8、MLP和ANFIS在钻孔过程中预测孔直径的应用

MLP和ANFIS在钻孔过程中预测孔直径的应用

1. 引言

工业加工制造过程的控制具有重要的经济意义，因为人们一直在寻求减少原材料和劳动力的浪费。像尺寸质量控制这类间接制造操作会产生间接成本，而通过使用控制系统可以避免或降低这些成本。自20世纪80年代以来，人们通过应用人工神经网络（ANN）对智能制造系统（IMS）进行了研究，这是制造过程监测的下一步发展方向。

钻孔加工是工业中最广泛使用的制造工艺之一。为了提高钻孔操作的质量，ANN已被用于通过传感器监测钻头磨损，所使用的信号类型包括用测力计测量的加工负载、通过霍尔效应传感器测量的电动机电流、振动等，还会结合加速度计和声发射传感器等其他设备。

本文主要探讨了使用在MATLAB中编程的多层感知器（MLP）和自适应神经模糊推理系统（ANFIS）类型的人工智能系统来估计钻孔直径。这两种网络都使用反向传播方法，这是制造应用中最流行的模型。在实验中，对2024 - T3合金和Ti6Al4V合金的单层试样进行钻孔，分别使用声发射传感器、三维测力计、加速度计和霍尔效应传感器来收集噪声频率和强度、工作台振动、x、y和z轴上的负载以及电动机中的电流等信息。

2. 钻孔过程

目前工业中最常用的三种钻孔工艺是车削、铣削和镗削，其中镗削是研究最少的工艺。然而，据估计，如今使用螺旋钻头的镗削占所有加工工艺的20% - 25%。

孔的质量取决于几何和尺寸误差、毛刺和表面完整性。此外，钻孔工艺类型、刀具、切削参数和机床刚度也会影响孔的精度。由于孔通常受多个参数影响，因此很难生成可靠的分析模型来预测和控制孔的直径。钻孔过程中涉及的负载如图1所示，其中最具代表性的是进给力FZ，因为它会影响切屑形成和表