数控加工的过程监测与自适应控制

王锁会

摘 要：文章详细阐述了目前在数控加工过程中采用的相关监控技术与装置，以及在智能制造环境下加工过程自适应调控技术的应用，并且分析了其在工业生产中的发展和应用现状。

关键词：数控加工；过程检测；自适应控制

引言

随着科技的进步和社会的发展，制造业面临着越来越激烈的竞争，产品质量、生产效率和成本控制要求不断增高，使自动化的引入成为必然趋势。自从上世纪七十年代数控机床（CNC）首次被提出以来，现在已经成为现代化装备制造业的重要基石。目前，在许多高端装备制造领域，尤其是航空航天与核工业中，由于其零件的性能要求高、结构复杂，并且越来越多地采用了各种新型的难加工材料。在采用传统方法加工该类零件时，由于无法在线监测加工过程中力、热等物理量以及加工变形等几何量的变化情况，也不能根据工况的变化进行即时决策，会导致加工前后材料表面力学性能变化，加工精度不能完全控制，产品质量及其一致性难以保证，最终导致零件服役性能差、寿命短，甚至引发安全事故。因此，在高性能、难加工材料零件的加工过程中必须进行实时监测控制，对加工状态和时变工况进行在线监测和优化。

数控加工过程监控的基础是生产加工的自动化控制技术，而其执行则需要对加工过程的主要参数进行瞬时测量，因此大量声、光、电、热等各类在线传感器以及电磁感应系统得以广泛应用。在数控加工过程中，由于刀具磨损与断裂会造成频繁停机，所以导致对于刀具的监控其成为了金属切削领域中主要问题之一。研究表明，一台普通的机床由于刀具断裂而导致停机的几率几乎接近20%。另外，制造业将越来越朝着高效和低耗的方向发展，其对环境的影响也是一个重要因素，而加工过程的在线监控与自主优化则成为现代制造业可持续发展的动力源泉。

1 数控加工过程监测原理与装置

1.1 监测原理

监控技术在数控加工过程中的应用传统上被分为两类：直接型和间接型。直接监测可以达到很高的精确度，但是由于众多实际条件的限制，目前只能用于实验技术的研究；相对而言，间接监测技术虽然精确度不如直接监测，但是非常符合实际加工需求，因此经常用于车间的实际加工。

很多直接的监测方法需要利用视觉系统，但在整个大的生产环境中，由于存在光、切削液等诸多因素会干扰监控系统和刀具，常常导致系统的不稳定。为了避免这些不足，一些新兴的监控系统应运而生。以刀具磨损为例，可以使用激光传感器来测量位移和光强度，从而避免了外界环境对控制系统的扰动。这些方法测量刀具后刀面的磨损量达到40微米以内；此外，CCD摄像机组合可以用来在加工过程中同时获取刀具的图像。其测量的基本原理是，在数据采集的基础上，建立关于刀具图像的数据库，然后通过实测刀具图像与理论图像的对比进行刀具磨损量及磨损状态的数据分析。这些关于刀具磨损的监控系统正在获得更为广泛的工程应用，并在应用中得到了进一步的完善。有代表性的监控系统包括：OMATIVE 自适应控制系统、ARTIS 刀具监控系统、BRANKAMP-CNC 集成刀具监控系统以及MONTRONIX 与NORDMANN 刀具监测与过程控制系统等。

除了直接监测方法外，对于加工过程信息的间接测量方法的研究也备受关注。这种测量方法是通过监控信号的发射和传递来间接的测量工况参数，如力、扭矩、加速度、噪声等。在这种监控方法中，影响监控系统设计的重要因素就是数据采集和特征信号的相关性，这是因为并非所有类型的传感器都可以测量同一种物理量，并且具有相同的精度。另外，间接测量的方法目前更多的用于实验室监控，而不能够直接用于工业应用。以切削力监控为例，测力传感器通常装在测力台或者进给轴上面，这往往会给实际加工带来很多不便。

1.2 常用的监测传感器

为了使系统能够在复杂环境中、在无人干预的条件下正常工作，就必须使系统具有类似于人类的信息处理能力，即智能决策。智能决策需要通过实时监测加工过程来获得信息。因此，适用于加工过程的具有高实时性、高精度和高可靠性的传感器是实现在线监测的关键。目前，用于加工过程监测的传感器主要有：功率传感器、力传感器、扭矩传感器、声发射传感器、振动传感器等。

（1）功率传感器用于监测机床主轴的功率数据，可对功率变化中出现的起伏、波纹、尖峰及短时下降进行判断和预测，并通过相关算法对功率曲线做平滑处理。此外，主轴有效功率还可以表征刀具的切削力，根据切削力与主轴功率的关系，可将实时监测到的主轴功率转换为刀具的切削力，从而计算出切削力的实时数据。

（2）力传感器是加工过程监控中应用比较普遍的一类传感器，如瑞士Kistler公司的切削力测量设备。切削力是评价加工过程最常用的技术参数，也是自适应控制系统常用的传感参数。这类传感器通过对金属切屑分离过程所产生的力进行精确地测量和分析，可以识别出切削过程中的加工载荷、切削颤振以及刀具磨损和加工工件的损伤等情况。

（3）扭矩传感器所测得的扭矩可以更准确地表征刀具的切削力，尤其是在钻孔、攻丝和多主轴加工过程的监测中，使用测量主轴扭矩的方法来获得切削力更为有效。加工过程的扭矩测量可以通过非接触扭矩传感器得以实现，但是，在高速切削条件下，系统惯性是必须要考虑的问题。

（4）声发射传感器能监测到在切削过程中产生的声波信号从而获得加工过程信息。在加工过程中，声发射传感器可以监测到非常小的声波信号，频率范围广、敏感性高、抗干扰能力强是这类监测方法的优点。在刀具监测方面，声发射传感器对小钻头和丝锥的破损监测尤为有效。当切削量变化较大时，需要结合其他监控方法进行综合分析。

（5）振动传感器可以监测切削过程中工艺系统产生的振动，并进而分析加工中的刀具磨破损、系统颤振以及机械碰撞等信息。在航空等弱刚性薄壁零件的铣削加工中，振动传感器的应用极为普遍，这是由于航空材料难加工、零件刚性差，极易诱发系统振动和刀具磨损。目前，对振动的測量大多采用加速度计来实现。

2 加工过程的在线监控系统

传统加工过程中，一般只考虑数控机床或者加工过程本身，缺乏对机床与加工过程中交互作用机理的综合理解。而这种交互作用又经常产生难以预知的效果，大大增加了加工过程控制的难度。因此，利用在线监控系统对系统状态、时变工况等进行在线监测，通过对加工过程进行建模与仿真，可以实现加工过程的智能决策与自主优化控制。以此为基础，可以实现加工过程的智能化，即智能加工系统。其基本架构图如图1所示。

图1 智能加工系统基本架构

2.1 系统状态监测

在加工过程中，电动机的旋转、移动部件的移动和切削等都会产生热量，且温度分布不均匀，造成数控机床产生热变形，影响零件加工精度。因此监控系统应具备热误差监测功能，以识别主轴、立柱和床身热变形的影响，提高加工精度。刀具失效是引起加工过程中断的首要因素。实践表明，切削中实施刀具的有效监测可以减少机床故障停机70%，提高生产率10%～60%，提高机床利用率50%以上。实现刀具磨损和破损的自动监测是完善未来机床发展不可缺少的部分。

现代数控加工技术的特点是生产率高、稳定性好、灵活性强，依靠人工监视系统的状态已远远不能满足智能化程度日益提高的要求。因此，在监控过程中应该借助先进的传感分析技术对机床与刀具状态进行实时监测，并将监测数据反馈给控制系统进行数据的分析与误差补偿。可定期通过测试设备与传感器测定设备的性能参数，并及时对系统性能参数库或知识库进行更新。

2.2 时变工况监测

在加工过程中，切削界面上的热力耦合效应与材料、结构、加工过程具有较强的相关性，导致传统方法难以建立精确的工艺模型。由模型不精确导致的工艺过程预测和控制误差对产品质量造成严重的影响。因此，需要将试切融入到加工过程中，通过监控系统实时获取加工过程中的界面状态和交互行为信息，并对时变工况特征进行在线辨识，为加工过程的智能决策提供基础数据。

时变工况在线监测可借助各种传感器、声音和视频系统对加工过程中的力、振动、噪声、温度、工件表面质量等进行实时监测。根据监测信号和预先建立的多个模型判定实际加工参数、工件变形、振动状态以及加工质量，为工艺模型的在线学习与切削参数优化、加工误差补偿等智能决策过程提供支持。

3 加工过程的自适应控制

国内外已经研究了很多方案、技术和模型用于开发决策系统的功能。目前最常用于监测加工过程的系统模型就是神经网络和模糊逻辑。由于通过自适应控制处理系统参数优化，可以提高加工效率、刀具寿命和产品质量，因此监控系统大多被构造成自适应控制系统。

自适应控制（Adaptive Control）能修正自己的特性以适应对象和扰动的动态特性的变化，已被作为在线优化加工变量的方法，主要分为三类：约束自适应控制 （Adaptive Control with Constraints）、优化自适应控制（Adaptive Control with Optimization）以及几何自适应控制（Geometry Adaptive Control）。一般来说，ACC系统多用于粗加工，其材料去除速率的提高是通过优化切削力来实现，以此来避免断刀的危险；在ACO系统中，基于某个性能指标的最优化而对加工参数进行设置，比较常用的如生产时间或者单位成本。ACO系统是通过对切削变量的调整来实现材料去除率的最大化，如表面粗糙度，功耗，切削力，加工时间，成本等。在GAC系统中，过程优化问题是通过产品质量需求来控制的，如尺寸精度，表面粗糙度等，因此该系统常用于精加工工序，以达到要求的工件质量的目的。

针对不同的加工目标和加工工艺，人们开发出了很多自适应控制系统。在五轴加工中，特别是在叶轮等复杂曲面零件的加工中，由于刀具方向的改变和切削深度的不同，会产生很大的切削力且变化剧烈。因此，科研工作者一直致力于研制一种可以保持恒定切削力的自适应控制系统。通过工艺参数尤其是进给速率的实时调控实现加工过程中切削力的调整是较为有效的方法。此方法包括了在线和离线优化。切削变量首先在离线状态进行初步确定，然后再利用自适应神经模糊推理系统以及通过微粒群群优化算法进一步的优化。在加工过程中，用测量到的切削力值作为神经网络的输入，并且通过控制系统保持切削力的恒定对进给速率进行控制。

然而，在过程监控中使用了专用的设备（例如传感器等），增加了自适应系统的成本。因此，无传感器的自适应控制系统应运而生。在这种控制系统中，各轴的切削力是间接的通过伺服电机电流来进行测量。由于没有额外的监控设备，这种监控方法还存在很大的提升空间。在这种控制模式中，控制器通过电流监测切削力，并将实际测量的切削力和理想值之间的差异来控制进给速度，进而确保产品质量。有些科研工作者正在研究一种在加工过程中对切削力的调控具有抗积分饱和的自适应PI控制系统，这种控制算法与模拟仿真中应用的动态和非线性模型已经通过实验验证。在加工过程中，这种方法对力的调控非常有效。虽然切削状态不断改变，但是该系统仍具有很好的操控性和稳定性。

4 结束语

加工过程的监控已经开始成为制造业可持续发展的动力。自适应控制系统可以显著提高加工工艺的可靠性和可控性。虽然上世纪六十年代已经开始研究自适应系统，但是若干关键技术一直没有成熟到可以直接应用于工程实际中。文章总结了近年来关于在线监控和自适应控制系统的研究成果，分析了各种传感器及控制方法的适用领域及存在问题。由于各种政策法规以及环境的影响，对产品质量、加工效率和可持续发展要求越来越高。因此，推广和实施在线监控系统、提高工艺过程的智能化程度是实现资源和环境可持續发展的一个必经之路。