₁q-δ₂q²-...-δ_Mq^M＝0；其中，q为延迟算子；

得到特征方程的特征根λ，当|λ_max|＞1时，表征铣削过程不稳定，即颤振发生。

优选的，步骤1中，利用下式计算颤振发生时的主颤振频率：

其中，f_s为信号采样频率。

优选的，步骤2中，利用归一化最小均方差算法求得使上述成本函数值最小的Q_C，从而求得新的最佳主轴转速n_new。

优选的，归一化最小均方差算法所用的自适应迭代方程为：

式中，α_c为步长系数；ε₀为极小值，取1×10^-12；

Δf(k)＝p(k)f_t(k)-f_chat(k)，其中{·}代表对括号内数值四舍五入取整处理，为刀齿通过频率；

u(k)为指数滑动平均数，由下式确定：

u(k)＝(1-η_c)u(k-1)+η_cS(f_chat(k))；

其中，η_c为平滑系数。

与现有技术相比，本发明通过主轴转速智能控制来实现铣削加工颤振的在线抑制，具有以下区别于传统颤振抑制方法的显著优势和有益的技术效果：

本发明所述方法属于主动式颤振抑制方法，只有当监测到颤振的发生时，数控机床***才会利用本发明提供的自适应控制算法，调整主轴转速到一个新的能够稳定切削的最佳转速n_new，解决了常规的切削过程中依靠主轴转速在一定范围内随机变化来抑制颤振的被动式方法存在的问题和缺点。

同时本发明提供的主动式颤振抑制方法通过主动调整主轴的转速实现颤振的抑制，方法简单，容易实现，不需要改变主轴、机床的结构或设计额外的主动式颤振抑制装置，通用性强。

附图说明

图1所示为本发明实例中所述方法的流程图。

图2所示为本发明中所述的转速控制算法的流程图。

具体实施方式

下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。

本发明提供一种通过主轴转速智能控制实现加工颤振在线抑制的方法，主要包括两个步骤：

第一步，当主轴在初始转速n₀下加工时，对铣削加工状态进行实时监测，在颤振发生的早期对其进行识别，并获取颤振发生早期的主要特征参数；第二步，当识别到颤振的发生时，利用本发明提供的控制算法，输出控制信号到机床主轴的控制器控制主轴转速到新的最佳主轴转速n_new，在颤振发生的早期进行抑制颤振。

具体的，如图1所示，通过主轴转速智能控制实现加工颤振在线抑制的方法主要包括以下两个过程：

1、颤振的监测及识别。

作为本发明提出的主动式颤振抑制方法的前提，颤振的监测与识别至关重要。只有当准确地识别出颤振的发生，之后的主动调控才有意义。颤振的监测与识别又包括以下几个步骤：

1.1加工过程信号的获取。

通过获取铣削加工时的状态信号，进行一系列的处理，对颤振进行识别。本实施例利用安装在主轴轴端外壳上的加速度传感器获取铣削加工状态下的振动加速度信号a(k)，其中k为获取的振动加速度信号时间序列的序号。

1.2信号的滤波处理。

对于铣削过程而言，振动加速度信号主要包括两类成分：

其中，a^*(k)为与转速有关的信号成分，从频域上看为包括主轴的转频及其倍频、铣刀的刀齿通过频率及其倍频。为其他扰动成分。当铣削过程平稳进行时，近似可以看做白噪声，当颤振发生时，中开始出现于颤振有关的频率成分。为了对颤振进行识别，需要滤掉与转速有关的信号成分a^*(k)，利用以下滤波方法：

其中，f_s为信号采样频率，n为主轴转速，round()代表对括号内数据四舍五入取整处理。

1.3颤振的判别与特征参数的计算。

为了对颤振进行判别，需要对滤波处理后获得的进行进一步分析。利用AR自回归模型对进行建模分析，构建如下所示的状态空间方程：

状态方程：δ(k+1)＝δ(k)+δ(k)；

观测方程：

其中，δ(k)为模型参数；M为模型阶数；δ(k)和r(k)分别为过程噪声和观测噪声。通过对上述模型参数δ(k)进行估计，可以获得颤振判别的判据。

求解上述AR模型的特征方程：

1-δ₁q-δ₂q²-...-δ_Mq^M＝0；

其中，q为延迟算子，得到特征方程的特征根λ，当|λ_max|＞1时，表征铣削过程不稳定，即颤振发生。

利用下式计算颤振发生时的主颤振频率：

2、转速的控制。

如图1所示，当未识别到颤振发生时，机床主轴保持原有转速不变进行加工，同时颤振监测与识别过程继续进行。

当识别到颤振的发生时，根据本发明提供的转速控制算法，计算出新的最佳的主轴转速，之后输出控制指令到主轴控制器，对主轴转速进行调整，实现颤振的抑制，本发明所提供的转速控制算法框架如图2所示。

定义新的主轴转速值为：

n_new(k)＝n₀(1+Q_c(k))；

其中，n₀为铣削加工时主轴的初始转速，Q_c(k)为控制算法输出的控制参数。

定义成本函数为J(Q_C)＝min(S(f_chat))，其中S(f_chat)为在主颤振频率f_chat处的功率密度值。

利用归一化最小均方差(NLMS)算法求得使上述成本函数值最小的Q_C，从而求得新的最佳主轴转速n_new。NLMS算法所用的自适应迭代方程为：

式中，α_c为步长系数；ε₀为极小值，取1×10^-12；

Δf(k)＝p(k)f_t(k)-f_chat(k)，其中{·}代表对括号内数值四舍五入取整处理；

为刀齿通过频率；

u(k)为指数滑动平均数，由下式确定：

u(k)＝(1-η_c)u(k-1)+η_cS(f_chat(k))；

其中，η_c为平滑系数。

Claims (8)

1.一种通过主轴转速智能控制实现加工颤振在线抑制的方法，其特征在于，包括如下步骤，

步骤1，当主轴在初始转速n₀下加工时，对铣削加工状态进行实时监测，得到铣削加工状态下的振动加速度信号a(k)，其中k为获取的振动加速度信号时间序列的序号；

对振动加速度信号a(k)进行滤波处理，将其中与转速有关的信号成分滤除，得到其他扰动成分

利用AR自回归模型对进行离散时间序列信号建模分析，求解所述AR模型的特征方程，得到特征方程的特征根λ，当|λ_max|＞1时，表征铣削过程不稳定，即颤振发生；

步骤2，当未识别到颤振发生时，机床主轴保持原有转速不变进行加工，并重复执行步骤1；

当识别到颤振的发生时，输出控制信号到机床主轴的控制器，控制主轴转速到新的最佳主轴转速n_new，在颤振发生的早期进行抑制颤振；

所述新的主轴转速值为n_new(k)＝n₀(1+Q_c(k))；其中，Q_c(k)为转速控制算法输出的控制参数；

通过定义成本函数为J(Q_C)＝min(S(f_chat))，其中，S(f_chat)为在主颤振频率f_chat处的功率密度值；求得使上述成本函数值最小的Q_C，从而求得新的最佳主轴转速n_new。

2.根据权利要求1所述的一种通过主轴转速智能控制实现加工颤振在线抑制的方法，其特征在于，步骤1中，振动加速度信号包括两类成分，其表示如下：

$a\left(k\right)=a^{*}\left(k\right)+\tilde{a}\left(k\right);$

其中，a^*(k)为与转速有关的信号成分，从频域上看为包括主轴的转频及其倍频、铣刀的刀齿通过频率及其倍频；为其他扰动成分。

3.根据权利要求1所述的一种通过主轴转速智能控制实现加工颤振在线抑制的方法，其特征在于，步骤1中，对振动加速度信号a(k)进行滤波处理时，利用以下滤波方法：

$\tilde{a}\left(k\right)=a\left(k\right)-a(k-i);$

其中，f_s为信号采样频率，n为主轴转速，round()代表对括号内数据四舍五入取整处理。

4.根据权利要求1所述的一种通过主轴转速智能控制实现加工颤振在线抑制的方法，其特征在于，步骤1中，利用AR自回归模型对进行离散时间序列信号建模分析，构建如下所示的状态空间方程：

状态方程：δ(k+1)＝δ(k)+δ(k)；

观测方程：

其中，δ(k)为模型参数；M为模型阶数；δ(k)和r(k)分别为过程噪声和观测噪声。

5.根据权利要求4所述的一种通过主轴转速智能控制实现加工颤振在线抑制的方法，其特征在于，求解如下的AR模型的特征方程：

1-δ₁q-δ₂q²-...-δ_Mq^M＝0；其中，q为延迟算子；

得到特征方程的特征根λ，当|λ_max|＞1时，表征铣削过程不稳定，即颤振发生。

6.根据权利要求1所述的一种通过主轴转速智能控制实现加工颤振在线抑制的方法，其特征在于，步骤1中，利用下式计算颤振发生时的主颤振频率：

$f_{chat}=\frac{f_s}{2\mathrm{\π}}\mathrm{Im}\left(ln\right({\mathrm{\λ}}_{max}\left)\right);$

其中，f_s为信号采样频率。

7.根据权利要求6所述的一种通过主轴转速智能控制实现加工颤振在线抑制的方法，其特征在于，步骤2中，利用归一化最小均方差算法求得使上述成本函数值最小的Q_C，从而求得新的最佳主轴转速n_new。

8.根据权利要求7所述的一种通过主轴转速智能控制实现加工颤振在线抑制的方法，其特征在于，归一化最小均方差算法所用的自适应迭代方程为：

$Q_C(k+1)=Q_C\left(k\right)-2{\mathrm{\α}}_c\frac{\sqrt{S\left(f_{chat}\right(k\left)\right)}}{{\mathrm{\ϵ}}_0+\left|u\left(k\right)\right|}sign\left(\mathrm{\Δ}f\right(k\left)\right);$

式中，α_c为步长系数；ε₀为极小值，取1×10^-12；

Δf(k)＝p(k)f_t(k)-f_chat(k)，其中{·}代表对括号内数值四舍五入取整处理，为刀齿通过频率；

u(k)为指数滑动平均数，由下式确定：

u(k)＝(1-η_c)u(k-1)+η_cS(f_chat(k))；

其中，η_c为平滑系数。