摘要: 用單齒 BTA 刀具進行深孔鑽削時，刀具磨損通常以刀齒後刀麵磨損（sǔn）為主。本文提出一種基於人工神經（jīng）網絡的後刀麵磨損值預測（cè）方（fāng）法，采（cǎi）用試驗設計的（de）方法進行 BTA 鑽削（xuē）試驗，通過萬能工具顯微鏡來測量刀齒後刀麵的（de）磨損（sǔn）值，得到訓練樣（yàng）本。通（tōng）過有限的訓練（liàn）樣本建立關（guān）於切削速（sù）度、進給量和軸向力的刀齒後刀麵（miàn）磨損量的預測模（mó）型，然後運用 MATLAB 進行仿真與計算。試驗和仿真結果表明，該（gāi）模型能有效預測刀齒後刀麵磨（mó）損值（zhí），為減少刀具磨損提供了依據。
 
       關鍵詞: 人工神經網絡; 單齒 BTA 鑽; 後刀麵磨損值
 
       1、 引言
 
       現代切削對深孔加（jiā）工（gōng）技術的要求越來越高，深（shēn）孔（kǒng）加工環境相對封閉，刀具磨損很難（nán）控製，造成加工質（zhì）量降低，極大限製了深孔加工技術的發展。目前在（zài）深孔加工（gōng）中，BTA 鑽削因具有良好的加工質量和穩定的加工性能得到了（le）廣泛應用。單齒（chǐ） BTA 鑽包括刀齒、刀體和兩個導向條，其磨損最先出現在刀齒後刀麵，因此，通過測量深孔加工（gōng）過程中單齒 BTA鑽刀（dāo）齒後刀麵磨損值來表（biǎo）示刀具磨損，有助於改善深孔加工質（zhì）量。
 
      人工神經網絡近年來（lái）技術發展比較成熟，在深孔加工領域已（yǐ）得到初步應用，可利用神經網絡來預（yù）測深孔加工過程中單齒 BTA 鑽刀齒的後刀麵磨損值。BP 網絡是神經網絡模型中應用最成（chéng）熟（shú）、最廣（guǎng）泛的模型［1］。本文以切削速度（dù）、進給量和軸向力為設（shè）計變量，確定了鑽削試驗（yàn）方案，得到訓練樣本（běn），然後利用（yòng） BP 神經網絡（luò）模型來構建刀齒後刀麵磨損（sǔn）值的（de）預測模（mó）型。
 
      2 、試驗
 
      如（rú）圖 1 所（suǒ）示，選用 T2120 深孔鑽鏜床進行鑽削試驗，試驗對象為直徑 60mm 的鎳合金( NCr9) 。試驗采用（yòng）直徑（jìng） D = 15mm 的單齒 BTA 機夾可轉位深（shēn）孔鑽頭鑽孔（kǒng）。鑽孔長度 500mm，每個孔用新的刀具鑽。采用三向銑削測（cè）力儀測量軸向力，並用萬能工（gōng）具顯微鏡測量刀齒後刀麵磨損值。為更好地研究切削（xuē）參數( 切削速度和進給量) 和軸向（xiàng）力影響刀齒後刀麵磨損的（de）預（yù）測模型，僅（jǐn）設置這三個變量，其他因素不變。試驗測量數據見表（biǎo） 1。
  
  

                        圖 1 T2120 深（shēn）孔鑽鏜床結構

        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． 鑽（zuàn）杆 8． 支撐架 9． 鑽（zuàn）杆（gǎn）進（jìn）給座 10． 排屑（xiè）管 11． 進給（gěi）電機
             
                              表 1 試驗數據
        
  
       3 、刀齒後刀麵磨損（sǔn）值預測和 BP 神（shén）經（jīng）網絡（luò）模型的建立
 
       3. 1 網絡結構
   
       用試驗所得數據 來 訓 練 和 測 試 神 經 網（wǎng） 絡 結構［2］。BTA 鑽（zuàn）削過程的神經網（wǎng）絡模型見圖 2。輸入數據為切削速度、進給量和測得的軸向力，用來（lái）預測刀齒後刀麵磨（mó）損值。BP 神（shén）經網（wǎng）絡是一種包括輸（shū）入層、隱含層和輸出層的（de）前（qián）饋神經網絡，Hecht-Nielsen證明具有 1 個隱含層的 3 層（céng）前饋型網絡可以逼近（jìn）任何（hé）多（duō）變量函數，故本文采用 3 層 BP 神經（jīng）網絡［3］。輸（shū）入層 u 有 3 個（gè）神經元（yuán），輸入數據由切削速度 Vc、進給量 f 和軸向力 F 組成（chéng）; 輸出層為一個神經元 v，輸（shū）出數（shù）據隻有（yǒu）刀齒後刀麵磨損值（zhí）。根（gēn）據Kolmogoro定理，按照經（jīng）驗公式 k = 2u + 1 確（què）定隱含層神經元（yuán）數目，得出隱含層 k = 7。

       3. 2 BP 神經網絡訓（xùn）練
 
       運用 MATLAB 中的（de）神（shén）經網絡工具箱中有關神經網絡設計、訓練以（yǐ）及仿（fǎng）真的函（hán）數來實現 BP 網絡的（de）訓練。在實際訓練過程（chéng）中，首先需要對輸入數據進行預處理，本文采用常見的歸一化處理（lǐ）方法，訓練時采用歸一化處理後的數據，訓（xùn）練結束後（hòu）對（duì）得到的輸出數據再進行反歸一化（huà）處理。然後（hòu）進行采用 newff函數進行 BP 神（shén）經網絡的創建，對（duì）網絡進行初始
化。網絡訓練使用函（hán）數 train( ) ，采用批處理模式的訓練函數，用普通訓練函數中的梯批度下降訓練函數 traingd 進（jìn）行訓練，得到如圖 3 所示網絡訓練誤差圖。用 sim 函數仿真該網絡得到（dào）預測值。

                       圖2 建立的神經網絡模型（xíng）
 

                        圖3 訓練誤差圖
 

      3. 3 BP 神經（jīng）網絡預測和結果分析
 
      運（yùn）用 MATLAB 程（chéng）序確定網絡（luò）結構（gòu）和各個（gè）部分的參數，對刀齒後（hòu）刀麵磨損值進行預測，得到預測值如表（biǎo） 2 所示，並（bìng）與試驗測量值進行（háng）比（bǐ）較( 見圖 4) 。由表 2 數據可見（jiàn），預測數據和試（shì）驗數據之間具有很好的相關性。刀齒後刀麵磨損的試驗值與神經網絡預測值的較為接（jiē）近，平均誤差百分比不超過 13． 09%。
 
 
                     表 2 後刀（dāo）麵磨損的預測值和試驗值的（de）比較（jiào）
            
  
     

                          圖（tú） 4 預測值（zhí）與測量值的比（bǐ）較
 
      4 、結語
 
      運用 BP 神經網（wǎng）絡對（duì）深孔鑽削過程中（zhōng）的單齒BTA 鑽刀齒後（hòu）刀麵磨損值進行預（yù）測研究。試驗和仿真結（jié）果表明，用神經網絡對刀具磨損進行預測具有良好的泛化處（chù）理能力（lì）。設計和測試的 3 － 7 － 1 拓撲結構網絡模型可以很（hěn）好進行預測。通過對試驗數據的分（fèn）析，可以證實（shí）網絡的輸入數據( 切削速度 Vc、進給（gěi）量 f 和軸向（xiàng）力 F) 和輸出數據( 刀齒後刀麵的磨損值 VB) 之間具有相關性，神經網絡是能夠學習的。為預測刀具的磨損值和減少刀具磨損提供了指導意義。