具有自學習功能的車削專家系統的研究＊

周志雄，楊 峰，黃威武，汪亞平，湯愛民，肖思來

（1.湖南大學機械與運載工程學院，湖南長沙 410082；2.株洲鉆石切削刀具股份有限公司，湖南株洲 412007）

金屬切削是機械制造業中零件加工的最主要方法之一，在機械工業中占有非常重要的地位.提高金屬切削加工的生產效率、降低成本和提高加工質量是機械行業必須解決的任務之一.金屬切削數據庫系統是當代計算機技術和機械加工技術相結合的高科技產物，它存儲和積累了海量的金屬切削的生產和試驗數據，能為金屬切削加工提供合理的切削數據，從而促進現代機械制造業的發展.國際生產工程學會（CIRP）對金屬切削數據庫經濟效益的調查表明，金屬切削數據庫能使工時成本節約10%以上［1－4］.

從1964年的美國第一個金屬切削數據庫建立以來，迄今為止已有12個國家紛紛建立了30多個金屬切削數據庫［2－3］.我國從20世紀80年代開始建立切削數據庫以來，全國各高校、研究所也開展了一系列研究，建立了一些通用和專用的金屬切削數據庫系統［2－4］.金屬切削專家系統能夠利用所擁有的豐富知識和經驗，模仿機械行業專家的思維對金屬切削加工進行合理的優化處理.其中，知識的獲取方式有兩種：一是知識非自動獲取，即由知識工程師將各類相關知識輸入到專家系統知識庫中；二是知識自動獲取，即在處理問題的過程中通過自學習功能獲取并積累知識［5］.國內已建立的金屬切削數據庫獲取知識的途徑大多都是非自動式的，推薦切削用量等數據時結合實際切削加工條件不緊密［1］.

本文研究了一個面向機械加工的具有自學習功能的硬質合金車削專家系統.其中，數據庫中切削用量數據采用切削實驗得出的濃縮型數學模型方式存儲，自學習功能可對實際加工工況進行診斷，并根據診斷結果的有效性對知識庫進行自適應修正，進而形成面向具體機械加工廠家的專用專家系統.

1 系統設計

1.1 系統總體結構

根據機械加工廠家在金屬切削中所需的具體車削信息，設計硬質合金車削專家系統的總體結構如圖1所示.在前臺用戶界面內按照提示逐步選擇／輸入已知切削條件，運行系統，中間處理層從前臺讀取已知條件、按照要求訪問后臺數據庫并作相應的處理，得到金屬切削所需的刀具、切削速度等具體車削信息并在前臺用戶界面層中顯示.

圖1 車削專家系統總體結構圖Fig.1 Turning expert system overall architecture diagram

數據庫包括資料庫和由與切削數據的推薦相關的離散型知識和濃縮型知識組成的知識庫兩個子庫.其中，濃縮型知識主要是指通過實驗而得到的以數學模型方式表示的實驗性知識.采用這種數據存儲方式可以解決知識庫中數據量大而且知識貧乏的缺點.

1.2 系統功能

系統的主要功能有：1）根據不同的工件材料、加工類型和范圍合理選擇刀具（包括刀片、刀桿等）；2）為金屬車削推薦合理的切削參數；3）對加工效率和加工后的零件表面粗糙度進行預測；4）結合車削生產現場的實際工況，對切削速度推薦進行自學習修正.

運用IDEFO建模方法對系統功能進行結構設計，將系統分為5個獨立的功能模塊（見圖2），即：系統管理、普通車削、切斷切槽、螺紋車削和數據管理模塊，方便系統使用和維護.其中，切斷切槽模塊功能結構與普通車削模塊相似，圖2省略了切斷切槽模塊.

圖2 車削專家系統功能模塊圖Fig.2 Turning expert system function block diagram

1.3 數據庫組成

數據庫中的數據是由車削專家系統具備的功能決定的.按設計要求，用戶首先在具體的車削模塊中選擇或輸入已知加工條件（加工范圍或類型、工件材料等），系統提供所選材料的物理使用性能和其他信息并逐步給出推薦使用的刀片牌號、槽型；用戶選擇其中的一種并輸入刀具期望耐用度等已知條件，系統最后推薦給用戶合理優化的刀具和切削用量等車削參數.因此，數據庫中主要包含的子庫（以普通車削數據庫為例）如圖3所示.

根據硬質合金車削刀具樣本和切削實驗所得到的切削用量數學模型，可以確定每個數據表的具體結構.以車削刀片的選用為例，過程流如圖4所示.主要數據表的字段設計如下［6］：

工件材料庫：（工件材料編號，工件材料類別，牌號，硬度，抗拉強度，密度，其他信息）；

刀片牌號庫：（刀片牌號編號，工件材料類別，加工范圍，刀片牌號）；

刀片槽型庫：（刀片槽型編號，刀片牌號，加工范圍，刀片槽型）；

刀片型號庫：（刀片槽型，刀片牌號，刀片型號）；

切削速度數學模型庫：（工件材料類別，刀片牌號，數學模型系數，數學模型指數，數學模型修正值）.

圖3 普通車削數據庫Fig.3 General turning database

圖4 車削刀片推薦過程流圖Fig.4 Process flow diagram of turning blade recommendation

不同的數據表之間存在相同的字段，通過它們將各個數據表進行關聯，實現多重數據庫文件的連接運算.

2 切削用量數學模型的建立

切削用量是硬質合金車削專家系統需要處理的最基本、最重要的數據.影響切削用量的因素很多，如工件材料與刀具材料的匹配、切削方式、刀具幾何形狀、冷卻液等［7］.出于建立模型的可行性和實效性，本部分考慮工件材料與刀片牌號的匹配，對于每一類工件材料，選取基準材料分別開展不同刀具牌號副的正交切削實驗，得出基準材料切削的數學模型；對于同類其他材料，通過相似材料切削速度計算方法建立相應的數學模型.

2.1 基準材料數學模型

本文采用優化的正交實驗方法得到“基準材料－刀片牌號”副的刀具耐用度和切削用量三要素之間的非線性關系，即刀具耐用度的擴大泰勒公式.模型建立過程如圖5所示.

以P類鋼材為例，切削用量數學模型的具體建立過程如下：

1）選“基準材料－刀片牌號”副

對45和42CrMo鋼材進行典型條件下的切削實驗，分析加工性能的差異，最終確定基準材料為45鋼，取P類車刀牌號中的一種：YBC351.

2）確定實驗條件

刀片型號：CNMG120408－DM；基準材料熱處理、硬度：正火、HB170～190；實驗機床：HAAS SL－40數控機床、CK7525數控機床；切削方式：連續、干切削.

圖5 切削用量數學模型建立流程圖Fig.5 Cutting parameters mathematical modeling flow diagram

3）切削方案設計

采用優化的正交實驗，即切削速度vc和進給量fn各變化3次，被吃刀量ap變化2次的6點正交實驗，如表1所示.

表1 “45－YBC351”副的切削方案Tab.1 Cutting program of“45－YBC351”

4）正交切削實驗

按照表1進行正交切削實驗，記錄每次實驗不同時刻的刀片主后刀面磨損量.

5）數據處理

根據實驗數據繪制磨損量VB和時間t的曲線，從VB－t曲線中讀取磨鈍標準VB＝0.2mm時的時間T，得到（vci，fni，api，Ti）（i＝1，2，…，6）.耐用度公式形式［8］為：

其中：a×10b為與失效形式有關的科學計數系數；x，y，z為與工件和刀具材料有關的指數.

根據最小二乘法得到“45－YBC351”副的回歸經驗公式為：

6）置信度分析

將各次實驗切削用量參數分別代入耐用度回歸公式（2），對實驗數據的準確性和回歸公式的可靠性進行置信度分析.若某次實驗耐用度理論值對實際值的誤差大于20%，則按圖5返回重新進行該試驗號下的切削實驗，直到將誤差控制在20%內得到最終優化的基準材料數學模型：

2.2 同類其他材料數學模型

考慮到切削用量的選取與工件材料的物理使用性能有關，因此，根據基準材料數學模型對同類其他材料采用相似材料切削速度計算方法實現模型的建立.公式為：

其中：Cyd為所選材料和基準材料的硬度之比；Cqd為所選材料和基準材料的抗拉強度之比；Cmd為所選材料和基準材料的密度之比.

2.3 實驗室驗證

由公式（2）可以得出YBC351加工45鋼時任意切削參數下的刀具耐用度.如將vc＝250m／min，fn＝0.4mm／r，ap＝2mm代入公式（2），得：

T＝2.455×109／（2503.54×0.41.19×21.69）＝7.3 min.在此參數下，刀具的實際耐用度為6.2min，與理論值的誤差為（7.3－6.2）／7.3＝15%.

以上說明該回歸公式基本正確，尤其在刀具以正常切削參數切削時，理論與實際誤差基本上在15%以內，可以認為回歸顯著.

3 自學習功能研究

當實際工況與切削用量數學模型建立時的實驗工況不同時，采用系統所推薦的切削速度進行加工得到的實際刀具壽命會與期望值有出入.自學習是為了使系統能很好地滿足具體機械加工廠家對推薦的切削速度或預測的刀具壽命精確度方面的要求，考慮生產現場采用的切削方式、冷卻液等因素對切削用量數學模型的影響，采用向試切削實際值逼近的方法實現理論模型的自適應修正.

自學習方法實現過程如下：

a）用戶在選定“工件材料－刀片牌號”副后給出進給量、被吃刀量和期望刀具壽命，系統推薦的切削速度為：

b）用戶采用系統推薦的參數進行試切削，實際刀具壽命為Tr（不等于T），需要對模型進行自適應修正.

c）固定各指數和系數，將（vc，fn，ap，Tr）代入公式（6），并用系數χ對模型進行修正，即：

d）由公式（6）和（7）可得：

e）考慮現場數據的可靠性對χ分配權值δ［6］.設上次切削速度自適應修正系數為χn－1，本次為χn，則：

f）最后經過自學習修正后的切削速度為：

用戶根據系統推薦的切削參數進行試切，如果發現效果欠佳，可在系統自學習模塊輸入實際刀具壽命，系統按照以上算法實現模型修正.

4 專家系統開發及應用

4.1 系統開發

本文利用SQL Server2000數據庫管理系統和Delphi 6.0“可視化”程序開發工具［9］實現對硬質合金車削專家系統的開發.以普通車削模塊為例（其操作界面見圖6），用戶選擇“普通車削－加工范圍（如：精加工）”則進入界面；按照切削加工順序，依次選擇／輸入工件材料及其物理使用性能、刀片牌號、槽型、切削用量或刀具期望壽命等加工信息，系統推薦給用戶所需的刀具型號、切削速度／刀具耐用度和其他切削加工數據（如：切削功率）.

圖6專家系統普通車削模塊Fig.6 General turning module of expert system

4.2 生產現場應用

武漢某重型機床廠對該系統進行了生產現場應用，用來指導機床工作臺的加工.被加工零件：工作臺（直徑Φ：2000～3 000mm），材料：HT300，刀片牌號：YBD152，選用刀片：SNMG190616－DR，切削參數：vc＝28m／min，fn＝0.8mm／r，ap＝13mm.

觀察刀片磨損狀態，直至壽命終止，此時YBD152－SNMG190616－DR刀片加工HT300的實際、理論和經過自學習修正后的刀片壽命如表2所示.

表2 YBD152－SNMG190616－DR刀片壽命Tab.2 Blade life of YBD152－SNMG190616－DR

由表2數據可知：

a）推薦參數準確.在相同的工況下，理論與實際刀具壽命值相差不超過10%，特別是經過自學習修正后推薦的刀具壽命更趨于實際值，能夠很好地指導生產.

b）適用性廣.取回歸公式建立時所采用切削參數范圍之外的其他值，推薦的刀具壽命理論值和實際壽命也能很好地吻合.

此外，對本機床工作臺和其他零件進行多次切削驗證，表明系統具有重復應用可靠性高和通用性強的特點.

5 結 論

1）采用切削實驗得出的濃縮型數學模型方式存儲切削用量，克服了知識庫中數據量大而且知識貧乏的缺點；

2）能夠在通用切削工藝條件下推薦合理優化的刀具、切削速度和預測刀具壽命、加工效率以及零件表面粗糙度等參數；

3）自學習功能模塊可以使系統調整為符合具體機械加工廠家的專用車削系統.

［1］ 楊洋，胡曉兵，李建勛，等.基于規則推理的切削數據庫的建立與研究［J］.工具技術，2007，41（11）：68－70.YANG Yang，HU Xiao－bing，LI Jian－xun，et al.Establish and research on cutting database based on rule－based reasoning［J］.Tool Engineering，2007，41（11）：68－70.（In Chinese）

［2］ 高楊，黃樹濤.高速切削數據庫系統的研究現狀與發展［J］.制造技術與機床，2007（5）：103－106.GAO Yang，HUANG Shu－tao.Research state and development directions of high speed machining database system［J］.Manufacturing Technology ＆Machine Tool，2007（5）：103－106.（In Chinese）

［3］ 劉戰強，黃傳真，萬熠，等.切削數據庫的研究現狀與發展［J］.計算機集成制造系統，2003，9（11）：937－943.LIU Zhan－qiang，HUANG Chuan－zhen，WAN Yi，et al.Research state and development directions of cutting database［J］.Computer Integrated Manufacturing Systems，2003，9（11）：937－943.（In Chinese）

［4］ KAHLES J F.Machinability data requirements for advanced machining systems［J］.Annals of the CIRP，1987，36（2）：523－529.

［5］ 楊成.具有自學習功能的機載火控系統故障診斷系統研究［J］.航空計算技術，2006，36（2）：17－20.YANG Cheng.Research on fault diagnosis system of airborne fire control system with self－learning function［J］.Aeronautical Computing Technique，2006，36（2）：17－20.（In Chinese）

［6］ 馬闖，周軍，鐘志華.專家系統在沖壓模具初始設計中的應用［J］.湖南大學學報：自然科學版，2002，29（4）：34－37.MA Chuang，ZHOU Jun，ZHONG Zhi－hua.An application of expert system to the initial tool design of sheet metal forming［J］.Journal of Hunan University：Natural Sciences，2002，29（4）：34－37.（In Chinese）

［7］ 相克俊，劉戰強，艾興.基于混合推理的高速切削數據庫系統的建立［J］.計算機集成制造系統，2006，12（3）：420－426.XIANG Ke－jun，LIU Zhan－qiang，AI Xing.Development of high－speed cutting database system based on hybrid reasoning［J］.Computer Integrated Manufacturing Systems，2006，12（3）：420－426.（In Chinese）

［8］ 周澤華.金屬切削原理［M］.上海：上?？茖W技術出版社，1993.ZHOU Ze－hua.Principles of metal cutting［M］.Shanghai：Shanghai Science and Technology Press，1993.（In Chinese）

［9］ 肖帆.Delphi 6.0Programming Guide實用編程教程［M］.北京：北京希望電子出版社，2001.XIAO Fan.Delphi 6.0programming guide practical programming tutorial［M］.Beijing：Beijing Hope Electronic Press，2001.（In Chinese）