航空航天薄壁件铣削过程加工状态监测研究进展_岳彩旭.pdf

30航空制造技术2023年第66卷第3期封面文章COVER STORY引文格式：岳彩旭,周天祥,秦怡源,等.航空航天薄壁件铣削过程加工状态监测研究进展J.航空制造技术,2023,66(3):3043.YUE Caixu,ZHOU Tianxiang,QIN Yiyuan,et al.Research progress on machining condition monitoring during milling of aerospace thin-walled partsJ.Aeronautical Manufacturing Technology,2023,66(3):3043.航空航天薄壁件铣削过程加工状态监测研究进展*岳彩旭，周天祥，秦怡源，王 乐，胡德生（哈尔滨理工大学先进制造智能化技术教育部重点实验室，哈尔滨 150080）摘要 对切削加工状态进行精准监测，是实现航空航天薄壁件加工变形控制的重要保障。围绕航空航天薄壁件铣削加工状态监测的最新研究进展进行了评述，详细介绍了建立加工状态监测模型的关键技术与方法，包括加工信息采集处理、特征提取和特征融合。归纳了学者们在薄壁件加工过程中对刀具磨破损、铣削颤振、铣削变形等具体状态监测的研究进展。基于数字孪生技术，构建了面向薄壁件铣削加工状态监测的优化系统。最后，根据现阶段本领域发展状况对薄壁件铣削加工状态监测进行了展望。关键词：航空航天薄壁件；特征提取；刀具磨破损；铣削颤振；铣削变形；数字孪生DOI:10.16080/j.issn1671-833x.2023.03.030*基金项目：国家自然科学基金（52175393）。岳彩旭 教授，博士，研究方向为数字化加工技术、复杂刀具设计技术。试验，均取得了较好的效果。Bagga等6利用振动、力、温度等多传感器数据融合方法对切削刀具磨损进行预测，与实践数据相比，具备更低的测量误差。Tran 等7通过融合麦克风、振动传感器信息来对铣削颤振进行监测，相较于传统监测方法，既提高了加工精度，又节约了生产成本。综上所述，多传感器信息融合技术具有更好的互补性和可靠性，将其引入加工中的状态监测，可提高监测的精度和效率。实现对薄壁件加工状态的在线监测，能有效地控制薄壁件铣削过程中所产生的变形，有利于提高工件的加工精度、质量和效率。本文基于不同目标状态（刀具磨破损、铣削颤振、铣削变形）监测方向的研究成果，通过总结与分析指出了航空航天薄壁件的发展趋势及前景，为薄壁件的高效、高质加工提供理论指导。随着航空航天工业的不断发展，空天飞行器、特种精密仪器等对零件的稳定性及可靠性提出了更高的目标。薄壁零件因其具有质量轻、比强度高、空间结构紧凑的特点被广泛应用于航空航天工业领域。目前该类零件通常采用铣削加工方式进行1。因工件结构材质、刀具、机床、铣削条件和装夹等多方面因素的影响，薄壁件在加工过程中易发生加工变形2。由于高温、噪声干扰等复杂工况，更难以实现对加工状态的精准监测与控制。薄壁件加工状态的监测是以不同目标状态为导向，利用传感器采集得到反映加工状态的信息，经过分析处理，最终实现对加工状态的识别及预测3。加工过程面临着智能化、数字化方向的发展趋势4，单一的传感器信息已不能满足工作需求。Chen 等5融合了声发射、加速度等多传感器信息，基于深度学习方法对铣削刀具磨损状态进行了监测，经过多次312023年第66卷第3期航空制造技术COVER STORY封面文章1 薄壁件加工特点及分类航空航天工业的发展对专用薄壁零部件有了更高的要求，需要其具备更高精度、更高稳定性和长寿命等特性。1.1 薄壁件的加工特点薄壁件结构、材料的独特性，决定了其加工过程的特殊性。（1）工件特点。薄壁零件的壁厚与轮廓尺寸之比小于 120，是由薄型板和加强筋构成的轻量化结构，具有质量轻、强度高、形状复杂和尺寸大的特点8，多采用具有良好性能的铝合金或者钛合金制作9。在铣削过程中，随着材料去除率的增加，薄壁件的刚度逐渐降低，加工工件极易发生变形，无法保障加工精度10。（2）加工方式。由于薄壁件的结构、材料特性及高质、高精的要求，通常采用高速铣削方式加工。与常规切削方式相比，高速铣削可以大幅降低铣削力、减少热变形，有效提高薄壁件的加工效率和质量11。（3）刀具特点。薄壁件在铣削过程中是断续加工的状态，导致铣刀极易遭受冲击，降低寿命12。此外，薄壁件多采用难加工材料，特别是钛合金在加工过程中会产生一层氧化层，加速了刀具的磨损13。（4）装备特点。高速铣床具有较高的刚度及加工精度，在加工薄壁件时易受到高次谐振的影响，引起工件以固有频率振动，影响薄壁件的加工质量14。1.2 薄壁件的分类以航空航天领域飞机为例，常用的薄壁零件有整体壁板类、梁类零件和框体类零件等15，如图 1 所示1618。（1）整体壁板类，由筋条、凸台、蒙皮等部件组成，主要用作飞机的承力部件。（2）梁类零件，构形复杂，常用作飞机的受力部件。根据零件的截面形状可分为工字形、U 字形及异形截面。（3）框类零件，不仅是飞机横向结构的主要承力部件，还是机身成型、保障径向外形的主要结构件。2 加工状态监测关键技术实现薄壁件铣削加工状态监测的关键技术主要有：通过传感器采集得到反映加工状态的信息；对传感器信息进行相关的预处理；提取得到目标状态对应的特征。同时，为了提高加工状态监测的效率，采用多传感器信息来表征加工状态，并通过融合处理，最终实现对目标状态的监测。2.1 数据预处理通过传感器采集得到的加工状态信息数据存在样本过大、包含干扰噪音等问题，不能直接使用。数据预处理的目的就是检测数据质量，降低异常数据的干扰；识别数据的背景信息，对不同工况下的数据分别进行标准化处理；降低对后续建模的影响。目前常用的数据预处理方法包括数据截断、异常值剔除、滤波降噪等。周子涵19使用奈奎斯特采样定理对振动信号和切削力信号进行采样，经过预处理降低了样本总量，较为完整地反映了刀具磨损的实时状态。王莹20将经验小波变换与自适应滤波方法进行结合，有效地提高了传感器信号的信噪比。2.2 特征提取利用单个或多个传感器采集得到信号，经过预处理后提高了数据的质量，由于其数据矩阵复杂、计算成本高等问题，通常不将其直接输入算法模型进行训练，而是先提取信号的特征。特征提取的主要方法有时域分析、频域分析和时频域分析。（1）时域分析。时域分析是指对传感器采集得到的时间序列信号进行特征提取。刘锐等21优选切削力信号的均方根、方差等时域特征来表征铣刀磨损状态，有效地提高了监测精度。Lu等22构建了一种相对阈值算法，将加速度信号频谱和时域的方差来作为切削颤振识别的指标，如图 2 所示22，在不同的工况下均取得了较图 1 薄壁件分类图Fig.1 Classification of thin-walled parts（a）回转类薄壁零件16（b）机翼整体壁板17（d）框体类壁板18（c）发动机叶轮32航空制造技术2023年第66卷第3期封面文章COVER STORY好效果。Safi等23利用时域分析方法，通过计算监测信号的方差来作为铣削颤振的检测指标，此方法更全面地预测了不同铣削参数下发生颤振的可能性，有利于对铣削颤振进行合理的控制。（2）频域分析。频域分析通过傅里叶变换将原始信号分解为简单信号的叠加，完成信号中敏感频率成分的分离。Chen等24对颤振频率分量谱进行估计，并基于频率分析开发了在线颤振监测系统，经验证该系统具有良好的抗干扰性。Liu 等25提出了一种基于频域搜索的铣削颤振识别算法，该算法能够直接对原始信号的颤振频率进行提取，既简化了算法模型建立的过程，又节约了计算成本。Li 等26针对加工工况的问题，提出一种新的音频信号处理方法，分别利用短时傅里叶变换（STFT）和扩展卷积有界分量分析（ECBCA）生成频谱，并进行比较，以获得有用的刀具磨损信息，如图 3 所示，该预测模型能够对刀具磨损状况进行高精度分类。（3）时频域分析。时频域分析方法能够很好地处理切削过程中产生的非平稳信号，能更全面地反映信号的特征27。时频域分析方法提取特征的思路是，采用小波分析、经验模态分解、变分模态分解等时频分析方法将信号进行细分，从而得到关于目标状态的敏感特征2829。小波分析主要有小波变换和小波包变换两种。两者相比，小波包变换能有效解决小波变换分解高频信号存在分辨率差的问题。高鹏磊等30基于小波包分解理论，对切削过程中的振动信号进行分解重构，根据不同频带能量的变化来判断刀具磨损的状态，可为后续刀具磨损补偿提供保障。Yuan 等31提出了一种基于小波变换的小波相干函数铣削颤振监测方法，如图 4 所示，经试验证明该方法能有效实现颤振的早期识别。经验模态分解（EMD）可将信号自适应分解为设定的固有模态函数。邵强等32采用经验模态分解法将颤振信号分解成若干个本征模态函数分量，获得特征向量后与支持向量机结合，对切削过程中的颤振进行识别。Ji 等33采用集成经验模态分解（EEMD）方法将加速度信号分解成若干个本征模态函数，如图 5 所示，基于此对铣削过程中产生的颤振进行了监测，此方法对铣削精度的提高有积极意义。变分模态分解（VMD）具备高效、精准的信号处理能力，可以缓解上述方法存在的缺陷。Zhang 等34提出了一种基于变分模态分解对铣削颤振特征进行提取的新方法，相比于其他手段，具有更高的颤振识别精度。张添慈等35通过变分模态分解法来提取信号特征，并结合神经网络模型对刀具磨损状态进行了较为精6050403020100-10方差501020290285280275270265260100 150 200 250 300 350 400 4500切削位置/mm频率/Hz频率方差图 2 加速度信号的频谱和方差分析22Fig.2 Spectrum and variance analysis of acceleration signals22图 4 加速度信号的小波交叉谱和小波相干函数31Fig.4 Wavelet cross spectrum and wavelet coherence function of acceleration signals310.80.60.40.25000150100504000300020001000频率/Hz50004000300020001000频率/Hz101520时间/s（b）小波相干函数101520时间/s（a）小波包交叉谱小波交叉谱值小波相干值图 3 由 STFT 和 ECBCA 产生的时间 频谱26Fig.3 Time spectrum produced by STFT and ECBCA26（a）利用STFT生成的时间-频谱1.00.80.60.40.20频谱（归一化）2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0时间/s（b）利用ECBCA去噪后的时间-频谱1.00.80.60.40.20频谱（归一化）2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0时间/s332023年第66卷第3期航空制造技术COVER STORY封面文章准的预测。Mou 等36针对航空薄壁件高速铣削过程中颤振的监测问题，采用变分模态分解方法对铣削颤振进行识别，经验证该方法具有较高的识别效率和精度，为铣削颤振监测的实现打下坚实的基础。2.3 铣削刀具状态特征融合刀具在切削过程中会产生力、振动和功率等多种物理信号。由于信号能够随着切削的进行发生相应的变化，因此可通过对信号特性进行分析，进而建立与刀具相关联的模型，映射出加工过程中刀具磨损的变化过程37。不同类型的传感器信号能够从不同的角度反映出刀具磨损情况，表 1 是切削过程中常用的一些监测信号。单一传感器信号所含有的信息无法对刀具磨损状态进行全面描述。因此，利用单一信号来训练模型会影响其精度38。利用多传感器信号所包含的信息建立模型能够有效弥补这一缺点，穆殿方等39利用铣削力、振动及声发射信号分别建立深度学习铣刀磨损识别模型，并对比了利用单信号特征与多信号特征融合分别对铣刀磨损状态的监测效果。结果表明，