深孔钻削深度优化的迭代学习方法

在机械行业中，孔加工约占所有金属切削加工的30%，是零件加工的重要工序之一。由于麻花钻使用灵活，成本低，目前孔加工最常用的方式就是采用麻花钻进行钻削制孔。排屑问题是钻削加工的难点，与铣削、车削等切削方式相比，钻削过程中产生的切屑受到孔壁和钻杆排屑槽的约束，排屑空间狭小，导致产生的切屑积聚在排屑槽内，与钻杆和孔壁发生摩擦、挤压作用。随着钻削深度的增大，切屑不断累积，钻削力会快速增大。一般把深径比大于5的孔称为深孔，深孔的几何特征决定了深孔钻削具有排屑空间小、排屑路径长的特点，因此排屑问题在深孔钻削中尤为显著。同时，深孔的大深径比的几何特征直接决定了钻削所用的钻杆细长，刚度差，钻削力过大时极易发生断刀。通常，钻削制孔是零件加工的最后工序，一旦在钻削过程中发生断刀，钻头难以从深孔中取出，将直接导致零件报废，造成巨大的经济损失［4］。

为避免深孔钻削过程中切屑累积导致钻削力过大而发生断刀，目前企业中常采用啄式钻削方法进行深孔钻削。具体实现方法为：在数控程序中设定一个单次钻削深度值，每次钻削该深度后即退刀至钻头退出孔口，利用切削液的冲刷作用排屑，随后再重复进行下一次钻削，通过钻削循环的方式进行制孔。设定合理的单次钻削深度值是啄式钻削方法的关键。如果钻削深度值设定过大，则会因钻削力过大而断刀；如果设定过小，则退刀次数过多，深孔钻削循环的刀轨长度呈几何倍数增长，造成加工效率大幅降低。为解决这一问题，需要进行钻削深度优化。(www.xing528.com)

针对现有深孔钻削深度优化方法存在的不足，可以采用深孔钻削深度的迭代学习优化方法［5］。该方法结合了建模预测与在线监测两种方法的优点，首先建立钻削力随钻削深度变化的关系，作为迭代学习的理论模型，然后针对啄式钻削方法的工艺特点，利用真实加工的钻削循环过程进行迭代学习，不断修正模型，同时根据钻削深度的迭代公式给出下一迭代步钻削深度的设定值，实时指导钻削循环过程，在保证钻削过程中不发生断刀的前提下提高加工效率。同时，在迭代学习过程完成后，给出该加工条件下的最大单次钻削深度，作为下次钻削的参考值。