加工參數智能控制系統開發

廖小平，甘文智，黃 兵，魯 娟

（廣西大學機械工程學院，廣西 南寧 530004）

1 引言

隨著中國加入WTO，全球化的進程迅速加快，在國際市場上，中國制造的各種產品在國際上受到了來自其它國家的挑戰。尤其是在高端制造領域，由于核心的制造技術掌握在少數國外企業手中，國產的數控機床難以突破技術壁壘，導致產品的質量不高，缺乏商業競爭力。因此在先進機床加工技術領域，還有很多的工作需要我們來完成。加工過程中保持產品質量是其中一項重要的工作，由于產品的質量變化對加工參數的改變十分敏感，構建產品質量控制系統，對加工過程進行控制，對于產品質量的提升以及生產成本的控制就具有十分重要的意義。

計算機技術和控制技術的發展給機床技術帶了新的技術變革，使得數控技術得以朝著數字化、智能化的方向發展。在產品的加工過程中，可以利用各種傳感器來監測加工過程中產生的各種信號，例如主軸轉速、機床主軸震動、刀具加工切削力、聲發射信號、加工溫度等?；谶@些數據，通過智能算法動態地調整加工參數，使產品的加工質量處于最佳狀態。要實現這一目的，建立一個高質量的控制系統就顯得十分必要。

UML建模語言是一種常見的軟件建模語言[1]，它定義良好、易于表達，可以對大部分具有靜態結構和動態行為的系統進行建模，在分析和設計方法描述上相對于其他方法具有一些突出的優勢[2]，因而適用于系統開發過程中的不同階段。它所包含有的9種圖：類圖、對象圖、用例圖、順序圖、協作圖、狀態圖、活動圖、成分圖以及展開圖可以從多個方面對系統進行描述，使得軟件開發過程更加易于實施[3]。

2 智能控制方法及流程分析

分析產品加工過程控制的具體流程及控制方法是實現產品質量控制的必要途徑。本章將探索一種加工參數智能控制流程。對產品質量數據進行實時的監控，通過智能算法對質量數據的變化趨勢做出預測。當質量即將偏離合格范圍時，決策需要采取的措施，若需要調整加工參數，則利用傳感器采集到的加工信號數據，采用合適的智能算法對刀具實時磨損值進行間接預測，然后以預測的磨損值為依據，采用合適的智能算法動態的對加工參數進行優化調整；若需要換刀，則進行換刀，重新開始加工過程，以此達到保持產品質量的目的。具體過程如圖1所示。

圖1 加工參數智能控制流程圖Fig.1 Processing Parameter Intelligent Control Flow Chart

2.1 采集加工信號

隨著加工的進行，機床加工的條件也會不斷的變化，例如：機床性能、工藝參數、刀具結構等。想要直接獲得這些變化的參數比較困難，通常采用傳感器實時的測量、采集切削過程中的各種信號，通過加工信號從側面來反應加工條件的改變[4]。常用的信號包括：切削力信號、震動信號以及聲發射信號[5]。在MATLAB中可以利用相關函數從電腦串口中讀取利用傳感器和采集卡采集到的各種切削信號數據，本系統中只采集三個坐標方向（X、Y、Z）切削力數據，將其作為后續方法的數據基礎。

2.2 刀具磨損預測

在加工過程中，刀具的結構及參數會對產品質量產生最直接的影響，因此監控刀具的結構參數的改變可以為優化加工參數提供可靠依據。刀具的磨損量對產品質量的影響最為顯著，國際上通常將后刀面1∕2切深處的磨損量作為后刀面的磨損值[6]。利用歷史切削力信號數據與相應的刀具后刀面磨損值，通過混合灰狼優化算法（HGWO）建立兩者之間的關系模型，從而利用實時采集的切削力信號獲得刀具的實時磨損量。

2.3 參數優化控制

本課題組采用的是立式銑削加工實驗，所以加工參數主要有四個：切削速度（Vc）、進給量（f）、背吃刀量（ap）和切削寬度（ae）。切削要素與加工質量之間關系復雜，傳統的建模方法存在一定的局限性，往往難以反映他們之間精確的相關關系[7]。而智能算法給我們提供了另一種更合適的方法，采用粒子群優化算法與BP神經網絡的結合應用，用BP神經網絡建立切削參數和刀具磨損量與加工質量之間的關系模型，將該模型作為粒子群優化算法的適應度函數來對加工參數進行優化，最后根據刀具磨損的程度就可以實時的對加工參數進行調整。

2.4 產品質量監控

在產品的加工過程中，需要對產品的各項質量指標進行監控，從而對應該采取的措施和采取措施的時機做出判斷。除了參數調整，當刀具磨損嚴重后還需要進行換刀操作。判斷刀具磨損量是通過第二節中的刀具磨損值預測來實現，當預測值大于閾值時，進行換刀操作；另一種判斷方式是兩次參數優化的間隔是否小于閾值，當參數的優化進行的過于頻繁，此時也應該進行換刀。

3 系統建模

3.1 系統結構建模

按照系統的構建需求，將系統框架設計為三個層次[8]：用戶層、系統功能層以及數據資源層，具體框架，如圖2所示。用戶層主要為不同的使用者提供相對應的操作界面，這樣可以對不同用戶所能訪問的功能以及數據庫進行化分；系統功能層實現了不同的功能需求，不同功能之間相互獨立，方便后續改進、完善；數據資源層中針對不同的系統功能需求，建立不同的數據庫，為系統功能的實現提供必要的數據支持。

圖2 加工參數智能控制系統框架Fig.2 Processing Parameter Intelligent Control System Framework

3.2 參與者分析

在系統的使用過程中，主要考慮三類參與者：工程師、監控人員和操作人員。工程師主要負責完善系統中的模塊化程序，包括刀具磨損預測模型函數、加工質量預測函數、加工參數優化模型和產品質量評價函數；監控人員主要負責管理加工過程中產生的各種數據，包括加工信號、刀具磨損數據以及產品的質量數據，并對信號的變化做出反應，判斷應該采取的措施；最后還有操作人員，他們負責采集、反饋產生的各種信號和數據，并執行監控人員做出的行動決策。

3.3 系統用例建模

UML建模語言中的用例圖從用戶的角度對系統功能進行分析[9]。系統用例圖，如圖3所示，本系統主要分為四個模塊：

圖3 系統用例圖Fig.3 System Use Case Diagram

（1）加工信號管理：該模塊的功能主要對信號進行采集和查看。信號查看功能需要對不同的數據進行個性化的可視化。

（2）刀具磨損管理：該模塊的主要功能是建立刀具磨損值預測模型和預測刀具實時的磨損值。

（3）加工參數管理：該模塊主要用來建立產品質量預測模型并對加工參數進行智能優化，最終輸出優化后的加工四要素。

（4）產品質量管理：該模塊主要實現對產品加工質量的記錄與修改，監控產品質量的變化，將刀具的行為痕跡可視化。

3.4 系統動態建模

動態建模的主要任務是在用例建模的基礎上，分析系統中各種行為發生的時序狀態和交互關系，對系統行為進行動態描述，從系統的角度反映系統內部對象之間的動態關系[10]。

3.4.1 加工信號管理模塊

加工信號是軟件系統中的基礎模塊，為系統的正常運行提供了必要的數據采集和查看功能，為最終的加工過程控制提供了數據依據。該模塊的順序圖，如圖4所示。

圖4 加工信號管理模塊順序圖Fig.4 Processing Signal Management Module Sequence Diagram

3.4.2 刀具磨損管理模塊

刀具的磨損對加工質量有著十分重要的影響，因此它是對加工過程進行智能控制的重要依據，如何對其數值進行分析、管理就顯得十分重要。該模塊的順序圖，如圖5所示。

圖5 刀具磨損管理模塊順序圖Fig.5 Tool Wear Management Module Sequence Diagram

3.4.3 加工參數優化模塊

該模塊是系統中最核心的部分，當加工環境變化之后，需要通過參數優化模塊來對加工參數進行優化，使得加工產品的質量得以保持。該模塊的順序圖，如圖6所示。

圖6 加工參數優化模塊順序圖Fig.6 Processing Parameter Optimization Module Sequence Diagram

3.4.4 產品質量管理模塊

該模塊主要用來顯示產品加工的動態過程，對產品加工中的質量指標進行監控，反應產品的加工狀態。該模塊的順序圖，如圖7所示。

圖7 產品質量管理模塊順序圖Fig.7 Product Quality Management Module Sequence Diagram

4 系統實現

由于MATLAB中的GUI的模塊對每一個圖形對象都有詳細的預設屬性，可以十分方便的按照需求定制；同時MATLAB環境下有豐富的庫，很多復雜的算法都可以直接調用已有庫函數實現，大大便利了我們的系統構建工作，所以本系統在MATLAB／GUI的框架下進行構建。

4.1 加工信號管理面板實現

“在線測量”區域功能是設置采集信號的參數，控制信號采集過程，對采集的信號進行相應的處理，如圖8所示?！半x線數據”區域可以根據用戶輸入的不同信息，對已采集的信號進行查看和管理。相應數據可以在坐標軸上進行查看。通過選擇不同的信號通道，還可以對不同方向的切削力信號進行單獨的詳細查看。

圖8 加工信號管理面板Fig.8 Processing Signal Management Panel

4.2 刀具磨損管理面板實現

“刀具磨損預測模型”區域主要用來建立不同條件下的預測模型，如圖9所示。在“加工條件”中輸入相應的參數，建立模型時就將該加工條件下的海量數據作為訓練集，依據“算法選擇”中的建模方法建立最終模型。在模型建立好之后，會在提示框內提示相關信息。“刀具磨損預測”區域主要利用采集到的信號，通過建立好的模型得到刀具磨損值的預測值。同時，計算過程中的信號特征值及分析數據也將顯示在左邊的圖表區域。

圖9 刀具磨損管理面板Fig.9 Tool Wear Management Panel

4.3 加工參數管理面板實現

右上角的“質量指標預測模型”主要用來建立不同加工條件下的質量預測模型，如圖10所示。在“加工條件”中輸入需要建立模型的加工條件，在“預測方法”中選擇較為合適的建模方法，單擊“生成模型”按鈕之后，程序會尋找相應數據利用選擇的算法建立相對應的模型，建模過程結束后會在下方的文本框中顯示相關信息。右下角的“參數優化”模塊是系統中比較核心的一個功能，對于不同的加工條件，選用不同的優化算法來對加工參數進行優化。算法中將獲取左下角區域中設定好的初始模型參數，進行加工參數優化過程。優化后的結果將會顯示在右下角的四個對應文本框中，而優化過程中的種群最優個體信息將會顯示在左上角的坐標軸中。優化結果和刀具狀態等數據會被保存到刀具行為痕跡表中，方便對加工過程的監控，同時為之后的參數優化提供參照。

圖10 加工參數管理面板Fig.10 Processing Parameter Management Panel

4.4 產品質量管理面板實現

右下角的“質量指標”區域主要功能是創建產品的各項質量指標，并對已經建立的指標進行管理，如圖11所示。建立好質量指標后可以在下方文本框輸入相應的質量指標數據。對已經輸入的參數，可以通過單擊“查看∕修改數據”按鈕進行數據管理。選擇列表框中的一項質量指標，系統會將該質量指標中已有的數據及相關參數顯示在左下角的坐標軸上，而且可對接下來的多個個質量指標值進行預測，判斷質量的變化。左上角區域的坐標軸用來顯示刀具行為痕跡，即刀具使用過程中每一次對參數進行優化時的刀具狀態。其橫坐標表示已加工零件數，縱坐標表示刀具的磨損量，坐標中每一個點表示一次加工參數的調整，點擊任意一個點，該點所代表的加工參數數值就會顯示在右邊的“行為痕跡”區域中。

圖11 產品質量管理面板Fig.11 Product Quality Management Panel

5 結語

通過研究加工中產品質量不穩定的問題，開發了一套加工參數智能控制系統，通過收集加工信號，判斷加工環境的變化，從而調整加工參數來對加工過程進行干預，最終實現保持產品加工質量的目的。主要完成了以下三個方面的工作：

（1）通過對加工過程的分析，了解了產品質量控制的邏輯過程，將其按照順序分為四個部分：信號采集過程、刀具磨損預測過程，加工參數優化過程以及產品質量管理過程。

（2）基于UML建模語言對系統進行了整體的建模。通過用例圖對參與者與不同用例之間的交互關系進行了梳理；通過順序圖從系統的角度展示了智能控制流程，建立了系統運作的邏輯過程。

（3）利用MATLAB∕GUI對系統進行了實現。按照系統設計要求，將系統分為了信號管理模塊、磨損管理模塊，參數管理模塊以及質量管理模塊。結果表明各項所需的系統功能都得到了實現。