第9期 2016年9月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2016)09009504
D0I:10. 13462/j. cnki. mmtamt. 2016.09. 027
轮槽半精铣刀寿命自适应预测方法研究
闫杉，胡小锋，刘颖超，张洁
（上海交通大学机与动力工程学院计算机集成制造研究所，上海200240）
No.9 Sep.2016
摘要：为预测汽轮机转子枞树型轮槽半精铣刀寿命，提出了一种基于非线性回归模型的刀具寿命自适应在线预测方法，即通过提取与刀具磨损相关的功率信号特征和声发射信号特征，利用Kmeans聚类分析对半精铣削过程进行分类，针对不同类别的加工过程分别建立刀具寿命非线性预测模型，实现自适应的刀具状态在线预测及刀具寿命的估算。实验结果表明此方法可以准确预测出刀具的失效时间，为刀具的合理更换提供依据。
关键词：非线性回归模型；刀具寿命；聚类分析；自适应在线预测
中图分类号：TH17;TG506
文献标识码：A
Adaptive Life Prediction Method of Wheel Groove Semi Finishing Cutter
YAN Shan, HU Xiao-feng,LIU Ying-chao,ZHANG Jie
(CIMS Institute, School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China) Abstract: The online life adaptive prediction method is proposed to predict turbine rotor groove wheel fir tree semi finishing milling cutter's life, which is based on nonlinear regression model. The features of pow-er signal and acoustic emission signal features are extracted, which is associated with tool wear, then semi finishing milling process are classified using K-means clustering analysis. For different processes, nonlinear tool life prediction models are established individually to achieve the on-line adaptive tool condition predic-tion and tool life calculation, Experimental results show that this method can accurately predict the tool fail-ure time, which provides a basis for the reasonable replacement of the tool.
Key words: nonlinear regression model; tool life; clustering analysis; online life adaptive prediction
引言 0
汽轮机转子轮槽半精铣刀用来铣出轮槽粗型线，消耗量大而昂贵[12]。现场加工中，一方面刀具过度使用导致刀具可修磨次数减少，刀具消耗量变多；另一方面操作人员为防止后续精加工余量过多，影响加工质量，常提前换刀。为充分利用刀具寿命，减少刀具消耗，有必要研究半精铣刀寿命在线监控技术。
国内外学者对刀具寿命在线预测的研究较多，如基于神经网络的刀具寿命预测(34)、运用理论公式计算刀具寿命[3]等，这些方法运算量大，效率低下，实际应用受限。近年来运用回归分析预测刀具寿命的研究较多，效果良好：郑堤等[]对机械加工尺寸跟踪检测，利用多项式拟合加工尺寸分布标准差，建立刀具寿命预测模型。何桢等(7]利用线性回归拟合刀具磨损量，再用Glejser 检验方法拟合出残差模型，并假设刀具磨损是缓慢的线性过程，以计算刀具寿命。陈保家"在线测取振动信号，建立Logistic刀具寿命回归模型。上述研究虽取得
收稿日期：20150924：修回日期：20151008
一定理论成果，但实验在实验室中进行，采用标准刀具，加工条件单一，而现场加工中刀具是否改制、修磨次数、生产厂家、生产批次、转子硬度等因素都会影响监测信号的变化，使得单一刀具寿命预测模型不再适用。
针对以上间题，本文提出一种基于非线性回归模型的刀具寿命自适应在线预测方法。采集加工过程中功率与声发射信号，提取与刀具磨损相关的特征值，通过 Kmeans聚类对特征值进行分类，并对不同类别分别建立非线性模型，使用相关分析法自动判断待测刀具信号所属类别，自适应选择非线性模型预测刀具寿命。
轮槽半精铣刀寿命自适应预测模型的建立 1.1刀具寿命自适应预测过程
转子轮槽半精铣刀寿命自适应预测主要包括五个步骤：①信号获取；②信号分析与特征提取；③加工过程分类；④非线性预测模型的建立；待测刀具信号的自适应匹配与寿命预测。轮槽半精铣刀加工轮槽数通常为5~7道槽，本文采用轮槽加工前3道槽的信号特
*基金项目：国家自然科学基金重点项目(51435009)：上海市科委高新技术领域项目资助(14111104801)
作者简介：同杉(1990—），男，安微除州人，上海交通大学硕士研究生，研究方向为制造系统可非性与智能加工制造，（E-mail)2991924635@q9
com；通讯作者：胡小锋（1977一），男，渐江兰溪人，上海交通大学副教授，博士生导师，博士，研究领域为制造过程可靠性与制造系统规划、两度与信息化管理，(E-mail)wshxf@ sjtu.edu.en
万方数据