詹迪雷 李鵬南 李樹健 牛秋林 邱新義

（湖南科技大學(xué)機(jī)電工程學(xué)院，湘潭 411201）

0 引言

碳纖維增強(qiáng)樹脂基復(fù)合材料（CFRP）因具有高比強(qiáng)度、高比模量、耐腐蝕、耐疲勞等優(yōu)點(diǎn)，被汽車、航空航天、海洋工業(yè)等諸多領(lǐng)域廣泛應(yīng)用［1-3］。由于CFRP 的非均質(zhì)、各向異性，其切削加工機(jī)理不同于金屬材料，在切削加工過程中易發(fā)生分層、出口毛刺、撕裂和孔壁劃痕等加工缺陷，對(duì)CFRP 結(jié)構(gòu)件的裝配質(zhì)量和服役性能產(chǎn)生嚴(yán)重影響［4-5］。CFRP 切削加工過程是一個(gè)高度非線性、時(shí)變、不確定性的復(fù)雜動(dòng)態(tài)過程，任何狀態(tài)的改變都會(huì)對(duì)加工過程及最后加工效果產(chǎn)生影響，常規(guī)的數(shù)控加工技術(shù)沒有把狀態(tài)變化量納入考慮的范圍內(nèi)，對(duì)加工過程中出現(xiàn)的突發(fā)狀況不能實(shí)時(shí)處理［6］，難以保證CFRP 的最終加工質(zhì)量。

本文主要從CFRP 的切削加工預(yù)測、切削過程中的狀態(tài)監(jiān)測及在線智能控制3 方面綜述了學(xué)者們近年來的研究成果，并對(duì)未來研究趨勢進(jìn)行了分析和討論，為改善CFRP 加工質(zhì)量，促進(jìn)其廣泛應(yīng)用提供參考。

1 CFRP切削加工預(yù)測

1.1 加工過程物理仿真預(yù)測

加工過程物理仿真可以對(duì)CFRP 切削過程中切削力、切削溫度、刀具磨損、切屑形狀等狀態(tài)進(jìn)行預(yù)測，根據(jù)仿真結(jié)果提出解決方案，對(duì)切削參數(shù)與刀具角度進(jìn)行優(yōu)化［6］。針對(duì)CFRP 加工過程物理仿真的研究，國內(nèi)外學(xué)者從宏觀、微觀及宏微觀有限元模型等方面展開了廣泛研究。

圖1 CFRP宏觀模型仿真［7］Fig.1 CFRP macroscopic model simulation［7］

圖1為路冬等［7］采用宏觀有限元模型對(duì)CFRP 切削過程進(jìn)行的仿真研究，探討了切削過程中樹脂基體、亞表面損傷演化過程。秦旭達(dá)［8］則采用宏觀有限元模型模擬了CFRP 銑削加工過程，利用VUMAT 子程序建立了三維Hashin 起始失效準(zhǔn)則以及損傷演化過程模型，采用Cohesive單元連接以模擬層間損傷的產(chǎn)生及擴(kuò)展，利用該模型分析了切削力、層間應(yīng)力及層間損傷隨纖維方向角的變化規(guī)律，但所建立的模型忽略了纖維基體的結(jié)合問題以及切削溫度的影響。CALZADA 等［9］對(duì)材料界面進(jìn)行建模，提出了基于微觀結(jié)構(gòu)的CFRP 有限元模型，該模型能夠描述整個(gè)切屑形成過程中纖維損傷形式。如圖2為齊振超［10］建立的CFRP 直角切削三維多相有限元模型及仿真結(jié)果，對(duì)纖維、基體材料本構(gòu)分開考慮，仿真結(jié)果很好的展示了切屑形成機(jī)理、基體破壞及亞表面損傷深度。RENTSCH［11］建立了基于Hashin 失效準(zhǔn)則的CFRP 微宏觀有限元模型，獲得了和實(shí)際相符的材料去除過程，將重點(diǎn)觀察區(qū)采用微觀模型，其余采用宏觀模型，可以兼顧仿真效率與仿真精度。

圖2 θ=45°直角切削微觀幾何模型及仿真結(jié)果［10］Fig.2 Microscopic geometric model and simulation results of orthogonal cutting at θ=45°［10］

可見，CFRP 宏觀有限元模型在預(yù)測切削力、表面損傷等方面，能取得很好仿真精度，但并不能預(yù)測局部效應(yīng)。微觀有限元模型著重考慮材料的微觀特性，能更好的詮釋材料去除機(jī)理、切屑形成原因、切削熱傳遞以及纖維基體損傷演化等諸多方面。微宏觀有限元模型在兼具仿真效率與精度的基礎(chǔ)上表現(xiàn)出更好的仿真效果，是未來研究的重點(diǎn)。

1.2 CFRP數(shù)學(xué)模型預(yù)測

針對(duì)CFRP 切削過程的數(shù)學(xué)模型預(yù)測，學(xué)者們從宏觀、微觀層面對(duì)切削力的建模進(jìn)行了廣泛研究，而微觀層面的切削力模型又可從特定纖維方向和全范圍纖維方向進(jìn)行研究。

從宏觀層面開展的切削力模型研究，主要是對(duì)經(jīng)典金屬切削理論的應(yīng)用或推廣。如段春爭［12］等根據(jù)實(shí)驗(yàn)數(shù)據(jù)求出經(jīng)驗(yàn)公式（1）系數(shù)，可直觀的展示加工參數(shù)對(duì)結(jié)果參數(shù)的影響。MENG 等［13］則將切削刃分成連續(xù)的相鄰元素集，每個(gè)都看作是單位寬度的正交切削刃，在每個(gè)元素上使用修正后的正交切削力模型建立了UD-CFRP 鉆孔過程中瞬時(shí)鉆削力模型，并且可以預(yù)測力的波動(dòng)，但此類模型無法考慮到纖維基體切削的微觀特性。

式中，F(xiàn)為切削力；C為與加工材料及切削條件的相關(guān)系數(shù)；n為轉(zhuǎn)速；vf為進(jìn)給速度；ap為軸向切深；ae為徑向切深；a1、a2、a3、a4均為指數(shù)［12］。

因此，利用材料的微觀特性來描述正交切削物理本質(zhì)，將切屑、一根纖維或一個(gè)有代表性的體積單元作為一根梁，研究人員獲得了基于斷裂力學(xué)、復(fù)合材料力學(xué)或能量法［14-15］的切削力模型。如A.JAHROMI 等［14］認(rèn)識(shí)到基于金屬切削理論的模型在預(yù)測CFRP 切削力方面存在局限性，故采用能量法預(yù)測纖維方向從π/2 到π 的UD-CFRP 正交切削力，這促進(jìn)了CFRP 微觀結(jié)構(gòu)的表征從等效均勻材料向多相材料的轉(zhuǎn)變。如圖3所示，ABC三區(qū)域的力之和為總切削力，體積單元RVE1和RVE2被瞬間切斷形成切屑時(shí)RVE3破壞剛開始，因此對(duì)RVE3進(jìn)行單獨(dú)分析（圖4）是建立受力預(yù)測模型關(guān)鍵，QI 等［15］根據(jù)這一思想采用能量法和最小勢能原理進(jìn)行了力預(yù)測模型的建立。

圖3 0°≤θ≤Υa+90°時(shí)單向CFRP的正交切削［15］Fig.3 Orthogonal cutting of UD-CFRP at 0°≤θ≤Υa+90°［15］

圖4 RVE3載荷分析［15］Fig.4 Load condition of RVE3［15］

基于前人研究，CHEN等［16］基于彈性基礎(chǔ)理論和最小勢能原理建立了全范圍內(nèi)UD-CFRP 正交加工的切削力預(yù)測理論模型，模型被分為纖維取向?yàn)?°到90°、90°到180°和0°三部分，但模型中大量的材料參數(shù)使得難以在實(shí)際環(huán)境當(dāng)中應(yīng)用。

由上述研究發(fā)現(xiàn)，CFRP 數(shù)學(xué)模型預(yù)測主要集中在切削力的建模研究，而針對(duì)刀具磨損、加工質(zhì)量等特定模型研究較少。切削力模型可直觀反應(yīng)加工參數(shù)對(duì)結(jié)果參數(shù)影響，并易于結(jié)合其他算法優(yōu)化加工過程，但如何從微觀層面去建立簡單且能夠表征任意纖維方向的CFRP 加工過程的切削力模型，仍需深入研究。

1.3 智能模型預(yù)測

圖5所示為基于神經(jīng)網(wǎng)絡(luò)的CFRP 加工預(yù)測結(jié)構(gòu)示意圖，以機(jī)床、刀具、材料等參數(shù)為輸入，以切削力、分層系數(shù)、刀具磨損等為輸出，學(xué)者們對(duì)CFRP 加工結(jié)果進(jìn)行了準(zhǔn)確預(yù)測。

圖5 神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)構(gòu)示意圖Fig.5 Schematic diagram of neural network prediction structure

賈振元等［17］以纖維方向、切削深度和刀具角度為輸入，采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)準(zhǔn)確預(yù)測了CFRP切削力，并探討了基體失效問題。慶華楠等［18］研究證明將刀具底刃切削的影響考慮進(jìn)BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型當(dāng)中，可以進(jìn)一步提升銑削力預(yù)測精度。唐寧等［19］研究發(fā)現(xiàn)自適應(yīng)神經(jīng)模糊推理系統(tǒng)在預(yù)測CFRP 軸向力方面可能比單一神經(jīng)網(wǎng)絡(luò)精度更高。KARNIK［20］、KRISHNAMOORTHY 等［21］分別基于人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了CFRP 鉆削入口分層以及出口分層的準(zhǔn)確預(yù)測，前者以主軸轉(zhuǎn)速、進(jìn)給速度和鉆尖角為輸入，高速鉆削入口分層系數(shù)為輸出，后者以主軸轉(zhuǎn)速、鉆頭尺寸、進(jìn)給量為輸入，出口分層因子為輸出且預(yù)測結(jié)果最大誤差為0.81%，最小誤差僅為0.03%。TSAO 等［22］使用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和多變量回歸分析分別探討了CFRP 鉆削中進(jìn)給速率、主軸轉(zhuǎn)速和鉆頭直徑與推力和表面粗糙度之間的相關(guān)性，通過實(shí)驗(yàn)證明采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)可以更有效地預(yù)測CFRP表面粗糙度。

已有研究表明，采用智能預(yù)測模型可以解決加工參數(shù)與預(yù)測目標(biāo)之間非線性問題，預(yù)測精度更好，同時(shí)可以根據(jù)預(yù)測結(jié)果，確定最佳參數(shù)組合。但由于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)復(fù)雜性、需要大量實(shí)驗(yàn)數(shù)據(jù)，使得加工成本加大，因此，考慮各種加工因素影響、優(yōu)化預(yù)測模型結(jié)構(gòu)、結(jié)合模糊邏輯及支持向量機(jī)等其他技術(shù)建立更精確的預(yù)測模型還需要深入研究。

2 CFRP切削過程中狀態(tài)監(jiān)測

2.1 刀具磨損的監(jiān)測

如圖6所示為完整的刀具狀態(tài)在線監(jiān)測系統(tǒng)，主要由信號(hào)采集、特征提取、模式識(shí)別3部分組成。

圖6 刀具狀態(tài)監(jiān)測智能體系框圖［23］Fig.6 Intelligent monitoring framework of tool condition［23］

在狀態(tài)信息獲取方面，由于直接測量的方式受切削液、切屑影響且信號(hào)獲取難度大，學(xué)者采用基于切削力［24-25］、機(jī)械振動(dòng)［26-28］、切削溫度［29］、功率/電流［30］和聲發(fā)射［31-35］等間接方法來獲取CFRP 加工中刀具狀態(tài)信息，為尋求適合、高質(zhì)的信息獲取方法，國內(nèi)外學(xué)者對(duì)以上方法進(jìn)行了大量驗(yàn)證。LIN 等［24］建立了力信號(hào)與刀具磨損及其他切削參數(shù)之間的關(guān)系，該關(guān)系可用于在線鉆頭側(cè)翼磨損監(jiān)測，率先表明基于力信號(hào)的刀具磨損監(jiān)測是可行的。FU 等［26］認(rèn)為切削刀具振動(dòng)信號(hào)的變化可以間接確定刀具磨損程度，采用小波去噪，然后從去噪后信號(hào)中得到分形維數(shù)，以此尋求和刀具磨損有關(guān)的特征量。CHERIF等［30］通過處理主軸及進(jìn)給驅(qū)動(dòng)器電流信號(hào)獲得了和CFRP 刀具磨損相關(guān)的監(jiān)測指標(biāo)。WANG 等［31-35］都采用了聲發(fā)射來研究CFRP 切削中刀具磨損狀態(tài)，這是因?yàn)榍邢髁Ψù嬖谠O(shè)備安裝困難、振動(dòng)信號(hào)法需要解決噪聲及刀具自激振動(dòng)影響、功率/電流法靈敏性和瞬時(shí)響應(yīng)性較差，而聲發(fā)射法可以彌補(bǔ)以上方法的不足，實(shí)現(xiàn)在線實(shí)時(shí)監(jiān)測，因此獲得了廣泛的應(yīng)用。

在CFRP 加工信號(hào)處理方面，主要有分形分析［25-26］、小波包變換［31-33，35］、時(shí)頻域分析［33-34］、經(jīng)驗(yàn)?zāi)B(tài)分解等方法。RIMPAULT 等［25］提出將CFRP 切削力信號(hào)分形分析之后的各種分形參數(shù)組合起來建立經(jīng)驗(yàn)指數(shù)，用來監(jiān)測刀具磨損情況。WANG［31］、謝小明等［33］對(duì)鉆削CFRP/金屬疊層板的聲發(fā)射信號(hào)進(jìn)行時(shí)域分析，發(fā)現(xiàn)信號(hào)均方根值和刀具磨損變化規(guī)律有關(guān)（圖7）。黃文亮等［35］利用小波包分析技術(shù)探討了CFRP 鉆削聲發(fā)射信號(hào)頻段能量特征與刀具磨損量對(duì)應(yīng)關(guān)系，對(duì)鉆削第5 及第50 個(gè)孔磨損狀態(tài)下的聲發(fā)射信號(hào)，采用db8小波包基分解為3層（圖8）；對(duì)8個(gè)頻帶小波包分解重構(gòu)并對(duì)比分析，發(fā)現(xiàn)聲發(fā)射信號(hào)頻段S［3，2］和S［3，7］幅值隨著鉆孔數(shù)量和刀具磨損量的增加而增大（圖9），故此頻段可用于監(jiān)測刀具磨損。

圖7 CFRP（F）和Ti（L）信號(hào)中均方根值隨孔數(shù)增加變化［31］Fig.7 Changes of RMS value with hole number in CFRP（F）and Ti（L）［31］

圖8 小波包樹［35］Fig.8 Wavelet packet tree［35］

圖9 S［3，2］、S［3，7］頻段在鉆第5、50孔時(shí)小波包分解重構(gòu)圖［35］Fig.9 Wavelet packet decomposition and reconstruction diagram of S［3，2］and S［3，7］［35］

在刀具磨損監(jiān)測模型方面，基于人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)（SVM）的研究逐漸展開。CAGGIANO等［34］對(duì)鉆削CFRP 的軸向力及繞Z 軸扭矩信號(hào)進(jìn)行頻域分析，創(chuàng)建了單傳感器特征向量和多傳感器特征向量，再基于人工神經(jīng)網(wǎng)絡(luò)建立了特征向量和刀具磨損之間的監(jiān)測模型，結(jié)果顯示人工神經(jīng)網(wǎng)絡(luò)能夠從多個(gè)傳感器信號(hào)中提取的頻率特征，以較高精度重建刀具側(cè)翼磨損曲線，可用于在線監(jiān)測刀具磨損。宋慶月等［36］通過分析CFRP 鉆孔試驗(yàn)結(jié)果，得到刀具磨損、進(jìn)給速度及兩者耦合作用下對(duì)孔壁粗糙度的影響規(guī)律，提出基于參考切削力支持向量機(jī)回歸識(shí)別模塊的變切削參數(shù)刀具磨損監(jiān)測方法，進(jìn)而實(shí)現(xiàn)孔壁粗糙度的在線監(jiān)測。

由上可知，聲發(fā)射法在CFRP 刀具磨損監(jiān)測方面有很大優(yōu)勢，如何結(jié)合神經(jīng)網(wǎng)絡(luò)、模糊邏輯等策略建立一個(gè)明確的監(jiān)測模型，還需深入研究。同時(shí)，當(dāng)材料或加工方式發(fā)生改變時(shí)，所建立的監(jiān)測模型需要重新研究與刀具磨損狀態(tài)關(guān)聯(lián)的聲發(fā)射特征量，如何解決監(jiān)測模型的通用性，是亟待解決的問題。結(jié)合多種信號(hào)優(yōu)勢，實(shí)現(xiàn)多信號(hào)融合，是未來進(jìn)行磨損監(jiān)測研究的另一重點(diǎn)。

2.2 加工質(zhì)量的監(jiān)測

CFRP 無損檢測方法如超聲、射線、滲透檢測以及壓力、光纖傳感器等，由于檢測滯后性、檢測信號(hào)無特征性［37］等缺點(diǎn)，屬于缺陷形成后的靜態(tài)檢測，無法用于CFRP實(shí)時(shí)監(jiān)測。M?HRING等［38］通過對(duì)比加速度、主軸功率、聲發(fā)射、空氣傳播聲音和切削力等信號(hào)發(fā)現(xiàn)，聲發(fā)射信號(hào)和被監(jiān)測量有更好的相關(guān)性，最適用于監(jiān)測CFRP 切削加工質(zhì)量。這是因?yàn)槁暟l(fā)射法是實(shí)時(shí)無損監(jiān)測，可以動(dòng)態(tài)地對(duì)其進(jìn)行無損評(píng)價(jià)，根據(jù)損傷分布和實(shí)時(shí)產(chǎn)生的數(shù)據(jù)，評(píng)價(jià)損傷區(qū)域、損傷類型及損傷程度［37］。

因此，針對(duì)加工中產(chǎn)生的裂紋、分層、纖維斷裂等損傷，F(xiàn)ENGMING等［39］提出利用PS-FBG檢測的聲發(fā)射信號(hào)來識(shí)別，對(duì)信號(hào)中的兩種蘭姆波進(jìn)行時(shí)頻分析，得到它們之間相對(duì)振幅比用于識(shí)別CFRP 的微觀損傷。OLIVERIA 等［40］通過聲發(fā)射信號(hào)和紅外熱成像技術(shù)來監(jiān)測CFRP 對(duì)切削過程的響應(yīng)，表明能量和振幅特征隨切削長度而增加，這種關(guān)系可以實(shí)時(shí)監(jiān)控加工過程，從而估計(jì)表面質(zhì)量和預(yù)測缺陷。同樣在信號(hào)特征提取之后用于監(jiān)測加工質(zhì)量的智能模型也成為研究的重點(diǎn)，如上文提到的CAGGIANO［34］，除此之外QIN 等［41］也通過開發(fā)人工神經(jīng)網(wǎng)絡(luò)模型探討了CFRP 螺旋銑削時(shí)分層與過程參數(shù)之間的相關(guān)性。蘆吉云［42］、賀夢悅等［43］都采用支持向量機(jī)理論對(duì)CFRP 分層損傷位置、大小進(jìn)行了研究，所做研究雖不是用于CFRP 切削過程中的質(zhì)量監(jiān)測，但對(duì)CFRP鉆、銑等過程中的質(zhì)量監(jiān)測提供了參考。

3 CFRP切削過程中智能控制

CFRP 切削加工過程是一個(gè)高度非線性、時(shí)變、不確定性的復(fù)雜動(dòng)態(tài)過程，通過對(duì)切削力、振動(dòng)在線智能控制可實(shí)現(xiàn)CFRP 穩(wěn)定切削，保護(hù)刀具，提升加工質(zhì)量。

為保持切削力的平穩(wěn)，傳統(tǒng)研究領(lǐng)域如工藝規(guī)劃［44］、插補(bǔ)策略或加減速控制，及后來結(jié)合魯棒控制［45］、滑?？刂疲?6］、神經(jīng)網(wǎng)絡(luò)控制及模糊邏輯控制等智能控制算法的CFRP 切削力智能控制研究逐漸展開。國內(nèi)吳夢培［47］、黃耀峰等［48］先后采用神經(jīng)網(wǎng)絡(luò)和自適應(yīng)控制結(jié)合方式研究了CFRP 加工過程中切削力的控制問題，如圖10所示，測力儀測得實(shí)際軸向力，通過數(shù)據(jù)采集與處理將其反饋至控制器，在線調(diào)節(jié)進(jìn)給速度，將軸向力控制在臨界軸向力之下，以此來減少CFRP鉆削過程中的分層現(xiàn)象。

圖10 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制框圖［48］Fig.10 Block diagram of neural network adaptive control［48］

國外早期CHUNG 等［49］提出了模糊邏輯模型和控制策略，將鉆孔模型分為入口、中間和出口三階段，在中間階段控制器維持切削力的穩(wěn)定，在出口處控制器用于降低切削力減少分層，仿真結(jié)果表明，模糊控制器調(diào)節(jié)速度快、超調(diào)小且具有很強(qiáng)的魯棒性。ROMOLI 等［50］基于軸向力以及側(cè)翼磨損測量量的模糊邏輯算法，提出了CFRP 鉆孔監(jiān)控策略。如圖11所示，采用雙重模糊邏輯，第一階段以軸向力與鉆頭磨損量作為控制器輸入量，將分層診斷作為輸出量，可監(jiān)測鉆孔是否發(fā)生分層；第二階段將分層診斷作為輸入，將鉆孔所需最佳進(jìn)給速度作為輸出并反饋給CNC 數(shù)控單元，以此來控制鉆削力達(dá)到分層損傷減少的目的。

除切削力之外，CFRP 加工過程中的振動(dòng)控制也是研究重點(diǎn)。徐玉高等［51］設(shè)計(jì)了一種可減少CFRP深孔鏜削中鏜桿受激振動(dòng)的導(dǎo)向裝置，能有效提升鏜孔質(zhì)量。胡錦濤等［52］研究發(fā)現(xiàn)，在CFRP 切削中刀具振動(dòng)引起的損傷較小，而主軸振動(dòng)傳至刀具使得刀具振動(dòng)加劇從而使纖維破碎、纖維與基體界面出現(xiàn)分層。因此，機(jī)床的在線顫振抑制對(duì)CFRP 的加工尤為重要，國內(nèi)外基于智能控制方法的在線顫振抑制研究已有很多，如KUBICA［53］、LIANG［54］等分別在圓周銑削、端銑過程中采用模糊控制方法對(duì)顫振進(jìn)行了有效抑制，從而大大提升了加工過程的穩(wěn)定性。如何根據(jù)CFRP 加工特性結(jié)合各種智能控制算法來實(shí)現(xiàn)加工過程中振動(dòng)的智能控制，將會(huì)是CFRP 未來研究的新方向。

圖11 模糊邏輯控制系統(tǒng)原理圖［50］Fig.11 Schematic diagram of fuzzy control system［50］

由上可見，以神經(jīng)網(wǎng)絡(luò)控制和模糊控制為代表的智能控制方法可實(shí)現(xiàn)CFRP 切削過程的智能調(diào)整，從而保證系統(tǒng)的穩(wěn)定性提升加工質(zhì)量，但如何解決模糊控制、神經(jīng)網(wǎng)絡(luò)控制等智能控制算法自身缺陷，加強(qiáng)智能控制方法與加工系統(tǒng)的集成還需深入研究。

4 結(jié)語

（1）在CFRP 預(yù)測研究方面，基于微觀有限元模型的加工過程物理仿真能更好的詮釋材料去除機(jī)理、切屑形成原因、切削熱傳遞以及纖維、基體損傷演化等諸多方面，微宏觀有限元模型則能夠兼顧仿真預(yù)測精度以及有限元計(jì)算效率，是后期研究重點(diǎn)。其次，基于CFRP 微觀切削機(jī)理建立精確切削力數(shù)學(xué)模型的同時(shí)還應(yīng)展開有關(guān)刀具磨損、振動(dòng)以及加工質(zhì)量模型方面的研究。此外，結(jié)合人工智能技術(shù)建立更準(zhǔn)確的智能預(yù)測模型還需要深入研究。

（2）CFRP 切削過程中刀具磨損、加工質(zhì)量的監(jiān)測需從狀態(tài)信息獲取、特征信息提取以及監(jiān)測模型建立三方面展開研究。結(jié)合多種信號(hào)優(yōu)勢，實(shí)現(xiàn)多信號(hào)融合，獲得滿足實(shí)際加工中魯棒性要求的的傳感器信號(hào)，是未來進(jìn)行CFRP 在線狀態(tài)監(jiān)測研究的前提。其次，還應(yīng)借助先進(jìn)信號(hào)處理技術(shù)及人工智能手段，深入研究傳感器信號(hào)和CFRP 加工過程狀態(tài)之間的內(nèi)在機(jī)理及映射關(guān)系。

（3）CFRP 加工中切削力、顫振的智能控制可實(shí)現(xiàn)CFRP 穩(wěn)定切削、降低分層等缺陷的產(chǎn)生。在線控制技術(shù)涉及在線數(shù)據(jù)處理，優(yōu)化算法，實(shí)時(shí)驅(qū)動(dòng)等關(guān)鍵技術(shù)，如何結(jié)合CFRP 自身加工特性，建立準(zhǔn)確智能的控制系統(tǒng)，是未來研究的重點(diǎn)。