基于功率信息的航空發動機葉片銑削刀具監測試驗研究*

喬 石，劉 闊，都書博，王鵬飛，王永青

（1.大連理工大學，大連 116024；2.中國航發貴州黎陽航空動力有限公司，貴陽 550000）

葉片是構成航空發動機壓氣機的基本單元，其加工精度和表面質量直接影響航空發動機的性能。壓氣機葉片的加工過程具有加工難度高、數量多的特點[1]，導致在加工過程中，操作者不易實時用肉眼對刀具的加工狀態進行監測和判斷，且換刀時機依賴經驗，刀具壽命不能被充分利用，嚴重影響了加工效率，增加了加工成本。因此，如何實時監測和判斷刀具加工狀態并準時更換磨鈍的刀具，是葉片加工過程中需要解決的問題。

近年來，隨著傳感器技術的不斷革新，刀具狀態監測技術的研究得到了迅速發展。Chen 等[2]通過對切削力、振動和聲發射信號的研究，預測了銑刀的磨損量；Huang 等[3]采集切削力和振動信號，建立了數據訓練模型，預測了球頭銑刀的磨損量；Shen 等[4]基于希爾伯特-黃變換(HHT)算法，研究了主軸功率信號在不同切削條件下刀具狀態監測中的應用；付洋[5]通過對切削振動信號的研究，實現了對刀具振動和磨損的實時在線監測；王海麗等[6]使用功率信號和聲發射信號建立了功率曲線的自回歸時序模型，實現了刀具狀態的自動識別；李聰波等[7]使用功率信號，提出一種實時更新切削功率閾值的方法，實現了數控車削批量加工的在線監測。對以上文獻研究發現，通過監測切削過程中產生的切削力、聲音、振動、功率等信號，可以實現對刀具加工狀態及磨損狀態的監測，屬于間接監測方法。與傳統的直接測量刀具磨損量的方法相比，間接測量方法具有不影響加工過程、可以實時監測加工過程的優點，更適宜于加工中的狀態監測[8]。

在眾多間接監測方法中，切削力、振動和聲發射信號這3 種監測方法的靈敏度相對高，但需要對機床進行改造，其準確性受環境因素干擾[9]。而功率信號采集方便，抗干擾能力強，且功率傳感器具有實用性強、對加工過程無影響等優點[10]，相比之下更能應用于實際生產加工。

本文針對上述葉片加工過程中存在的問題，將基于功率信息的刀具監測方法應用到葉片的銑削加工過程中，開發基于功率信息的刀具狀態監測系統，對采集到的主軸功率數據進行數據預處理、數據分析、離線學習，利用比例系數法進行數據擬合，得到功率閾值區間，以功率閾值區間為標準對刀具加工過程進行實時監測，對刀具的已使用壽命進行預測。

基于功率信息的刀具監測方法

1 基于功率信息的刀具監測原理

在加工過程中，隨著刀具磨損程度的增加，切削力和主軸扭矩不斷增大，從而引起主軸功率增加。Cuppini 等[11]基于功率信號提出了利用閾值的方式作為監控策略，認為在批量生產的過程中，同一工序的加工產生的功率信號呈周期性變化，可以保存一個周期內的功率信號，并以此作為基準將以后的每一次加工功率來進行對比，根據實際加工情況設定磨損閾值來進行監測。邵華等[12]將這種方法歸納為常閾值監控法。

在實際加工過程中，機床主軸功率除了受刀具磨損而變化外，也會因切削參數的不同而動態變化。主軸轉速、進給速度、切削深度等加工參數都會實時影響切削功率[13-14]。所以，對于切削參數不固定的小批量加工，常閾值監控法容易造成閾值失效的問題。但是對于切削參數都固定的大批量流水線式加工，常閾值監控法有一定的實用性。

因此，對于切削參數固定的加工過程，將多個加工過程的主軸功率進行采集并分組學習，可以得到刀具加工狀態功率閾值區間。以此功率閾值區間為監測標準，可以實現對刀具加工狀態的監測，對于斷刀、崩刃等加工過程中突發的加工異常情況，可以做到及時報警停機，減少經濟損失，監測原理如圖1所示。

圖1 基于功率信息的刀具監測原理Fig.1 Principle of tool monitoring based on power information

此外，按照工步的不同，對刀具加工狀態功率閾值區間的上閾值進行分段分析，可以了解各個工步中刀具磨鈍時主軸功率的消耗情況，選取一個工步中的穩定波形區域，將其所有上閾值功率取均值[15]，可以以此均值作為該工步的刀具磨鈍功率值，對刀具的磨損情況進行監測，判斷一把刀具在該工步是否已經達到了嚴重磨損的標準。

2 功率閾值區間建立方法

對于采集到的各組主軸功率數據，通過算法對各組數據進行擬合，可以得到功率的上閾值和下閾值。在切削參數固定的條件下，每個加工過程采集到的功率其時間周期都是固定的，因此，可以利用比例系數法[12]對多組功率數據進行擬合。

刀具加工狀態功率閾值區間Pu（t）和Pd（t）可表示為：

式中，Pu（t）和Pd（t）分別為t時刻的功率上閾值和下閾值，由加工周期中各個時刻的Pu（t）和Pd（t）構成了功率閾值區間；為t時刻的功率均值；σ為比例系數，以獲取最合適的功率閾值區間為目的，可以根據實際采集的功率情況進行人為設定；Su（t）為t時刻的上功率偏差，由t時刻時所有大于的功率數據取偏差得到；Sd（t）為t時刻的下功率偏差，由t時刻時所有小于的功率數據取偏差得到。

刀具壽命功率閾值Ph和Pl可以表示為：

式中，Ph和Pl分別為某個工步中刀具的磨損功率閾值和初始功率閾值；n為該工步中上下功率閾值個數；Pu（t）和Pd（t）分別為t時刻的功率上閾值和下閾值。

基于功率信息的刀具監測系統開發

1 刀具監測系統框架

依據機床主軸功率消耗值隨著刀具的磨損而變大的原理，融合離線學習模塊，得到了刀具監測功率閾值區間。該功率閾值區間分別包括刀具加工狀態功率閾值區間、刀具壽命功率閾值區間。通過將加工過程中采集到的功率信號值與功率閾值區間中的上下極限閾值實時進行比較，實現了對刀具加工狀態的實時監測以及對刀具剩余壽命的預估。基于功率信息的刀具監測系統框架如圖2所示。

圖2 基于功率信息的刀具監測系統框架Fig.2 Framework of tool monitoring system based on power information

2 刀具監測軟硬件系統

基于以上系統框架，開發了基于功率信息的刀具監測軟硬件系統。

硬件系統中，通過傳感器和功率采集模塊對機床的主軸功率實時采集，并實時發送到工控機或計算機上，圖3 為硬件系統實物圖。

圖3 基于功率信息的刀具監測硬件系統Fig.3 Tool monitoring hardware system based on power information

軟件系統基于NI LabVIEW 2017 開發，其中包含5 個模塊，分別為數據采集、數據分析、離線學習、在線監測、監測數據統計。圖4 為軟件系統界面，數據采集模塊可以配置串口及控制采集開始和停止，也可以實時顯示采集到的功率波形圖；數據分析模塊可以對采集到的多組數據進行導入對比查看，并對數據進行裁剪保存；離線學習模塊可以對多組數據進行導入并學習，生成刀具加工狀態功率閾值區間和刀具壽命功率閾值區間；在線監測模塊可以實現對刀具加工狀態的實時在線監測和對刀具壽命的預測；監測數據統計模塊可以對監測過的刀具加工狀態及壽命信息進行統計，方便使用者對某個時期的加工情況進行了解和分析。

圖4 基于功率信息的刀具監測軟件系統Fig.4 Tool monitoring software system based on power information

此外，刀具狀態監測軟件中，設計了免疫時間機制，該免疫時間可以人為設置，只有當連續監測到免疫時長的狀態異常，軟件才會報警，避免了由于換刀造成的功率波動帶來的誤報警。

該基于功率信息的刀具監測軟硬件系統可以應用于銑削、鉆削、車削等主軸功率容易采集到的加工過程。

葉片銑刀監測試驗及分析

1 功率數據采集

試驗以航空發動機壓氣機小型葉片（葉片材料為鎳基高溫合金GH4169）的銑削加工過程為研究對象，采用瑞士威力銘518TBD 五軸加工中心機床進行銑削加工，利用功率采集模塊實時采集葉片加工過程中的主軸功率數據。試驗中采用的功率采集模塊為三相電參數傳感器，型號為HGE99H81，采樣頻率20Hz，配套有6 個電流互感器及1 個三角形轉星形變換器。

將功率采集模塊接入主軸電路中，可以實現對主軸功率的實時采集。圖5所示為葉片加工過程的主軸功率波形。所用4 把刀具的加工過程與圖中的功率波段相對應。

圖5 葉片加工功率數據波形Fig.5 Power data waveform of blade machining

根據葉片加工車間工人長期積累的經驗，一把精銑刀和銑根刀在加工約6 個葉片后就會達到磨鈍標準，此兩把刀更換頻繁且對葉片加工精度影響較大。因此，此次試驗以此兩把刀具的加工過程為主要研究對象，進行對刀具加工狀態的監測和對刀具壽命的預測。

2 計算功率閾值區間

2.1 刀具加工狀態功率閾值區間

該加工過程中，各個加工參數由提前編好的數控程序設定，且長期保持固定不變，各個毛坯件的余量差異小。因此，主軸轉速、進給速度、切削深度等加工參數的變化相比于刀具磨損而言，對主軸功率的影響很小，滿足常閾值監控法的監控條件。

試驗中，在一把精銑刀和銑根刀達到磨鈍標準前，共加工了7 個葉片，采集到7 條功率波形，將其進行離線學習后得到功率閾值區間。圖6 為精銑刀的刀具加工狀態的功率閾值區間，圖7 為銑根刀的刀具加工狀態的功率閾值區間。

圖6 精銑刀的刀具加工狀態的功率閾值區間Fig.6 Power threshold range for machining condition of finish milling cutter

圖7 銑根刀的刀具加工狀態的功率閾值區間Fig.7 Power threshold range for machining condition of root milling cutter

2.2 刀具壽命功率閾值區間

試驗中，通過對精銑刀及銑根刀加工的第1 個零件和磨鈍前最后一個零件的功率波形進行導入和截取，得到刀具的開始加工時刻和結束加工時刻，并計算出該時間區間內的初始平均功率和極限平均功率，得到刀具壽命功率閾值區間。表1 為精銑刀和銑根刀的刀具壽命功率閾值區間。

表1 刀具壽命功率閾值區間Table 1 Tool life threshold range based on power

3 刀具監測試驗結果與分析

3.1 刀具加工狀態監測結果

以刀具加工狀態功率閾值區間為標準，對120 個葉片的加工過程進行了監測，圖8 為精銑刀的刀具加工狀態監測結果，圖9 為銑根刀的刀具加工狀態監測結果。由結果可知，當刀具磨鈍時，被測功率值明顯變大，很多功率點都超過了上閾值區間，軟件此時觸發了加工異常報警。

圖8 精銑刀加工狀態監測結果Fig.8 Monitoring results of machining condition of finish milling cutter

圖9 銑根刀加工狀態監測結果Fig.9 Monitoring results of machining condition of root milling cutter

3.2 刀具壽命預測結果

以刀具壽命功率閾值區間為預測標準，對20 把精銑刀和銑根刀的刀具壽命進行預測，每加工完一個葉片預測一次，共得到137 組數據。其中，為了測試該系統的預測準確性，故意讓刀具在已經磨損的情況下繼續加工一個葉片，共制造了6 次刀具到壽情況。刀具壽命預測結果如表2所示。

3.3 試驗結果分析

刀具加工狀態監測的準確性統計結果如表3所示。可以看出，該系統的監測準確度在90%以上，具有較好的監測準確性。對刀具磨鈍導致的異常，其監測準確率較高，在葉片的實際加工過程中具有一定的參考價值，能為機床操作者節省部分精力，可以及時發現加工異常，降低廢品率。

表3 刀具加工狀態準確性統計Table 3 Accuracy statistics of tool machining condition

對于刀具壽命預測情況，通過分析表2 中的刀具即將磨鈍內容可知，在部分情況下，精銑刀和銑根刀在加工7 個零件后到壽，而在實際加工過程中，機床操作者憑借自己的加工經驗，在加工6 個零件后就會換刀，相比而言，刀具狀態監測系統對刀具壽命預測更精確，可以提高刀具的利用率，降低對刀具壽命的浪費，節省葉片加工成本。此外，刀具壽命預測結果的準確性情況如表4所示。可以看出，刀具壽命預測準確率可以達到90%以上，具有較好的預測準確性，在實際加工過程中，該預測結果具有較高的參考價值。

表2 刀具壽命預測結果Table 2 Tool life prediction results

表4 刀具壽命預測準確性統計Table 4 Accuracy statistics of tool life prediction

結論

本文以航空發動機壓氣機葉片的銑削加工過程為研究對象，針對加工過程中刀具加工狀態不易實時監測、更換刀具時依賴經驗等問題，利用基于功率信息的常閾值監控法，開發了刀具監測系統。

（1）該監測系統通過對主軸電機的功率信號進行采集、分析和離線學習，得到了功率閾值區間，將加工過程中實時產生的主軸功率數據與區間數據進行對比，實現了對刀具加工狀態的實時監測和對刀具壽命的預測。

（2）試驗表明，對于加工參數固定的葉片銑削加工過程，該刀具監測系統可以對刀具加工狀態是否異常做出準確判斷，對刀具壽命的預測準確度較高，在航空發動機壓氣機葉片加工領域有著良好的應用前景。