呂長飛 李郝林

(①上海理工大學(xué)光電信息與計算機工程學(xué)院，上海 200093;②河北農(nóng)業(yè)大學(xué)機電工程學(xué)院，河北保定 071001;③上海理工大學(xué)機械工程學(xué)院，上海 200093)

在機械加工中，磨削加工具有較高的加工精度，常作為工件最終的機械加工方法。目前，磨削加工正朝自動化、智能化方向發(fā)展;但是，眾多的影響因素為磨削過程的研究帶來了挑戰(zhàn)。通過傳感器大量收集磨削加工的狀態(tài)信息，利用人工智能方法對磨削加工進行控制是可行的途徑［1－7］。聲發(fā)射信號能夠提供磨削加工各方面信息，利用它可以實現(xiàn)對加工過程進行多方面監(jiān)測，并能為磨削加工智能化控制提供多種特征信息，使系統(tǒng)具有較好的特征辨識能力，提高決策控制質(zhì)量。本文基于已有的實際磨削量的磨削模型，利用小生境蟻群算法和小生境粒子群算法，對磨削過程粗磨段和整個磨削過程的實際磨削進給量和磨削深度進行了優(yōu)化，得到優(yōu)化模型。采用Matlab編程，根據(jù)所得優(yōu)化，利用磨削過程聲發(fā)射信號，對磨削量進行仿真，實現(xiàn)外圓磨削實際磨削量的在線優(yōu)化。本研究對提高磨削質(zhì)量和效率，實現(xiàn)磨削過程的在線監(jiān)測和智能化控制有著極大的推動作用。

1 磨削模型

外圓磨削過程如圖1所示。根據(jù)文獻［9］分析，影響磨削過程的主要參數(shù)包括:粗磨進給量(u1)、粗磨時間(t1)、精磨進給量(u2)、精磨時間(t2)、無火花磨進給量(u3)、無火花磨時間(t3)、砂輪修整導(dǎo)程(Sd)、砂輪線速度(V)和工件線速度(v)，其中與優(yōu)化過程相關(guān)的獨立參數(shù)只有:u1、u2、t1、t2、t3和Sd。

外圓磨削過程的進給量微分方程可表示為

式中:τ為磨削系統(tǒng)的時間常量;ξ為與砂輪鈍化程度相關(guān)的系數(shù);r'為實際進給率;x'為控制進給率，在粗磨段，x'=u1，精磨段，x'=u2，無火花磨段，x'=u3=0。對粗磨段，實際磨削進給量r(t1)和磨削深度Δ(t1)可表示成［9］:

式中:nw為工件轉(zhuǎn)速。令:

則整個磨削過程的實際進給量r(t1+t2+t3)和磨削深度Δ(t1+t2+t3)可表示為:

2 蟻群算法和小生境粒子群算法

小生境蟻群算法(NACA)的基本思路是［10］:隨機產(chǎn)生N個螞蟻的初始群體，使螞蟻隨機分布在函數(shù)的可行域上;根據(jù)優(yōu)化函數(shù)計算每個螞蟻的初始信息素，信息素正比于函數(shù)值;根據(jù)每個螞蟻的當(dāng)前信息素和全局最優(yōu)信息素求出螞蟻的轉(zhuǎn)移概率;根據(jù)轉(zhuǎn)移概率更新每個螞蟻的位置;新位置限制在函數(shù)可行域內(nèi)，螞蟻移動到新位置后就立即更新自己的信息素。

算法需要對螞蟻選擇路徑的全局轉(zhuǎn)移概率P0、螞蟻在每一個位置所留信息素的蒸發(fā)系數(shù)P、螞蟻規(guī)模N以及迭代次數(shù)E進行設(shè)置，需要隨機產(chǎn)生螞蟻的初始位置;信息素濃度函數(shù)一般都是待優(yōu)化函數(shù)和螞蟻位置的函數(shù)，根據(jù)信息素濃度和轉(zhuǎn)移概率來選擇螞蟻路徑，來更新每個螞蟻的信息素，根據(jù)最大和最小信息素來求解每個螞蟻的下一步轉(zhuǎn)移概率和進行局部或者全局搜索，并進行位置更新。

3 磨削優(yōu)化

對磨削粗磨段和整個磨削過程進行優(yōu)化，選用磨削參數(shù)分別如表1所示。對于粗磨段，由式(1)可知，實際磨削量為粗磨段進給量和進給時間的函數(shù);對于整個磨削過程，由于粗磨段磨削進給量和進給時間的影響占絕對優(yōu)勢，其他參數(shù)影響相對很小，故也只考慮實際磨削量粗磨段進給量和進給時間的函數(shù)。分別采用小生境粒子群算法(NPSA)和小生境蟻群算法(NACA)進行優(yōu)化，利用Matlab編程實現(xiàn)算法，算法的參數(shù)取值如表2所示。

表1 粗磨段及整個磨削過程磨削參數(shù)及相關(guān)常量取值

表2 小生境粒子群算法(NPSA)和小生境蟻群算法(NACA)參數(shù)取值

對粗磨段和整個磨削過程的實際磨削量的優(yōu)化函數(shù)分別取式(1)和式(3)，粗磨段優(yōu)化和整個磨削過程優(yōu)化相應(yīng)圖形如圖2～9所示。

對于磨削過程粗磨段和整個磨削過程，利用小生境蟻群算法(NACA)和小生境粒子群算法(NPSA)均可在極短時間內(nèi)找到全局最優(yōu)點。利用小生境蟻群算法(NACA)能一次性找到全局最優(yōu)值，也能找到全部局部極點，同時所有極值點比較分散;利用小生境粒子群算法(NPSA)也可以找到全局最優(yōu)點，但由于初始粒子位置隨機性，未必能運行算法一次找到，在運行程序3次之內(nèi)必然能找到全局最優(yōu)解，且算法找到的極值點相對集中，為少量幾個點，這可使得進一步的運算快捷有效。

4 磨削聲發(fā)射仿真

實驗在SCHLEIFRING－CHINA公司的K－C33數(shù)控萬能內(nèi)外圓磨床上進行，加工元件包含長軸和短軸。聲發(fā)射傳感器采用Dittel AE6000，圖10a為實驗實物圖，圖10b為實驗原理框圖。砂輪尺寸為φ496 mm的氧化鋁砂輪，線速度為35 m/s。

實驗參數(shù)按照表1所示進行，實驗所得曲線，以及利用優(yōu)化模型仿真曲線如圖11所示。

優(yōu)化后仿真曲線基本反映了實際加工過程，且變化過程更平穩(wěn)，磨削加工各階段更分明，可做為反饋信號控制調(diào)整磨削工藝參數(shù)，以實現(xiàn)對磨削工藝的優(yōu)化，實現(xiàn)了磨削加工磨削進給量和磨削深度的在線監(jiān)測，極大地推動了磨削過程的智能化。

5 結(jié)語

本文利用小生境蟻群算法和小生境粒子群算法對磨削工藝模型進行了優(yōu)化，優(yōu)化后的模型可在限定加工條件范圍內(nèi)選擇最優(yōu)加工參數(shù)，實現(xiàn)最優(yōu)磨削加工進給量和磨削實際切深用量，以提高磨削的精確度和磨削效率。利用優(yōu)化模型和磨削過程聲發(fā)射信號，對磨削過程進行仿真，可實現(xiàn)磨削優(yōu)化程序?qū)崟r跟進磨削過程聲發(fā)射信號，在Matlab程序中實時顯示曲線，并做為反饋信號，去控制調(diào)整加工工藝參數(shù)，以實現(xiàn)磨削工藝的最優(yōu)化，提高磨削加工精度和磨削效率，實現(xiàn)了磨削加工過程的在線優(yōu)化和監(jiān)測，極大推動磨削加工的智能化。

［1］KARPUSCHEWSKI B，WEHMEIER M，INASAKI I.Grinding monitoring system based on power and acoustic emission sensors［J］.Trans.of the ASME，1984，106:28.

［2］劉貴基，鞏亞東，王宛山.聲發(fā)射技術(shù)在磨削加工監(jiān)測中的應(yīng)用［J］.機械工程師，2001(12):4 －6.

［3］HUNDT W，LEUENBERGER D，REHSTEINER F.An approach to monitoring of the grinding process using acoustic emission(AE)technique［J］.Annals of the CIRP，1994，43(1):295 －298.

［4］J－S Kwak，M －K Ha.Intelligent diagnostic technique of machining state for grinding［j］.Int J Adv Manuf Technol，2004(23):436 －443.

［5］JAYAKUMAR T，MUKHOPADHYAY C K，VENUGOPAL S，et al.A review of the application of acoustic emission techniques for monitoring forming and grinding processes［J］.Journal of Materials Processing Technology，2005(159):48 －61.

［6］MUENTER Norman，KNAPPMANN Stephan，Caspar Morsbach，et al.Acoustic emission(AE)measurements to determine dynamic flying characteristics of optical sliders［J］.Microsyst Technol，2007(13):173－175.

［7］JAYAKUMAR T，MUKHOPADHYAY C K，VENUGOPAL S，et al.A review of the application of acoustic emission techniques for monitoring forming and grinding processes［J］.Journal of Materials Processing Technology，2005(159):48 －61.

［8］HECKER Rogelio L，LIANG Steven Y，WU Xiaojian，et al.Grinding force and power modeling based on chip thickness analysis［J］.Int J Adv Manuf Technol，2007(33):449 －459.

［9］LI G F，WANG LS，YANG L B.Multi－ parameter optimization and control of the cylindrical grinding process［J］.Journal of Materials Processing Technology，2002(129):232 －236.

［10］黃友銳.智能優(yōu)化算法及其應(yīng)用［M］.北京:國防工業(yè)出版社，2008.