基於神經網絡的BTA深孔鑽耐用度分析及（jí）實驗研究-數控機床市場網

您現在的位置（zhì）：鑽床網> 技術前（qián）沿>基於神（shén）經網絡的BTA深孔鑽耐用度分析及實驗研究（jiū）

基（jī）於神經網絡的BTA深孔鑽（zuàn）耐用度（dù）分析及實驗研究

2018-5-3 來源：轉載作者：董振,沈興全,李耀明（míng）,王唯

摘要：為（wéi）了（le）能夠準確預測深（shēn）孔刀具耐用度，針對BTA深孔鑽的磨損特征及耐用度展開了研究．利用神（shén）經網絡較強的學（xué）習和泛化能力，建（jiàn）立（lì）了以切削速度和進給量（liàng）為變量，以鑽削加工長度作為刀具耐用度的度量標準的（de）單齒BTA深孔鑽的耐用度預測模型，實現（xiàn）了（le）對ＢＴＡ鑽耐用度的（de）理論預測．經過實驗（yàn）驗證，該模型預測值與試驗值相對誤差≤３．８％，表明了該數學模型能夠準確的預測BTA鑽的耐用（yòng）度，為刀（dāo）具的更換周期提供了科學依據，對實際加（jiā）工有一定的現實指導意義．

關鍵詞：刀具耐用度（dù）；深孔（kǒng）加工；單齒鑽；EA4T鋼（gāng）；神經網絡

０、引（yǐn）言

深孔加工刀具是決定深孔加工質量的關鍵因素，原因是刀具的磨（mó）損（sǔn）程（chéng）度直接影響著孔的加工精度及表麵粗糙度．作為一種特殊刀具，深孔加工（gōng）刀具有著比普通加工刀具更為複雜、獨特的（de）結構和形態．加工（gōng）過（guò）程在密封、高壓、高溫的空間中進行，工況複雜，條件惡劣，故無法對深孔（kǒng）刀具（jù）進行直（zhí）觀實時監測，而隻能憑借操作者的經驗來判斷是否（fǒu）應該更換刀具.

刀具磨損是切削領域（yù）最為主要的問題之一，也是深孔加工中的突出問題之一（yī）．在很多高精度的深孔加工過程中，都（dōu）不允許（xǔ）中（zhōng）途停刀和退換刀具，以（yǐ）免導（dǎo）致加工孔徑表麵出現破損，再者，深孔刀具一般比較昂貴，刀具的合理使用有利於提高生產加工質量並降低加（jiā）工成（chéng）本．因此（cǐ），在深孔加工中對刀（dāo）具的使用壽命（mìng）進行合理預測和研究（jiū），對深孔鑽削地正常進行（háng）和鑽削質量地提高有很重要的意義．在加工工況確定的條件下，切削參數（shù）對刀具使用的影響最為重要，通過研究深孔加工（gōng）參數（shù）和刀具的使用壽命，對刀具磨損進行合理的預測，在深孔鑽頭發生嚴重（chóng）磨損（sǔn）前及時更換新的刀齒，既可保證深孔鑽削係統的穩定和鑽孔質量，又能充分發揮鑽具的切削性能，提高（gāo）生產效率（lǜ）和經濟效益．

由於切削參數與刀具（jù）使用壽命之間的非線性關（guān）係（xì）比較複雜，本文針對單齒ＢＴＡ刀具磨損的特征、磨損機（jī）理展開研究．在傳統刀具使用（yòng）壽命理（lǐ）論的基（jī）礎（chǔ）上，結合深孔加工的（de）實際工況，利用人工智能神經網絡善於處理非線性複雜問題的特性（xìng），建立刀具使用壽命預測模（mó）型；並利用粒（lì）子群（qún）算法得出在該加（jiā）工條件下的最優切削參數．

１、ＢＴＡ深孔加工係統

１．１　ＢＴＡ係統（tǒng）的工作原理ＢＴＡ

深孔加工係統是目前最為廣泛使用的深（shēn）孔加工方式，其結（jié）構簡圖如圖１所示．高壓（yā）切削液（yè）在授油器的作用下，通過鑽杆外壁與（yǔ）工件內孔之（zhī）間的間隙抵達刀頭和工件加工區域，利用高（gāo）壓液對切屑進（jìn）行衝擊擠壓，頂入鑽頭（tóu）的排屑通道，並沿著空心鑽杆的內腔排出，如圖２所示為（wéi）ＢＴＡ鑽供油和排屑工（gōng）作（zuò）的簡圖．

圖１　內排屑深孔鑽鏜床配置示意圖

圖２　ＢＴＡ深孔鑽供（gòng）油和排屑示意圖（tú）

１．２　單齒ＢＴＡ深孔刀（dāo）具的磨損特征

單齒（chǐ）ＢＴＡ深孔刀具的結構如圖３所示，主要由（yóu）刀齒、刀體和兩個（gè）導向條組（zǔ）成．

圖３　單齒ＢＴＡ機夾可轉位深孔鑽頭的結構

在加工Ф３０ｍｍ的ＥＡ４Ｔ車軸時，采用了Ф２９．８ｍｍ的單（dān）齒ＢＴＡ鑽頭進（jìn）行深孔實體鑽（zuàn）削加工．切削條件如下：

深孔（kǒng）加工設備：Ｔ２１２０；加工方式：工件旋轉，刀具進給；刀具：Ф２９．８ｍｍ單齒ＢＴＡ鑽頭塗層硬質合金刀片；工（gōng）件（jiàn）材料（liào）：ＥＡ４Ｔ低碳高合金鋼；切削速度：２６ｍ／ｍｉｎ；進給速（sù）度：１２ｍｍ／ｍｉｎ．

由於（yú）單齒的ＢＴＡ鑽頭隻有一個刀齒，出屑口通道較小，空間較窄，因此刀刃上設有（yǒu）斷屑（xiè）台和分屑刃，保證斷屑（xiè）、排屑順暢，如（rú）圖４（ａ）所示．

單齒ＢＴＡ深孔刀具的磨損主要是在單邊齒和兩個導向條（tiáo）上．其磨損特點（diǎn）是主要破（pò）損部位在分屑刃拐角處，如圖４（ｂ）所示．由（yóu）於分屑刃較薄，在重負（fù）載、應力突（tū）變的共（gòng）同（tóng）作用下（xià）容易發生微崩、崩（bēng）碎和塗層剝落等破損，如圖（tú）４（ｃ）所示；前刀麵的磨損則比較劇烈，而刀齒後刀麵（miàn）磨損（sǔn）比較均勻呈（chéng）窄條帶狀，如圖４（ｄ）所示．從磨損圖（tú）像（xiàng）可（kě）以看出，單（dān）齒ＢＴＡ鑽頭以機械磨損為主，即刀齒的機械磨（mó）損（sǔn）和破損嚴重，而在高溫作用下的擴散、粘結和化學磨損等不是十分明顯。

圖４　單齒（chǐ）ＢＴＡ刀齒（chǐ）的磨（mó）損

２、數學模型（xíng）的建立

２．１　目標函數

對於（yú）深孔加工係統而言，當工件的加工尺寸（cùn）確定後（hòu），影響加工質量的主要參（cān）數為切削速度、進給量、切削液的壓強和流量．由於深孔加工的特殊性，中途退刀會產生明顯（xiǎn）刀痕，導致深孔局部表麵（miàn）粗糙度超標．因（yīn）此，傳統刀具中以（yǐ）加工時間（jiān）作為刀具耐用度的標準並不適用於深孔（kǒng）加工．本文針對深孔加工的特性，采用鑽削長度作（zuò）為刀（dāo）具耐用度的度量標準（zhǔn）．

經驗公式雖然體現了切削用（yòng）量對使用壽命的影響，但在不同（tóng）的加工情況下，很難符合特定的實際加工情況．因此，應用一定的方（fāng）法擬合得到（dào）一個近（jìn）似的（de）替代函（hán）數是（shì）十分有必要的（de）．神經網絡智能（néng）算（suàn）法類似於黑箱法，隻關心輸入值（zhí）和輸出值之間的一種非線性關係，故可以利用該算法來（lái）進行適當的擬合和優化．

２．２　ＢＰ神（shén）經網絡結構的設計

ＢＰ神經網絡是一種單向傳播的多層反饋（kuì）網絡，一般由輸入層、隱含層和輸出層組成．ＢＰ神（shén）經網（wǎng）絡的學習過程由正向傳播和反向傳播兩部分組成．正向傳播時，信（xìn）息由輸入層向輸出層流動，經隱層單元的分層處理（lǐ）可（kě）以進行網絡結構展開，相鄰神經元之間的狀態相互影響，但不對其他層（céng）神經元的狀態產生影響．通過調整輸出層的期望和實際輸出（chū）值得到誤差，反向傳播信號，將兩者之間的誤差信號沿原通路返回．通過不斷修改各層相（xiàng）鄰神經元之間的權值，使得誤（wù）差信號達到精度要求．

深孔加工鑽削刀具耐用度模型切削參數（shù）係統的結構如圖５所示，對樣本數據先進行歸一（yī）化處理，然後利（lì）用神經網絡係統進行修正，將修正後的值帶（dài）入（rù）到Ｌ（ｘ）中，得到實際輸出的值，再與期（qī）望值的誤差（chà）進行比較對權值進行修複．

該模型的優化通過一個三層的網絡結構就可以實現．輸入層有２個神經元，即ｘ１切削速度（ｍ／ｍｉｎ），ｘ２進（jìn）給量（ｍｍ／ｒ）．輸（shū）出層有２個神經（jīng）元（yuán），即經過修（xiū）正後的Ｙ１切削速度（ｍ／ｍｉｎ），Ｙ２進給量（ｍｍ／ｒ）．

圖（tú）５　最優切削參數係統的結構示意圖

隱含層內節點的確定（dìng）對網絡的性能（néng）影響很大，需要進行恰當的選擇．若隱含層單元（yuán）數太少，則網絡使用性能差，可（kě）能不能被（bèi）訓（xùn）練出來．但是（shì），隱含單元數太多則推理過程（chéng）過長（zhǎng），誤差也（yě）不一定最小．因此，存在一個最佳隱單元數，本模型隱含層（céng）節點數為

３、刀具耐用度預測（cè）實例

實驗工件材料選用ＥＡ４Ｔ實心車軸鋼，該材料由於具有較（jiào）高的機械性能，已經被成功應用於動車、高鐵和地鐵等最（zuì）新高速機車產品中（zhōng），並（bìng）將逐步被應用到其它領域。其化學成分如表１所示．ＥＡ４Ｔ作為一種新型的合（hé）金材料，相對加工性Ｋｖ＝０．２～０．４５，是一種（zhǒng）新型難加工材料．在（zài）加工（gōng）過（guò）程中，容易出現排屑斷屑難、切削溫度過高、鑽削力（lì）過大等問（wèn）題，導致刀具磨（mó）損嚴重．

表１ＥＡ４Ｔ鋼力學性能（néng）

工件加（jiā）工的孔徑為 Ф２９．８ｍｍ，刀具為單齒ＢＴＡ分屑刃機夾式可轉位深孔鑽頭，刀齒選用德（dé）國Ｂｏｔｅｋ的ＴｉＮ塗層（céng）硬質合金刀片．加工設備（bèi）為德州機床廠製造的Ｔ２１２０深孔鑽鏜床，如圖６所示，采用工件旋轉（zhuǎn）、刀具進給的方（fāng）式，其參（cān）數如表２所示．

圖６　實驗用Ｔ２１２０深孔鑽鏜床（chuáng）

表２　切削用量優化的實驗條件

實驗采用日本基恩士（shì）（ＫＥＹＥＮＣＥ）數碼顯微係統來直觀觀察每個刀片的磨損情況．顯微鏡型號是ＶＨ－２５００Ｒ，規格為ＲＡ＊５００＊５　０００，即最高放大倍數為（wéi）５０００，可較（jiào）好（hǎo）地（dì）對實際磨損帶觀察研究．如下圖所示，左邊為電子顯微鏡，右邊（biān）為數碼顯示器（qì）．將刀片放在顯微鏡的載物台上，用調節麵板來調整合適（shì）倍數，使顯示器上顯示出合適的圖像，並對刀片的磨（mó）損帶情況進行測（cè）量，如圖７所示.

圖７　數碼顯微鏡

當前刀麵的磨損帶寬度≥３００μｍ時，刀具的加工精度已無法保證深孔加工質量，故原刀片需要報廢並進行（háng）更（gèng）換．如圖８所示，該刀片磨損帶寬（kuān）度為３１３．４１μｍ，視為達到報廢標準

圖８　刀片磨損（sǔn）帶寬度測量

在（zài）ＭＡＴＬＡＢ上編程來實現訓練過程，並采用最優停止法．最大訓練步數設置（zhì）為１０００，期望誤差為０．０１，學習速率為０．１．１５組訓（xùn）練樣本的實際數據如表3所示．

表（biǎo）３　樣本數據表

基於（yú）神經網絡對輸入樣本值與網絡訓（xùn）練結果預測值進行（háng）對比，其結（jié）果如表４所示．可以看出，ＢＴＡ深孔鑽（zuàn）耐用度（dù）神經網絡模型的訓練輸出值與樣本的最大（dà）相對誤差為３．８％，在５％以內，表示（shì）優化的預測模型已經基本（běn）滿足（zú）使用要求．為了檢驗神經網絡優化模型的實際預測（cè）效果，補充兩組試驗進行驗證（其中１６＃的切（qiē）削速度為３４ｍ／ｍｉｎ，進給量為（wéi）０．０１２ｍｍ／ｒ，而１７＃切削（xuē）速度為４６ｍ／ｍｉｎ，進給量０．０２５ｍｍ／ｒ），運用耐（nài）用度預測模型計算出（chū）預測值（zhí），然後運用數（shù）值逼近法進行試驗驗證，即選用多（duō）組相近但不同（tóng）長度的ＥＡ４Ｔ棒料展開（kāi）試驗，逐步逼（bī）近試驗值，對每組實驗刀片磨損（sǔn）帶寬度進（jìn）行檢測，磨（mó）損（sǔn）寬度最接近３００μｍ的為耐用度試驗值．結果如表５所示，從表５可以看出，神經網絡模（mó）型預測值與（yǔ）試驗值相對（duì）誤差均在３．０％以內，驗證（zhèng）了優化（huà）的耐用度預測模型是可行的（de）和有效的．

表４　試驗值與網（wǎng）絡預測值的對比

表５　試驗（yàn）值與網絡預測值的（de）對比

因此，基於網絡學習方法（fǎ）獲得的刀具耐用度與深孔加工切削參數之間的模型，可以用來預（yù）測在該種工況下單齒ＢＴＡ鑽（zuàn）的使用壽命．

４、結（jié）束語

本文在刀具耐用泰勒公式的基礎上，利用神經網絡（luò）較（jiào）強的學習和泛化能力，建立（lì）了以切削速（sù）度和進給量為變（biàn）量（liàng），以鑽削長度作（zuò）為（wéi）刀具耐用度的度量標準（zhǔn）的單齒ＢＴＡ鑽（zuàn）的磨損預測模型，實現了（le）對ＢＴＡ深孔鑽耐用度地理論預（yù）測．實驗證明，該預測模型的誤差≤３．８％，能夠較為準確地預測刀具耐用度，為刀具的更新周期（qī）提供了科（kē）學依據，對實際加（jiā）工有一定的現實指導（dǎo）意義．

來源：中北（běi）大學機械與動力工程學院,山西省深孔加工工程技術研究中心

投稿箱：
如果您有機床（chuáng）行業、企（qǐ）業相關新聞稿件發表，或進行資訊合作，歡（huān）迎聯係本網編輯部（bù），郵箱：skjcsc@vip.sina.com

更多相關信息

名企推薦

業界視點

| 更多

行業數（shù）據

| 更多

博文選萃

| 更多

數（shù）控機床