工艺模型学习的优化方法

目前的研究中，针对切削过程及加工工艺系统的建模和分析都对系统进行了抽象与简化，这样虽然能够对加工过程及工艺系统进行描述，但由于实际过程和系统十分复杂，因此并不能对系统的响应进行准确的预测。具体表现在以下几个方面：

（1）实际加工过程中，刀具制造误差、材料批次差异等因素造成刀具磨损、表面状态等与试件实验结果差异显著，按理论模型计算得到的工艺参数窗口并不完全适用于实际情况，预测的系统响应也与实际加工中的刀具磨损、系统振动等有显著差异。

（2）航空发动机中的整体叶盘、环形机匣等零件结构复杂，加工中刀具与工件之间的接触状态、冷却状态、机床位姿等加工工况不断变化，实验室定常切削条件下的数据并不完全适用于变工况切削条件。(www.xing528.com)

（3）复杂零件实际加工过程经常受到一些波动或干扰因素的影响，如工件材料中的硬质点、冷却压力波动以及未知的干扰因素等。预设模型通常未考虑这类因素的影响，从而无法有效地对波动或干扰因素造成的加工缺陷进行预测和控制。

因此，针对航空发动机关键构件的实际加工需求，有必要结合快速发展的传感、监测技术及数据处理方法，利用现场采集的数据进行学习，根据实际情况不断对理论模型进行修正，以及对加工过程进行优化，实现关键构件的高性能制造。例如，在刀具的磨损识别过程中，可以根据切削试验数据采用蒙特卡罗方法建立磨损相关系数与刃口不同形式磨损状态的概率映射关系，从而实现基于监测数据的刀具磨损状态评估。