尤新宇 孫 柳

（1、江蘇電力裝備有限公司，江蘇 常州 213000 2、中國石化銷售股份有限公司江蘇泰州石油分公司，江蘇 泰州 225300）

1 概述

在機器人制孔過程中，針對不同材料的加工件、加工件上不同位置及加工尺寸等不同的要求下，現(xiàn)階段的機器人制孔工藝大多是無法擺脫傳統(tǒng)的人工經(jīng)驗選擇方法，這使得目前的機器人制孔工藝制約在此瓶頸下，處于半智能狀態(tài)，無法達到全智能制孔的狀態(tài)。因此，智能制孔工藝參數(shù)優(yōu)選工藝在機器人制孔工藝中處于重要的作用，也是目前機器人智能制孔的空缺點。

為提高制孔效率、縮短制孔工藝確定周期、提高制孔質(zhì)量，大量研究者致力于機器人制孔智能化方法的研究?；诎咐评?Case-based reasoning, CBR)方法通過重用或修改先前解決相似問題的方案來解決當前問題，符合制孔工藝制定的經(jīng)驗依賴性特點，得到了廣泛關注。[1]

因此，本文基于案例推理研究制孔工藝刀具與加工參數(shù)自動生成方法，根據(jù)影響刀具與加工參數(shù)選擇的主要因素，進行系統(tǒng)完整的建模設計，機器人收到加工工件信息與加工指令時，能自動匹配相應的刀具與加工參數(shù)。這對于改善目前機器人制孔乃至整個制孔工藝現(xiàn)階段存在的效率低下等問題有著歷史意義。

2 機器人制孔案例建模

為方便對工藝信息進行管理，需將整個案例的案例描述、解決方案及案例評價部分進行有效的建模，尤其針對解決方案部分的工藝參數(shù)信息進行有效的分類，通過分析各個工藝參數(shù)相關的信息進行匯總分類，方便案例推理算法的案例表達的描述。主要包括：待加工件的描述（加工要求描述），解決方案描述（刀具描述、末端執(zhí)行件信息描述與切削參數(shù)描述）以及案例評價描述。其總體建模如圖1 所示。

圖1 案例表達的總體建模

2.1 加工要求信息

當前制孔的信息需要通過智能感知方法，獲得當前待加工工件的信息，或通過接口交換當前制孔加工處于的加工工藝階段信息，以獲取當前待加工的孔位的位置、加工尺寸、加工深度與加工要求，便于通過待加工的約束條件，形成加工問題描述，于智能優(yōu)選系統(tǒng)獲取加工。因此建模如圖2 所示。

圖2 工件信息參數(shù)表

2.2 解決方案信息

針對解決方案中的加工工藝信息，如圖3 所示其主要部分為工步內(nèi)容、工藝裝備與工藝參數(shù)。

圖3 解決方案的總體建模方式

2.3 刀具

鉆頭是用來在實體材料上鉆削出通孔或盲孔，并能對已有的孔擴孔的刀具。常用的鉆頭主要有麻花鉆、攻絲鉆。其建模方法如圖4 所示。

圖4 刀具信息參數(shù)表

2.4 工藝參數(shù)

孔的加工工藝參數(shù)主要包括鉆頭的轉速、進給速度以及切削壓力等。工藝參數(shù)選擇地是否合適，將直接影響切削效率和零件的表面質(zhì)量。同時也將影響加工時刀具與工件接觸表面的溫度，從而對刀具的耐用程度及加工經(jīng)濟性造成影響。下面對各個主要的加工工藝參數(shù)進行具體的分析。

2.4.1 制孔方式

制孔方式是制孔參數(shù)的重要一項，常用的幾種制孔工藝方式有：鉆孔與擴孔。每個孔的制孔方式都不同：

鉆孔：用于鉆孔工藝步驟中粗加工部分。

擴孔：普通鉆孔工藝的精加工部分。

攻絲：螺紋孔的攻絲部分。

2.4.2 主軸鉆速、切削速度、進給速度、進給量與被吃刀量

鉆頭轉速和進給速度對于材料切削效率有著直接影響。在一定范圍內(nèi)，進給速度和鉆頭轉速與材料切削效率成正相關，即適當增大這兩種參數(shù)可提高切削效率。速度過高，會出現(xiàn)切削積削瘤增多，使鉆頭壽命急劇降低，從而降低了切削效率。若工件轉速過高，會加劇刀具磨損，可能使得表面粗糙度無法達到技術要求。

2.5 案例方案評價參數(shù)

案例評價方案如圖5 所示。

圖5 案例評價

其內(nèi)容主要包括：

2.5.1 制孔精度

尺寸精度：孔加工的實際尺寸是否滿足設計過程中的加工要求，具體誤差數(shù)值。

圓度（垂直度）：孔加工的實際幾何公差是否滿足設計過程中的加工要求，具體誤差數(shù)值。

縮孔：有無縮孔現(xiàn)象，縮孔值可作為評估復合材料/鋁合金疊層制孔精度的重要參量。

2.5.2 制孔質(zhì)量

粗糙度：制孔的表面粗糙度數(shù)值。

金屬毛刺：有無金屬毛刺，評級為（高、中、低、無）。

殘余應力：殘余應力大小。

2.5.3 加工效率與經(jīng)濟性

加工時間：整個加工過程所用的時間。

3 機器人制孔工藝參數(shù)檢索與決策方法研究

3.1 機器人制孔工藝決策總體方案

基于案例推理的機器人制孔工藝決策流程圖如圖6 所示。

圖6 基于案例推理的機器人制孔工藝決策流程圖

3.1.1 案例檢索

具體來說，首先采用決策樹法，對當前案例特征屬性進行分析，對特征屬性進行匹配，并根據(jù)這些匹配結果搜索對應的決策樹分支，得到初步匹配結果；隨后根據(jù)得到的候選案例集，采用最近鄰法進行相似度計算，找出與目標案例最相似的源案例。通過以上兩個步驟，完成案例檢索過程。[2]

3.1.2 匹配與修改

針對此次制孔工藝參數(shù)優(yōu)選的研究，經(jīng)過案例檢索后，系統(tǒng)會推薦一條或若干匹配案例，此時需對匹配案例進行評價，以獲得最佳加工方案。本文將案例評價分為兩部分，首先將推薦案例與目標案例進行相似度匹配，完成案例修改與重用，隨后選用具體指標對推薦案例進行評價，得到最終加工方案。[2]

3.1.3 案例評價與學習

本次針對制孔工藝參數(shù)優(yōu)選，通過案例檢索與修正后，得到一條可用于實際加工的案例，針對案例本身的評價效果，系統(tǒng)通過識別評判案例的效果，系統(tǒng)通過吸收整個案例實行過程，即完成一次案例學習過程。將滿足工藝要求的新案例補充到案例庫中后，即可實現(xiàn)案例擴充。

3.2 基于工藝庫的制孔案例智能修改策略

當出現(xiàn)可修改案例時，需對其進行非標的修改以應對特殊的情況，本文根據(jù)過往經(jīng)驗的積累，使用智能化的修改算法對推薦案例進行修正、便于達到制孔的要求。

針對修改的閾值選擇，出現(xiàn)案例可修改的區(qū)間時，必定是案例描述中出現(xiàn)的五個主要性能特征：工件材料-形位要求-加工工藝要求-表面幾何特征-制孔功能要求，五個要求出現(xiàn)個別區(qū)別，因此，針對這種情況，制定智能修改策略，如圖7。

圖7 總體修改分類法

4 案例驗證

4.1 任務分析

針對新工件-卡車底盤需要進行制孔工藝設計，待鉆孔表面特征主要為水平面、豎直平面與斜平面，材料主要為低碳合金鋼(Q345B)與不銹鋼(1Cr18Ni9Ti)，加工孔類為普通通孔、螺紋盲孔及螺紋通孔。該工件的制孔數(shù)目為212 個，制孔范圍為（φ4-φ16）間不等。根據(jù)以上信息，孔類分布與特征位置的分布關系表如表1。

表1 制孔要求

4.2 工藝決策

針對該車底盤，以一個在材料為Q345B 的工件的水平表面上加工孔徑為φ6mm 制孔深度為12mm 的螺紋盲孔為例。生成的部分工藝表如表2。

表2 加工工藝

最終生成的總工藝過程卡如表3。

表3 加工工藝卡

4.3 評估結果與分析

總體評價結果圖如圖8 所示。

圖8 分析200 個孔案例評價柱狀圖

根據(jù)上圖所示，本車上的二百多孔，加工情況，一次決策成功決策率且達到實際生產(chǎn)要求的率為86%；后14%中有12%通過修改個別參數(shù)或添加后續(xù)工藝同樣滿足生產(chǎn)要求。

二次決策的成功率為96%；三次決策的成功率為99%。

5 結論

通過機器人自動制孔工藝參數(shù)優(yōu)選與優(yōu)化技術研究，開發(fā)了機器人制孔工藝參數(shù)智能優(yōu)選方法，提高了自動制孔工藝設計效率，減輕了工藝人員的工作量，降低人為干預而造成的錯誤率，實現(xiàn)了智能制造，提高了機器人制孔的數(shù)字化水平。