具有自学习功能的车削专家系统的研究＊

周志雄，杨 峰，黄威武，汪亚平，汤爱民，肖思来

（1.湖南大学机械与运载工程学院，湖南长沙 410082；2.株洲钻石切削刀具股份有限公司，湖南株洲 412007）

金属切削是机械制造业中零件加工的最主要方法之一，在机械工业中占有非常重要的地位.提高金属切削加工的生产效率、降低成本和提高加工质量是机械行业必须解决的任务之一.金属切削数据库系统是当代计算机技术和机械加工技术相结合的高科技产物，它存储和积累了海量的金属切削的生产和试验数据，能为金属切削加工提供合理的切削数据，从而促进现代机械制造业的发展.国际生产工程学会（CIRP）对金属切削数据库经济效益的调查表明，金属切削数据库能使工时成本节约10%以上［1－4］.

从1964年的美国第一个金属切削数据库建立以来，迄今为止已有12个国家纷纷建立了30多个金属切削数据库［2－3］.我国从20世纪80年代开始建立切削数据库以来，全国各高校、研究所也开展了一系列研究，建立了一些通用和专用的金属切削数据库系统［2－4］.金属切削专家系统能够利用所拥有的丰富知识和经验，模仿机械行业专家的思维对金属切削加工进行合理的优化处理.其中，知识的获取方式有两种：一是知识非自动获取，即由知识工程师将各类相关知识输入到专家系统知识库中；二是知识自动获取，即在处理问题的过程中通过自学习功能获取并积累知识［5］.国内已建立的金属切削数据库获取知识的途径大多都是非自动式的，推荐切削用量等数据时结合实际切削加工条件不紧密［1］.

本文研究了一个面向机械加工的具有自学习功能的硬质合金车削专家系统.其中，数据库中切削用量数据采用切削实验得出的浓缩型数学模型方式存储，自学习功能可对实际加工工况进行诊断，并根据诊断结果的有效性对知识库进行自适应修正，进而形成面向具体机械加工厂家的专用专家系统.

1 系统设计

1.1 系统总体结构

根据机械加工厂家在金属切削中所需的具体车削信息，设计硬质合金车削专家系统的总体结构如图1所示.在前台用户界面内按照提示逐步选择／输入已知切削条件，运行系统，中间处理层从前台读取已知条件、按照要求访问后台数据库并作相应的处理，得到金属切削所需的刀具、切削速度等具体车削信息并在前台用户界面层中显示.

图1 车削专家系统总体结构图Fig.1 Turning expert system overall architecture diagram

数据库包括资料库和由与切削数据的推荐相关的离散型知识和浓缩型知识组成的知识库两个子库.其中，浓缩型知识主要是指通过实验而得到的以数学模型方式表示的实验性知识.采用这种数据存储方式可以解决知识库中数据量大而且知识贫乏的缺点.

1.2 系统功能

系统的主要功能有：1）根据不同的工件材料、加工类型和范围合理选择刀具（包括刀片、刀杆等）；2）为金属车削推荐合理的切削参数；3）对加工效率和加工后的零件表面粗糙度进行预测；4）结合车削生产现场的实际工况，对切削速度推荐进行自学习修正.

运用IDEFO建模方法对系统功能进行结构设计，将系统分为5个独立的功能模块（见图2），即：系统管理、普通车削、切断切槽、螺纹车削和数据管理模块，方便系统使用和维护.其中，切断切槽模块功能结构与普通车削模块相似，图2省略了切断切槽模块.

图2 车削专家系统功能模块图Fig.2 Turning expert system function block diagram

1.3 数据库组成

数据库中的数据是由车削专家系统具备的功能决定的.按设计要求，用户首先在具体的车削模块中选择或输入已知加工条件（加工范围或类型、工件材料等），系统提供所选材料的物理使用性能和其他信息并逐步给出推荐使用的刀片牌号、槽型；用户选择其中的一种并输入刀具期望耐用度等已知条件，系统最后推荐给用户合理优化的刀具和切削用量等车削参数.因此，数据库中主要包含的子库（以普通车削数据库为例）如图3所示.

根据硬质合金车削刀具样本和切削实验所得到的切削用量数学模型，可以确定每个数据表的具体结构.以车削刀片的选用为例，过程流如图4所示.主要数据表的字段设计如下［6］：

工件材料库：（工件材料编号，工件材料类别，牌号，硬度，抗拉强度，密度，其他信息）；

刀片牌号库：（刀片牌号编号，工件材料类别，加工范围，刀片牌号）；

刀片槽型库：（刀片槽型编号，刀片牌号，加工范围，刀片槽型）；

刀片型号库：（刀片槽型，刀片牌号，刀片型号）；

切削速度数学模型库：（工件材料类别，刀片牌号，数学模型系数，数学模型指数，数学模型修正值）.

图3 普通车削数据库Fig.3 General turning database

图4 车削刀片推荐过程流图Fig.4 Process flow diagram of turning blade recommendation

不同的数据表之间存在相同的字段，通过它们将各个数据表进行关联，实现多重数据库文件的连接运算.

2 切削用量数学模型的建立

切削用量是硬质合金车削专家系统需要处理的最基本、最重要的数据.影响切削用量的因素很多，如工件材料与刀具材料的匹配、切削方式、刀具几何形状、冷却液等［7］.出于建立模型的可行性和实效性，本部分考虑工件材料与刀片牌号的匹配，对于每一类工件材料，选取基准材料分别开展不同刀具牌号副的正交切削实验，得出基准材料切削的数学模型；对于同类其他材料，通过相似材料切削速度计算方法建立相应的数学模型.

2.1 基准材料数学模型

本文采用优化的正交实验方法得到“基准材料－刀片牌号”副的刀具耐用度和切削用量三要素之间的非线性关系，即刀具耐用度的扩大泰勒公式.模型建立过程如图5所示.

以P类钢材为例，切削用量数学模型的具体建立过程如下：

1）选“基准材料－刀片牌号”副

对45和42CrMo钢材进行典型条件下的切削实验，分析加工性能的差异，最终确定基准材料为45钢，取P类车刀牌号中的一种：YBC351.

2）确定实验条件

刀片型号：CNMG120408－DM；基准材料热处理、硬度：正火、HB170～190；实验机床：HAAS SL－40数控机床、CK7525数控机床；切削方式：连续、干切削.

图5 切削用量数学模型建立流程图Fig.5 Cutting parameters mathematical modeling flow diagram

3）切削方案设计

采用优化的正交实验，即切削速度vc和进给量fn各变化3次，被吃刀量ap变化2次的6点正交实验，如表1所示.

表1 “45－YBC351”副的切削方案Tab.1 Cutting program of“45－YBC351”

4）正交切削实验

按照表1进行正交切削实验，记录每次实验不同时刻的刀片主后刀面磨损量.

5）数据处理

根据实验数据绘制磨损量VB和时间t的曲线，从VB－t曲线中读取磨钝标准VB＝0.2mm时的时间T，得到（vci，fni，api，Ti）（i＝1，2，…，6）.耐用度公式形式［8］为：

其中：a×10b为与失效形式有关的科学计数系数；x，y，z为与工件和刀具材料有关的指数.

根据最小二乘法得到“45－YBC351”副的回归经验公式为：

6）置信度分析

将各次实验切削用量参数分别代入耐用度回归公式（2），对实验数据的准确性和回归公式的可靠性进行置信度分析.若某次实验耐用度理论值对实际值的误差大于20%，则按图5返回重新进行该试验号下的切削实验，直到将误差控制在20%内得到最终优化的基准材料数学模型：

2.2 同类其他材料数学模型

考虑到切削用量的选取与工件材料的物理使用性能有关，因此，根据基准材料数学模型对同类其他材料采用相似材料切削速度计算方法实现模型的建立.公式为：

其中：Cyd为所选材料和基准材料的硬度之比；Cqd为所选材料和基准材料的抗拉强度之比；Cmd为所选材料和基准材料的密度之比.

2.3 实验室验证

由公式（2）可以得出YBC351加工45钢时任意切削参数下的刀具耐用度.如将vc＝250m／min，fn＝0.4mm／r，ap＝2mm代入公式（2），得：

T＝2.455×109／（2503.54×0.41.19×21.69）＝7.3 min.在此参数下，刀具的实际耐用度为6.2min，与理论值的误差为（7.3－6.2）／7.3＝15%.

以上说明该回归公式基本正确，尤其在刀具以正常切削参数切削时，理论与实际误差基本上在15%以内，可以认为回归显著.

3 自学习功能研究

当实际工况与切削用量数学模型建立时的实验工况不同时，采用系统所推荐的切削速度进行加工得到的实际刀具寿命会与期望值有出入.自学习是为了使系统能很好地满足具体机械加工厂家对推荐的切削速度或预测的刀具寿命精确度方面的要求，考虑生产现场采用的切削方式、冷却液等因素对切削用量数学模型的影响，采用向试切削实际值逼近的方法实现理论模型的自适应修正.

自学习方法实现过程如下：

a）用户在选定“工件材料－刀片牌号”副后给出进给量、被吃刀量和期望刀具寿命，系统推荐的切削速度为：

b）用户采用系统推荐的参数进行试切削，实际刀具寿命为Tr（不等于T），需要对模型进行自适应修正.

c）固定各指数和系数，将（vc，fn，ap，Tr）代入公式（6），并用系数χ对模型进行修正，即：

d）由公式（6）和（7）可得：

e）考虑现场数据的可靠性对χ分配权值δ［6］.设上次切削速度自适应修正系数为χn－1，本次为χn，则：

f）最后经过自学习修正后的切削速度为：

用户根据系统推荐的切削参数进行试切，如果发现效果欠佳，可在系统自学习模块输入实际刀具寿命，系统按照以上算法实现模型修正.

4 专家系统开发及应用

4.1 系统开发

本文利用SQL Server2000数据库管理系统和Delphi 6.0“可视化”程序开发工具［9］实现对硬质合金车削专家系统的开发.以普通车削模块为例（其操作界面见图6），用户选择“普通车削－加工范围（如：精加工）”则进入界面；按照切削加工顺序，依次选择／输入工件材料及其物理使用性能、刀片牌号、槽型、切削用量或刀具期望寿命等加工信息，系统推荐给用户所需的刀具型号、切削速度／刀具耐用度和其他切削加工数据（如：切削功率）.

图6专家系统普通车削模块Fig.6 General turning module of expert system

4.2 生产现场应用

武汉某重型机床厂对该系统进行了生产现场应用，用来指导机床工作台的加工.被加工零件：工作台（直径Φ：2000～3 000mm），材料：HT300，刀片牌号：YBD152，选用刀片：SNMG190616－DR，切削参数：vc＝28m／min，fn＝0.8mm／r，ap＝13mm.

观察刀片磨损状态，直至寿命终止，此时YBD152－SNMG190616－DR刀片加工HT300的实际、理论和经过自学习修正后的刀片寿命如表2所示.

表2 YBD152－SNMG190616－DR刀片寿命Tab.2 Blade life of YBD152－SNMG190616－DR

由表2数据可知：

a）推荐参数准确.在相同的工况下，理论与实际刀具寿命值相差不超过10%，特别是经过自学习修正后推荐的刀具寿命更趋于实际值，能够很好地指导生产.

b）适用性广.取回归公式建立时所采用切削参数范围之外的其他值，推荐的刀具寿命理论值和实际寿命也能很好地吻合.

此外，对本机床工作台和其他零件进行多次切削验证，表明系统具有重复应用可靠性高和通用性强的特点.

5 结 论

1）采用切削实验得出的浓缩型数学模型方式存储切削用量，克服了知识库中数据量大而且知识贫乏的缺点；

2）能够在通用切削工艺条件下推荐合理优化的刀具、切削速度和预测刀具寿命、加工效率以及零件表面粗糙度等参数；

3）自学习功能模块可以使系统调整为符合具体机械加工厂家的专用车削系统.

［1］ 杨洋，胡晓兵，李建勋，等.基于规则推理的切削数据库的建立与研究［J］.工具技术，2007，41（11）：68－70.YANG Yang，HU Xiao－bing，LI Jian－xun，et al.Establish and research on cutting database based on rule－based reasoning［J］.Tool Engineering，2007，41（11）：68－70.（In Chinese）

［2］ 高杨，黄树涛.高速切削数据库系统的研究现状与发展［J］.制造技术与机床，2007（5）：103－106.GAO Yang，HUANG Shu－tao.Research state and development directions of high speed machining database system［J］.Manufacturing Technology ＆Machine Tool，2007（5）：103－106.（In Chinese）

［3］ 刘战强，黄传真，万熠，等.切削数据库的研究现状与发展［J］.计算机集成制造系统，2003，9（11）：937－943.LIU Zhan－qiang，HUANG Chuan－zhen，WAN Yi，et al.Research state and development directions of cutting database［J］.Computer Integrated Manufacturing Systems，2003，9（11）：937－943.（In Chinese）

［4］ KAHLES J F.Machinability data requirements for advanced machining systems［J］.Annals of the CIRP，1987，36（2）：523－529.

［5］ 杨成.具有自学习功能的机载火控系统故障诊断系统研究［J］.航空计算技术，2006，36（2）：17－20.YANG Cheng.Research on fault diagnosis system of airborne fire control system with self－learning function［J］.Aeronautical Computing Technique，2006，36（2）：17－20.（In Chinese）

［6］ 马闯，周军，钟志华.专家系统在冲压模具初始设计中的应用［J］.湖南大学学报：自然科学版，2002，29（4）：34－37.MA Chuang，ZHOU Jun，ZHONG Zhi－hua.An application of expert system to the initial tool design of sheet metal forming［J］.Journal of Hunan University：Natural Sciences，2002，29（4）：34－37.（In Chinese）

［7］ 相克俊，刘战强，艾兴.基于混合推理的高速切削数据库系统的建立［J］.计算机集成制造系统，2006，12（3）：420－426.XIANG Ke－jun，LIU Zhan－qiang，AI Xing.Development of high－speed cutting database system based on hybrid reasoning［J］.Computer Integrated Manufacturing Systems，2006，12（3）：420－426.（In Chinese）

［8］ 周泽华.金属切削原理［M］.上海：上海科学技术出版社，1993.ZHOU Ze－hua.Principles of metal cutting［M］.Shanghai：Shanghai Science and Technology Press，1993.（In Chinese）

［9］ 肖帆.Delphi 6.0Programming Guide实用编程教程［M］.北京：北京希望电子出版社，2001.XIAO Fan.Delphi 6.0programming guide practical programming tutorial［M］.Beijing：Beijing Hope Electronic Press，2001.（In Chinese）