立銑加工過程穩(wěn)定性分析及切削顫振在線監(jiān)測方法研究.pdf

1、隨著制造技術的不斷發(fā)展，加工過程穩(wěn)定性問題，特別是切削顫振已經(jīng)成為制約加工效率提高的主要因素之一。目前，很多學者已經(jīng)對切削顫振產(chǎn)生機理、在線監(jiān)測技術和穩(wěn)定性Lobe圖計算方法進行了研究，但由于機床結構和加工過程的復雜性，現(xiàn)有研究成果對實際加工過程的指導作用比較有限。因此，本文在總結相關領域研究現(xiàn)狀的基礎上，重點研究了立銑加工過程穩(wěn)定性及切削顫振在線監(jiān)測方法。研究了穩(wěn)定性Lobe圖必需的刀尖頻響函數(shù)預測方法，探討了主軸-刀柄和刀柄-刀具結

2、合面參數(shù)辨識方法，并分析了各個結合面參數(shù)對穩(wěn)定性Lobe圖的影響；研究了機床相對動柔度劣化趨勢及其對穩(wěn)定性Lobe圖的影響；研究了切削顫振在線監(jiān)測方法。
　　以主軸-刀柄-刀具系統(tǒng)為研究對象，給出了Timoshenko梁和彈性支撐的傳遞矩陣，給出了主軸、刀柄和刀具子結構端點頻響函數(shù)預測方法，給出了主軸、刀柄和刀具耦合方法，提出了一種刀尖頻響函數(shù)預測模型。研究結果表明，和模態(tài)疊加法相比，該刀尖頻響函數(shù)預測模型得到的前七階固有頻率的最

3、大誤差減小了35％，計算效率提高了50％。
　　研究發(fā)現(xiàn)，主軸-刀柄和刀柄-刀具結合面參數(shù)是影響機床刀尖頻響函數(shù)預測精度的主要因素之一。為提高機床刀尖頻響函數(shù)預測精度，結合Timoshenko梁理論和傳遞矩陣法，得到了刀柄和刀具端點頻響函數(shù)；并通過柔度耦合子結構分析（receptance coupling substructureanalysis,RCSA)和改進型粒子群優(yōu)化算法（Particle Swarm Optimizati

4、on,PSO），重點研究了主軸-刀柄和刀柄-刀具結合面參數(shù)辨識方法，并分析了各個結合面參數(shù)對穩(wěn)定性Lobe圖的影響。實驗結果表明，本文提出的結合面參數(shù)辨識模型精度較高，普適性強，能廣泛應用于固定結合面的參數(shù)辨識。
　　以四自由度立銑切削過程動力學模型為基礎，給出了機床相對動柔度計算公式，提出了機床相對激振實驗方案，提出了機床相對動柔度評價指標?；趶V義隱馬爾科夫模型（Generalized Hidden Markov Model,

5、GHMM）和重心法，提出了機床相對動柔度劣化趨勢預測模型，并分析了機床相對動柔度劣化過程對穩(wěn)定性Lobe圖的影響。研究結果表明，該預測模型能很好地解決實驗數(shù)據(jù)的小樣本問題，具有較高的預測精度，可以為立銑加工過程提供動態(tài)的穩(wěn)定性Lobe圖。
　　基于小波包分解和奇異譜分析方法，提取顫振發(fā)生頻段能量比系數(shù)和奇異譜熵系數(shù)作為顫振特征。提出了基于PSO和局部搜索算法的BP神經(jīng)網(wǎng)絡模型，完成了切削狀態(tài)識別，實現(xiàn)了切削顫振的在線監(jiān)測。研究結果