刀具磨损过程切削力频谱特性的研究

２００８年第５期　文章编号：１００１—２２６５（２００８）０５—００６９—０３　・工艺与装备・　刀具磨损过程切削力频谱特性的研究　樊宁，郭培全，王慧，高子辉　（济南大学机械工程学院，济南　２５００２２）　摘要：切削状态监控是实现机械加工过程自动化的关键技术，切削力信号的实时信息能够反映切削过程　特别是刀具状态的变化。文章利用车削实验方法系统测量了外圆车刀在不同磨损状态下的切削力信　号，利用频谱分析方法得到了相应的切削力功率谱。实验结果表明，在切削力频谱中总存在一组特征频　率，其频率及谱值与刀具的磨损状态密切相关。在正常磨损阶段，该谱值随磨损程度增大而增大，因而　可根据谱值的大小及变化规律预测刀具的磨损程度。因此该方法丰富了切削力监控技术的内容，进一　步提高了监控的准确性。　关键词：切削力；功率谱；磨损　中图分类号：ＴＧ５０１　文献标识码：Ａ　Ｆｒｅｑｕｅｎｃｙ　Ｓｐｅｃｔｒｕｍ　Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　Ｃｕｔｔｉｎｇ　Ｆｏｒｃｅｓ　ａｔ　Ｄｉｆｆｅｒｅｎｔ　Ｃｕｔｔｉｎｇ　Ｔｏｏｌ　Ｗｅａｒ　Ｓｔａｇｅｓ　ＦＡＮ　Ｎｉｎｇ，ＧＵＯ　Ｐｅｉ—ｑｕａｎ，ＷＡＮＧ　Ｈｕｉ，ＧＡＯ　Ｚｉ—ｈｕｉ　（Ｓｃｈｏｏｌ　ｏｆ　Ｍｅｃｈａｎｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｊｉｎａｎ，Ｊｉｎａｎ　２５００２２，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｃｕｔｔｉｎｇ　ｍｏｎｉｔｏｒｉｎｇ　ｉｓ　ｔｈｅ　ｋｅｙ　ｔｏ　ａｃｈｉｅｖｉｎｇ　ｍａｎｕｆａｃｔｕｒｉｎｇ　ａｕｔｏｍａｔｉｏｎ．Ｔｈｅ　ｒｅａｌ。ｔｉｍｅ　ｃｕｔｔｉｎｇ　ｆｏｒｃｅ　ｓｉｇｎａｌｓ　ｃａｎ　ｉｎｄｉｃａｔｅ　ｔｈｅ　ｃｕｔｔｉｎｇ　ｔｏｏｌ　ｓｔａｔｅ　ｄｕｒｉｎｇ　ｔｈｅ　ｃｕｔｔｉｎｇ　ｐｒｏｃｅｓｓ．Ｉｎ　ｔｈｅ　ｐｒｅｓｅｎｔ　ｐａｐｅｒ，ｔｈｅ　ｃｕｔｔｉｎｇ　ｆｏｒｃｅ　ｓｉｇ－　ｎａｌｓ　ｕｎｄｅｒ　ｄｉｆｆｅｒｅｎｔ　ｃｕｔｔｉｎｇ　ｔｏｏｌ　ｗｅａｒ　ｓｔａｇｅｓ　ｗｅｌ＂ｅ　ｓｙｓｔｅｍａｔｉｃａｌｌｙ　ｍｅａｓｕｒｅｄ　ｂｙ　ｔｕｒｎｉｎｇ　ｅｘｐｅｒｉｍｅｎｔｓ　ａｎｄ　ｔｈｅ　ｐｏｗｅｒ　ｓｐｅｃｔｒｕｍｓ　ｏｆ　ｔｈｅ　ｃｕｔｔｉｎｇ　ｆｏｒｃｅ　ｓｉｇｎａｌｓ　ａｔ　ｄｉｆｆｅｒｅｎｔ　ｗｅａｒ　ｓｔａｇｅｓ　ｗｅｒｅ　ａｎａｌｙｚｅｄ．Ｉｔ　ｉｓ　ｐｒｏｖｅｄ　ｔｈａｔ　ｔｈｅｒｅ　ｅｘ－　ｉｓｔｓ　ａ　ｓｅｔ　ｏｆ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｆｒｅｑｕｅｎｃｉｅｓ　ｆｏｒ　ａ　ｃｅｒｔａｉｎ　ｃｕｔｔｉｎｇ　ｐｒｏｃｅｓｓ．Ｔｈｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｆｒｅｑｕｅｎｃｉｅｓ　ａｎｄ　ｔｈｅｋ　ｐｏｗｅｒ　ｓｐｅｃｔｒｕｍｓ　ｈａｖｅ　ｃｌｏｓｅ　ｒｅｌａｔｉｏｎｓ　ｗｉｔｈ　ｃｕｔｔｉｎｇ　ｔｏｏｌ　ｗｅａｒ　ｓｔａｔｅｓ．Ａｔ　ｔｈｅ　ｎｏｒｍａｌ　ｗｅａｒ　ｓｔａｇｅ，ｔｈｅ　ｖａｌｕｅｓ　ｏｆ　ｔｈｅ　ｐｏｗｅｒ　ｓｐｅｃｔｒｕｍ　ｉｎｃｒｅａｓｅ　ｗｉｔｈ　ｔｈｅ　ｉｎｃｒｅａｓｅ　ｏｆ　ｗｅａｒ　ｌｅｖｅ１．Ｔｈｕｓ，ｔｈｅ　ｃｕｔｔｉｎｇ　ｔｏｏｌ　ｗｅａｒ　Ｃａｎ　ｂｅ　ｐｒｅｄｉｃｔｅｄ　ｂｙ　ｔｈｅ　ｖａｒｉａｔｉｏｎ　ｏｆ　ｔｈｅ　ｐｏｗｅｒ　ｓｐｅｃｔｒｕｍｓ．Ｓｏ　ｔｈｅ　ｐｒｏｐｏｓｅｄ　ｍｅｔｈｏｄ　ｉｍｐｒｏｖｅｓ　ｔｈｅ　ｃｕｔｔｉｎｇ　ｍｏｎｉｔｏｒｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ａｓ　ｗｅｌｌ　ａｓ　ｔｈｅ　ｍｏｎｉｔｏｒｉｎｇ　ｐｒｅｃｉｓｉｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：ｃｕｔｔｉｎｇ　ｆｏｒｃｅｓ；ｐｏｗｅｒ　ｓｐｅｃｔｒｕｍ；ｗｅａｒ　Ｏ　引言　刀具磨损直接影响切削加工质量、效率和生产安　切削力的微小变化，因此利用切削力监测刀具磨损具　有较大的实用意义　。　。通常情况下，切削力随刀具　磨损增加而逐渐增大，因而可以通过监测切削力信号　的幅值及其变化来监控切削过程。但是，由于其它切　削条件比如工件材料的硬度不均，切削用量不均都可　造成切削力发生变化，所以实际的切削力信号包含诸　全，因此实时掌握刀具磨损状态是切削加工过程中需　要重点解决的问题　。但由于刀具磨损难以实现实　时测量，实践中通常采用与刀具磨损相关的信号来间　接测量刀具磨损。其中，由于切削力信号直接真实，不　受切屑和冷却液的影响，信号幅度较大，抗干扰能力较　强。同时切削力传感器的灵敏度可以做得较高以感知　收稿日期：２００７—１１—２６　多切削因素的影响。因此，仅根据切削力幅值信号来　判断刀具的磨损状态常会出现误报情况。因此，本文　通过刀具的全寿命切削实验，分析了切削力信号随刀　￥基金项目：山东省自然科学基金项目（Ｙ２００７Ｆ２１）；山东省科技攻关项目（２００７ＧＧ１０００４００４）　作者简介：樊宁（１９７２一），男，山东济南人，济南大学机械工程学院副教授，工学博士，研究方向为金属切削过程监控及自动化，（Ｅ—ｍａｉｌ）ｍｅ—ｆａｎｎ　＠ｕｊｎ．ｅｄｕ．ｃｎ。　・６９・　维普资讯 http://www.cqvip.com

・工艺与装备・　组合机床与自动化加工技术　定义为切削过程的特征频率，其取值及对应的功率谱　具磨损的频谱特性，为进一步利用切削力信号监测刀　具磨损提供指导　。　值反映了该时刻的切削状态特征。②特征频率随着切　削过程发生变化。由于切削用量保持不变，而只发生　１　实验设备与条件　实验采用八角环式三向动态电阻应变测力仪采集　刀具的磨损，因此特征频率的变化反映了刀具磨损状　态的变化过程。在初期磨损阶段，约在４４００Ｈｚ处，存　在较大谱峰，如图２ａ所示。这主要是由于初期磨损时　磨损较为剧烈，其后刀面抑振效果较差而产生高频振　动造成切削力产生高频振动。随着刀具进入正常磨损　阶段，后刀面的抑振效果逐渐增加，高频谱峰逐渐消　失，而在５００Ｈｚ～２０００Ｈｚ中低频区出现一组明显的特　车削时产生的三向切削力，分别是切向力Ｆ　轴向力　Ｆ　和径向力Ｆ　，并通过数据采集系统实时显示、保存，　最后利用信号分析方法对得到的信号进行频谱分析。　其中，每单通道采样频率为１０ＫＨｚ。　具体实验条件为：　刀具：ＹＴ１５机夹可转位外圆车刀，刀具角度为　。　＝征频率，如图２ｂ、ｃ、ｄ所示。该组特征频率基本不随刀　具磨损的增加而变动，但是其对应的功率谱值基本上　呈逐渐增加的趋势。由于随机因素的影响，特征频率　的功率谱与刀具磨损没有严格的直线关系。随着刀具　进入急剧磨损阶段，低频区的谱值减小，而在高频区又　８。，Ｏ／。＝６。，，ｃ　＝４５。，，ｃ　’＝４５。，ｈ　＝６。；　工件：４０ｃｒ圆钢（２３０～２４０ＨＢ），　１２５ｍｍ×　５００ｍｍ；　机床：Ｃ６１６—１普通车床；　切削方式：干式连续车削。　出现了特征频率，这主要由急剧磨损使工艺系统振动　又加强造成。　为保证实验结果的一般性，对三个刀刃进行了实　验，取后刀面磨损量ＶＢ作为刀具磨损的测量值，切削　参数如表１所示。　表１切削实验参数　刀刃编号　ｒ／ｍｌｎ　０Ｐ　ｍｍ　ｍｍ　ｍｉｎ　１　２　３　３６０　３６０　３６０　１３７　１２７　１０７　Ｏ．３２　Ｏ．３２　Ｏ．３２　Ｏ．１　Ｏ．１　Ｏ．１　０．６７　Ｏ．７　Ｏ．５　１５８　１２８　１３０　２实验结果与分析　图１为某一时间刀刃２切削力的典型幅值图。图　中横坐标为切削时间，纵坐标为同时显示的轴向力Ｆ　、　图１切削力在时域内幅值图　综上所述，可以利用特征频率的频率值来确定刀　具的磨损状态，当刀具处于初期和急剧磨损阶段时，由　于振动较易发生，其特征频率出现在高频区。而在刀　具的正常磨损阶段，高频区的特征频率基本消失，而在　中低频区出现特征频率，其谱值随着磨损的逐渐增大　而增大，但没有明显的线性关系。因此，下一步可利用　人工神经网络方法建立特征频率、谱值与刀具磨损的　识别模型以准确预测刀具的磨损量。　切向力Ｆ　电压幅值，可利用后处理算法换算成实际切　削力的大小。从图中可以看出，切削力幅值具有明显　的随机波动性特点，这主要由于切削过程中随机分布　的工件材料硬质点，第一变形区剪切滑移的不连续性　等原因造成。因此，某一时刻点处的切削力值不能精　确反映实际的切削过程，可取平均值来反映该段时刻　的切削力的总体情况，能够基本反映刀具的使用情况。　但是，平均值法忽略了能够反映切削实时状态的瞬时　微观信息，较难用于实时监控。因此，利用数字信号分　析方法将切削力信号进行频域分析。图２为在刀具不　同磨损阶段随机抽取１０２４点（△　一０．１　ｓ）后得到的对　３　结论　切削过程中，切削力的频谱中存在着若干特征频　率，其功率谱峰值随着切削状态的变化而发生变化，在　正常磨损情况下，其谱值随着刀具磨损的增加而增加，　因此可利用它作为刀具磨损状态的信号以增加实时监　测的准确度。　应的轴向力Ｆ　切向力Ｆ，的频谱图。从图中可以看　出：①在不同的刀具磨损状态下，总存在着一组频率，　在该频率处其功率谱值取极大值，因此可将该组频率　・７０．　维普资讯 http://www.cqvip.com

２００８年第５期　５　４　３　２　ｌ　０　０　０　０　・工艺与装备・　４．　３．　｝Ｃｈｎ０谱　｝　ｌＡ一　｝Ｃｈｎ２谱　一　｝　苣…Ｉ…．｝…。ｌ…　ｌ…．Ｉ…．１…．￡…　ｌ…．｝　…Ｉ…　｛…．Ｉ…。ｌ…，ｉ…　ｔ…　｛…．１。　０　５００　１０００　１５００　２０００　２５００　３０００　３５００　４０００　４５００　５０００　频率（Ｈｚ）　（ａ）切削力信号的功率谱图ＶＢ＝Ｏ．０７ｍｍ　功率谱　６Ｅ－６　频率（Ｈｚ）　（ｂ）切削力信号的功率谱图ＶＢ＝０．１５ｍｒａ　功率谱　５Ｅ－６　４Ｅ－６　３Ｅ－６　２Ｅ一６　１Ｅ－６　８Ｅ－６　６Ｅ一６　｝　ｈｎ０４ｌ　。　缸距驵　ｍ　旺艟　４Ｅ－６　２Ｅ－６　…ｌ＿ｌ一　一　一．　．～　频率（Ｈｚ）　（ｄ）切削力信号的功率谱图￣ｑ３＝Ｏ．３５ｒｍ　功率谱　０　５００　１０００　１５００　２０００　２５００　３０００　３５００　４０００　４５００　５０００　频率（Ｈｚ）　（ｃ）切削力信号的功率谱图ＶＢ＝Ｏ．２８　ｃｈｎ０谱　ｌ　Ｉ　～　Ｃｈｎ２谱　；　ｊ』　ｌ　　ｌ　ＩＥ…ｌ。…ｌ…。Ｉ…．１　．．Ｉ，…ｌ…。ｔ…．１…　｝…。｝…。Ｉ　‘ｌ…．　…．Ｉ，…ｌ…。１．…１．　｛　频率（Ｈｚ）　（ｅ）切削力信号的功率谱图ＶＢ＝Ｏ．４２ｍｍ　频率（Ｈｚ）　（ｆ）切削力信号的功率谱图ＶＢ＝Ｏ．５７ｍｒ￣　图２不同刀具磨损状态下切削力功率谱　［参考文献］　［１］雷继荣．刀具监控技术的现状与发展［Ｊ］．组合机床与自　动化加工技术，１９９５（５）：３２—３７．　［２］舒服华．基于小波神经网络的刀具状态监测［Ｊ］．组合机　床与自动化加工技术，２００６（１）：６９—７０．　ｍｅｔｈｏｄ［Ｊ］．Ｉｎｔｅｎａｔｒｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｃｈｉｎｅ　Ｔｏｏｌｓ　ａｎｄ　Ｍａｎｕ．　ｆａｃｔｕｒｅ，２００５，４５：１４９４—１５０３．　［７］赵学智，陈统坚，叶邦彦，等．基于参数方程的小波基自适　应选择［Ｊ］．机械工程学报，２００４，４０（１１）：１２３—１２８．　［８］Ｃ．Ｓｃｈｅｆｆｅｒ，Ｈ．Ｋｒａｚ，Ｐ．Ｓ．Ｈｅｙｎｓ，Ｆ．Ｋｌｏｃｋｅ．Ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ａ　ｔｏｏｌ　ｗｅａｒ－ｍｏｎｉｔｏｒｉｎｇ　ｓｙｓｔｅｍ　ｆｏｒ　ｈａｒｄ　ｔｕｒｎｉｎｇ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｃｈｉｎｅ　Ｔｏｏｌｓ　ａｎｄ　Ｍａｎｕｆａｃｔｕｒｅ，２００３，４３：９７３—９８５．　［３］孙宝元．切削状态智能监控技术［Ｍ］．大连：大连理工大　学出版社，１９９９．　［４］李小俚，董申．先进制造中的智能监控技术［Ｍ］．北京：科　学出版社，１９９９．　［９］Ｓ．Ｃ．Ｌｉｎ，Ｃ．Ｊ．Ｔｉｎｇ．Ｄｒｉｌｌｉｎｇ　ｗｅａｒ　ｍｏｎｉｔｏｔｉｎｇ　ｕｓｉｎｇ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｃｈｉｎｅ　Ｔｏｏｌｓ　ａｎｄ　Ｍａｎ．　ｕｆａｃｔｕｒｅ，１９９６，３６：４６５—４７５．　［５］Ｉ．Ｔａｎｓｅｌ，Ａ．Ｎｅｄｂｏｕｙａｎ，Ｍ．Ｔｒｕｊｉｌｌｏ．Ｍｉｃｒｏ．ｅｎｄ．ｍｉｌｌｉｎｇ—　ＩＩ．Ｅｘｔｅｎｄｉｎｇ　ｔｏｏｌ　ｌｉｆｅ　ｗｉｔｈ　ａ　Ｓｍａｒｔ　Ｗｏｒｋｐｉｅｃｅ　Ｈｏｌｄｅｒ（ＳＷＨ）　［１０］Ｓａｎｔａｎｕ　Ｄａｓ，Ａ．Ｂ．Ｃｈａｔｔｏｐａｄｈｙａｙ．Ａ．Ｓ．Ｍｕｒｔｈｙ．Ｆｏｒｃｅ　ｐａｒａｍｅｔｅｒｓ　ｏｆ　ｏｎ－ｌｉｎｅ　ｔｏｏｌ　ｗｅａｒ　ｅｓｔｉｍａｔｉｏｎ：Ａ　ｎｅｕｒａ１　ｎｅｔｗｏｒｋ　［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｃｈｉｎｅ　Ｔｏｏｌｓ＆Ｍａｎｕｆａｃｔｕｒｅ．　１９９８，３８（７）：１４３７—１４４８．　ａｐｐｒｏａｃｈ［Ｊ］．Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋｓ，１９９６，９（９）：１６３９—１６４５．　［１１］Ｊ．Ｈ．Ｌｅｅ，Ｄ．Ｅ．Ｋｉｍ，Ｓ．Ｊ．Ｌｅｅ．Ｓｔａｔｉｓｔｉｃａｌ　ａｎａｌｙｓｉｓ　ｏｆ　ｃｕｔｔｉｎｇ　ｆｏｒｃｅ　ｒａｔｉｏｓ　ｆｏｒ　ｆｌａｎｋ－ｗｅａｒ　ｍｏｎｉｔｏｒｉｎｇ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｔｅｒｉａｌｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ．１９９８，７４：１０４—１　１４．　［６］Ｇｉ－Ｂｕｍ　Ｊｅｏｎｇａ，：Ｄｏｎｇ　Ｈｗａｎ【Ｋｉｍａ，Ｄｏｎｇ　Ｙｏｕｎｇ　Ｊａｎｇ．Ｒｅａｌ　ｔｉｍｅ　ｍｏｎｉｔｏｒｉｎｇ　ａｎｄ　ｄｉａｇｎｏｓｉｓ　ｓｙｓｔｅｍ　ｄｅｖｅｌｏｐｍｅｎｔ　ｉｎ　ｔｕｒｎｉ‘ｎｇ　ｔｈｒｏｕｇｈ　ｍｅａｓｕｒｉｎｇ　ａ　ｒｏｕｎｄｎｅｓｓ　ｅｒｒｏｒ　ｂａｓｅｄ　ｏｎ　ｔｈｒｅｅ．ｐｏｉｎｔ　（编辑李秀敏）　・７１・