岳彩旭，周天祥，秦怡源，王 樂，胡德生

（哈爾濱理工大學(xué)先進制造智能化技術(shù)教育部重點實驗室，哈爾濱 150080）

隨著航空航天工業(yè)的不斷發(fā)展，空天飛行器、特種精密儀器等對零件的穩(wěn)定性及可靠性提出了更高的目標。薄壁零件因其具有質(zhì)量輕、比強度高、空間結(jié)構(gòu)緊湊的特點被廣泛應(yīng)用于航空航天工業(yè)領(lǐng)域。目前該類零件通常采用銑削加工方式進行[1]。因工件結(jié)構(gòu)材質(zhì)、刀具、機床、銑削條件和裝夾等多方面因素的影響，薄壁件在加工過程中易發(fā)生加工變形[2]。由于高溫、噪聲干擾等復(fù)雜工況，更難以實現(xiàn)對加工狀態(tài)的精準監(jiān)測與控制。薄壁件加工狀態(tài)的監(jiān)測是以不同目標狀態(tài)為導(dǎo)向，利用傳感器采集得到反映加工狀態(tài)的信息，經(jīng)過分析處理，最終實現(xiàn)對加工狀態(tài)的識別及預(yù)測[3]。加工過程面臨著智能化、數(shù)字化方向的發(fā)展趨勢[4]，單一的傳感器信息已不能滿足工作需求。Chen 等[5]融合了聲發(fā)射、加速度等多傳感器信息，基于深度學(xué)習(xí)方法對銑削刀具磨損狀態(tài)進行了監(jiān)測，經(jīng)過多次試驗，均取得了較好的效果。Bagga等[6]利用振動、力、溫度等多傳感器數(shù)據(jù)融合方法對切削刀具磨損進行預(yù)測，與實踐數(shù)據(jù)相比，具備更低的測量誤差。Tran 等[7]通過融合麥克風(fēng)、振動傳感器信息來對銑削顫振進行監(jiān)測，相較于傳統(tǒng)監(jiān)測方法，既提高了加工精度，又節(jié)約了生產(chǎn)成本。綜上所述，多傳感器信息融合技術(shù)具有更好的互補性和可靠性，將其引入加工中的狀態(tài)監(jiān)測，可提高監(jiān)測的精度和效率。

實現(xiàn)對薄壁件加工狀態(tài)的在線監(jiān)測，能有效地控制薄壁件銑削過程中所產(chǎn)生的變形，有利于提高工件的加工精度、質(zhì)量和效率。本文基于不同目標狀態(tài) （刀具磨破損、銑削顫振、銑削變形）監(jiān)測方向的研究成果，通過總結(jié)與分析指出了航空航天薄壁件的發(fā)展趨勢及前景，為薄壁件的高效、高質(zhì)加工提供理論指導(dǎo)。

1 薄壁件加工特點及分類

航空航天工業(yè)的發(fā)展對專用薄壁零部件有了更高的要求，需要其具備更高精度、更高穩(wěn)定性和長壽命等特性。

1.1 薄壁件的加工特點

薄壁件結(jié)構(gòu)、材料的獨特性，決定了其加工過程的特殊性。

（1）工件特點。薄壁零件的壁厚與輪廓尺寸之比小于1∶20，是由薄型板和加強筋構(gòu)成的輕量化結(jié)構(gòu)，具有質(zhì)量輕、強度高、形狀復(fù)雜和尺寸大的特點[8]，多采用具有良好性能的鋁合金或者鈦合金制作[9]。在銑削過程中，隨著材料去除率的增加，薄壁件的剛度逐漸降低，加工工件極易發(fā)生變形，無法保障加工精度[10]。

（2）加工方式。由于薄壁件的結(jié)構(gòu)、材料特性及高質(zhì)、高精的要求，通常采用高速銑削方式加工。與常規(guī)切削方式相比，高速銑削可以大幅降低銑削力、減少熱變形，有效提高薄壁件的加工效率和質(zhì)量[11]。

（3）刀具特點。薄壁件在銑削過程中是斷續(xù)加工的狀態(tài)，導(dǎo)致銑刀極易遭受沖擊，降低壽命[12]。此外，薄壁件多采用難加工材料，特別是鈦合金在加工過程中會產(chǎn)生一層氧化層，加速了刀具的磨損[13]。

（4）裝備特點。高速銑床具有較高的剛度及加工精度，在加工薄壁件時易受到高次諧振的影響，引起工件以固有頻率振動，影響薄壁件的加工質(zhì)量[14]。

1.2 薄壁件的分類

以航空航天領(lǐng)域飛機為例，常用的薄壁零件有整體壁板類、梁類零件和框體類零件等[15]，如圖1所示[16–18]。

圖1 薄壁件分類圖Fig.1 Classification of thin-walled parts

（1）整體壁板類，由筋條、凸臺、蒙皮等部件組成，主要用作飛機的承力部件。

（2）梁類零件，構(gòu)形復(fù)雜，常用作飛機的受力部件。根據(jù)零件的截面形狀可分為工字形、U 字形及異形截面。

（3）框類零件，不僅是飛機橫向結(jié)構(gòu)的主要承力部件，還是機身成型、保障徑向外形的主要結(jié)構(gòu)件。

2 加工狀態(tài)監(jiān)測關(guān)鍵技術(shù)

實現(xiàn)薄壁件銑削加工狀態(tài)監(jiān)測的關(guān)鍵技術(shù)主要有：通過傳感器采集得到反映加工狀態(tài)的信息；對傳感器信息進行相關(guān)的預(yù)處理；提取得到目標狀態(tài)對應(yīng)的特征。同時，為了提高加工狀態(tài)監(jiān)測的效率，采用多傳感器信息來表征加工狀態(tài)，并通過融合處理，最終實現(xiàn)對目標狀態(tài)的監(jiān)測。

2.1 數(shù)據(jù)預(yù)處理

通過傳感器采集得到的加工狀態(tài)信息數(shù)據(jù)存在樣本過大、包含干擾噪音等問題，不能直接使用。數(shù)據(jù)預(yù)處理的目的就是檢測數(shù)據(jù)質(zhì)量，降低異常數(shù)據(jù)的干擾；識別數(shù)據(jù)的背景信息，對不同工況下的數(shù)據(jù)分別進行標準化處理；降低對后續(xù)建模的影響。目前常用的數(shù)據(jù)預(yù)處理方法包括數(shù)據(jù)截斷、異常值剔除、濾波降噪等。周子涵[19]使用奈奎斯特采樣定理對振動信號和切削力信號進行采樣，經(jīng)過預(yù)處理降低了樣本總量，較為完整地反映了刀具磨損的實時狀態(tài)。王瑩[20]將經(jīng)驗小波變換與自適應(yīng)濾波方法進行結(jié)合，有效地提高了傳感器信號的信噪比。

2.2 特征提取

利用單個或多個傳感器采集得到信號，經(jīng)過預(yù)處理后提高了數(shù)據(jù)的質(zhì)量，由于其數(shù)據(jù)矩陣復(fù)雜、計算成本高等問題，通常不將其直接輸入算法模型進行訓(xùn)練，而是先提取信號的特征。特征提取的主要方法有時域分析、頻域分析和時頻域分析。

（1）時域分析。

時域分析是指對傳感器采集得到的時間序列信號進行特征提取。劉銳等[21]優(yōu)選切削力信號的均方根、方差等時域特征來表征銑刀磨損狀態(tài)，有效地提高了監(jiān)測精度。Lu等[22]構(gòu)建了一種相對閾值算法，將加速度信號頻譜和時域的方差來作為切削顫振識別的指標，如圖2所示[22]，在不同的工況下均取得了較好效果。Safi 等[23]利用時域分析方法，通過計算監(jiān)測信號的方差來作為銑削顫振的檢測指標，此方法更全面地預(yù)測了不同銑削參數(shù)下發(fā)生顫振的可能性，有利于對銑削顫振進行合理的控制。

圖2 加速度信號的頻譜和方差分析[22]Fig.2 Spectrum and variance analysis of acceleration signals[22]

（2）頻域分析。

頻域分析通過傅里葉變換將原始信號分解為簡單信號的疊加，完成信號中敏感頻率成分的分離。Chen等[24]對顫振頻率分量譜進行估計，并基于頻率分析開發(fā)了在線顫振監(jiān)測系統(tǒng)，經(jīng)驗證該系統(tǒng)具有良好的抗干擾性。Liu 等[25]提出了一種基于頻域搜索的銑削顫振識別算法，該算法能夠直接對原始信號的顫振頻率進行提取，既簡化了算法模型建立的過程，又節(jié)約了計算成本。Li 等[26]針對加工工況的問題，提出一種新的音頻信號處理方法，分別利用短時傅里葉變換 （STFT）和擴展卷積有界分量分析 （ECBCA）生成頻譜，并進行比較，以獲得有用的刀具磨損信息，如圖3所示，該預(yù)測模型能夠?qū)Φ毒吣p狀況進行高精度分類。

圖3 由STFT 和ECBCA 產(chǎn)生的時間–頻譜[26]Fig.3 Time–spectrum produced by STFT and ECBCA[26]

（3）時頻域分析。

時頻域分析方法能夠很好地處理切削過程中產(chǎn)生的非平穩(wěn)信號，能更全面地反映信號的特征[27]。時頻域分析方法提取特征的思路是，采用小波分析、經(jīng)驗?zāi)B(tài)分解、變分模態(tài)分解等時頻分析方法將信號進行細分，從而得到關(guān)于目標狀態(tài)的敏感特征[28–29]。

小波分析主要有小波變換和小波包變換兩種。兩者相比，小波包變換能有效解決小波變換分解高頻信號存在分辨率差的問題。高鵬磊等[30]基于小波包分解理論，對切削過程中的振動信號進行分解重構(gòu)，根據(jù)不同頻帶能量的變化來判斷刀具磨損的狀態(tài)，可為后續(xù)刀具磨損補償提供保障。Yuan 等[31]提出了一種基于小波變換的小波相干函數(shù)銑削顫振監(jiān)測方法，如圖4所示，經(jīng)試驗證明該方法能有效實現(xiàn)顫振的早期識別。

圖4 加速度信號的小波交叉譜和小波相干函數(shù)[31]Fig.4 Wavelet cross spectrum and wavelet coherence function of acceleration signals[31]

經(jīng)驗?zāi)B(tài)分解 （EMD）可將信號自適應(yīng)分解為設(shè)定的固有模態(tài)函數(shù)。邵強等[32]采用經(jīng)驗?zāi)B(tài)分解法將顫振信號分解成若干個本征模態(tài)函數(shù)分量，獲得特征向量后與支持向量機結(jié)合，對切削過程中的顫振進行識別。Ji 等[33]采用集成經(jīng)驗?zāi)B(tài)分解 （EEMD）方法將加速度信號分解成若干個本征模態(tài)函數(shù)，如圖5所示，基于此對銑削過程中產(chǎn)生的顫振進行了監(jiān)測，此方法對銑削精度的提高有積極意義。

圖5 基于EEMD 將加速度信號分解成若干個本征模態(tài)函數(shù)[33]Fig.5 Decomposition of acceleration signal into several eigenmode functions based on EEMD[33]

變分模態(tài)分解 （VMD）具備高效、精準的信號處理能力，可以緩解上述方法存在的缺陷。Zhang 等[34]提出了一種基于變分模態(tài)分解對銑削顫振特征進行提取的新方法，相比于其他手段，具有更高的顫振識別精度。張?zhí)泶鹊萚35]通過變分模態(tài)分解法來提取信號特征，并結(jié)合神經(jīng)網(wǎng)絡(luò)模型對刀具磨損狀態(tài)進行了較為精準的預(yù)測。Mou 等[36]針對航空薄壁件高速銑削過程中顫振的監(jiān)測問題，采用變分模態(tài)分解方法對銑削顫振進行識別，經(jīng)驗證該方法具有較高的識別效率和精度，為銑削顫振監(jiān)測的實現(xiàn)打下堅實的基礎(chǔ)。

2.3 銑削刀具狀態(tài)特征融合

刀具在切削過程中會產(chǎn)生力、振動和功率等多種物理信號。由于信號能夠隨著切削的進行發(fā)生相應(yīng)的變化，因此可通過對信號特性進行分析，進而建立與刀具相關(guān)聯(lián)的模型，映射出加工過程中刀具磨損的變化過程[37]。不同類型的傳感器信號能夠從不同的角度反映出刀具磨損情況，表1是切削過程中常用的一些監(jiān)測信號。

表1 常用傳感器信號及其特點Table 1 Sensor signals and characteristics used commonly

單一傳感器信號所含有的信息無法對刀具磨損狀態(tài)進行全面描述。因此，利用單一信號來訓(xùn)練模型會影響其精度[38]。利用多傳感器信號所包含的信息建立模型能夠有效彌補這一缺點，穆殿方等[39]利用銑削力、振動及聲發(fā)射信號分別建立深度學(xué)習(xí)銑刀磨損識別模型，并對比了利用單信號特征與多信號特征融合分別對銑刀磨損狀態(tài)的監(jiān)測效果。結(jié)果表明，多信號特征融合具有更高的識別精度。Segreto 等[40]采用BP 神經(jīng)網(wǎng)絡(luò)，對聲發(fā)射、振動、力信號進行信息融合，實現(xiàn)了對刀具磨損狀態(tài)的監(jiān)測。陳群濤等[41]通過監(jiān)測振動信號和聲發(fā)射信號來表征銑削刀具破損狀態(tài)信息，并經(jīng)分析驗證多傳感器融合技術(shù)能有效解決噪音和信號干擾的問題。朱曉玲[42]組合了振動與聲發(fā)射傳感器，利用多傳感器信息融合技術(shù)對高速銑削過程中的刀具磨損狀態(tài)進行監(jiān)測，達到了預(yù)期精度。

3 薄壁件加工狀態(tài)監(jiān)測進展

3.1 刀具狀態(tài)監(jiān)測

由于切削力、切削熱等因素的綜合作用，刀工接觸表面會經(jīng)歷復(fù)雜的磨損、破損機理變化。因此，切削刀具狀態(tài)是影響航空航天薄壁件銑削加工質(zhì)量與效率的關(guān)鍵因素之一。針對銑削過程中刀具磨損、破損狀態(tài)的監(jiān)測，通常利用與刀具緊密相關(guān)的力、聲音、振動等信號，從側(cè)面反映刀具的實時狀態(tài)，并具有較高的識別精度。

（1）刀具磨損。

薄壁件多為鈦合金材質(zhì)，由于其結(jié)構(gòu)、材料特性，一般采用高速銑削的加工方式，具有較高的加工效率。但隨著銑削速度的提升，刀具磨損也會隨之加劇。對刀具磨損狀態(tài)進行精準監(jiān)測，能有效提高薄壁件的加工精度，如圖6所示。

圖6 刀具磨損狀態(tài)監(jiān)測流程圖Fig.6 Flow chart of tool wear status monitoring

在對切削過程中刀具磨損狀態(tài)進行監(jiān)測時，為提高監(jiān)測的效果，學(xué)者們采用多傳感器信息能更全面地描述刀具磨損的狀態(tài)。實踐證明，并不是傳感器信息越多，監(jiān)測的精度就越高，需根據(jù)不同的工況，進行合理的選擇。

實現(xiàn)對切削過程中刀具磨損狀態(tài)監(jiān)測的重點是信息融合模型的選擇。深度學(xué)習(xí)方法是目前刀具磨損狀態(tài)監(jiān)測的主流，而卷積神經(jīng)網(wǎng)絡(luò)是其重要代表。Huang[43]、Cooper[44]、吳鳳和[45]和周謙[46]等使用深度卷積神經(jīng)網(wǎng)絡(luò)模型，對切削過程中刀具磨損狀態(tài)進行了監(jiān)測，經(jīng)過驗證，平均監(jiān)測精度能達到95%以上。其中Huang 等[43]構(gòu)建了一種基于多傳感器信息驅(qū)動的重塑時間序列卷積神經(jīng)網(wǎng)絡(luò)模型（RTSCNN），如圖7所示，相比于傳統(tǒng)方法，能實現(xiàn)自適應(yīng)特征提取，無須進行復(fù)雜的信號處理，有效提高了監(jiān)測的效率。

圖7 基于RTSCNN 的多傳感器驅(qū)動刀具磨損監(jiān)測方法[43]Fig.7 Multi-sensor driven tool wear monitoring method based on RTSCNN[43]

此外，學(xué)者們還分別利用支持向量機[47]、粗糙集[48]、聚類方法[49]和EAM 網(wǎng)絡(luò)模型[50]等來實現(xiàn)切削過程中刀具磨損狀態(tài)的監(jiān)測。同時，為了提高刀具磨損監(jiān)測的精度，學(xué)者們將不同的模型進行了兼容互補，如神經(jīng)網(wǎng)絡(luò)與模糊邏輯、支持向量機與遺傳算法等。

（2）刀具破損。

在切削過程中由于工件材料硬度不均等原因，刀具極易產(chǎn)生切削刃的微崩。微崩的產(chǎn)生往往不易察覺，隨著繼續(xù)加工，工件質(zhì)量逐漸降低，破損部位逐步擴大，直到完全喪失切削能力。在刀具破損監(jiān)測的過程中常通過光學(xué)圖像、振動、力、聲發(fā)射等傳感器來采集信號信息，并對相關(guān)特征進行提取，如圖8所示，基于神經(jīng)網(wǎng)絡(luò)[51–52]、AR 模型[53]、支持向量機[54–55]、MCCN[56]等方法實現(xiàn)對刀具破損狀態(tài)的識別，其中Xu 等[55]采用打破常規(guī)的方法，取消了外部傳感器的設(shè)置，利用數(shù)控系統(tǒng)的間接信號，如主軸功率，來反映刀具破損狀態(tài)，此方法不僅簡化了系統(tǒng)，還能有效節(jié)約生產(chǎn)成本。此外，常用的方法很難在復(fù)雜工況下監(jiān)測到刀具早期發(fā)生的微崩，針對這一難題，吳琪文等[56]構(gòu)建了一種多尺度卷積膠囊網(wǎng)絡(luò)方法（MCCN），深入發(fā)掘了特征中的隱藏信息，其監(jiān)測精度得到顯著提升。

圖8 刀具破損狀態(tài)監(jiān)測流程圖Fig.8 Flow chart of tool breakage status monitoring

綜上所述，多傳感器信息融合技術(shù)能為刀具磨破損狀態(tài)的監(jiān)測提供更加全面的信息描述，使得識別效率得到進一步的提高。在傳感器的選擇配置中，不能盲目追求識別的效果，只側(cè)重于傳感器數(shù)量，而造成資源浪費和信息冗余，甚至對特征提取產(chǎn)生干擾。

3.2 薄壁件銑削過程顫振監(jiān)測

由于薄壁件剛性較差，在加工過程中極易產(chǎn)生顫振，嚴重影響了薄壁件的加工精度。實現(xiàn)對薄壁件銑削顫振的精準監(jiān)測，對提高抑制顫振效果和保障加工系統(tǒng)穩(wěn)定有著重要的意義。顫振的成因錯綜復(fù)雜，形成機理的差異性導(dǎo)致了不同的顫振形式，其中再生型顫振是目前的研究重點。

3.2.1 顫振早期監(jiān)測

實現(xiàn)對顫振的早期監(jiān)測，盡量避免顫振的過度發(fā)展，并采取有效的避振措施，對提高薄壁件的加工精度有著積極的作用。如圖9所示，呂凱波等[57]針對傳統(tǒng)方法的不足，提出了一種小波包能量峭度的方法來預(yù)警早期的切削顫振，試驗結(jié)果表明，該方法可以有效地識別出早期顫振狀態(tài)，為后續(xù)有效抑制顫振提供時間。同時，Ji 等[58]在總結(jié)分析銑削顫振信號特征的基礎(chǔ)上，構(gòu)建了一種綜合經(jīng)驗?zāi)B(tài)分解 （EMD）和多指標評價的智能早期顫振識別方法。銑削試驗結(jié)果表明，所提出的方法能夠高效監(jiān)測早期銑削顫振。此外，Hynynen 等[59]采集加速度和聲信號的相干函數(shù)來作為切削顫振特征，此方法經(jīng)實踐證明能實現(xiàn)顫振的早期監(jiān)測，有效提高了工件質(zhì)量。早期顫振的產(chǎn)生不易被發(fā)掘，需采取一系列措施迅速、準確提取特征信息，盡可能提高抑制效果。

圖9 兩種顫振早期監(jiān)測方法[57]Fig.9 Two methods for early detection of chatter[57]

3.2.2 有監(jiān)督顫振識別技術(shù)

顫振識別是實現(xiàn)顫振在線監(jiān)測的關(guān)鍵步驟，目前國內(nèi)外學(xué)者對顫振識別的研究主要集中于有監(jiān)督的識別技術(shù)，通過機械學(xué)習(xí)方法，建立信號特征與銑削加工狀態(tài)之間的映射關(guān)系，最終實現(xiàn)對顫振的監(jiān)測。

Tran 等[60]利用小波變換將銑削力信號轉(zhuǎn)變?yōu)槎S圖像，基于深度卷積神經(jīng)網(wǎng)絡(luò)，如圖10所示，實現(xiàn)了銑削顫振的在線監(jiān)測，識別精度能達到99.67%。此外，Zhu 等[61]提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的銑削顫振識別方法，該方法通過采集加工表面圖像對顫振進行識別，識別精度達到了98.3%，但此方法需要大量的圖像來訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，影響了監(jiān)測的效率。

圖10 銑削顫振識別流程圖[60]Fig.10 Flow chart of milling chatter identification[60]

支持向量機 （SVM）相比于神經(jīng)網(wǎng)絡(luò)方法具有更高的分類精度和泛化能力。Yao 等[62]利用小波分析方法對特征進行了提取，基于支持向量機模型進行顫振的識別，監(jiān)測精度能達到95%，且研究結(jié)果適用于不同的切削工況。此外，Li 等[63]通過對圖像設(shè)置距離闕值，構(gòu)建了圖像與顫振指標之間的映射關(guān)系，并基于支持向量機模型對銑削顫振進行識別，經(jīng)驗證識別精度能達到96.66%，證明了該方案的可行性與有效性。使用圖像信號來對顫振進行監(jiān)測是一種新興趨勢，基于此開發(fā)的模型具有很高精度，但在線識別的實時性不強，仍需要進一步研究。

基于神經(jīng)網(wǎng)絡(luò)和支持向量機的機械學(xué)習(xí)方法是目前最具代表性的有監(jiān)督顫振識別技術(shù)。此外，學(xué)者們還構(gòu)建了提升法、隨機森林、決策樹等顫振識別方法，其中提升法具有最佳魯棒性，隨機森林方法抗干擾能力最強，決策樹方法計算最為便捷。

實現(xiàn)對薄壁件銑削顫振的監(jiān)測，信號特征的提取是關(guān)鍵，信號特征必須對加工狀態(tài)異常敏感。面對不同工況，需靈活提取合適的特征，才能實現(xiàn)最佳的顫振監(jiān)測效果。

3.3 薄壁件銑削變形監(jiān)測

薄壁件結(jié)構(gòu)復(fù)雜、剛度較低，因其獨特的結(jié)構(gòu)、材料特性，使得薄壁件在銑削過程中極易產(chǎn)生加工變形，對其進行精準監(jiān)測能有效提高工件的精度。Brinksmeier 等[64]指出殘余應(yīng)力、加工方式、工件幾何形狀是影響加工變形的主要因素。面對殘余應(yīng)力對薄壁件銑削變形的影響，學(xué)者們常使用數(shù)值模擬方法對殘余應(yīng)力分布情況進行仿真分析，并采取合適的手段對其進行控制。

薄壁件在銑削過程中，由于其自身特性，在銑削力的作用下極易發(fā)生彈性變形。走刀過后，薄壁件彈性變形部位發(fā)生回彈，從而引起薄壁件的加工誤差。

國內(nèi)外的學(xué)者通常采用離線預(yù)測的方法對薄壁件銑削加工過程進行模擬仿真，通過獲取優(yōu)化的銑削參數(shù)，來提高工件的加工質(zhì)量。但離線方法所使用的預(yù)測模型并不能全面描述銑削全過程，對實際的指導(dǎo)意義有限。為此科研人員在薄壁件銑削變形在線監(jiān)測方向做了諸多嘗試。Wang 等[65]通過采集切削力信號，基于最小二乘擬合和提升小波變換構(gòu)建了一種關(guān)于薄壁件銑削變形的在線監(jiān)測系統(tǒng)，經(jīng)驗證監(jiān)測誤差能保持在10 μm 以內(nèi)。同時，靳剛等[66]構(gòu)建了一種面向曲面薄壁零件的銑削加工監(jiān)測系統(tǒng)，通過激光位移傳感器采集實時銑削數(shù)據(jù)，實現(xiàn)了薄壁件加工變形的在線監(jiān)測。

薄壁件在銑削過程中產(chǎn)生的加工誤差主要來源于力致變形，可以根據(jù)對誤差的測量來實現(xiàn)對銑削變形的在線監(jiān)測。同時，為了降低薄壁件銑削變形的影響，學(xué)者們在實現(xiàn)在線監(jiān)測的基礎(chǔ)上，采取實時補償方法予以實現(xiàn)。在機測量 （OMM）因其具有在線測量、高效等優(yōu)點，近年來在薄壁件銑削變形監(jiān)測及實時補償領(lǐng)域得到了大量運用。Ge 等[67]構(gòu)造了一種集加工狀態(tài)監(jiān)測、在位測量檢測、加工誤差建模及實時補償為一體的自動化方法，通過補償試驗，證明了此方法能有效提高薄壁腹板的加工精度和效率。Wang 等[68]為了提高薄壁件的加工質(zhì)量，使用機器集成的觸摸探頭對工件粗/半精加工余量進行了在線測量，計算出誤差后及時補償調(diào)整，顯著提高了工件的精度。Huang 等[69]針對薄壁件在銑削過程中產(chǎn)生的加工變形，利用基于觸控探針的在機測量系統(tǒng)對被加工工件進行了精度測量，同時通過修改刀具軌跡來補償誤差，此方法的有效性在葉輪葉片加工試驗中得到了驗證。但在機測量檢測系統(tǒng)的精度易受到機床誤差的影響，如幾何誤差、熱誤差等，如何提高精度仍需進一步的研究改進。

此外，Zhang 等[70]針對大型薄壁件在加工過程中產(chǎn)生的銑削變形影響其厚度和精度的問題，構(gòu)建了一種關(guān)于工件厚度和局部變形的在線測量系統(tǒng)，如圖11所示，通過基于改進史密斯預(yù)測器 （MSP）和擾動觀測器 （DOB）的鏡面銑削厚度誤差補償方法進行實時補償，經(jīng)試驗證明，此技術(shù)能良好抑制銑削變形對薄壁件厚度和精度的影響。

圖11 在線測量及補償系統(tǒng)簡述[70]Fig.11 A brief description of the online measurement and compensation system[70]

通過對薄壁件加工誤差進行在線測量來實現(xiàn)對銑削變形的監(jiān)測，相比于傳統(tǒng)的模擬預(yù)測方法，無須提供大量的銑削數(shù)據(jù)和構(gòu)建復(fù)雜的模型，能夠大幅提升效率。通過實時補償?shù)氖侄?，能顯著提高工件的質(zhì)量。但是在實現(xiàn)在線測量的同時，需要重點考慮影響其檢測精度的因素，如刀具磨損和機床誤差等。

4 基于數(shù)字孿生技術(shù)的加工狀態(tài)監(jiān)測研究

目前數(shù)字孿生技術(shù)是智能制造領(lǐng)域的研究熱點，利用數(shù)字技術(shù)構(gòu)建物理實體在數(shù)字空間的虛擬模型，并通過兩者之間信息的實時融合交互，最終實現(xiàn)在虛擬空間對實時加工狀態(tài)進行監(jiān)測[71]。利用數(shù)字孿生技術(shù)將物理空間與虛擬空間進行連接，對提高薄壁件銑削加工狀態(tài)的監(jiān)測精度有著重要的意義。

為了提高切削刀具磨損狀態(tài)的監(jiān)測精度，李聰波等[72]提出了一種基于數(shù)字孿生驅(qū)動的銑削刀具磨損實時監(jiān)測方法，與常規(guī)方法相比，監(jiān)測精度能保持在95%以上。Christiand等[73]構(gòu)建了一種使用數(shù)字孿生技術(shù)來監(jiān)測微銑削刀具磨損狀態(tài)的新方法，但此方法構(gòu)建的數(shù)字孿生模型并不能全面反映實時加工狀態(tài)，監(jiān)測效果仍有待提高。

數(shù)字孿生技術(shù)具有物理與虛擬信息高度融合且同步的特點，能在復(fù)雜多變的工況下為薄壁件銑削加工狀態(tài)監(jiān)測提供一定的優(yōu)化和指導(dǎo)。基于數(shù)字孿生技術(shù)，本文構(gòu)建了一種面向薄壁件銑削加工狀態(tài)監(jiān)測的孿生系統(tǒng)，如圖12所示，主要由3 部分組成，物理空間、孿生數(shù)據(jù)層、虛擬空間。物理空間主要有機床實體、多種傳感器，并通過信號采集卡將各監(jiān)測信息進行采集，使用時域、頻域、時頻域方法對狀態(tài)特征進行提取。最后將采集得到的數(shù)據(jù)傳輸?shù)綄\生數(shù)據(jù)層中。虛擬空間對數(shù)據(jù)進行分析處理后，構(gòu)建虛擬機床模型，并對加工全過程進行模擬仿真，經(jīng)過智能決策，在孿生數(shù)據(jù)的驅(qū)動下，實現(xiàn)對各目標狀態(tài)的實時監(jiān)測。

圖12 面向薄壁件銑削加工狀態(tài)監(jiān)測的數(shù)字孿生系統(tǒng)Fig.12 Digital twin system for condition monitoring of milling of thin-walled parts

目前基于數(shù)字孿生技術(shù)對薄壁件加工狀態(tài)監(jiān)測的研究還未成熟，需要解決的難題有：（1）虛實空間信息的融合交互如何保證精度和實時性；（2）基于孿生數(shù)據(jù)構(gòu)建的虛擬模型能否全面描述加工狀態(tài)。

5 應(yīng)用實例

5.1 航空薄壁件加工監(jiān)測

以某航空公司薄壁件加工過程為例，預(yù)先考慮了薄壁件在銑削過程中產(chǎn)生的加工變形及彈性恢復(fù)，采取了主動補償?shù)姆椒▽ψ冃芜M行了有效的控制，并建立一套銑削力在線監(jiān)測系統(tǒng)，成功應(yīng)用于生產(chǎn)實踐[74]。

（1）如何對在銑削力作用下產(chǎn)生的彈性恢復(fù)進行補償，是提高薄壁件加工精度的關(guān)鍵。在銑削加工前，通過主動補償方法，在局部刀位點對刀具的切削深度進行了補償，經(jīng)過有限元模型的分析對比，補償前后的刀位點最大加工誤差減少達到了98.4%，且整體工件的加工誤差趨于均勻化分布。（2）為了提高薄壁件的加工精度，采用電阻式三向力傳感器采集信號信息，并基于LabVIEW建立了銑削力在線監(jiān)測系統(tǒng)，以便及時調(diào)整銑削參數(shù)。具體在線監(jiān)測系統(tǒng)如圖13所示，此系統(tǒng)在生產(chǎn)中得到較好的監(jiān)測效果。

圖13 銑削力監(jiān)測系統(tǒng)總體設(shè)計方案框架[74]Fig.13 Framework of overall design scheme of milling force monitoring system[74]

5.2 一種基于內(nèi)嵌式壓電傳感器的薄壁件銑削顫振監(jiān)測方法

針對薄壁件銑削顫振監(jiān)測常用方法，存在實踐操作不便的問題，張定華等[75]提出了一種基于內(nèi)嵌式壓電傳感器的薄壁件銑削顫振監(jiān)測方法，將內(nèi)嵌式壓電傳感器放置于夾具中，如圖14所示，通過測試后，對薄壁件銑削過程中產(chǎn)生的顫振信號進行實時采集，隨后對信號進行分析處理，最終實現(xiàn)對銑削顫振的監(jiān)測。此銑削顫振監(jiān)測方法，通過內(nèi)置傳感器避免了外界環(huán)境對信號采集的干擾。在具體的實施過程中，當監(jiān)測信號中出現(xiàn)顫振特征時，能及時采取措施調(diào)整銑削參數(shù)，避免了顫振的繼續(xù)發(fā)展。此方法不僅能有效提高薄壁件的加工精度，還能在一定程度上增加顫振監(jiān)測的時效性。

圖14 內(nèi)置傳感器監(jiān)測銑削顫振示意圖[75]Fig.14 Schematic diagram of built-in sensor monitoring milling chatter[75]

5.3 一種面向復(fù)雜工況的薄壁件加工狀態(tài)監(jiān)測新方法

針對當前薄壁件加工狀態(tài)的監(jiān)測目標較為單一，無法解決多監(jiān)測目標耦合的難題，劉長青等[76]發(fā)明了一種將多種工況進行耦合，并基于支持向量機實現(xiàn)對薄壁件復(fù)雜工況加工狀態(tài)在線監(jiān)測的新方法，如圖15所示，學(xué)者使用傳感器采集得到不同加工狀態(tài)下的數(shù)據(jù)信息，并通過相關(guān)處理得到各加工狀態(tài)的敏感頻段，進而利用信號處理方法提取得到敏感頻段的統(tǒng)計數(shù)據(jù)信息，并與試驗切削參數(shù)進行融合構(gòu)成特征向量，基于支持向量機進行加工狀態(tài)辨識，得到不同加工狀態(tài)的辨別式，最終實現(xiàn)對不同目標狀態(tài) （刀具磨破損、工件變形）耦合下的監(jiān)測與識別。

圖15 復(fù)雜工況加工狀態(tài)監(jiān)測示意圖[76]Fig.15 Schematic diagram of processing condition monitoring in complex working conditions[76]

5.4 一種基于數(shù)字孿生驅(qū)動的薄壁件銑削加工實時仿真方法與系統(tǒng)

航空航天薄壁件剛性較差，在銑削過程中難以通過恒定的銑削參數(shù)確保薄壁件的高質(zhì)、高效加工。周光輝等[77]構(gòu)建了一種基于數(shù)字孿生驅(qū)動的薄壁件銑削加工實時仿真方法與系統(tǒng)，如圖16所示，通過數(shù)字孿生技術(shù)建立了薄壁件銑削加工實時仿真模型，獲得了實時的工件變形情況，基于此，動態(tài)調(diào)整銑削參數(shù)，有效提高了工件的加工精度。同時，建立的數(shù)控銑床數(shù)據(jù)感知模型不僅能為銑削仿真提供實時的加工數(shù)據(jù)，還能實現(xiàn)薄壁件銑削實時仿真和網(wǎng)頁端的可視化。

圖16 基于數(shù)字孿生驅(qū)動的薄壁件銑削加工實時仿真方法與系統(tǒng)示意圖[77]Fig.16 Real-time simulation method and system diagram of thin-walled milling process based on digital twin drive[77]

6 結(jié)論與展望

本文綜述了關(guān)于薄壁件銑削加工狀態(tài)監(jiān)測的最新研究進展，總結(jié)歸納了建立加工狀態(tài)監(jiān)測模型的關(guān)鍵技術(shù)與方法，詳細闡述了加工過程中刀具磨破損、銑削顫振和銑削變形等具體狀態(tài)監(jiān)測的過程?；跀?shù)字孿生技術(shù)展望了薄壁件銑削加工狀態(tài)監(jiān)測未來的研究方向，主要結(jié)論如下。

（1）對加工信息進行合適的預(yù)處理是實現(xiàn)薄壁件銑削加工狀態(tài)監(jiān)測的基礎(chǔ)。單一的傳感器信息已無法滿足目前的工作需求，引入的多傳感器信息融合技術(shù)可以顯著提高薄壁件加工狀態(tài)監(jiān)測的精度和可靠性。但在實際應(yīng)用中仍存在許多問題，如信息融合模型的精度不高，傳感器的使用具有一定的局限性等，需從理論入手研究，以提高多傳感器信息融合技術(shù)的實效性。

（2）使用智能算法等方法是實現(xiàn)對薄壁件銑削過程加工狀態(tài)監(jiān)測的關(guān)鍵。在構(gòu)建刀具磨破損狀態(tài)監(jiān)測模型時，合理選擇傳感器獲取刀具狀態(tài)信息是重點，應(yīng)避免過多傳感器信息冗余對特征提取產(chǎn)生干擾。此外，在未來的研究中，如何利用更高精度的設(shè)備檢測刀具的實時磨破損狀態(tài)是關(guān)鍵所在。在對銑削顫振進行監(jiān)測時，相關(guān)信息采集及處理方面仍存在一定的問題，無法真正實現(xiàn)顫振的在線識別監(jiān)測。另外，有監(jiān)督顫振識別技術(shù)存在成本過高，監(jiān)測實時性、準確性欠佳的問題，如何解決仍需進一步研究。

（3）在對薄壁件銑削變形進行監(jiān)測時，模擬仿真預(yù)測加工誤差的方法雖然成本低、效果尚可，但其仿真結(jié)果并不能直接應(yīng)用于生產(chǎn)實際。而在線測量加工誤差的手段不僅能適應(yīng)復(fù)雜多變的工況，還能通過實時補償技術(shù)有效提高薄壁件的加工質(zhì)量。在線檢測的精度仍受到多種因素的影響，如何提高其精準性是未來需要解決的問題。

（4）基于數(shù)字孿生技術(shù)實現(xiàn)對薄壁件銑削加工狀態(tài)的高質(zhì)、高效監(jiān)測是未來研究的熱點，目前在此領(lǐng)域的研究并未深入。同時，孿生數(shù)據(jù)的精準融合、虛擬模型的精細化是未來亟待解決的問題。