王沛鑫 杜茂華 杜興澤 王神送 程正

摘要： 振動和聲發(fā)射信號是兩種比較理想的刀具狀態(tài)監(jiān)測信號，本文采用正交試驗方法在不同工藝條件下對Ti6Al4V進行切削加工，采集振動和聲發(fā)射信號并提取其均方根值，通過極差分析等方法研究切削參數(shù)和刀具磨損對信號的影響規(guī)律，結(jié)果表明：在本研究切削用量范圍內(nèi)，即71m/min≤vc≤109m/min、0.09mm≤f≤0.13mm、0.6mm≤ap≤1.0mm，對于振動信號，可以通過提高切削速度，減小進給速度和切削深度來減小振動；對于聲發(fā)射信號，提高切削速度、增大切削深度和進給速度都會導(dǎo)致聲發(fā)射信號的加強，而刀具磨損量的增加使得聲發(fā)射信號減弱。

Abstract： Vibration and Acoustic Emission （AE） signals are two ideal tool condition monitoring signals. In this paper， the orthogonal tests under different turning conditions are conducted and the vibration and AE signals are collected and the root mean square （RMS） values of the signals are extracted. The influence law of the cutting parameters and tool wear on the vibration and AE signals is investigated by using the range analysis. The results show that the vibration signal can be reduced by increasing cutting speed， decreasing feed rate and depth of cut in the range of cutting parameters （71m/min≤vc≤109m/min， 0.09mm≤f≤0.13mm， 0.6mm≤ap≤1.0mm） and that the AE signal is strengthened with the increase of the cutting speed， the cutting depth and the feed speed and it is weakened with the increase of the tool wear.

關(guān)鍵詞： 切削參數(shù)；刀具磨損；振動；聲發(fā)射

Key words： cutting parameters；tool wear；vibration；acoustic emission

中圖分類號：TH161 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-4311（2018）11-0097-03

0 引言

Ti6Al4V是一種典型的難加工材料，具有比強度高、密度小、抗蝕性好、熱強度高等特點，被廣泛應(yīng)用于航空航天、船舶、醫(yī)療器械等領(lǐng)域[1]。在加工時，嚴(yán)重磨損的刀具，直接影響到加工對象的尺寸精度和表面質(zhì)量。為了保證產(chǎn)品的質(zhì)量，充分發(fā)揮機床的效能，對刀具狀態(tài)監(jiān)測的研究具有十分重要的意義。近年來，國內(nèi)外研究人員在刀具狀態(tài)監(jiān)測領(lǐng)域做了大量工作，并取得一些進展。Jemielniak K等人通過車削鎳基高溫合金，測量切削力和AE信號，提取信號特征，提出了改進信號特征相關(guān)性的評估方法[2]。李小俚等人對AE信號進行小波分析，把小波分解后的每個頻段均方根作為監(jiān)測刀具狀態(tài)的特征[3]。Bovic Kilundu采用奇異譜分析的方法對振動信號進行了分析，發(fā)現(xiàn)振動信號的高頻成分與刀具磨損有很強的相關(guān)性[4]。王維等人對異型螺桿進行銑削加工，采用振動信號特征值作為檢測刀具磨損的參量，利用小波分析構(gòu)建濾波器組，對振動信號進行多尺度分解和多分辨率逼近，提取刀具狀態(tài)特征參數(shù)，實現(xiàn)了刀具狀態(tài)的檢測[5]。這些研究都是基于某種特定的材料和信號進行的刀具磨損監(jiān)測研究，而對于難加工材料Ti6Al4V，采用振動和聲發(fā)射作為監(jiān)測信號的刀具的磨損監(jiān)測尚未見到。

加速度傳感器有儀器簡單、安裝方便等優(yōu)點，通常用它來測量振動[6]。切削加工中切削力動態(tài)分量周期變化，使機床產(chǎn)生微小顫動，隨著加工條件的變化，最后發(fā)展到振動，產(chǎn)生的振動信號包含豐富的刀具狀態(tài)信息[7]。聲發(fā)射（acoustic emission，AE）是材料內(nèi)部快速釋放能量而產(chǎn)生瞬態(tài)彈性波的一種物理現(xiàn)象[8]。在金屬切削中，切屑和工件塑性變形、切屑與前刀面摩擦、工件與后刀面摩擦、切屑與刀具的碰撞等都會產(chǎn)生豐富的聲發(fā)射信號[9]。與其它檢測方法比，聲發(fā)射信號的頻率很高，能避開加工中振動和噪聲污染的低頻段，具有靈敏度高、信息量豐富等優(yōu)點。

總的說來，振動和聲發(fā)射信號是目前比較理想的兩種監(jiān)測信號。本文通過設(shè)計不同工藝條件的車削正交試驗，通過采集Ti6Al4V切削過程中的振動和聲發(fā)射信號，對不同工藝條件下信號的變化規(guī)律進行分析。

1 試驗系統(tǒng)

切削試驗所用測試系統(tǒng)主要由機床、刀具、工件以及振動和聲發(fā)射信號采集系統(tǒng)組成，如圖1所示。其中，試驗所用的機床為CA6140車床，工件材料為鈦合金棒，刀具為標(biāo)準(zhǔn)機夾式90°涂層外圓車刀；信號采集與分析系統(tǒng)是利用加速度傳感器和聲發(fā)射傳感器分別采集切削過程中刀柄的振動信號和聲發(fā)射信號，通過前置放大器對信號放大，經(jīng)數(shù)據(jù)采集卡輸入計算機，利用Labview軟件編程實現(xiàn)數(shù)據(jù)的采集與分析。

2 試驗方案

為了對振動和聲發(fā)射信號的采集與分析，研究試驗因素對振動和聲發(fā)射信號的影響規(guī)律，采用正交試驗法在不同工藝條件下進行切削試驗。正交試驗法是通過正交表合理安排試驗，用盡可能少的試驗組確定各因素對試驗指標(biāo)的影響規(guī)律。

切削過程中影響振動和聲發(fā)射信號的因素很多，包括機床精度、刀具和工件材料、切削參數(shù)及切削環(huán)境等，其中機床、刀具和工件材料是固定因素，刀具磨損和切削參數(shù)是變化因素[10]。固定因素確定后，影響信號的主要因素是切削參數(shù)和刀具磨損。結(jié)合試驗?zāi)康?，確定試驗因素為：切削參數(shù)和刀具磨損量，每個因素選3個水平。切削過程中的刀具磨損劃分為三個階段：新刀；正常磨損；嚴(yán)重磨損，見表1。試驗前進行大量切削工作，為加快刀具磨損，采用較大的切削參數(shù)，每走刀一分鐘，測量刀具后刀面磨損量一次，直到達(dá)到劃分的磨損程度為止。根據(jù)生產(chǎn)經(jīng)驗及機床性能，確定切削參數(shù)各水平見表2。

正交試驗設(shè)計要滿足試驗因素≤正交表列數(shù)、因素水平數(shù)與正交表水平數(shù)一致的要求，結(jié)合切削試驗選擇因素及水平如表2所列，選取L9（34）正交表設(shè)計試驗，試驗方案見表3。

3 試驗結(jié)果與分析

傳感器采集的原始信號中有許多與試驗因素?zé)o關(guān)的信息，必須對原始信號進行分析處理，提取與試驗因素密切相關(guān)的信號特征。由于均方根值能夠較好地反映信號的強弱，而且簡單直觀、易于理解，因此以信號的均方根值作為試驗指標(biāo)。提取每次試驗所采集振動和聲發(fā)射信號的均方根值所獲得的試驗結(jié)果見表3。

3.1 切削參數(shù)與刀具磨損對振動信號的影響

對表3中振動信號的測量數(shù)據(jù)進行統(tǒng)計分析，得到均方根的均值主效應(yīng)圖，如圖2所示，均方根極差分析結(jié)果見表 4。

由圖 2可看出，在試驗切削參數(shù)范圍內(nèi)，隨著切削速度vc的增大，振動信號均方根值的均值減小，說明振動信號逐漸減小，這主要是由于隨著切削速度vc增加，切削溫度逐漸提升，使材料發(fā)生軟化現(xiàn)象，切削力降低，導(dǎo)致振動減小，因而在實際加工中可以通過提高切削速度vc來降低切削振動。進給速度f對切削振動信號影響最大，隨著進給速度f的加大，振動不斷增強。因為進給速度f的加大會使單位時間內(nèi)的切削面積增大，切削力也隨之增大，從而振動加劇。切削深度ap對振動也有比較明顯的影響，隨著切削深度ap的增加，振動也逐漸增強，這是由于隨著切削深度ap的增加，切削力變大，切削振動也隨之增大。

刀具磨損的不同階段對振動信號產(chǎn)生不同影響。當(dāng)?shù)毒吣p量VB從0增大至0.2 mm，振動信號減小，說明在初期磨損階段，隨著刀具的磨損，刀刃變得越來越鋒利，導(dǎo)致切削力的降低，振動也隨之減小。當(dāng)?shù)毒吣p量為0.2mm≤VB≤0.4mm時，刀具處于正常磨損階段。之后，刀具仍具有切削能力，但很快就進入紅熱狀態(tài)（如圖3所示），刀具的磨損速度加快，刀具迅速鈍化，直至失效，表明刀具已進入急劇磨損階段（VB>0.4 mm），此時，切削能力降低、切削力增大，振動隨之增大。需指出的是，由于該階段持續(xù)時間短暫（約10秒），所以無法采集到刀具磨損對信號的影響曲線。

經(jīng)過正交運算可直接得出振動信號的均方根值極差結(jié)果，見表4。由于均方根的極差數(shù)值越大，則對振動信號的影響越大，故在表4的四個影響因素（vc、f、ap、VB）中，各因素對振動信號的影響從大到小依次為：進給速度、切削深度、刀具磨損、切削速度。

3.2 切削參數(shù)與刀具磨損對聲發(fā)射信號的影響

對表3中聲發(fā)射相關(guān)試驗數(shù)據(jù)進行統(tǒng)計分析，得到聲發(fā)射信號均方根值的主效應(yīng)圖，如圖4所示，均方根極差見表5。

由圖3可看出，切削參數(shù)對聲發(fā)射信號的均方根值都有明顯的影響，在給定的切削參數(shù)范圍內(nèi)，隨著切削速度vc的提升、進給速度f 的加快和切削深度ap的加大，聲發(fā)射信號的均方根值也不斷地增大，這主要是由于隨著切削參數(shù)的不斷增大，材料去除率不斷變大，切削力也隨之增加，使工件與切屑的塑性變形增加，工件和切屑與刀具間的摩擦加劇，因而導(dǎo)致聲發(fā)射信號的增大。其中，切削速度vc的影響最大。

圖4采集到的僅是正常磨損階段前的刀具磨損值對聲發(fā)射信號的影響曲線。從圖中可以看出，隨著刀具磨損量的增加，聲發(fā)射信號均方根值不斷減小。這主要是因為：在相同切削參數(shù)的情況下，刀具副后刀面的磨損會使磨損量大的刀具比磨損量小的刀具的切削深度小，由以上分析我們已經(jīng)知道，聲發(fā)射信號隨著切削深度的增大而增大，所以磨損量大的刀具的聲發(fā)射信號要小。與3.1相同原因，未能采集到刀具磨損量VB>0.4mm時的聲發(fā)射信號，但從理論上講，當(dāng)?shù)毒哌M入急劇磨損階段時，聲發(fā)射信號的均方根應(yīng)該迅速增加。

由表5中聲發(fā)射均方根值的極差結(jié)果可看出，四個影響因素因?qū)β暟l(fā)射信號的影響順序從大到小依次為：切削速度、刀具磨損、進給速度、切削深度。

4 結(jié)論

通過正交試驗，分析了切削參數(shù)和刀具磨損對切削振動和聲發(fā)射信號的影響情況。研究結(jié)果表明：對于振動信號，在本研究切削用量范圍內(nèi)，即71m/min≤vc≤109m/min、0.09mm≤f≤0.13mm、0.6mm≤ap≤1.0mm，因提高切削速度，振動信號減小，所以可通過提高切削速度來減小振動；因切削深度、進給速度和刀具磨損的增大都會導(dǎo)致振動信號加強，其中進給速度和切削深度有顯著影響，各因素對振動信號的影響次序為：進給速度>切削深度>刀具磨損>切削速度；對于聲發(fā)射信號，切削速度、切削深度和進給速度的增大都會導(dǎo)致聲發(fā)射信號加強，而一定范圍內(nèi)的刀具磨損量增加使得聲發(fā)射信號減小，各因素對聲發(fā)射信號的影響次序為：切削速度>刀具磨損>進給速度>切削深度。

參考文獻(xiàn)：

[1]陳五一，袁躍峰.鈦合金切削加工技術(shù)研究進展[J].航空制造技術(shù)，2010（15）：26-30.

[2]Jemielniak K， Kossakowska J， Urbański T. Application of wavelet transform of acoustic emission and cutting force signals for tool condition monitoring in rough turning of Inconel 625 [J]. Proceedings of the Institution of Mechanical Engineers. Part B. Journal of Engineering Manufacture， 2011， 1（-1）：1-7.

[3]Li Xiaoli， Yao Yingxue， Yuan Zhejun. On-line tool condition monitoring system with wavelet fuzzy neural network[J]. Journal of Intelligent Manufacturing， 1997， 8（4）：271-276.

[4]Bovic K， Pierre D， Xavier C. Tool wear monitoring by machine learning techniques and singular spectrum analysis[J]. Mechanical Systems & Signal Processing， 2011， 25（1）：400-415.

[5]王維，么健石，唐宗軍.異型螺桿銑削過程刀具磨損狀態(tài)檢測研究[J].中國機械工程，2004，15（23）：2081-2084.