基于特征参数预测的珩磨加工质量在线控制方法和试验研究

This project is to improve the quality of honing process as the research target by adopting the combination of theoretical research and test methods. Based on the theory of dynamic measurement and prediction control technology, the online measurement error is separated effectively which caused by gas-liquid two phase flow field, temperature, speed inside surface gap in measurement. And the dynamic error compensates models is established under multi-factor coupling. Researching an effective method to make the measurement data is converted to quality characteristic parameter sequence. The honing processing size online prediction and cylindricity on-line assessment model is establishing respectively. In order to reduce the size dispersity and the cylindricity error, the paper used the quality concept of gene transfer and established honing processing quality online control and forecast model. Research the relationship between the spindle speed and the process parameters including the reciprocating speed, the reversing point location, and the sharpening stone pressure. Establishing honing process parameters on-line optimization control model based on the artificial neural network method. Research the correlation between the processing dimensional change trend and the oil stone processing capacity. Set up Oilstone life forecast model. Through the process parameters and oil stone online control to achieve intelligent online control of honing processing quality at last. The expected research results can solve the problem about the lack of honing machine tool control mode and the low machining accuracy and providing the theoretical foundation for the realization of the honing processing online intelligent control.

本项目以提高珩磨加工质量为研究目标，采用理论研究和试验验证相结合的方法，基于动态测量理论和预报控制技术，对在线测量中时变曲面间隙内气-液二相流场、温度、转速等引起的测量误差进行有效分离，建立多因素耦合下动态误差补偿模型，并研究将测量数据转化为质量特征参数序列的有效方法；分别建立珩磨加工尺寸在线预报和圆柱度在线评定模型；以降低尺寸分散度和圆柱度误差为优化目标，采用质量基因传递概念，建立珩磨加工质量在线控制和预报模型；研究主轴转速和往复速度、换向点位置、油石压力等工艺参数与加工质量之间的关系，采用人工神经网络方法，建立珩磨加工工艺参数在线优化控制模型；研究加工尺寸变化趋势和油石加工能力之间的相关性，建立油石寿命预报模型，最终通过工艺参数和油石的在线控制，实现珩磨加工质量的全过程在线智能控制。预期的研究成果可以解决珩磨机床控制方式单一，加工精度低的难题，为实现珩磨加工在线智能控制提供理论基础。

珩磨作为一种特殊的精加工方法，通常被用来减小精密偶件的形状和尺寸误差，以提高摩擦加载表面的摩擦性能。高精度珩磨是汽车工业、航空航天和仪器仪表等行业不可或缺的工艺技术，而我国对此的基础研究比较薄弱，关键高精珩磨理论、技术及设备赶不上快速发展的工业需求。我们针对我国珩磨加工理论不足、珩磨加工工艺欠佳、珩磨加工设备自动化水平较低的问题展开了深入的研究，以提高珩磨加工质量。第一，研究了珩磨质量特征参数的在线动态测量方法。结合珩磨加工的特点，研究了差压式气动测量系统的特性，得出了四种工况下的差压气动测量特性方程，提出了优化气动测量系统的气体介质参数的设计原则；研究了测量环境对珩磨气动测量精度的影响，建立了针对变换气路的差压式珩磨气动测量的动态数学模型，通过数值分析仿真得到珩磨液温度变化和流速变化对气动测量精度的影响结果，并进行了实验验证。第二，研究了珩磨质量特征参数的在线预报建模理论和方法。通过对比自回归移动平均模型（ARIMA）、灰色模型（GM(1,1)）,人工神经网络（ANN）和支持向量机（SVR）的预报精度和效率，提出了珩磨尺寸的灰色支持向量机组合预测方法和珩磨油石寿命的灰色神经网络预测方法。第三，研究了珩磨主轴的精密在线控制方法。采用直线电机直接驱动主轴，并提出了相应的往复迭代控制方法，用以提高主轴的运动控制精度。最后，在前几项研究的基础上，研究了珩磨加工质量评定方法和工艺参数优化方法。利用智能优化算法，基于预测数据评定了珩磨加工的圆柱度误差，并对珩磨加工参数进行了优化，实现了加工质量的预判和加工参数的预调整。