朱紹維　牟文平　湯立民　杜　麗

1.中航工業(yè)成都飛機工業(yè)(集團)有限責任公司，成都，6100922.電子科技大學，成都，611731

融合工藝信息的復雜零件加工狀態(tài)識別方法

朱紹維1,2牟文平1湯立民1杜麗2

1.中航工業(yè)成都飛機工業(yè)(集團)有限責任公司，成都，6100922.電子科技大學，成都，611731

摘要：為解決基于物理信號的加工監(jiān)控系統(tǒng)在復雜零件數(shù)控加工過程中易受工藝波動影響而導致誤報警的問題，提出兩種融入零件工藝信息的方法來提高加工狀態(tài)識別的準確率。為驗證其可行性，基于數(shù)控系統(tǒng)OPC接口開發(fā)了一套遠程監(jiān)控系統(tǒng)原型，結(jié)合工藝信息和主軸實時切削功率對加工狀態(tài)進行識別，一旦發(fā)現(xiàn)異常，立即控制機床停止加工。在典型飛機結(jié)構(gòu)件上開展了應(yīng)用驗證，結(jié)果表明：融入工藝信息后，加工狀態(tài)識別準確率明顯提升。

關(guān)鍵詞：加工監(jiān)控；復雜零件；工藝信息；OPC

0引言

數(shù)控加工過程中，難免因刀具磨損破損、刀軌錯誤等原因?qū)е铝慵|(zhì)量出現(xiàn)問題，若能對加工過程進行實時監(jiān)控，及時發(fā)現(xiàn)并控制異常加工狀態(tài)，對保障零件加工質(zhì)量和交付周期，以及降低生產(chǎn)成本具有重要意義。

目前，在汽車制造等行業(yè)中一些零件批量大、加工工藝簡單穩(wěn)定的自動化生產(chǎn)過程中，商業(yè)化監(jiān)控系統(tǒng)已經(jīng)得到成熟應(yīng)用，如以色列OMATIVE自適應(yīng)控制系統(tǒng)、德國ARTIS刀具監(jiān)控系統(tǒng)等。但是這些監(jiān)控系統(tǒng)對加工狀態(tài)的識別完全基于物理信號，在飛機結(jié)構(gòu)件等復雜零件的加工過程中易受加工狀態(tài)波動的影響，頻繁產(chǎn)生誤報警而影響正常生產(chǎn)。

近年來，國內(nèi)外均對數(shù)控加工監(jiān)控技術(shù)開展了大量研究，多元線性回歸[1]、神經(jīng)網(wǎng)絡(luò)[2-4]、貝葉斯網(wǎng)絡(luò)[5]、馬爾可夫模型[6]、粗糙集[7]、自適應(yīng)神經(jīng)模糊推理系統(tǒng)[8]等多種方法被用于加工狀態(tài)識別[9]。但是，這些研究主要還是對物理信號進行分析，并未考慮工藝的影響；此外，受應(yīng)用環(huán)境限制，多數(shù)研究成果還未能轉(zhuǎn)化到實際工程應(yīng)用中。

因此，本文從實際生產(chǎn)出發(fā)，提出融合零件工藝信息和物理信號的方法來提高復雜零件加工狀態(tài)的識別準確率。為驗證該方法的可行性，基于西門子數(shù)控系統(tǒng)OPC接口開發(fā)了一套遠程監(jiān)控系統(tǒng)原型，結(jié)合工藝信息和主軸實時切削功率對加工狀態(tài)進行識別，一旦發(fā)現(xiàn)異常，立即控制機床停止加工；并在典型飛機結(jié)構(gòu)件上開展了應(yīng)用驗證，結(jié)果表明融入工藝信息后，加工狀態(tài)識別準確率明顯提升了。

1商業(yè)化監(jiān)控系統(tǒng)問題分析

德國ARTIS刀具監(jiān)控系統(tǒng)是目前國際上最優(yōu)秀的加工監(jiān)控系統(tǒng)之一。筆者開展了該系統(tǒng)在飛機結(jié)構(gòu)件數(shù)控銑削加工過程中的應(yīng)用研究，發(fā)現(xiàn)該系統(tǒng)提供的兩種主要監(jiān)控模型均不適用于類似小批量、復雜零件的加工過程。

(1)Standard模式。Standard模式是通過對前兩次加工進行學習來確定放大系數(shù)和參考曲線，之后將每次加工的信號曲線與參考曲線進行對比來判斷加工狀態(tài)的，適用于鉆孔等簡單加工過程的大批量自動化加工。但在飛機結(jié)構(gòu)件等難加工材料大型復雜零件小批量銑削加工中，多數(shù)零件的加工時間很長，學習量太大，更重要的是：監(jiān)控曲線和參考曲線是通過時間對齊的，任何的人工干預均會導致學習或監(jiān)控失效，甚至影響正常加工。

(2)DX/DT模式。DX/DT模式是通過采集一段時間內(nèi)的信號來確定上下動態(tài)極限的，通過動態(tài)極限來識別后續(xù)加工中異常的快速信號變化，適用于加工過程穩(wěn)定的單件、小批量零件加工過程。而在復雜零件的銑削加工過程中，很難避免加工狀態(tài)的波動，這些波動很容易導致ARTIS刀具監(jiān)控系統(tǒng)誤報警，從而影響正常生產(chǎn)。

通過ARTIS刀具監(jiān)控系統(tǒng)在飛機結(jié)構(gòu)件中的應(yīng)用研究可以發(fā)現(xiàn)，復雜零件加工過程中，工藝波動導致的信號變化遠大于刀具磨損/破損引起的變化。因此，如何分離工藝波動的影響是實現(xiàn)準確監(jiān)控的關(guān)鍵。而當前的商業(yè)監(jiān)控系統(tǒng)僅基于物理信號對加工過程進行識別，難以適應(yīng)復雜零件加工過程。

2融入工藝信息的加工狀態(tài)識別方法

基于ARTIS刀具監(jiān)控系統(tǒng)在飛機結(jié)構(gòu)件數(shù)控銑削加工中的應(yīng)用分析，為解決工藝波動導致的誤報警問題，從工程實用的角度出發(fā)，本文提出以下兩種融合工藝信息和物理信號的加工狀態(tài)識別方法。

(1)基于加工坐標對齊信號。ARTIS刀具監(jiān)控系統(tǒng)的Standard模式中，實時信號曲線與參考曲線基于時間對齊。因此，加工過程不能受到任何人工干預，只適用于完全自動化的生產(chǎn)過程。然而，目前飛機結(jié)構(gòu)件等復雜零件的數(shù)控加工過程尚未完全實現(xiàn)自動化，難免會有人工干預。但是，若將實時信號與參考信號基于加工坐標對齊，對每一個加工位置都參考正常加工時的信號進行監(jiān)控，這樣雖然需要更多的查詢時間，但可避免改變倍率、暫停加工等人為干預對監(jiān)控產(chǎn)生影響。即

if

then

Pmax=(1+η)Pi

(1)

控制條件為

P>Pmax

(2)

式中，X、Y、Z為當前采集到的信號對應(yīng)的X、Y、Z軸坐標值；Xi、Yi、Zi為第i個參考信號對應(yīng)的X、Y、Z軸坐標值；Xi+1、Yi+1、Zi+1為第i+1個參考信號對應(yīng)的X、Y、Z軸坐標值；Pmax為當前加工位置的信號極限值；η為允許的監(jiān)控信號上升比例；Pi為第i個參考信號值；P為當前采集到的信號值。

(2)隨工藝變化自動調(diào)整監(jiān)控極限。正常加工過程中，加工狀態(tài)的波動通常是由工藝參數(shù)(主軸轉(zhuǎn)速S、進給速度F、切寬Ae和切深Ap以及刀具直徑等)的變化引起的。因此，通過在加工過程中實時采集工藝參數(shù)，根據(jù)工藝參數(shù)的變化自動調(diào)整監(jiān)控極限，即可消除工藝波動對監(jiān)控的影響，從而準確識別出異常狀態(tài)。各種工藝參數(shù)下的極限值需要通過試驗或從實際生產(chǎn)中積累。

此外，為避免主軸轉(zhuǎn)速變化、進刀等導致的信號突變引起誤報警，可采用延遲時間進行過濾。即當實時采集的監(jiān)控信號滿足下式：

(3)

時，報警并控制機床停止加工。其中，T為實時采集的信號值連續(xù)超過極限值的持續(xù)時間；Tmax為報警延遲時間。

3遠程監(jiān)控系統(tǒng)原型開發(fā)

為驗證上述識別方法的可行性，本文基于數(shù)控系統(tǒng)OPC接口和以太網(wǎng)，采用VB開發(fā)了一個遠程監(jiān)控系統(tǒng)原型。

3.1系統(tǒng)軟硬件結(jié)構(gòu)與配置

系統(tǒng)硬件結(jié)構(gòu)如圖1所示，主要包含數(shù)控系統(tǒng)PCU、數(shù)控機床PLC及PC三個部分，相互之間通過以太網(wǎng)連接。監(jiān)控軟件運行在PC上，執(zhí)行機床運行數(shù)據(jù)遠程采集、加工狀態(tài)識別和PLC遠程控制。系統(tǒng)軟硬件配置如下。

(1)PLC硬件配置。通常機床PLC的CPU不帶網(wǎng)口，需要加裝以太網(wǎng)接口模塊。本系統(tǒng)基于西門子840D數(shù)控系統(tǒng)搭建，采用的PLC為S7-300，因此加裝CP343-1模塊，并完成組態(tài)。

(2)PCU軟件配置。通常數(shù)控機床PCU都帶有以太網(wǎng)口，不需要額外加裝，但是若要在PCU上進行PLC組態(tài)，需要安裝組態(tài)軟件。根據(jù)CP343-1模塊的版本，本系統(tǒng)安裝Step 7 V5.5。

(3)PC軟硬件配置。①硬件配置。PC需要分別與數(shù)控系統(tǒng)PCU和PLC進行以太網(wǎng)連接，因此需要安裝2個以太網(wǎng)卡。②軟件配置。(a)安裝組態(tài)軟件，以組態(tài)PC Station站點，軟件版本根據(jù)硬件組態(tài)需求選擇，本系統(tǒng)安裝Step 7 V5.5。(b)安裝OPC接口，以運行基于OPC接口開發(fā)的監(jiān)控軟件。對西門子數(shù)控系統(tǒng)，可安裝SIMATIC NET，安裝后自帶西門子OPC接口以及連接測試工具OPC Scout。軟件版本根據(jù)PC操作系統(tǒng)選擇，本系統(tǒng)安裝SIMATIC NET 2006。(c)安裝VB或VC開發(fā)平臺(分別對應(yīng)OPC自動化接口和定制接口)，以滿足監(jiān)控軟件的開發(fā)與調(diào)試修改。本系統(tǒng)采用OPC自動化接口，因此安裝Visual Basic 6.0。

圖1　系統(tǒng)總體框架

3.2監(jiān)控軟件開發(fā)

OPC服務(wù)器有兩類接口：定制接口和自動化接口。本文采用更為方便的自動化接口，使用VB6.0編寫監(jiān)控軟件。安裝接口后，在VB的“工程-引用”中勾選Siemens OPC DAAutomation 2.0即可引用OPC自動化數(shù)據(jù)接口。

西門子數(shù)控系統(tǒng)內(nèi)部變量的OPC服務(wù)器為OPC.SINUMERIK.Machineswitch；PC與PLC的通信通過本地OPC.SimaticNET服務(wù)器建立S7連接。使用OPC自動化接口函數(shù)，很容易編寫OPC客戶端軟件采集數(shù)控系統(tǒng)內(nèi)部變量數(shù)據(jù)、讀寫PLC變量值。

已有研究表明，切削力、刀具磨損狀態(tài)等與主軸切削功率相關(guān)。因此，本系統(tǒng)采用主軸切削功率作為監(jiān)控信號；為保證實時性，采用門限法為控制決策方法；采用報警延遲時間過濾信號瞬間突變。對應(yīng)于本文提出的兩種識別方法，軟件包含了兩種監(jiān)控模式，其運行流程分別如圖2和圖3所示。軟件主要功能如下：

(1)機床運行數(shù)據(jù)采集。實時讀取、顯示、保存數(shù)控系統(tǒng)內(nèi)部的機床運行數(shù)據(jù)，如程序名稱，主軸功率、主軸轉(zhuǎn)速、進給速度、各軸坐標值等。

(2)數(shù)據(jù)曲線繪制。實時繪制主軸功率曲線及監(jiān)控極限。

(3)加工過程控制(可選)。當實時采集的主軸功率大于設(shè)定極限值、且持續(xù)時間大于給定延遲時間時，控制PLC停止機床加工。

圖2　監(jiān)控軟件運行流程-加工坐標對齊模式

圖3　監(jiān)控軟件運行流程-自動調(diào)整極限模式

3.3OPC遠程連接配置

本系統(tǒng)中OPC遠程連接配置包含兩個部分：①通過以太網(wǎng)建立OPC服務(wù)器與PLC的S7連接配置；②遠程訪問OPC Server的DCOM配置。其中，西門子S7 PLC與PC的OPC通信連接與測試方法可參見其幫助文檔[10]；遠程訪問OPC Server的配置可參考DCOM配置相關(guān)資料，需要注意的是：必須保證PCU與PC具有相同的用戶名和密碼。

4應(yīng)用驗證

為驗證該系統(tǒng)的可行性，在幾項典型飛機結(jié)構(gòu)件數(shù)控銑削加工過程中進行了應(yīng)用測試，實時采集機床運行數(shù)據(jù)、寫PLC值控制機床停止加工及數(shù)據(jù)顯示、保存、曲線繪制等功能均能有效運行。

圖4所示為某飛機結(jié)構(gòu)件某銑削工步加工中采用加工坐標對齊模式進行監(jiān)控時的軟件運行情況(此例中只讀取了X、Y坐標和主軸功率值)，從圖中可以看出，每一加工位置處的極限值都是根據(jù)正常加工時的參考值計算的，從而消除了工藝波動引起的信號變化對監(jiān)控的影響。該工步加工過程中，刀具未發(fā)生嚴重磨損或斷裂，系統(tǒng)未發(fā)生報警。相比之下，采用ARTIS監(jiān)控，會在多處發(fā)生誤報警。

圖4　加工坐標對齊模式實際運行情況截圖

圖5所示為某飛機結(jié)構(gòu)件加工中對某外形側(cè)銑工步采用自動調(diào)整極限模式進行監(jiān)控時的監(jiān)控曲線。從圖5中可以看出，主軸功率極限(圖5中直線表示設(shè)定的功率極限，曲線表示實時采集的功率)隨加工參數(shù)(包括切深、切寬、進給速度、主軸轉(zhuǎn)速、刀具直徑等)的變化而變化，避免了加工參數(shù)變化造成的工藝波動引起的誤報警；此外，通過延遲時間消除了進刀等原因造成的信號突變引起的誤報警。

圖5　自動調(diào)整極限模式實際運行情況截圖

應(yīng)用測試表明，本文提出的兩種融入工藝信息的加工狀態(tài)識別方法能有效減少復雜零件加工監(jiān)控中的誤報警。但是，要實現(xiàn)既不漏報、又不誤報的最佳監(jiān)控效果，需從實際加工過程中不斷積累，獲得最佳的極限參數(shù)值。

此外，受數(shù)控系統(tǒng)廠商對OPC接口數(shù)據(jù)采集頻率的限制(采用以太網(wǎng)，西門子數(shù)控系統(tǒng)最大為10 Hz)，該系統(tǒng)的控制實時性稍差，對刀具磨損等情況可滿足要求，但是若出現(xiàn)刀軌錯誤、機床故障等情況，其對零件/機床的保護能力有限，特別是在高速加工中。

5結(jié)論

(1)提高加工狀態(tài)識別的準確率是監(jiān)控系統(tǒng)有效運行的關(guān)鍵。在物理信號采集的基礎(chǔ)上，融合具體的零件工藝信息，是一種有效、可行的手段。

(2)基于數(shù)控系統(tǒng)OPC接口，用戶可以很容易地結(jié)合自己的零件工藝以及生產(chǎn)模式開發(fā)適用的遠程加工監(jiān)控系統(tǒng)，一方面可以追溯零件加工過程，另一方面，也可減少零件質(zhì)量事故，降低成本。

(3)要實現(xiàn)最佳的監(jiān)控效果，需要從實際生產(chǎn)中積累大量基礎(chǔ)數(shù)據(jù)，逐步逼近最優(yōu)的參數(shù)設(shè)置。

參考文獻：

[1]Bhattacharyya P, Sengupta D, Mukhopadhyay S, et al. On-line Tool Condition Monitoring in Face Milling Using Current and Power Signals[J]. International Journal of Production Research, 2008, 46(4): 1187-1201.

[2]Ghosh N, Ravi Y B, Patra A, et al. Estimation of Tool Wear during CNC Milling Using Neural Network-based Sensor Fusion[J]. Mechanical Systems and Signal Processing, 2007, 21(1): 466-479.

[3]王海麗, 翁德瑋, 胡兆燕, 等. 基于模糊神經(jīng)網(wǎng)絡(luò)的刀具磨損識別[J]. 上海交通大學學報, 2002, 36(8): 1086-1090.

Wang Haili, Weng Dewei, Hu Zhaoyan, et al. Tool Wear Monitoring Using Fuzzy Neural Network[J]. Journal of Shanghai Jiaotong University, 2002, 36(8): 1086-1090.

[4]王海麗, 馬春翔, 邵華,等. 車削過程中刀具破損和磨損狀態(tài)的自動識別[J]. 上海交通大學學報, 2006, 40(12): 2057-2062.

Wang Haili, Ma Chunxiang, Shao Hua, et al. The Tool Wear and Breakage Monitoring in Turning Using Neural Network[J]. Journal of Shanghai Jiaotong University, 2006, 40(12): 2057-2062.

[5]Dey S, Stori J A. A Bayesian Network Approach to Root Cause Diagnosis of Process Variations[J]. International Journal of Machine Tools and Manufacture, 2005, 45(1): 75-91.

[6]Geramifard O, Xu J X, Zhou J H, et al. Multimodal Hidden Markov Model-based Approach for Tool Wear Monitoring[J]. IEEE Transactions on Industrial Electronics,2014, 61(6): 2900-2911.

[7]Xie N, Chen L, Zheng B, et al.A Rough Set-based Effective State Identification Method of Multisensor Tool Condition Monitoring System[J]. Advances in Mechanical Engineering, 2014, 6(8): 947-962.

[8]Li X, Djordjevich A,Venuvinod P K. Current-sensor-based Feed Cutting Force Intelligent Estimation and Tool Wear Condition Monitoring[J]. IEEE Transactions on industrial electronics, 2000,47(3): 697-702.

[9]Abellan-Nebot J V, Subiron F R. A Review of Machining Monitoring Systems Based on Artificial Intelligence Process Models[J]. International Journal of Advanced Manufacturing Technology, 2010, 47(1): 237-257.

[10]Siemens.通過ETHERNET建立OPC服務(wù)器與S7 PLC的S7連接[EB/OL].(2014-03-07)[2015-07-28].https://support.industry.siemens.com/cs/document/83102835/ethernetsimatic-net-opc-plc-s7?dti=0&pnid=13613&lc=zh-CN.

(編輯王艷麗)

Cutting Status Identification Method for Complex Parts Integrating with Process Informations

Zhu Shaowei1,2Mou Wenping1Tang Limin1Du Li2

1.AVIC Chengdu Aircraft Industrial (Group) Co.,Ltd.,Chengdu,610092 2.University of Electronic Science and Technology,Chengdu,611731

Abstract:In CNC machining of complex parts, the physical signal-based machining monitoring system was easily affected by the process fluctuations, which led to false alarms. In order to figure out this problem,two methods integrated process informations were proposed to improve the accuracy of cutting status identification. To test and verify their feasibility, a remote monitoring prototype system was developed based on the OPC interface of numerical control system, which identified the cutting status integrating with the process informations and real-time cutting power of spindle, and stoped the cutting once abnormal cutting was detected. Application tests were conducted on several typical aircraft structure parts, the results show that the accuracy of process identification is promoted after integrating with the process informations.

Key words:machining monitoring; complex parts; process information; OPC

收稿日期：2015-07-28

基金項目：國家科技重大專項(2012ZX04001012)

中圖分類號：TH166；TH165

DOI：10.3969/j.issn.1004-132X.2016.11.011

作者簡介：朱紹維，男，1987年生。成都飛機工業(yè)(集團)有限責任公司工程師，成都飛機工業(yè)(集團)有限責任公司與電子科技大學聯(lián)合培養(yǎng)博士后研究人員。主要研究方向為數(shù)控加工、智能制造。發(fā)表論文10余篇。牟文平，男，1981年生。成都飛機工業(yè)(集團)有限責任公司數(shù)控加工廠高級工程師。湯立民，男，1955年生。成都飛機工業(yè)(集團)有限責任公司研究員級高級工程師。杜麗，女，1970年生。電子科技大學機械電子工程學院教授。