杜 昕,楊 娜

(蘭州職業(yè)技術(shù)學(xué)院 機電工程學(xué)院, 甘肅 蘭州 730070)

一、引言

隨著制造業(yè)的快速發(fā)展,機械加工已經(jīng)成為現(xiàn)代工業(yè)生產(chǎn)中不可或缺的一部分[1]。在機械加工過程中,由于機床、刀具、工件以及切削力等多種因素的影響,常常會出現(xiàn)加工振動問題。振動對加工過程的負向影響巨大,可能導(dǎo)致零件加工表面質(zhì)量下降、刀具磨損加劇以及機床損壞等[2-4]。因此,對機械加工中的振動進行分析和控制是提高加工質(zhì)量和效率的重要手段,具有較高的現(xiàn)實意義和經(jīng)濟價值。

二、機械加工中的振動類型和產(chǎn)生原因

根據(jù)振動的性質(zhì)和表現(xiàn)形式,機械加工中的振動主要包括自由振動、受迫振動和自激振動[5-6]。

自由振動是由外部激勵引起的振動,其振幅和頻率取決于初始擾動和系統(tǒng)本身的特性。例如由于機床結(jié)構(gòu)設(shè)計不合理或者制造缺陷等原因?qū)е碌恼駝印?/p>

受迫振動是由周期性外部激勵引起的振動,其振幅和頻率取決于外部激勵的頻率和系統(tǒng)的固有特性。例如由于外部環(huán)境因素(如溫度、濕度、電磁場等)引起的振動。

自激振動則是由非線性因素導(dǎo)致的自我激勵的振動,其振幅和頻率取決于系統(tǒng)的非線性阻尼比和激勵頻率。例如由于機床的運動部件之間的摩擦、間隙等因素影響而產(chǎn)生的振動以及由于機床在長時間運行過程中產(chǎn)生熱變形引起的振動等。

三、振動對加工過程的影響

振動對加工過程的影響主要表現(xiàn)在四個方面:

其一,加工表面質(zhì)量下降。振動會導(dǎo)致刀具和工件之間的相對運動發(fā)生變化,影響加工表面質(zhì)量。

其二,刀具磨損加劇。振動會使刀具受到額外的沖擊和摩擦力,從而導(dǎo)致刀具磨損加劇。

其三,機床損壞。振動會使機床受到周期性的沖擊和扭轉(zhuǎn)力,從而導(dǎo)致機床結(jié)構(gòu)件疲勞損壞。

其四,降低加工效率。振動會使切削力波動,從而導(dǎo)致切削過程的不穩(wěn)定,降低加工效率。

四、振動分析的方法和技術(shù)

為了有效控制機械加工振動,需要對振動進行分析,主要方法包括頻譜分析和模態(tài)分析[7]。

頻譜分析是一種通過對振動信號進行頻率域分析,以確定振動頻率和幅值的方法。常用的頻譜分析方法包括快速傅里葉變換(FFT)和平滑偽譜法(SP法)[8]。通過頻譜分析,可以確定振動的主要頻率成分和對應(yīng)的振幅,從而為振動的控制提供依據(jù)。

模態(tài)分析是一種通過對系統(tǒng)進行模態(tài)建模和分析[9]以確定系統(tǒng)模態(tài)參數(shù)的方法。常用的模態(tài)分析方法包括實驗?zāi)B(tài)分析和計算模態(tài)分析。通過模態(tài)分析,可以確定系統(tǒng)的模態(tài)阻尼比和模態(tài)剛度等參數(shù),從而為系統(tǒng)的動態(tài)特性分析和優(yōu)化提供依據(jù)。

五、傳統(tǒng)加工振動控制方法

根據(jù)振動的類型和產(chǎn)生原因,控制振動的傳統(tǒng)策略和方法可以分為以下幾個方面:

其一,減小外部激勵。減小外部激勵可以有效減小自由振動和受迫振動的振幅和頻率。具體措施包括提高機床的剛性和穩(wěn)定性、合理安排切削用量、選用高性能刀具等。

其二,增加系統(tǒng)阻尼。增加系統(tǒng)阻尼可以有效減小自激振動的振幅和頻率。具體措施包括選用高阻尼材料、增加結(jié)構(gòu)件的阻尼比等。

其三,改變系統(tǒng)剛度。改變系統(tǒng)剛度可以改變系統(tǒng)的固有頻率,從而避免受迫振動的發(fā)生。具體措施包括改變機床結(jié)構(gòu)、增加支承等。

六、基于神經(jīng)網(wǎng)絡(luò)的機械加工振動控制系統(tǒng)設(shè)計

神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計算模型,具有自學(xué)習(xí)、自組織和適應(yīng)性等特點[10-11]。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,神經(jīng)網(wǎng)絡(luò)在模式識別、預(yù)測、控制等領(lǐng)域的應(yīng)用越來越廣泛。近年來,一些研究者將神經(jīng)網(wǎng)絡(luò)應(yīng)用于機械加工振動控制領(lǐng)域,并取得了一些初步成果。例如,刁愛民等提出了一種基于神經(jīng)網(wǎng)絡(luò)的主動吸振器,有效地降低了機構(gòu)的振動水平[12];崔明月等將神經(jīng)網(wǎng)絡(luò)應(yīng)用于隔振系統(tǒng)的設(shè)計中,取得了良好的效果[13]。然而,這些研究還存在著諸如控制精度不高、適應(yīng)性不強等問題。

筆者提出了一種基于神經(jīng)網(wǎng)絡(luò)的機械加工振動控制方法。該方法利用神經(jīng)網(wǎng)絡(luò)對機械加工的振動特性進行學(xué)習(xí),并據(jù)此設(shè)計了一種主動振動抑制控制器。通過實時監(jiān)測加工過程中的振動情況,該控制器可以產(chǎn)生相應(yīng)的控制信號以減小振動水平。通過對比實驗,發(fā)現(xiàn)控制器能夠顯著降低機械加工過程中產(chǎn)生的振動,提升加工的穩(wěn)定性。

(一)系統(tǒng)架構(gòu)

基于神經(jīng)網(wǎng)絡(luò)的機械加工振動控制系統(tǒng)主要包括數(shù)據(jù)采集、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、預(yù)測和控制四個部分。

首先,通過實驗采集加工過程中的振動數(shù)據(jù),然后神經(jīng)網(wǎng)絡(luò)訓(xùn)練部分對采集到的數(shù)據(jù)進行訓(xùn)練,并通過預(yù)測部分建立振動預(yù)測模型,最后根據(jù)預(yù)測結(jié)果生成控制信號,對加工振動進行實時抑制。

本文構(gòu)建了一個深度神經(jīng)網(wǎng)絡(luò)模型來學(xué)習(xí)機械加工過程中的振動特性(圖1)。

圖1 深度神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖

該模型由一個輸入層、多個隱藏層和一個輸出層組成。輸入層接收采集的振動數(shù)據(jù),這些數(shù)據(jù)經(jīng)過多個隱藏層的處理和學(xué)習(xí),最終輸出一個控制信號。

根據(jù)神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)結(jié)果,本文設(shè)計了一種主動振動抑制控制器(圖2)。

圖2 主動振動抑制控制器設(shè)計示意圖

該控制器通過實時監(jiān)測加工振動情況,調(diào)整控制信號以減小振動水平。具體來說,控制器首先采集加工振動數(shù)據(jù),然后利用神經(jīng)網(wǎng)絡(luò)模型計算出相應(yīng)的控制信號。這個控制信號通過驅(qū)動器作用于加工設(shè)備,以減小其振動水平。同時,控制器還會根據(jù)采集到的實際振動效果對神經(jīng)網(wǎng)絡(luò)模型進行持續(xù)訓(xùn)練和優(yōu)化,以進一步提高控制精度和魯棒性。

主動振動抑制控制器包括以下部分:

數(shù)據(jù)采集模塊。該模塊負責(zé)從機械加工設(shè)備中收集振動數(shù)據(jù),包括振動頻率、振幅和相位等信息。這些數(shù)據(jù)將用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型和生成控制信號。

神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練模塊。該模塊使用數(shù)據(jù)采集模塊提供的振動數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。訓(xùn)練過程中,神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)機械加工振動特性,并通過調(diào)整權(quán)重和偏置等參數(shù)來優(yōu)化性能。

控制信號生成模塊。該模塊根據(jù)神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練模塊的學(xué)習(xí)結(jié)果生成控制信號?？刂菩盘柺歉鶕?jù)機械加工振動特性計算得出的,用于實時抑制加工振動水平。

驅(qū)動器模塊。該模塊將控制信號轉(zhuǎn)化為實際動作,通過調(diào)節(jié)機械加工系統(tǒng)的動態(tài)特性來減小振動。

反饋模塊。該模塊負責(zé)實時監(jiān)測加工振動情況,并將振動數(shù)據(jù)反饋給數(shù)據(jù)采集模塊。反饋模塊包括傳感器和信號處理電路,用于檢測加工振動狀態(tài)并生成相應(yīng)的反饋信號。

優(yōu)化模塊。該模塊用于持續(xù)優(yōu)化神經(jīng)網(wǎng)絡(luò)模型和控制器性能。優(yōu)化模塊可以定期評估控制器的性能,并根據(jù)評估結(jié)果對神經(jīng)網(wǎng)絡(luò)模型進行重新訓(xùn)練和調(diào)整,以進一步提高振動抑制效果。

(二)神經(jīng)網(wǎng)絡(luò)模型

本文采用深度神經(jīng)網(wǎng)絡(luò)(DNN)作為主要的神經(jīng)網(wǎng)絡(luò)模型。DNN具有強大的非線性映射能力,能夠更好地捕捉機械加工系統(tǒng)中復(fù)雜的振動行為。使用多層感知器(MLP)作為基本結(jié)構(gòu),通過不斷增加隱藏層和神經(jīng)元的數(shù)量來提高模型的預(yù)測精度。在訓(xùn)練過程中,采用隨機梯度下降(SGD)算法來優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和偏置項,以減小預(yù)測誤差并最小化輸出層神經(jīng)元的激活函數(shù)。為了提高訓(xùn)練效率,還采用了早停(Early Stopping)策略,通過監(jiān)測驗證集的誤差變化來防止過擬合。

(三)數(shù)據(jù)預(yù)處理

由于采集到的振動數(shù)據(jù)可能存在噪聲和異常值,需要對數(shù)據(jù)進行預(yù)處理。本文采用平滑濾波算法對數(shù)據(jù)進行去噪,并使用異常值檢測和剔除方法處理異常數(shù)據(jù)。此外,還對數(shù)據(jù)進行歸一化處理,以避免由于量綱的不同對神經(jīng)網(wǎng)絡(luò)訓(xùn)練產(chǎn)生影響。數(shù)據(jù)預(yù)處理可以提高神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練效果和預(yù)測精度。

(四)控制系統(tǒng)設(shè)計

控制系統(tǒng)中,采用了基于模型的預(yù)測控制(MPC)策略。MPC是一種先進的控制策略,可以處理具有約束條件的優(yōu)化問題。通過將神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果作為控制輸入,實現(xiàn)對加工振動的實時抑制。為了實現(xiàn)MPC,需要定義一個優(yōu)化問題,包括控制信號的約束條件、控制目標(biāo)函數(shù)、系統(tǒng)模型和預(yù)測時域等。

七、實驗驗證

為了驗證該設(shè)計的有效性,進行了一系列實驗測試。首先,采集了不同工況下的機械加工振動數(shù)據(jù)(表1),并利用這些數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練。然后,在不同工況下對機械加工振動水平進行了測量(表2-表5)。

表1 不同工況下的機械加工振動數(shù)據(jù)(單位:g)

表2 工況一下的振動水平測量結(jié)果

表3 工況二下的振動水平測量結(jié)果

表4 工況三下的振動水平測量結(jié)果

表5 工況四下的振動水平測量結(jié)果

實驗結(jié)果表明,基于神經(jīng)網(wǎng)絡(luò)的機械加工振動控制方法相比傳統(tǒng)方法具有更高的控制精度和更好的魯棒性。在復(fù)雜的工況條件下,該方法能夠有效地減小機械加工振動水平,使其運行更加穩(wěn)定。此外,通過對神經(jīng)網(wǎng)絡(luò)模型的持續(xù)訓(xùn)練和優(yōu)化,可以進一步提高設(shè)備的性能和加工穩(wěn)定性。

八、結(jié)語

機械加工振動對加工質(zhì)量和效率具有顯著的影響,對其進行控制是提高加工質(zhì)量和效率的重要手段。減小外部激勵、增加系統(tǒng)阻尼和改變系統(tǒng)剛度是最常用的方法,采用基于神經(jīng)網(wǎng)絡(luò)的機械加工振動控制方法相比傳統(tǒng)方法具有更好的控制效果。