左敦穩(wěn)

(南京航空航天大學(xué) 機電學(xué)院，江蘇 南京 210016)

0 引言

制造技術(shù)經(jīng)歷第一次工業(yè)革命在18世紀后期進入到蒸汽時代，經(jīng)歷第二次工業(yè)革命在19世紀后期進入到電氣時代，于20世紀70年代經(jīng)歷第三次工業(yè)革命進入到信息時代，又在21世紀初迎來第四次工業(yè)革命正向網(wǎng)絡(luò)智能時代邁進。智能制造已成為世界各主要工業(yè)國家的重點發(fā)展領(lǐng)域[1-2]，美國、德國、日本等國紛紛瞄準“智能制造”制定并實施制造技術(shù)升級計劃。我國也出臺了“中國制造2025”發(fā)展計劃，以推動我國早日從制造大國成為世界制造強國，如圖1所示。

圖1 主要工業(yè)國家制定的智能制造計劃

自第一次工業(yè)革命以來，誕生了眾多的加工原理與方法，幾乎所有的能量形式都被應(yīng)用于工業(yè)產(chǎn)品的制造中，如機械加工、電加工、光加工、聲加工、熱加工、化學(xué)加工等。其中，多數(shù)加工技術(shù)以“去除”形式對工件進行“減材加工”，但也有以“3D打印”為代表的“增材加工”。作為“減材加工”的代表——機械加工技術(shù)，其歷史最為悠久，時至今日仍然是產(chǎn)品制造工程中的主流技術(shù)。隨著制造技術(shù)進入智能時代，智能機械加工技術(shù)也備受關(guān)注。進入21世紀，機械加工技術(shù)呈現(xiàn)出以“精密、高速、微納、綠色、智能”為特征的發(fā)展趨勢[3]，不斷挑戰(zhàn)加工精度極限、以“高速”實現(xiàn)高品質(zhì)高效加工、微細與納米加工得到快速發(fā)展，同時更加追求加工技術(shù)的綠色化和智能化，“智能”已成為現(xiàn)代加工技術(shù)的主要發(fā)展方向之一。

1 智能機械加工研究現(xiàn)狀

智能機械加工技術(shù)，即通過提高加工單元及其組成系統(tǒng)的智能化水平，追求產(chǎn)品加工整體過程的最優(yōu)化。由于機械加工技術(shù)在產(chǎn)品制造中的主流基礎(chǔ)地位，因此，智能機械加工是智能制造的重要基礎(chǔ)支撐。

從對加工過程實現(xiàn)優(yōu)化控制的角度出發(fā)，智能加工的研究內(nèi)容主要涉及加工狀態(tài)的智能感知、數(shù)據(jù)的實時智能分析、對分析結(jié)果的自主智能決策以及對決策結(jié)果的精準智能執(zhí)行等關(guān)鍵單元技術(shù)(圖2)，并在此基礎(chǔ)上對加工整體過程進行優(yōu)化。顯然，以上各單元技術(shù)是實現(xiàn)智能加工的基礎(chǔ)，同時為實現(xiàn)加工整體過程最優(yōu)還需要加工車間的信息化作為必要的支撐條件。

圖2 智能加工的主要單元技術(shù)

國內(nèi)外已有眾多學(xué)者對智能加工技術(shù)開展了研究工作[4-9]，發(fā)表的論文數(shù)量在近年來迅速增多。使用關(guān)鍵詞“智能加工”通過“中國知網(wǎng)”數(shù)據(jù)庫檢索發(fā)現(xiàn)，自1990年以來，“按全文”檢索出的論文總數(shù)最多，共有781篇；其他檢索方式以論文數(shù)從多到少的順序為“按摘要”、“按主題”、“按關(guān)鍵詞”、“按篇名”等，如圖3所示。從發(fā)表時間看，近5年的論文數(shù)呈顯著增長趨勢。圖4表示對“按篇名”檢索出的62篇論文的統(tǒng)計結(jié)果，其中，2015年-2018年近4年的論文數(shù)已達22篇，遠遠超出前面任何5年里的論文數(shù)量。

圖3 智能加工中文文獻檢索結(jié)果

圖4 智能加工論文統(tǒng)計結(jié)果

對“按篇名”檢索出的62篇論文進一步分析表明，發(fā)表相關(guān)論文較多的論文作者單位主要有：華中科技大學(xué)、華南理工大學(xué)、西北工大大學(xué)、清華大學(xué)、國防科技大學(xué)、電子科技大學(xué)以及南京航空航天大學(xué)等；而刊登論文最多的期刊為《航空制造技術(shù)》，共有4篇。值得一提的是，上述62篇論文中有8篇研究生學(xué)位論文，其中博士學(xué)位論文3篇，碩士學(xué)位論文5篇，如表1所示。8篇學(xué)位論文中，僅“大功率CO2激光三維智能加工CAM的研究”1篇為非機械加工，其余均為智能機械加工方面的研究。

表1 智能加工主題的學(xué)位論文統(tǒng)計

在“EIVillage”數(shù)據(jù)庫中使用關(guān)鍵詞“intelligentmachining”進行檢索，結(jié)果顯示自1983年以來共有1 957篇論文。按年度發(fā)表論文數(shù)的統(tǒng)計結(jié)果如圖5所示。其中雖然有較多論文的內(nèi)容屬于“機器學(xué)習(xí)”范疇，但從論文發(fā)表數(shù)量的逐年增長態(tài)勢看，足以說明人們關(guān)注“智能加工”的熱度。尤其在進入21世紀后，年發(fā)表論文數(shù)迅速增長。與圖4中近5年快速增長的結(jié)果相比，中文文獻顯著增長的時間比外文文獻大約滯后10年左右。

圖5 EI Village數(shù)據(jù)庫檢索結(jié)果

事實上，在2003年，國際生產(chǎn)工程學(xué)會(CIRP)就制定了“PMI計劃”支持智能加工技術(shù)研究，隨后，美國與歐盟分別推出了“SMPI計劃”和“NEXT計劃”[10]。3大計劃的主要參與機構(gòu)及研究內(nèi)容如圖6所示。在時間上，這正好印證了相關(guān)研究的英文文獻從2005年左右開始迅速增長這一統(tǒng)計結(jié)果。

圖6 智能加工主要相關(guān)研究計劃

綜合以上3大計劃的主要研究內(nèi)容，可以將智能加工技術(shù)的研究內(nèi)容歸納為3個方面：加工過程仿真與優(yōu)化、過程監(jiān)控與誤差補償以及智能加工機床研發(fā)。在加工過程仿真與優(yōu)化研究方面，重點在于機床系統(tǒng)建模、加工過程仿真、加工過程優(yōu)化以及加工質(zhì)量預(yù)測技術(shù)等，如圖7所示。

圖7 加工過程仿真與優(yōu)化的研究內(nèi)容

在過程監(jiān)控與誤差補償研究方面，研究重點在于設(shè)備性能表征、加工過程監(jiān)測、誤差補償以及設(shè)備狀態(tài)維護技術(shù)等，如圖8所示。

圖8 過程監(jiān)控與誤差補償?shù)难芯績?nèi)容

在智能加工機床研發(fā)方面，研究重點在于監(jiān)控技術(shù)集成、知識庫與專家系統(tǒng)、遠程診斷以及智能刀具與工裝技術(shù)[11-12]等，如圖9所示。

圖9 智能加工機床的主要內(nèi)容

由此可見，智能加工技術(shù)研究的內(nèi)容極其廣泛，但要真正實現(xiàn)整體加工過程的優(yōu)化控制，機床、刀具以及工件的狀態(tài)監(jiān)測是基礎(chǔ)[13-14]，需要通過監(jiān)測為過程優(yōu)化提供源信息。其中，機床的狀態(tài)監(jiān)測通常通過內(nèi)置傳感器來實現(xiàn)，而刀具和工件狀態(tài)的監(jiān)測，機器視覺技術(shù)可以發(fā)揮重要作用。

2 基于視覺的刀具狀態(tài)監(jiān)測

在切削加工過程中，刀具的前后刀面及刃口會發(fā)生磨損，刀桿受力會發(fā)生變形。刀具的磨損和變形會對工件的加工精度、表面質(zhì)量產(chǎn)生直接影響，有時會引起加工超差和廢品率上升。刀具磨損檢測傳統(tǒng)上采用離線方式檢測，不僅影響加工效率，還由于需要重新對刀容易引起接刀誤差。本文提出一種便攜式低成本的刀具磨損在位檢測方法，如圖10所示。

圖10 一種便攜式刀具磨損在位檢測方法

該方法借助手機照相功能，不需要專門的光源與CCD。使用時隨時組裝，不影響手機的正常使用，非常適合加工現(xiàn)場的在位檢測。圖11中(a)為現(xiàn)場使用情況，圖11(b)為獲得的刀具后刀面圖像。

圖11 便攜式刀具磨損在位檢測

由于圖像在邊緣部位會發(fā)生畸變，因此需采用標(biāo)準網(wǎng)格進行標(biāo)定(圖12(a))。對矯正過的圖像進行處理后便可得到刀具的磨損量(圖12(b))。實際使用時，可在手機上安裝圖像處理APP，便可在加工現(xiàn)場無需卸下刀具就可以獲得刀具的磨損信息。圖12(c)為采用該方法獲得的銑削鈦合金時的后刀面磨損曲線，精度完全滿足工程應(yīng)用需要。

通過合作研究[15]，基于投影圖像對小直徑銑削刀具狀態(tài)開展了在線監(jiān)測研究，其原理如圖13所示。在激光傳感器感知刀具轉(zhuǎn)角位置信號后，通過PLC給CCD相機發(fā)出指令，相機隨即開始拍照，獲得刀具的投影圖像。

圖12 刀具磨損檢測結(jié)果

圖13 刀具投影圖像獲取原理

當(dāng)?shù)毒咴谛D(zhuǎn)狀態(tài)下進行拍照時，需要考慮信號延遲的影響。從位置感知到相機快門啟動之間，由于激光傳感器與PLC的延遲，刀具實際已轉(zhuǎn)過α角。此外，在相機快門開閉之間，刀具又轉(zhuǎn)過了β角。因此，實際獲得的圖像是刀具轉(zhuǎn)過α角處在β角度內(nèi)的平均投影圖像。由于α與β均與刀具轉(zhuǎn)速成正比，所以，在刀具高速旋轉(zhuǎn)條件下進行拍照時，必須采用更快的快門速度以壓縮β角，同時準確計算α角，以便獲得刀具的準確位置圖像。圖14為直徑2mm平頭銑刀在不同轉(zhuǎn)角位置的投影圖像(θ=α+β)。由圖14可知，不同位置的圖像差別顯著，可以據(jù)此獲得刀具狀態(tài)信息。

圖14 直徑2 mm銑刀的投影圖像

對投影圖像進行處理后，便可以獲得軸向離刀具頂端不同位置處刀具的投影寬度。圖15為直徑2mm平頭銑刀未磨損時不同位置的投影圖像寬度，橫坐標(biāo)表示刀具在周向的位置，z表示軸向離刀具頂端的距離。當(dāng)?shù)毒甙l(fā)生磨損后，其投影圖像寬度便會發(fā)生變化，將初始狀態(tài)與磨損狀態(tài)下的寬度相減，便可獲得刀具沿軸向不同位置處的徑向磨損量。

圖15 銑刀不同位置的投影寬度

圖15中不同z處投影寬度的中點位置，代表了刀具的軸線位置。因此，通過比較加工狀態(tài)下刀具軸線位置偏離空載條件下的程度，便可以推測刀具所受徑向力的大小。圖16為直徑1mm雙刃平頭銑刀在不同徑向載荷下?lián)隙任灰频膶嶒灲Y(jié)果。只要事先通過這樣的標(biāo)定，便可以根據(jù)實際加工過程中刀具的投影圖像推測出徑向切削力大小。

圖16 直徑1 mm銑刀撓度-徑向力關(guān)系

研究過程中，還發(fā)現(xiàn)小直徑刀具在正常加工時其軸線位置基本保持穩(wěn)定，而在出現(xiàn)折斷前其軸線位置會出現(xiàn)異常波動。根據(jù)這一現(xiàn)象，通過刀具的投影圖像還可以預(yù)測刀具發(fā)生異常折斷。圖17為直徑1mm銑刀折斷前的圖像。

圖17 直徑1 mm銑刀折斷前圖像

利用刀具的投影圖像，不僅可以在不停機條件下對刀具的磨損狀態(tài)、撓度變形等進行在線監(jiān)測，而且還可以預(yù)測刀具折斷，尤其對于小直徑刀具加工過程中的狀態(tài)監(jiān)測具有良好應(yīng)用前景。

3 加工表面質(zhì)量視覺檢測

工件的加工表面質(zhì)量直接影響到產(chǎn)品的使役性能，在實際生產(chǎn)中必須加以嚴格控制，如發(fā)動機零件的表面層燒傷會引起使用壽命大幅度下降。目前，工程中常用的燒傷評價方法主要有：目測法、酸洗法、表面顯微硬度法等，均屬于定性評價方法，且后兩者屬于破壞性方法。圖18為高溫合金典型的表面燒傷圖像，從圖18(a)到圖18(e)燒傷程度依次變得嚴重。

圖18 高溫合金磨削燒傷表面原始圖像

為獲得更多的圖像信息，應(yīng)圍繞HSV顏色空間，利用顏色直方圖法、顏色矩法提取燒傷圖像的顏色特征，然后利用相似度量技術(shù)對燒傷圖像進行分級。圖18 5幅圖像，經(jīng)相似度計算后HSV各分量如圖19所示[16]。

圖19 燒傷部分的HSV各分量對比

本文判別工件燒傷程度的基本步驟如下：

1) 獲取工件表面原始圖像，將各像素點的色度(H,S,V)坐標(biāo)轉(zhuǎn)換為柱坐標(biāo)系下的歐氏空間坐標(biāo)。

2) 從左上角的第一個像素點開始，與設(shè)置的5級燒傷顏色閾值進行比較，得出該點的燒傷級別，若無燒傷則標(biāo)記為0，再統(tǒng)計出已發(fā)生燒傷的各像素點的個數(shù)。

3) 分別計算所檢驗區(qū)域燒傷級別指標(biāo)與燒傷面積指標(biāo)，將兩者進行加權(quán)計算得出工件燒傷度。

燒傷度定義如下：

Bd=ζ1Cd+ζ2Dd

(1)

式中，Cd表示燒傷級別指標(biāo)，Dd表示燒傷面積指標(biāo)，ζ1和ζ2為加權(quán)系數(shù)。燒傷度取值0～5之間，0級表示無燒傷，表面呈現(xiàn)金屬本身光澤；5級表示嚴重?zé)齻?，表面呈現(xiàn)藍黑色。

據(jù)此，可以設(shè)計出工件燒傷度評價系統(tǒng)，如圖20所示。只要輸入工件原始圖像，便可以獲得燒傷等級。一方面，可以克服目測法帶來的人為誤差，同時不需要對工件進行破壞。不過，在獲取原始圖像時，環(huán)境光的影響較大，不同工件材料的燒傷圖像特征也有所不同。需要相應(yīng)的數(shù)據(jù)庫支持。

圖20 燒傷度評價系統(tǒng)界面

表面粗糙度是加工表面質(zhì)量控制中的一個基本指標(biāo)，通常采用粗糙度儀進行測量，多為離線測量，比較耗時。采用視覺法測量表面粗糙度的原理為：先采集工件加工表面的紋理圖，再通過計算機圖像處理獲得對應(yīng)的灰度直方圖。然后，通過平均紋理周期法、頻域變換法和灰度共生矩陣法等對圖像進行特征參數(shù)提取，包括直方圖的標(biāo)準差、平均紋理周期、亮點間的距離等，最后以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，對提取的各個特征參數(shù)進行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，建立表面粗糙度的測量模型。研究表明，視覺法所測得的表面粗糙度與觸針式測量儀測得的結(jié)果之間，誤差可以控制在5%以內(nèi)[17]。

采用圖11中的便攜式圖像檢測系統(tǒng)對鈦合金銑削加工表面粗糙度研究表明，其精度可以與工業(yè)CCD相當(dāng)[18]。圖21表示便攜式系統(tǒng)獲得的不同Ra工件的表面紋理圖與灰度直方圖，可見其直觀特征明顯。

圖21 不同Ra時表面紋理(左)與灰度直方圖(右)

圖22為不同加工條件下工件表面粗糙度與灰度直方圖標(biāo)準差的實驗結(jié)果。其中表面粗糙度采用觸針式測量儀獲得，標(biāo)準差計算的原始圖像為上述便攜式系統(tǒng)所獲得。顯然，隨著表面粗糙度的增大，標(biāo)準差也呈單調(diào)增大趨勢，在兩者之間存在著良好的相關(guān)關(guān)系。雖然將兩者直接擬合成函數(shù)關(guān)系會出現(xiàn)一定誤差，但如果保留在數(shù)據(jù)庫中，便可通過工件表面圖像的灰度直方圖標(biāo)準差直接獲得加工表面的粗糙度值。

圖22 表面粗糙度與直方圖標(biāo)準差

視覺法表面粗糙度檢測技術(shù)可以實現(xiàn)在位檢測，不僅可以顯著提高工作效率，而且可以應(yīng)用于加工過程中的加工表面質(zhì)量監(jiān)測，為智能加工提供有效手段。

4 結(jié)語

“智能”已成為機械加工技術(shù)的主要發(fā)展方向之一，智能加工是智能制造的重要基礎(chǔ)支撐，而加工單元的智能化是智能加工技術(shù)的核心內(nèi)容。隨著各主要工業(yè)大國對智能制造技術(shù)的重視，對智能加工技術(shù)的研究也呈現(xiàn)出快速增長態(tài)勢。從學(xué)術(shù)論文的發(fā)表數(shù)量上看，中文文獻顯著增長的時間出現(xiàn)在近5年，比英文文獻的快速增長時間大約滯后10年左右。智能加工中，需要對機床、刀具以及工件的狀態(tài)進行監(jiān)測，從而實現(xiàn)整體加工過程最優(yōu)。其中，視覺技術(shù)可以發(fā)揮重要作用，具有廣闊應(yīng)用前景。