本發(fā)明涉及超精密切削加工，特指一種針對(duì)超精密單點(diǎn)車削加工過程中表面微觀形貌生成與表面粗糙度的在線監(jiān)測方法。

背景技術(shù)：

1、加工過程的在線監(jiān)測是工業(yè)生產(chǎn)中的一個(gè)重要領(lǐng)域，它涉及到使用各種傳感器、數(shù)據(jù)采集系統(tǒng)和數(shù)據(jù)分析手段來監(jiān)控生產(chǎn)加工過程的狀態(tài)。超精密單點(diǎn)金剛石車削技術(shù)在加工高精度和高表面質(zhì)量的光學(xué)自由曲面元件等領(lǐng)域有著廣泛的應(yīng)用，是現(xiàn)代制造業(yè)中一項(xiàng)重要的技術(shù)。由于超精密單點(diǎn)金剛石車削的切削量很小，難以在加工過程中直接觀察加工質(zhì)量的好壞，故通常只能在加工完成之后使用專門的測量儀器對(duì)工件的加工表面進(jìn)行測量來對(duì)加工質(zhì)量進(jìn)行評(píng)估，這限制了加工效率的提高，并且無法及時(shí)地反映加工質(zhì)量的好壞。因此，超精密單點(diǎn)金剛石車削加工加工過程中，產(chǎn)品表面質(zhì)量在線監(jiān)測能夠確保產(chǎn)品質(zhì)量、提高生產(chǎn)效率和降低生產(chǎn)成本，具有重要的意義。而為了實(shí)現(xiàn)這一目標(biāo)，需要深入分析加工過程中影響表面質(zhì)量的各個(gè)因素。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)方案的目的是提供一種精度高、無需外部傳感設(shè)備的超精密單點(diǎn)車削加工中表面微觀形貌與粗糙度的在線監(jiān)測方法。

2、本技術(shù)方案的目的是這樣實(shí)現(xiàn)的：

3、一種超精車削中表面微觀形貌與粗糙度的在線監(jiān)測方法，包括以下步驟：

4、(a)在機(jī)床車削加工的過程中，獲取車削加工參數(shù)、刀具的幾何參數(shù)和機(jī)床的內(nèi)部信號(hào)；采集的內(nèi)部信號(hào)包括x軸的參考位置信號(hào)、c軸的參考位置信號(hào)和z軸的位置誤差信號(hào)；參考位置信號(hào)用于確定所采集的切削點(diǎn)在徑向上的位置，參考位置信號(hào)用于確定所采集的切削點(diǎn)在周向上的位置，位置誤差信號(hào)用于反映切深方向上刀具和工件之間的相對(duì)振動(dòng)位移；

5、(b)將車削加工參數(shù)、刀具的幾何參數(shù)和機(jī)床的內(nèi)部信號(hào)輸入上位機(jī)中的加工表面微觀形貌幾何仿真程序，實(shí)現(xiàn)加工表面的微觀形貌幾何仿真；

6、(c)通過將車削加工參數(shù)和步驟（b）中得到的幾何仿真結(jié)果輸入到預(yù)先訓(xùn)練好的深度學(xué)習(xí)模型中，預(yù)測塑性側(cè)流和彈性回復(fù)對(duì)加工表面微觀形貌的影響，并獲得預(yù)測結(jié)果；

7、(d)利用步驟（c）得到的預(yù)測結(jié)果，通過上位機(jī)中的預(yù)測結(jié)果繪制程序計(jì)算并繪制加工表面的仿真粗糙度分布圖。

8、優(yōu)選地，所述步驟（a）中，參考位置信號(hào)、參考位置信號(hào)和位置誤差信號(hào)按照設(shè)定的采樣時(shí)長和采樣頻率進(jìn)行采集，每完成時(shí)長的采樣后，緊接著進(jìn)行下一個(gè)時(shí)長的采樣；完成采樣的信號(hào)數(shù)據(jù)發(fā)送至加工表面微觀形貌幾何仿真程序中。

9、優(yōu)選地，所述加工表面微觀形貌幾何仿真程序?qū)崟r(shí)接收每隔時(shí)間傳入的機(jī)床內(nèi)部信號(hào)數(shù)據(jù)，動(dòng)態(tài)地更新幾何仿真的結(jié)果；該程序?qū)崿F(xiàn)動(dòng)態(tài)的加工表面微觀形貌幾何仿真的步驟包括：

10、（1）根據(jù)內(nèi)部信號(hào)采樣頻率和機(jī)床主軸回轉(zhuǎn)頻率，計(jì)算得到每一圈的采樣點(diǎn)數(shù)；根據(jù)主軸回轉(zhuǎn)頻率和采樣時(shí)長，計(jì)算得到上一個(gè)時(shí)間內(nèi)主軸所轉(zhuǎn)過的圈數(shù)；根據(jù)進(jìn)給速度和采樣時(shí)長，計(jì)算得到上一個(gè)時(shí)間內(nèi)的徑向進(jìn)給距離；

11、（2）在上一個(gè)時(shí)間內(nèi)，加工的區(qū)域?yàn)橐粋€(gè)環(huán)形區(qū)域，將該環(huán)形加工區(qū)域的三維表面離散成個(gè)二維的徑向截面，每個(gè)徑向截面包含個(gè)切削采樣點(diǎn)。在同一個(gè)徑向截面內(nèi)，所有切削采樣點(diǎn)的c軸參考位置相同，x軸參考位置等差遞增；記當(dāng)?shù)毒哌M(jìn)給至工件回轉(zhuǎn)中心時(shí)x軸的參考位置為，則切削采樣點(diǎn)所處的半徑，半徑為切削采樣點(diǎn)當(dāng)前的x軸參考位置與刀具進(jìn)給到工件旋轉(zhuǎn)中心時(shí)的x軸參考位置的差值；

12、（3）在每一個(gè)徑向截面內(nèi)，將所有的切削采樣點(diǎn)按半徑從小到大的順序進(jìn)行排序，構(gòu)成一個(gè)表示該徑向截面內(nèi)刀尖位置的集合，

13、；

14、所述刀具為圓弧刃的單點(diǎn)刀具時(shí)，其刀刃輪廓可以近似表示為，其中表示刀具的刀尖圓弧半徑；根據(jù)徑向截面內(nèi)的刀尖位置集合和刀刃輪廓公式，可以得到該徑向截面內(nèi)的二維輪廓；

15、將二維輪廓離散表示成徑向間距為的離散點(diǎn)集，

16、，其中點(diǎn)集的大??；

17、離散點(diǎn)處的輪廓高度為，

18、；

19、根據(jù)上述步驟，計(jì)算徑向截面內(nèi)所有離散點(diǎn)的坐標(biāo)，得到徑向截面內(nèi)僅考慮運(yùn)動(dòng)學(xué)因素的二維輪廓；

20、（4）根據(jù)步驟（3），計(jì)算所有個(gè)徑向截面內(nèi)的二維輪廓，由此得到上一個(gè)時(shí)間內(nèi)加工的環(huán)形區(qū)域的微觀形貌幾何仿真結(jié)果。

21、優(yōu)選地，所述步驟（c）中，所采用的深度學(xué)習(xí)模型為深度長短期記憶網(wǎng)絡(luò)，該網(wǎng)絡(luò)接受序列輸入，輸出為等長的序列；該模型用于將步驟（b）中得到的僅考慮運(yùn)動(dòng)學(xué)因素的徑向輪廓轉(zhuǎn)化為考慮塑性側(cè)流和彈性回復(fù)的徑向輪廓；網(wǎng)絡(luò)的輸入序列長度等于徑向輪廓的離散點(diǎn)數(shù)，輸入序列的每一步為一個(gè)由離散點(diǎn)的輪廓高度值、車削加工的切深、進(jìn)給速度和離散點(diǎn)對(duì)應(yīng)的切削線速度組成的四維向量，其中；輸出序列的每一步為一個(gè)標(biāo)量值，即考慮塑性側(cè)流與彈性回復(fù)后的離散點(diǎn)輪廓高度值；網(wǎng)絡(luò)結(jié)構(gòu)為順序結(jié)構(gòu)，依次由輸入層、4個(gè)雙向lstm層、leaky?relu激活層、兩個(gè)全連接層和輸出層構(gòu)成；其中，4個(gè)雙向lstm層的隱藏狀態(tài)和細(xì)胞狀態(tài)的維度均設(shè)置為150，并且在相鄰雙向lstm層之間添加了概率為0.2的dropout層用來緩解網(wǎng)絡(luò)的過擬合；兩個(gè)全連接層的神經(jīng)元數(shù)目分別為300和30，并且每個(gè)全連接層也都采用leaky?relu作為激活函數(shù)；網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)采集和訓(xùn)練過程步驟如下：

22、（1）對(duì)某一特定的目標(biāo)工件材料，進(jìn)行若干組不同切削參數(shù)的實(shí)驗(yàn)，使用白光干涉儀或輪廓儀等測量儀器獲得加工表面沿徑向的輪廓，每個(gè)加工表面沿不同的半徑方向提取多條徑向輪廓；所述切削參數(shù)包括切深、進(jìn)給速度和主軸轉(zhuǎn)速；

23、（2）從測量的徑向輪廓中提取出刀尖位置坐標(biāo)的集合；由于在同一次加工中，刀尖位置處的彈性回復(fù)量近似相同而塑性側(cè)流量近似為零，因此在塑性側(cè)流和彈性回復(fù)發(fā)生前后，所有刀尖位置點(diǎn)的相對(duì)位置保持不變；根據(jù)提取的刀尖位置坐標(biāo)集合和刀刃的理論輪廓反向還原出在發(fā)生塑性側(cè)流和彈性回復(fù)之前的理想輪廓情況；

24、（3）根據(jù)步驟（2）獲得的理想輪廓和對(duì)應(yīng)的加工參數(shù)，按照上述的輸入數(shù)據(jù)格式要求制作成輸入序列，同時(shí)對(duì)應(yīng)的測量輪廓作為輸出序列，構(gòu)成網(wǎng)絡(luò)的一個(gè)訓(xùn)練樣本；對(duì)所有測量的徑向輪廓執(zhí)行上述操作，得到網(wǎng)絡(luò)的訓(xùn)練集；

25、（4）對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練之前對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化以加快網(wǎng)絡(luò)的收斂速度；批大小設(shè)置為20；優(yōu)化器選用adam優(yōu)化器，其參數(shù)設(shè)置為學(xué)習(xí)率0.001、權(quán)重衰減率0.001；使用mse作為損失函數(shù)來描述網(wǎng)絡(luò)輸出與目標(biāo)值之間的差異。網(wǎng)絡(luò)的搭建和訓(xùn)練使用pytorch深度學(xué)習(xí)框架，訓(xùn)練的輪數(shù)為100。

26、優(yōu)選地，所述步驟（d）中，上位機(jī)中的預(yù)測結(jié)果繪制程序?qū)⑸弦粋€(gè)時(shí)間段內(nèi)加工過的環(huán)形區(qū)域在徑向和周向分別等距劃分為若干個(gè)子區(qū)域，隨后根據(jù)步驟（c）得到的加工表面的三維微觀形貌預(yù)測結(jié)果，分別計(jì)算所有子區(qū)域的面粗糙度值，然后將計(jì)算結(jié)果使用偽彩色圖繪制出來，得到仿真粗糙度分布圖，用來直觀地展示整個(gè)加工表面上不同局部區(qū)域的預(yù)測粗糙度分布規(guī)律；仿真粗糙度分布圖每隔秒刷新一次，用來展示過去秒內(nèi)的最新加工結(jié)果，由此實(shí)現(xiàn)在加工過程中對(duì)加工質(zhì)量的在線監(jiān)測；預(yù)測結(jié)果繪制程序能以三維曲面圖的形式繪制指定區(qū)域內(nèi)的局部微觀形貌預(yù)測結(jié)果，并給出該區(qū)域內(nèi)的粗糙度指標(biāo)計(jì)算結(jié)果。

27、優(yōu)選地，所采用的刀具為單點(diǎn)金剛石刀具。

28、優(yōu)選地，所述運(yùn)動(dòng)學(xué)因素包括刀尖半徑、進(jìn)給速度和相對(duì)振動(dòng)。

29、本技術(shù)方案相比現(xiàn)有技術(shù)突出且有益的技術(shù)效果是：

30、本發(fā)明通過在線采集和分析機(jī)床在加工過程中產(chǎn)生的內(nèi)部信號(hào)，實(shí)現(xiàn)了對(duì)超精密單點(diǎn)車削過程中的刀具-工件相對(duì)振動(dòng)的監(jiān)測，并在此基礎(chǔ)上建立了考慮相對(duì)振動(dòng)的加工表面微觀形貌幾何仿真模型，將振動(dòng)簡化為幾個(gè)恒定的不同頻率的簡諧振動(dòng)的疊加的方式，能夠更加準(zhǔn)確地反映加工過程中復(fù)雜且多變的振動(dòng)情況；進(jìn)一步，該方法通過搭建和訓(xùn)練深度學(xué)習(xí)模型，預(yù)測了塑性側(cè)流和彈性回復(fù)效應(yīng)對(duì)加工表面微觀形貌的影響，此方法相比于傳統(tǒng)的采用經(jīng)驗(yàn)公式對(duì)塑性側(cè)流和彈性回復(fù)效應(yīng)進(jìn)行預(yù)測的方式，具有更高的預(yù)測精度和泛化性能，并且網(wǎng)絡(luò)訓(xùn)練過程簡單，采集訓(xùn)練數(shù)據(jù)所需要進(jìn)行的實(shí)驗(yàn)數(shù)量比傳統(tǒng)方法為了標(biāo)定諸多的系數(shù)所需要的實(shí)驗(yàn)數(shù)量更少，有效降低了方法的實(shí)現(xiàn)成本。本發(fā)明通過綜合考慮刀具參數(shù)、加工參數(shù)、加工時(shí)刀具-工件之間的相對(duì)振動(dòng)、以及塑性測量和彈性回復(fù)效應(yīng)，實(shí)現(xiàn)了對(duì)超精密單點(diǎn)車削加工過程中表面微觀形貌與粗糙度的在線監(jiān)測，本發(fā)明無需借助額外的傳感器設(shè)備，具有低的實(shí)現(xiàn)成本和高的生產(chǎn)效益。