立铣加工过程稳定性分析及切削颤振在线监测方法研究

摘要

随着制造技术的不断发展，加工过程稳定性问题，特别是切削颤振已经成为制约加工效率提高的主要因素之一。目前，很多学者已经对切削颤振产生机理、在线监测技术和稳定性Lobe图计算方法进行了研究，但由于机床结构和加工过程的复杂性，现有研究成果对实际加工过程的指导作用比较有限。因此，本文在总结相关领域研究现状的基础上，重点研究了立铣加工过程稳定性及切削颤振在线监测方法。研究了稳定性Lobe图必需的刀尖频响函数预测方法，探讨了主轴-刀柄和刀柄-刀具结合面参数辨识方法，并分析了各个结合面参数对稳定性Lobe图的影响；研究了机床相对动柔度劣化趋势及其对稳定性Lobe图的影响；研究了切削颤振在线监测方法。
　　以主轴-刀柄-刀具系统为研究对象，给出了Timoshenko梁和弹性支撑的传递矩阵，给出了主轴、刀柄和刀具子结构端点频响函数预测方法，给出了主轴、刀柄和刀具耦合方法，提出了一种刀尖频响函数预测模型。研究结果表明，和模态叠加法相比，该刀尖频响函数预测模型得到的前七阶固有频率的最大误差减小了35％，计算效率提高了50％。
　　研究发现，主轴-刀柄和刀柄-刀具结合面参数是影响机床刀尖频响函数预测精度的主要因素之一。为提高机床刀尖频响函数预测精度，结合Timoshenko梁理论和传递矩阵法，得到了刀柄和刀具端点频响函数；并通过柔度耦合子结构分析（receptance coupling substructureanalysis,RCSA)和改进型粒子群优化算法（Particle Swarm Optimization,PSO），重点研究了主轴-刀柄和刀柄-刀具结合面参数辨识方法，并分析了各个结合面参数对稳定性Lobe图的影响。实验结果表明，本文提出的结合面参数辨识模型精度较高，普适性强，能广泛应用于固定结合面的参数辨识。
　　以四自由度立铣切削过程动力学模型为基础，给出了机床相对动柔度计算公式，提出了机床相对激振实验方案，提出了机床相对动柔度评价指标。基于广义隐马尔科夫模型（Generalized Hidden Markov Model,GHMM）和重心法，提出了机床相对动柔度劣化趋势预测模型，并分析了机床相对动柔度劣化过程对稳定性Lobe图的影响。研究结果表明，该预测模型能很好地解决实验数据的小样本问题，具有较高的预测精度，可以为立铣加工过程提供动态的稳定性Lobe图。
　　基于小波包分解和奇异谱分析方法，提取颤振发生频段能量比系数和奇异谱熵系数作为颤振特征。提出了基于PSO和局部搜索算法的BP神经网络模型，完成了切削状态识别，实现了切削颤振的在线监测。研究结果表明，该方法能有效辨识稳定、过渡和颤振切削状态，识别率达到95％。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪 论

1.1 课题来源

1.2 研究背景

1.3 课题研究的目的和意义

1.4 文献综述

1.5 论文研究内容

2 主轴-刀柄-刀具系统刀尖频响函数预测方法研究

2.1 引言

2.2 主轴-刀柄-刀具系统模型构建

2.3 基于Timoshenko梁理论的传递矩阵模型

2.4 主轴-刀柄-刀具系统刀尖频响函数预测模型

2.5 主轴-刀柄-刀具系统刀尖频响函数预测及结果分析

2.6 小结

3 主轴-刀柄和刀柄-刀具结合面参数辨识方法研究

3.1 引言

3.2 主轴-刀柄和刀柄-刀具结合面参数辨识模型

3.3 主轴-刀柄和刀柄-刀具结合面参数辨识算法

3.4 主轴-刀柄和刀柄-刀具结合面参数辨识及实验研究

3.5立铣加工稳定性Lobe图影响因素分析研究

3.6小结

4 机床相对动柔度劣化趋势预测研究

4.1 前言

4.2 机床相对动柔度计算模型

4.3 机床相对激振实验及结果分析

4.4 机床相对动柔度评价及劣化趋势分析研究

4.5 机床相对动柔度劣化趋势预测研究

4.6 机床相对动柔度劣化趋势对稳定性Lobe图的影响分析

4.7 小结

5 立铣加工过程切削颤振在线监测方法研究

5.1 前言

5.2 立铣加工过程切削颤振在线监测理论基础

5.3 基于小波包分解和奇异谱分析的切削颤振特征提取

5.4 基于改进型BP神经网络模型的切削颤振识别

5.5 小结

6 全文总结与展望

6.1 全文总结

6.2 研究展望

致谢

参考文献

附录 攻读博士学位期间取得的学术成果