本發(fā)明涉及超精密切削加工，特指一種針對超精密單點車削加工過程中表面微觀形貌生成與表面粗糙度的在線監(jiān)測方法。

背景技術(shù)：

1、加工過程的在線監(jiān)測是工業(yè)生產(chǎn)中的一個重要領(lǐng)域，它涉及到使用各種傳感器、數(shù)據(jù)采集系統(tǒng)和數(shù)據(jù)分析手段來監(jiān)控生產(chǎn)加工過程的狀態(tài)。超精密單點金剛石車削技術(shù)在加工高精度和高表面質(zhì)量的光學(xué)自由曲面元件等領(lǐng)域有著廣泛的應(yīng)用，是現(xiàn)代制造業(yè)中一項重要的技術(shù)。由于超精密單點金剛石車削的切削量很小，難以在加工過程中直接觀察加工質(zhì)量的好壞，故通常只能在加工完成之后使用專門的測量儀器對工件的加工表面進(jìn)行測量來對加工質(zhì)量進(jìn)行評估，這限制了加工效率的提高，并且無法及時地反映加工質(zhì)量的好壞。因此，超精密單點金剛石車削加工加工過程中，產(chǎn)品表面質(zhì)量在線監(jiān)測能夠確保產(chǎn)品質(zhì)量、提高生產(chǎn)效率和降低生產(chǎn)成本，具有重要的意義。而為了實現(xiàn)這一目標(biāo)，需要深入分析加工過程中影響表面質(zhì)量的各個因素。

技術(shù)實現(xiàn)思路

1、本技術(shù)方案的目的是提供一種精度高、無需外部傳感設(shè)備的超精密單點車削加工中表面微觀形貌與粗糙度的在線監(jiān)測方法。

2、本技術(shù)方案的目的是這樣實現(xiàn)的：

3、一種超精車削中表面微觀形貌與粗糙度的在線監(jiān)測方法，包括以下步驟：

4、(a)在機(jī)床車削加工的過程中，獲取車削加工參數(shù)、刀具的幾何參數(shù)和機(jī)床的內(nèi)部信號；采集的內(nèi)部信號包括x軸的參考位置信號、c軸的參考位置信號和z軸的位置誤差信號；參考位置信號用于確定所采集的切削點在徑向上的位置，參考位置信號用于確定所采集的切削點在周向上的位置，位置誤差信號用于反映切深方向上刀具和工件之間的相對振動位移；

5、(b)將車削加工參數(shù)、刀具的幾何參數(shù)和機(jī)床的內(nèi)部信號輸入上位機(jī)中的加工表面微觀形貌幾何仿真程序，實現(xiàn)加工表面的微觀形貌幾何仿真；

6、(c)通過將車削加工參數(shù)和步驟（b）中得到的幾何仿真結(jié)果輸入到預(yù)先訓(xùn)練好的深度學(xué)習(xí)模型中，預(yù)測塑性側(cè)流和彈性回復(fù)對加工表面微觀形貌的影響，并獲得預(yù)測結(jié)果；

7、(d)利用步驟（c）得到的預(yù)測結(jié)果，通過上位機(jī)中的預(yù)測結(jié)果繪制程序計算并繪制加工表面的仿真粗糙度分布圖。

8、優(yōu)選地，所述步驟（a）中，參考位置信號、參考位置信號和位置誤差信號按照設(shè)定的采樣時長和采樣頻率進(jìn)行采集，每完成時長的采樣后，緊接著進(jìn)行下一個時長的采樣；完成采樣的信號數(shù)據(jù)發(fā)送至加工表面微觀形貌幾何仿真程序中。

9、優(yōu)選地，所述加工表面微觀形貌幾何仿真程序?qū)崟r接收每隔時間傳入的機(jī)床內(nèi)部信號數(shù)據(jù)，動態(tài)地更新幾何仿真的結(jié)果；該程序?qū)崿F(xiàn)動態(tài)的加工表面微觀形貌幾何仿真的步驟包括：

10、（1）根據(jù)內(nèi)部信號采樣頻率和機(jī)床主軸回轉(zhuǎn)頻率，計算得到每一圈的采樣點數(shù)；根據(jù)主軸回轉(zhuǎn)頻率和采樣時長，計算得到上一個時間內(nèi)主軸所轉(zhuǎn)過的圈數(shù)；根據(jù)進(jìn)給速度和采樣時長，計算得到上一個時間內(nèi)的徑向進(jìn)給距離；

11、（2）在上一個時間內(nèi)，加工的區(qū)域為一個環(huán)形區(qū)域，將該環(huán)形加工區(qū)域的三維表面離散成個二維的徑向截面，每個徑向截面包含個切削采樣點。在同一個徑向截面內(nèi)，所有切削采樣點的c軸參考位置相同，x軸參考位置等差遞增；記當(dāng)?shù)毒哌M(jìn)給至工件回轉(zhuǎn)中心時x軸的參考位置為，則切削采樣點所處的半徑，半徑為切削采樣點當(dāng)前的x軸參考位置與刀具進(jìn)給到工件旋轉(zhuǎn)中心時的x軸參考位置的差值；

12、（3）在每一個徑向截面內(nèi)，將所有的切削采樣點按半徑從小到大的順序進(jìn)行排序，構(gòu)成一個表示該徑向截面內(nèi)刀尖位置的集合，

13、；

14、所述刀具為圓弧刃的單點刀具時，其刀刃輪廓可以近似表示為，其中表示刀具的刀尖圓弧半徑；根據(jù)徑向截面內(nèi)的刀尖位置集合和刀刃輪廓公式，可以得到該徑向截面內(nèi)的二維輪廓；

15、將二維輪廓離散表示成徑向間距為的離散點集，

16、，其中點集的大??；

17、離散點處的輪廓高度為，

18、；

19、根據(jù)上述步驟，計算徑向截面內(nèi)所有離散點的坐標(biāo)，得到徑向截面內(nèi)僅考慮運動學(xué)因素的二維輪廓；

20、（4）根據(jù)步驟（3），計算所有個徑向截面內(nèi)的二維輪廓，由此得到上一個時間內(nèi)加工的環(huán)形區(qū)域的微觀形貌幾何仿真結(jié)果。

21、優(yōu)選地，所述步驟（c）中，所采用的深度學(xué)習(xí)模型為深度長短期記憶網(wǎng)絡(luò)，該網(wǎng)絡(luò)接受序列輸入，輸出為等長的序列；該模型用于將步驟（b）中得到的僅考慮運動學(xué)因素的徑向輪廓轉(zhuǎn)化為考慮塑性側(cè)流和彈性回復(fù)的徑向輪廓；網(wǎng)絡(luò)的輸入序列長度等于徑向輪廓的離散點數(shù)，輸入序列的每一步為一個由離散點的輪廓高度值、車削加工的切深、進(jìn)給速度和離散點對應(yīng)的切削線速度組成的四維向量，其中；輸出序列的每一步為一個標(biāo)量值，即考慮塑性側(cè)流與彈性回復(fù)后的離散點輪廓高度值；網(wǎng)絡(luò)結(jié)構(gòu)為順序結(jié)構(gòu)，依次由輸入層、4個雙向lstm層、leaky?relu激活層、兩個全連接層和輸出層構(gòu)成；其中，4個雙向lstm層的隱藏狀態(tài)和細(xì)胞狀態(tài)的維度均設(shè)置為150，并且在相鄰雙向lstm層之間添加了概率為0.2的dropout層用來緩解網(wǎng)絡(luò)的過擬合；兩個全連接層的神經(jīng)元數(shù)目分別為300和30，并且每個全連接層也都采用leaky?relu作為激活函數(shù)；網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)采集和訓(xùn)練過程步驟如下：

22、（1）對某一特定的目標(biāo)工件材料，進(jìn)行若干組不同切削參數(shù)的實驗，使用白光干涉儀或輪廓儀等測量儀器獲得加工表面沿徑向的輪廓，每個加工表面沿不同的半徑方向提取多條徑向輪廓；所述切削參數(shù)包括切深、進(jìn)給速度和主軸轉(zhuǎn)速；

23、（2）從測量的徑向輪廓中提取出刀尖位置坐標(biāo)的集合；由于在同一次加工中，刀尖位置處的彈性回復(fù)量近似相同而塑性側(cè)流量近似為零，因此在塑性側(cè)流和彈性回復(fù)發(fā)生前后，所有刀尖位置點的相對位置保持不變；根據(jù)提取的刀尖位置坐標(biāo)集合和刀刃的理論輪廓反向還原出在發(fā)生塑性側(cè)流和彈性回復(fù)之前的理想輪廓情況；

24、（3）根據(jù)步驟（2）獲得的理想輪廓和對應(yīng)的加工參數(shù)，按照上述的輸入數(shù)據(jù)格式要求制作成輸入序列，同時對應(yīng)的測量輪廓作為輸出序列，構(gòu)成網(wǎng)絡(luò)的一個訓(xùn)練樣本；對所有測量的徑向輪廓執(zhí)行上述操作，得到網(wǎng)絡(luò)的訓(xùn)練集；

25、（4）對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練之前對訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化以加快網(wǎng)絡(luò)的收斂速度；批大小設(shè)置為20；優(yōu)化器選用adam優(yōu)化器，其參數(shù)設(shè)置為學(xué)習(xí)率0.001、權(quán)重衰減率0.001；使用mse作為損失函數(shù)來描述網(wǎng)絡(luò)輸出與目標(biāo)值之間的差異。網(wǎng)絡(luò)的搭建和訓(xùn)練使用pytorch深度學(xué)習(xí)框架，訓(xùn)練的輪數(shù)為100。

26、優(yōu)選地，所述步驟（d）中，上位機(jī)中的預(yù)測結(jié)果繪制程序?qū)⑸弦粋€時間段內(nèi)加工過的環(huán)形區(qū)域在徑向和周向分別等距劃分為若干個子區(qū)域，隨后根據(jù)步驟（c）得到的加工表面的三維微觀形貌預(yù)測結(jié)果，分別計算所有子區(qū)域的面粗糙度值，然后將計算結(jié)果使用偽彩色圖繪制出來，得到仿真粗糙度分布圖，用來直觀地展示整個加工表面上不同局部區(qū)域的預(yù)測粗糙度分布規(guī)律；仿真粗糙度分布圖每隔秒刷新一次，用來展示過去秒內(nèi)的最新加工結(jié)果，由此實現(xiàn)在加工過程中對加工質(zhì)量的在線監(jiān)測；預(yù)測結(jié)果繪制程序能以三維曲面圖的形式繪制指定區(qū)域內(nèi)的局部微觀形貌預(yù)測結(jié)果，并給出該區(qū)域內(nèi)的粗糙度指標(biāo)計算結(jié)果。

27、優(yōu)選地，所采用的刀具為單點金剛石刀具。

28、優(yōu)選地，所述運動學(xué)因素包括刀尖半徑、進(jìn)給速度和相對振動。

29、本技術(shù)方案相比現(xiàn)有技術(shù)突出且有益的技術(shù)效果是：

30、本發(fā)明通過在線采集和分析機(jī)床在加工過程中產(chǎn)生的內(nèi)部信號，實現(xiàn)了對超精密單點車削過程中的刀具-工件相對振動的監(jiān)測，并在此基礎(chǔ)上建立了考慮相對振動的加工表面微觀形貌幾何仿真模型，將振動簡化為幾個恒定的不同頻率的簡諧振動的疊加的方式，能夠更加準(zhǔn)確地反映加工過程中復(fù)雜且多變的振動情況；進(jìn)一步，該方法通過搭建和訓(xùn)練深度學(xué)習(xí)模型，預(yù)測了塑性側(cè)流和彈性回復(fù)效應(yīng)對加工表面微觀形貌的影響，此方法相比于傳統(tǒng)的采用經(jīng)驗公式對塑性側(cè)流和彈性回復(fù)效應(yīng)進(jìn)行預(yù)測的方式，具有更高的預(yù)測精度和泛化性能，并且網(wǎng)絡(luò)訓(xùn)練過程簡單，采集訓(xùn)練數(shù)據(jù)所需要進(jìn)行的實驗數(shù)量比傳統(tǒng)方法為了標(biāo)定諸多的系數(shù)所需要的實驗數(shù)量更少，有效降低了方法的實現(xiàn)成本。本發(fā)明通過綜合考慮刀具參數(shù)、加工參數(shù)、加工時刀具-工件之間的相對振動、以及塑性測量和彈性回復(fù)效應(yīng)，實現(xiàn)了對超精密單點車削加工過程中表面微觀形貌與粗糙度的在線監(jiān)測，本發(fā)明無需借助額外的傳感器設(shè)備，具有低的實現(xiàn)成本和高的生產(chǎn)效益。