數控加工的過程監測與自適應控制

王鎖會

摘 要：文章詳細闡述了目前在數控加工過程中采用的相關監控技術與裝置，以及在智能制造環境下加工過程自適應調控技術的應用，并且分析了其在工業生產中的發展和應用現狀。

關鍵詞：數控加工；過程檢測；自適應控制

引言

隨著科技的進步和社會的發展，制造業面臨著越來越激烈的競爭，產品質量、生產效率和成本控制要求不斷增高，使自動化的引入成為必然趨勢。自從上世紀七十年代數控機床（CNC）首次被提出以來，現在已經成為現代化裝備制造業的重要基石。目前，在許多高端裝備制造領域，尤其是航空航天與核工業中，由于其零件的性能要求高、結構復雜，并且越來越多地采用了各種新型的難加工材料。在采用傳統方法加工該類零件時，由于無法在線監測加工過程中力、熱等物理量以及加工變形等幾何量的變化情況，也不能根據工況的變化進行即時決策，會導致加工前后材料表面力學性能變化，加工精度不能完全控制，產品質量及其一致性難以保證，最終導致零件服役性能差、壽命短，甚至引發安全事故。因此，在高性能、難加工材料零件的加工過程中必須進行實時監測控制，對加工狀態和時變工況進行在線監測和優化。

數控加工過程監控的基礎是生產加工的自動化控制技術，而其執行則需要對加工過程的主要參數進行瞬時測量，因此大量聲、光、電、熱等各類在線傳感器以及電磁感應系統得以廣泛應用。在數控加工過程中，由于刀具磨損與斷裂會造成頻繁停機，所以導致對于刀具的監控其成為了金屬切削領域中主要問題之一。研究表明，一臺普通的機床由于刀具斷裂而導致停機的幾率幾乎接近20%。另外，制造業將越來越朝著高效和低耗的方向發展，其對環境的影響也是一個重要因素，而加工過程的在線監控與自主優化則成為現代制造業可持續發展的動力源泉。

1 數控加工過程監測原理與裝置

1.1 監測原理

監控技術在數控加工過程中的應用傳統上被分為兩類：直接型和間接型。直接監測可以達到很高的精確度，但是由于眾多實際條件的限制，目前只能用于實驗技術的研究；相對而言，間接監測技術雖然精確度不如直接監測，但是非常符合實際加工需求，因此經常用于車間的實際加工。

很多直接的監測方法需要利用視覺系統，但在整個大的生產環境中，由于存在光、切削液等諸多因素會干擾監控系統和刀具，常常導致系統的不穩定。為了避免這些不足，一些新興的監控系統應運而生。以刀具磨損為例，可以使用激光傳感器來測量位移和光強度，從而避免了外界環境對控制系統的擾動。這些方法測量刀具后刀面的磨損量達到40微米以內；此外，CCD攝像機組合可以用來在加工過程中同時獲取刀具的圖像。其測量的基本原理是，在數據采集的基礎上，建立關于刀具圖像的數據庫，然后通過實測刀具圖像與理論圖像的對比進行刀具磨損量及磨損狀態的數據分析。這些關于刀具磨損的監控系統正在獲得更為廣泛的工程應用，并在應用中得到了進一步的完善。有代表性的監控系統包括：OMATIVE 自適應控制系統、ARTIS 刀具監控系統、BRANKAMP-CNC 集成刀具監控系統以及MONTRONIX 與NORDMANN 刀具監測與過程控制系統等。

除了直接監測方法外，對于加工過程信息的間接測量方法的研究也備受關注。這種測量方法是通過監控信號的發射和傳遞來間接的測量工況參數，如力、扭矩、加速度、噪聲等。在這種監控方法中，影響監控系統設計的重要因素就是數據采集和特征信號的相關性，這是因為并非所有類型的傳感器都可以測量同一種物理量，并且具有相同的精度。另外，間接測量的方法目前更多的用于實驗室監控，而不能夠直接用于工業應用。以切削力監控為例，測力傳感器通常裝在測力臺或者進給軸上面，這往往會給實際加工帶來很多不便。

1.2 常用的監測傳感器

為了使系統能夠在復雜環境中、在無人干預的條件下正常工作，就必須使系統具有類似于人類的信息處理能力，即智能決策。智能決策需要通過實時監測加工過程來獲得信息。因此，適用于加工過程的具有高實時性、高精度和高可靠性的傳感器是實現在線監測的關鍵。目前，用于加工過程監測的傳感器主要有：功率傳感器、力傳感器、扭矩傳感器、聲發射傳感器、振動傳感器等。

（1）功率傳感器用于監測機床主軸的功率數據，可對功率變化中出現的起伏、波紋、尖峰及短時下降進行判斷和預測，并通過相關算法對功率曲線做平滑處理。此外，主軸有效功率還可以表征刀具的切削力，根據切削力與主軸功率的關系，可將實時監測到的主軸功率轉換為刀具的切削力，從而計算出切削力的實時數據。

（2）力傳感器是加工過程監控中應用比較普遍的一類傳感器，如瑞士Kistler公司的切削力測量設備。切削力是評價加工過程最常用的技術參數，也是自適應控制系統常用的傳感參數。這類傳感器通過對金屬切屑分離過程所產生的力進行精確地測量和分析，可以識別出切削過程中的加工載荷、切削顫振以及刀具磨損和加工工件的損傷等情況。

（3）扭矩傳感器所測得的扭矩可以更準確地表征刀具的切削力，尤其是在鉆孔、攻絲和多主軸加工過程的監測中，使用測量主軸扭矩的方法來獲得切削力更為有效。加工過程的扭矩測量可以通過非接觸扭矩傳感器得以實現，但是，在高速切削條件下，系統慣性是必須要考慮的問題。

（4）聲發射傳感器能監測到在切削過程中產生的聲波信號從而獲得加工過程信息。在加工過程中，聲發射傳感器可以監測到非常小的聲波信號，頻率范圍廣、敏感性高、抗干擾能力強是這類監測方法的優點。在刀具監測方面，聲發射傳感器對小鉆頭和絲錐的破損監測尤為有效。當切削量變化較大時，需要結合其他監控方法進行綜合分析。

（5）振動傳感器可以監測切削過程中工藝系統產生的振動，并進而分析加工中的刀具磨破損、系統顫振以及機械碰撞等信息。在航空等弱剛性薄壁零件的銑削加工中，振動傳感器的應用極為普遍，這是由于航空材料難加工、零件剛性差，極易誘發系統振動和刀具磨損。目前，對振動的測量大多采用加速度計來實現。

2 加工過程的在線監控系統

傳統加工過程中，一般只考慮數控機床或者加工過程本身，缺乏對機床與加工過程中交互作用機理的綜合理解。而這種交互作用又經常產生難以預知的效果，大大增加了加工過程控制的難度。因此，利用在線監控系統對系統狀態、時變工況等進行在線監測，通過對加工過程進行建模與仿真，可以實現加工過程的智能決策與自主優化控制。以此為基礎，可以實現加工過程的智能化，即智能加工系統。其基本架構圖如圖1所示。

圖1 智能加工系統基本架構

2.1 系統狀態監測

在加工過程中，電動機的旋轉、移動部件的移動和切削等都會產生熱量，且溫度分布不均勻，造成數控機床產生熱變形，影響零件加工精度。因此監控系統應具備熱誤差監測功能，以識別主軸、立柱和床身熱變形的影響，提高加工精度。刀具失效是引起加工過程中斷的首要因素。實踐表明，切削中實施刀具的有效監測可以減少機床故障停機70%，提高生產率10%～60%，提高機床利用率50%以上。實現刀具磨損和破損的自動監測是完善未來機床發展不可缺少的部分。

現代數控加工技術的特點是生產率高、穩定性好、靈活性強，依靠人工監視系統的狀態已遠遠不能滿足智能化程度日益提高的要求。因此，在監控過程中應該借助先進的傳感分析技術對機床與刀具狀態進行實時監測，并將監測數據反饋給控制系統進行數據的分析與誤差補償?？啥ㄆ谕ㄟ^測試設備與傳感器測定設備的性能參數，并及時對系統性能參數庫或知識庫進行更新。

2.2 時變工況監測

在加工過程中，切削界面上的熱力耦合效應與材料、結構、加工過程具有較強的相關性，導致傳統方法難以建立精確的工藝模型。由模型不精確導致的工藝過程預測和控制誤差對產品質量造成嚴重的影響。因此，需要將試切融入到加工過程中，通過監控系統實時獲取加工過程中的界面狀態和交互行為信息，并對時變工況特征進行在線辨識，為加工過程的智能決策提供基礎數據。

時變工況在線監測可借助各種傳感器、聲音和視頻系統對加工過程中的力、振動、噪聲、溫度、工件表面質量等進行實時監測。根據監測信號和預先建立的多個模型判定實際加工參數、工件變形、振動狀態以及加工質量，為工藝模型的在線學習與切削參數優化、加工誤差補償等智能決策過程提供支持。

3 加工過程的自適應控制

國內外已經研究了很多方案、技術和模型用于開發決策系統的功能。目前最常用于監測加工過程的系統模型就是神經網絡和模糊邏輯。由于通過自適應控制處理系統參數優化，可以提高加工效率、刀具壽命和產品質量，因此監控系統大多被構造成自適應控制系統。

自適應控制（Adaptive Control）能修正自己的特性以適應對象和擾動的動態特性的變化，已被作為在線優化加工變量的方法，主要分為三類：約束自適應控制 （Adaptive Control with Constraints）、優化自適應控制（Adaptive Control with Optimization）以及幾何自適應控制（Geometry Adaptive Control）。一般來說，ACC系統多用于粗加工，其材料去除速率的提高是通過優化切削力來實現，以此來避免斷刀的危險；在ACO系統中，基于某個性能指標的最優化而對加工參數進行設置，比較常用的如生產時間或者單位成本。ACO系統是通過對切削變量的調整來實現材料去除率的最大化，如表面粗糙度，功耗，切削力，加工時間，成本等。在GAC系統中，過程優化問題是通過產品質量需求來控制的，如尺寸精度，表面粗糙度等，因此該系統常用于精加工工序，以達到要求的工件質量的目的。

針對不同的加工目標和加工工藝，人們開發出了很多自適應控制系統。在五軸加工中，特別是在葉輪等復雜曲面零件的加工中，由于刀具方向的改變和切削深度的不同，會產生很大的切削力且變化劇烈。因此，科研工作者一直致力于研制一種可以保持恒定切削力的自適應控制系統。通過工藝參數尤其是進給速率的實時調控實現加工過程中切削力的調整是較為有效的方法。此方法包括了在線和離線優化。切削變量首先在離線狀態進行初步確定，然后再利用自適應神經模糊推理系統以及通過微粒群群優化算法進一步的優化。在加工過程中，用測量到的切削力值作為神經網絡的輸入，并且通過控制系統保持切削力的恒定對進給速率進行控制。

然而，在過程監控中使用了專用的設備（例如傳感器等），增加了自適應系統的成本。因此，無傳感器的自適應控制系統應運而生。在這種控制系統中，各軸的切削力是間接的通過伺服電機電流來進行測量。由于沒有額外的監控設備，這種監控方法還存在很大的提升空間。在這種控制模式中，控制器通過電流監測切削力，并將實際測量的切削力和理想值之間的差異來控制進給速度，進而確保產品質量。有些科研工作者正在研究一種在加工過程中對切削力的調控具有抗積分飽和的自適應PI控制系統，這種控制算法與模擬仿真中應用的動態和非線性模型已經通過實驗驗證。在加工過程中，這種方法對力的調控非常有效。雖然切削狀態不斷改變，但是該系統仍具有很好的操控性和穩定性。

4 結束語

加工過程的監控已經開始成為制造業可持續發展的動力。自適應控制系統可以顯著提高加工工藝的可靠性和可控性。雖然上世紀六十年代已經開始研究自適應系統，但是若干關鍵技術一直沒有成熟到可以直接應用于工程實際中。文章總結了近年來關于在線監控和自適應控制系統的研究成果，分析了各種傳感器及控制方法的適用領域及存在問題。由于各種政策法規以及環境的影響，對產品質量、加工效率和可持續發展要求越來越高。因此，推廣和實施在線監控系統、提高工藝過程的智能化程度是實現資源和環境可持續發展的一個必經之路。