旋转变刚度阻尼器抑制薄壁零件铣削颤振
用于铣削颤振的抑制机械阻尼器数值模拟及参数优化的开题报告
用于铣削颤振的抑制机械阻尼器数值模拟及参数优化的开题报告一、问题背景在机械加工领域，铣削常常与颤振问题相伴而行，这种颤振会产生高频的振动噪音和产生很大的扭矩，严重影响设备的精度和寿命。
传统的解决方式是采用减振装置或者提高工作速度降低进给量，但这些方案往往存在较大弊端。
而近年来，研究人员开始关注利用机械阻尼器来解决颤振问题的方式，因为这种方式具有成本低、效果好等优势。
机械阻尼器自身含有的导音机理和失配特性在降低系统颤振能力方面应用广泛，因此应用机械阻尼器抑制机床振动问题是一个值得深入研究的问题。
二、研究目的本课题的研究目的为，开展数值模拟分析机械阻尼器对铣削颤振的抑制效果，并通过参数优化确定最优设计方案，以提高机床加工的稳定性和效率。
三、研究内容1.分析机械阻尼器机理及数学模型：机械阻尼器具有较为复杂的非线性特性，需要对其机械原理进行深入研究，并建立相应的数学模型，以便完成后续的数值模拟。
2.利用ANSYS等有限元软件进行数值模拟：利用有限元方法和ANSYS软件等工具，对机械阻尼器在不同环境参数下的工作情况进行数值模拟，并得到机械阻尼器的力学特性与振动特性数据。
3.参数优化设计：根据数值模拟结果，通过对机械阻尼器的结构参数、材料选择等进行优化设计，以寻找最优方案，提高针对特定颤振的抑制效果。
4.验证实验：利用实验室设备对优化后的机械阻尼器的有效性进行验证，对优化后的机械阻尼器在实际应用中的使用效果进行评估。
四、研究意义本课题有重要的理论和实践意义。
通过数值模拟和实验证明机械阻尼器可以有效降低铣削颤振问题，有助于推动机械领域的科技发展。
同时，本课题的研究成果也将为机械加工领域提供新的解决方案，提高机床的加工精度和效率，促进了加工业的可持续发展。
降低颤振几率、提高切削稳定性的措施
在金属切削加工领域，细长杆件的车削、薄壁件的切削加工或采用长悬臂刀杆进行镗削和铣削等场合，切削振动是一种破坏正常切削过程的极其有害的现象，是影响工件表面质量和加工精度的首要因素。
如何最大限度的降低刀具切削振动？一、消除数控刀具切削振动的基本途径分析数控刀具切削振动模型可知，刀具在切削工件时发生自激振动依赖两个基本条件：①工艺系统刚性不足导致其固有频率低；②刀具相对于工件切入、切出的动态切削过程产生足够大的激振力，并且激振力的频率与工艺系统的固有频率相同或非常接近。
因此,从数控刀具的选择和使用角度考虑，消除切削振动的基本途径是抑制激振力和提高刀具抗振性。
二、抑制激振力消除数控刀具切削振动合理选择切削用量和刀具几何角度都是抑制激振力的有效途径。
对于数控机床普遍采用的机夹刀具而言，在刀具选择和切削用量选择过程中应注意以下几个方面：1、尽量选用切削刃锋利的刀片以减小切削力数控机床所采用的机夹刀片材料主要有非涂层硬质合金、涂层硬质合金、金属陶瓷、陶瓷、立方氮化硼和人造金刚石等 6 大类。
由于金刚石类刀具不适合加工黑色金属，陶瓷和立方氮化硼刀片刃口通常都有负倒棱，金属陶瓷韧性差不适用于振动切削场合，而化学涂层刀片不及物理涂层刀片刃口锋利，涂层硬质合金刀片不及非涂层硬质合金刀片锋利，所以出于减小切削力考虑，应尽量选用非涂层或物理涂层的钴基硬质合金刀片。
另外，刀片的前角和后角大小也影响着切削刃的锋利程度。
具有正前角和大后角的刀片在镗削或铣削中的切削楔入角最小，切削必然轻快，不易产生振动。
2、注重车镗刀具的主偏角、副偏角和刀尖圆弧半径的选择对于外圆车削或内孔镗削，选择主偏角Kr = 90°的刀具产生的径向切削力最小，轴向切削力最大，有利于消除切削振动。
同时，为了避免刀具副切削刃与工件已加工表面摩擦而产生颤动，车镗刀具的副偏角应尽量选择较大的。
另外，根据经验，无论是镗削还是铣削，在相同的背吃刀量a p下，刀尖圆弧半径R 越大，细长刀杆发生切削振动的倾向就越大。
旋转阻尼器原理
旋转阻尼器原理旋转阻尼器是一种用于减少机械系统震动或振动的装置。
它的主要原理是通过在旋转部件中引入阻尼力，使其能够吸收和耗散旋转系统中的能量，从而减少系统的振动并提高系统的稳定性。
以下是旋转阻尼器的工作原理和应用的详细介绍。
旋转阻尼器的工作原理是基于摩擦力和阻尼器内部的液体或气体的流动阻力。
在旋转系统中，当系统受到外部扰动或激励时，旋转部件会受到一定的力或力矩作用，从而产生震动或振动。
旋转阻尼器在系统中的位置通常位于旋转部件的轴心周围。
首先，旋转阻尼器通过引入一定的初阻尼使得旋转部件的振动能量转化为热能，并将之吸收和耗散掉，从而减少系统的振动。
初阻尼可以通过在旋转部件与阻尼器之间放置摩擦材料来实现，例如金属片或弹簧，其能够吸收并转化振动能量为热能。
其次，旋转阻尼器还可以通过内部液体或气体的流动阻力来实现阻尼效果。
当旋转部件受到振动时，液体或气体会在旋转阻尼器的内部产生流动，流动阻力将对旋转部件施加阻力，从而减缓其振动速度。
这种内部流动阻力取决于液体或气体的粘滞程度和流动速度，可以通过调节流动介质的粘度和流动速度来改变阻尼器的阻尼效果。
此外，旋转阻尼器还可以通过改变其结构设计来实现特定的阻尼效果。
例如，通过调整旋转阻尼器的几何形状、材料属性和结构参数，可以改变阻尼器的刚度、阻尼系数等特性，从而实现不同的阻尼效果。
设计人员可以根据实际需求选择合适的旋转阻尼器，以满足特定系统的阻尼要求。
旋转阻尼器在工程实践中有着广泛的应用。
一种常见的应用是在风力发电机中，用于减少风叶的振动和震动，提高发电机的可靠性和性能。
在风力发电机中，风叶的高速旋转会产生很大的离心力和振动力，如果不加以控制，会导致系统的损坏和能源的损失。
通过在风叶和发电机之间引入旋转阻尼器，可以有效地减少风叶的振动，提高发电机的工作效率和寿命。
另一个应用是在机械传动系统中，用于减少齿轮和轴承的振动和噪音。
机械传动系统中，齿轮和轴承的旋转会带来很大的振动和噪音，这不仅会影响系统的性能和可靠性，还会对操作人员的健康和安全造成威胁。
旋转阻尼器原理
旋转阻尼器原理旋转阻尼器是一种常见的机械部件，其原理在工程领域中得到广泛应用。
旋转阻尼器的作用是通过消耗旋转系统的动能，从而减少振动和冲击力，保护机械设备的正常运行。
本文将深入探讨旋转阻尼器的原理及其在工程中的重要性。
旋转阻尼器的原理基于阻尼的概念，阻尼是指系统受到外力作用时，消耗能量并减缓振动或运动的过程。
在旋转系统中，当旋转部件发生振动或冲击时，会产生惯性力和弹簧力，导致系统产生振动。
旋转阻尼器的作用就是通过提供阻尼力，消耗系统的动能，减少振动的幅度和频率，从而保护系统的稳定性和安全性。
旋转阻尼器通常由几个关键部件组成，包括阻尼片、弹簧和阻尼液。
当旋转系统受到外力作用时，阻尼片受力变形，产生阻尼力；弹簧则起到支撑和恢复作用，保持系统的稳定性；而阻尼液则在阻尼片间起到减震和能量消耗的作用。
这些部件共同协作，形成一个完整的旋转阻尼器系统，有效地减少了系统的振动和冲击力。
在工程领域中，旋转阻尼器被广泛应用于各种机械设备中，如汽车发动机、风力发电机、船舶传动系统等。
通过使用旋转阻尼器，可以有效地减少机械设备在运行过程中产生的振动和冲击力，延长设备的使用寿命，提高工作效率，并保证系统的安全性和稳定性。
除了工程领域，旋转阻尼器的原理也在其他领域得到了应用，如建筑结构、航空航天等。
在建筑结构中，旋转阻尼器可以用于减震和抗震，提高建筑物的抗震性能；而在航空航天领域，旋转阻尼器可以用于控制飞行器的姿态和稳定性，保证飞行器的安全飞行。
总的来说，旋转阻尼器作为一种重要的机械部件，通过消耗系统的动能，减少振动和冲击力，保护机械设备的正常运行。
其原理简单而有效，应用广泛，在工程领域和其他领域都发挥着重要作用。
通过深入理解旋转阻尼器的原理和工作机制，可以更好地应用于实际工程中，提高设备的安全性和稳定性，推动工程技术的发展。
希望本文对读者对旋转阻尼器有更深入的了解和认识。
基于电磁感应原理的薄壁件铣削振动抑制
减小 。随着加 工 过程 中工 件 材 料 的逐 渐 去 除 ， 工 件 本身 的 动力学 特性 在 发 生 变 化 ， 从 而 改 变 了加 工 工
＊ 国 家 自然 科 学 基 金 资 助 项 目（ ５ １ ２ ０ ５ ０ １ ３ ） ； 教 育 部 博 士 点基 金 资 助 项 目（ ２ ０ １ １ １ １ ０ ２ １ ２ ０ ０ ４ ８ ） ； 中央 高 校 基 本 科 研 业 务 费 资 助项 目（ Ｙ ＷＦ 一 １ ３ 一 Ｄ２ 一 ＨＫ 一 ２ １ ， Ｙ ＷＦ － １ ２ 一 Ｌ Ｚ ＧＦ － １ ７ ９ ） 收稿 日期 ： ２ ０ １ ３ — １ ０ － ２ １ ； 修 回 日期 ： ２ ０ １ ３ — １ ２ — １ ３
以及 刀具 寿命 。主 动 控 制 采用 反馈 控 制 的 原 理 ， 对 系统进 行 连 续 的调 节 ， 具 有 较 强 的适 应 性 ， 但 成 本
高， 实 现 复 杂 。Ｄｕ ｎ ｃ ａ ｎ和 Ｒ ａ ｓ ｈ ｉ ｄ等 ＿ ｇ 。 ０ ］ 研 究 了 单 自由 度 被 动 阻 尼 器 对 铣 削 颤 振 的 抑 制 。杨 毅 青 等ｌ １ １ ＿ 设 计 了梁 式 结 构 的多 重 被 动 阻 尼 器 以 抑 制 车 削颤振 。被动 阻尼 器 抑 振 频 带 较 窄 ， 需 要 结 合 一 定
的优化 准则 对 阻尼 器 的结 构参 数进 行优 化后 方能 发 挥 其功 用 ， 而且 被 动阻尼 器形 式多样 ， 增 加 了其结 构
不 同 的转速 以抑 制 颤振 ， 加 工 精度 及 效 率 比传 统 的 单 面铣 削方 法提 高 ３倍 。Ｒ ａ ｔ ｃ ｈ ｅ ｖ等 ［ ４ 提 出 了考 虑
薄壁件铣削颤振特征提取的GA-PE-VMD和MSE方法
第28卷㊀第2期2023年4月㊀哈尔滨理工大学学报JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGY㊀Vol.28No.2Apr.2023㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀薄壁件铣削颤振特征提取的GA-PE-VMD 和MSE 方法王瀚彬,㊀李茂月,㊀刘献礼,㊀王志学,㊀孟博洋(哈尔滨理工大学机械动力工程学院,哈尔滨150080)摘㊀要:在高速铣削航空零件时,由于薄壁结构刚度较低,容易产生颤振,颤振导致表面质量差,尺寸误差,降低刀具和机器寿命,是性能的主要限制之一㊂因此,需要一种可靠的检测方法来识别颤振㊂针对薄壁结构铣削过程中的颤振检测问题,提出一种基于优化变分模态分解和多尺度样本熵的薄壁件颤振特征提取方法㊂首先,为了解决变分模态分解参数选择问题,提出一种基于遗传算法优化和最小排列熵的参数自适应方法㊂其次,计算分解信号的能量比作为挑选IMFs 的原则,从而进行信号重构㊂为了解决单尺度样本熵不能很好地反映颤振发生时铣削力信号特征,引入多尺度样本熵对铣削颤振进行检测,并进行了实验验证㊂结果表明,采用优化变分模态分解算法对信号进行处理,可以避免因模态混叠而造成的颤振信号难以分离的问题㊂多尺度样本熵比单尺度样本熵更加有利于颤振检测,随着尺度因子的增大,铣削信号的MSE 有减小的趋势,且尺度因子为10时的MSE 更有利于颤振检测㊂关键词:变分模态分解;薄壁件;颤振;多尺度样本熵DOI :10.15938/j.jhust.2023.02.005中图分类号:TG506文献标志码:A文章编号:1007-2683(2023)02-0043-08㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀收稿日期:2021-11-05基金项目:国家自然科学基金国际合作与交流重点资助项目(51720105009).作者简介:王瀚彬(1998 ),男,硕士研究生;李茂月(1981 ),男,教授,博士研究生导师.通信作者:刘献礼(1961 ),男,教授,博士研究生导师,E-mail:Xianli.liu@.GA-PE-VMD and MSE Methods for Milling ChatterFeature Extraction of Thin-walled PartsWANG Hanbin,㊀LI Maoyue,㊀LIU Xianli,㊀WANG Zhixue,㊀MENG Boyang(School of Mechanical and Power Engineering,Harbin University of Science and Technology,Harbin 150080,China)Abstract :In the high-speed milling of aviation parts,due to the low stiffness of thin-walled structure,it is easy to produce chatter.Chatter leads to poor surface quality,dimensional error and reducing the service life of tools and machines.Therefore,a reliable detection method is needed to identify chatter.Aiming at the problem of chatter detection in the milling process of thin-walledstructures,a chatter feature extraction method of thin-walled parts based on optimal variational mode decomposition and multi-scale sample entropy is proposed.Firstly,in order to solve the problem of parameter selection in variational modal decomposition,a parameter adaptive method based on genetic algorithm optimization and minimum permutation entropy is proposed.Then,the energy ratio of the decomposed signal is calculated as the principle of selecting IMF,so as to reconstruct the signal.In order to solve the problem that single-scale sample entropy can not well reflect the characteristics of milling force signal when chatter occurs,multi-scale sample entropy is introduced to detect milling chatter.Finally,the experimental results show that the optimal variational modal decomposition algorithm can avoid the problem of difficult separation of chatter signals caused by modal aliasing.Multi-scale sample entropy is more conducive to chatter detection than single-scale sample entropy.MSE of milling signal tends to decrease with theincrease of scale factor,and MSE with scale factor of10is more conducive to chatter detection.Keywords:variational modal decomposition;thin wall parts;chatter;multiscale sample entropy0㊀引㊀言在高速铣削航空零件时,由于薄壁结构刚度较低,容易产生颤振㊂颤振是指在加工过程中刀具和工件之间强烈的自激振动,它会导致表面质量差,表现为颤振痕迹㊁刀具异常磨损或刀具破损[1-2]㊂为了避免生产过程中的颤振,操作人员会选择非常保守的切削参数,这大大降低了生产效率㊂虽然解析方法可以提前预测颤振并识别出最佳切削参数以避免颤振,但由于切削系统的复杂性,预测可能不准确[3-4]㊂因此,及时识别颤振对提高生产率至关重要㊂颤振检测包括信号预处理㊁特征提取和状态识别㊂近年来,国内外学者在信号处理方法方面进行了广泛的研究,并取得了重要进展㊂快速傅里叶变换(fast fourier transform,FFT)可以将信号转换到频域,分析信号中的周期性的成分,故广泛应用于颤振监测中㊂JING等[5]从振动信号中提取FFT特征,对其频谱向量进行处理,用于颤振识别㊂KULJANIC 等[6]从信号的时域和频域特征中获取了一组颤振指标,建立了可靠的颤振监测系统㊂然而,由于颤振信号的非稳定性和非线性,FFT可能会产生不正确的结果㊂小波变换(wavelet transform,WT)是一种新的变换分析方法,继承和发展了短时傅里叶变换局部化的思想同时又克服了窗口大小不随频率变化等缺点㊂GAO等[7]研究了基于cmor连续小波变换(cmor continuous wavelet transform,CMWT)的薄壁工件铣削过程中的颤振检测和稳定区域采集㊂然而,当颤振频率较高时,由于小波变换分解后的高频系数分辨率较低,高频信号的应用受到了很大的限制㊂变分模态分解(variational mode decomposition, VMD)是一种自适应㊁完全非递归的模态变分和信号处理的方法㊂MOU等[8]针对薄壁结构铣削过程中的颤振检测问题,提出了一种变分模态分解-能量分布的方法,以提高识别精度㊂然而,VMD算法中的分解层数和惩罚因子对分解结果有很大的影响,两个参数值的选取目前没有严格的理论推导㊂为了检测加工过程中颤振的发生,需要选择一个合适的颤振指标㊂熵作为一种无量纲指标,反映了序列的随机性和复杂性,当颤振状态发生变化时,熵值会发生明显变化㊂ZHU等[9]利用样本熵和能量熵对薄壁件周铣进行颤振识别㊂汪晓姗等[10]利用颤振时铣削力信号的能量分布会在频域发生变化,由此引入能量熵的定义㊂然而,由于切削系统的复杂性,系统的振动往往体现在多个尺度上,单尺度熵不足以检测到颤振的发生[11]㊂多尺度样本熵(multiscale sample entropy,MSE)是一种用于测量时间序列随机性和检测时间序列非线性动态变化的非线性动态方法㊂该方法具有鲁棒性强㊁运算速度快等优点㊂考虑到检测信号中可能存在的噪声,可能导致颤振检测的误判,所以有必要对检测信号进行滤波,分离出颤振信息丰富的子信号㊂CAO等[12]利用梳状滤波器对振动信号进行预处理,消除旋转频率㊁齿通过频率及其谐波的干扰㊂在文[9]中,通过自适应滤波器滤除主轴转速频率谐波和识别出的有色噪声分量㊂虽然这些滤波方法可以滤除主轴转速的周期分量以及固定的有色噪声分量,但不能滤除背景噪声等随机干扰分量㊂因此,有必要选择颤振信息丰富的频带[13]㊂针对薄壁结构铣削过程中的颤振状态难以检测的问题,本文提出了一种基于OVMD和MSE的铣削颤振特征提取方法㊂首先,采用最小排列熵(permu-tation entropy,PE)作为遗传算法(genetic algorithm, GA)的适应度函数,优化VMD参数㊂其次,利用最优参数对信号进行VMD分解,并根据能量比重构信号㊂然后,提取重构信号的MSE进行分析,选取最优尺度的MSE作为颤振检测指标,MSE可以减少随机信号的干扰,从而更准确地检测颤振㊂最后,通过薄壁件侧铣实验进行了验证㊂1㊀颤振检测模型原理1.1㊀变分模态分解原理VMD是一种自适应㊁完全非递归的模态变分和信号处理的方法㊂VMD具有更坚实的数学理论基础,适用于非平稳性的序列,VMD的核心思想是构建和求解变分问题[14]㊂44哈㊀尔㊀滨㊀理㊀工㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第28卷㊀变分模型为min{u k }{ωk }ðk∂tδt ()+jπt()∗u k t ()[]e -j w k t22{}s.t.ðku k =füþýïïïï(1)式中:∂t 为Tikhonov 矩阵;u k t ()为第k 阶模态分量;ωk 为第k 阶模态分量的中心频率;f 为原始信号;δt ()为脉冲函数;∗为卷积运算符㊂通过引入二次惩罚项α和拉格朗日乘子λ,将约束变分问题转化为无约束变分问题:L u k {},ωk {},λ()=αðk∂tδt ()+j πt ()∗u kt ()[]e -j w k t22+f t ()-ðku kt () 22+ λt (),f t ()-ðku kt ()⓪(2)使用乘子的交替方向法来解决式(2)中的变分问题,通过迭代更新u n +1k ㊁ωn +1k 和λn +1k得到扩展的拉格朗日 鞍点 ,这就是式(1)的最终解㊂为了在迭代过程中方便计算u n +1k ㊁ωn +1k,将这两项转换到频域,确定u n +1k ㊁ωn +1k的更新表达式为u ^n +1k ω()=f ^ω()-ði ʂk u ^i ω()+λ^ω()21+2αω-ωk ()2(3)ωn +1k=ʏɕ0ωu ^kω()2d ωʏɕ0u ^kω()2d ω(4)1.2㊀变分模态分解步骤变分模态分解算法的步骤如下:步骤1㊀初始化u ^1k {},ω1k{},λ^1,设n =0;步骤2㊀根据式(3)㊁(4)更新u ^n +1k ㊁ωn +1k;步骤3㊀对于所有的ωȡ0,根据式(5)进行更新得到λ^n +1;λ^n +1ω()ѳλ^n ω()+τf ^ω()-ðku ^n +1kω()()(5)步骤4㊀重复步骤2和3,直至收敛,即满足式(6):ðku ^n +1k -u ^n k 22/ u ^nk 22<ε(6)1.3㊀多尺度样本熵Richman 和Moonrman 提出了样本熵法(sampleentropy,SE)[15],SE 具有所需的数据短㊁抗噪和抗干扰能力强等特点,被广泛用于机械信号分析与故障诊断领域㊂但是,SE 如果仅在单一尺度计算,容易造成随机信号的干扰㊂为了解决这个问题,Coast 提出了多尺度[16]的概念,提出了MSE㊂当使用MSE 检测颤振时,根据式(7)将铣削时间序列x i (),i =1,2,3,...,N {}进行粗粒化,得到一系列粗粒度时间序列㊂y τ()j =1τðjτi =j -1()τ+1x i j =1,2,...,N /τ(7)式中:τ=1,2,3,...,N 为比例因子㊂然后,根据SE [15]的计算方法,计算出MSE㊂图1㊀铣削颤振特征提取流程图Fig.1㊀Flow chart of milling chatter feature extraction2㊀基于GA-PE-VMD 和MSE 的颤振特征提取方法㊀㊀在实际加工过程中采集到的信号包含很多与加工状态无关的信号,很难根据原始数据准确㊁快速地确定当前加工状态,包括稳定状态㊁轻微颤振状态和严重颤振状态㊂因此,必须对采集到的信号进行处理,提取灵敏度㊁可靠性和鲁棒性高的加工状态特征来识别颤振㊂本文提出的颤振特征提取算法流程图如图1所示㊂主要包括两个过程㊂一是VMD 参数的自适应,采用GA 算法对VMD 的分解层数K 和惩罚因子α进行优化,将最小PE 作为GA 算法的适应度函数㊂二是颤振特征提取㊂根据最优参数对铣削力信号进行VMD 分解,得到一系列IMFs,选择能量比高的分量进行重构信号,从重构信号中提取MSE 特征进行颤振识别㊂2.1㊀基于最小PE 的VMD 的参数自适应方法VMD 算法中的分解层数K 和惩罚因子α为预设函数,其值的选取对信号分解效果会产生巨大影响㊂本文利用遗传算法对VMD 算法中的惩罚因子α和分解层数K 进行优化㊂GA 算法具有较快的全局搜索能力和广泛的适应性,已应用于各类参数的优化当中[17]㊂使用GA 进行优化时,需要确定一个适应度函数,GA 根据适应度函数的大小来评判最优解㊂PE 是一种检测动力学突变和时间序列随机54第2期王瀚彬等:薄壁件铣削颤振特征提取的GA-PE-VMD 和MSE 方法性的方法,能够定量评估信号序列中含有的随机噪声㊂熵值越小,说明时间序列越简单㊁规则,振动周期越明显;反之,熵值越大,则时间序列越复杂㊁随机,干扰噪声越多㊂所以本文以PE 作为GA 的适应度函数㊂K ,α⓪=argmin1K ðki =1PeEn (i ){}(8)此外,VMD 算法中的分解层数K 和惩罚因子α范围的选取也是优化过程中必须考虑的关键问题㊂因此,本文提出了一种参数范围自适应搜索的GA-VMD 优化方法,具体的优化步骤如下:步骤1㊀编码与群体初始化㊂编码方法选用实数编码,由于二进制编码存在连续函数离散化后的映射误差,对结果有很大影响,而且染色体相对较短时精度不高,VMD 算法参数范围预先设置K ɪ3,10[],αɪ1000,10000[],设置种群规模为4,迭代次数为15㊂步骤2㊀计算适应度函数㊂根据公式(8)计算每条染色体所对应的适应度值,记录适应度值最小的染色体㊂步骤3㊀交叉和变异㊂用父母的染色体进行交叉,生成子代,对子代染色体进行变异㊂本文选择单点交叉和单点变异方法,交叉概率设置为0.8,变异概率设置为0.1㊂步骤4㊀返回步骤2,直到最优解产生㊂图2㊀实验场景Fig.2㊀Experimental scene2.2㊀基于MSE 的重构信号颤振特征提取方法在铣削颤振检测中,通常提取反映铣削状态的一个或多个特征作为识别颤振发生的指标㊂考虑到信号中不同频率分量的分布状态可以通过熵来评估,因此本文提出了一种基于重构信号的MSE 的颤振检测方法,并根据能量比来选择重构信号的分量㊂当发生颤振时,铣削系统的能量由铣削系统的旋转频率和谐波频率转移到颤振频率上㊂因此,可以选择能量比高的IMFs 分量对信号进行重构,滤除杂波,提高颤振特征提取的准确性㊂将信号进行VMD 分解后,会产生一系列的IMFs 分量,这些分量用u i (t )来表示,则各模态的能量由式(9)计算:E i =ʏ+ɕ-ɕ|u i (t )|2d t i =1,2,3,...,N (9)选择前3个能量比高的分量重构信号[18]㊂因为当颤振发生时,频率分量逐渐聚集在颤振频率处,导致SE 发生变化㊂由于切削系统的复杂性,多尺度熵往往包含更多的加工状态信息㊂因此,重构信号的MSE 特征更有利于颤振的早期检测㊂3㊀实验验证3.1㊀实验设置在拓璞五轴数控铣床上进行了变切深切削实验,实验现场如图2所示,验证该方法的有效性,加工参数如表1所示㊂使用的刀具是硬质合金立铣刀,刀具的详细参数如表2所示㊂表1㊀切削参数Tab.1㊀Cutting parameters主轴转速/(r /min)轴向切深/mm径向切宽/mm进给量/(mm /min)1800180018003~153~153~150.40.50.6300300300采集铣削力信号用于颤振检测,用测功仪(Kis-tler 9171)和电荷放大器采集铣削力信号,工件材料为TC4㊂采样频率设置为5kHz㊂初始工件尺寸为长度200mm,高度100mm,厚度5mm㊂所有的实验都为干式铣削㊂表2㊀刀具参数Table 2㊀Tool parameters 刀具齿数z 刀具螺旋角/ʎ刀具直径D /mm 刀具长度L /mm 刀刃长度l /mm 4451075303.2㊀加工状态划分与FFT 分析进行了3组实验,加工参数如图2所示,选取具有代表性的第3组参数㊂根据原始信号的变化和工件表面质量划分铣削状态,如图3所示㊂其中S1部分处于稳定状态,S2部分处于轻微颤振状态,S3部分处于严重颤振状态㊂从上面三段信号中随机选取三段1s 子信号,利用Matlab 软件对选取的子信号64哈㊀尔㊀滨㊀理㊀工㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第28卷㊀进行FFT 分析,设置采样频率为5kHz,采样点数为4096,结果如图4所示,f 为主轴旋转频率㊂由图可见,第1组信号的频谱主要由主轴旋转频率及其谐波构成,属于稳定加工状态㊂在第2组信号的频谱中除了切削频率及其谐波之外,还出现了颤振频率1542Hz,其幅值较小,属于轻微颤振状态㊂在第3组信号中,颤振频率1542Hz 幅值大幅度增加,属于严重颤振状态㊂图3㊀原始信号与工件表面质量Fig.3㊀Original signal and workpiece surfacequality图4㊀铣削信号的时域和频域Fig.4㊀Time domain and frequency domainof milling signal74第2期王瀚彬等:薄壁件铣削颤振特征提取的GA-PE-VMD 和MSE 方法3.3㊀信号的GA-PE-VMD 分解尽管从频谱分析中可以检测到颤振的发生,但对于工业用户来说并不方便进行㊂为了自动识别颤振,采用GA-PE-VMD 算法对信号进行分解㊂首先对图4中第1组信号进行OVMD 分解,PE 值随迭代次数的曲线如图5(a)所示㊂在最小PE 值处,优化参数为:分解层数K 为7,惩罚因子α为7388㊂图4中第2组信号进行同样处理,分解层数K 为5,惩罚因子α为9290㊂PE 值随迭代次数的曲线如图5(b)所示㊂图4中第3组信号也进行同样处理,分解层数K 为6,惩罚因子α为6510㊂PE 值随迭代次数曲线如图5(c)所示,其OVMD 分解之后的子分量变化如图6所示㊂图5㊀PE 值随迭代次数的变化曲线Fig.5㊀Variation curve of PE value with iterationtimes图6㊀信号通过GA-PE-VMD 分解子分量的时间序列和频谱图Fig.6㊀Time series and spectrum diagram of signal decomposition sub component through GA-PE-VMD84哈㊀尔㊀滨㊀理㊀工㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第28卷㊀㊀㊀由图可见,颤振信号被分解成6个IMF,每个频带之间的界限清晰,没有模态混叠㊂同时,将颤振频率成功分解为IMF5频带,颤振频率约为1542Hz㊂提出的GA-PE-VMD 算法可以避免模态混叠的问题,而且成功将颤振频带分解出来,证明了算法的有效性㊂3.4㊀基于MSE 的重构信号颤振特征提取颤振的特征是频率和能量分布的变化㊂在稳定铣削过程中,切削能量主要集中在主轴旋转频率及其谐波上㊂当颤振发生时,切削能量逐渐吸收到颤振频率上㊂为了提高识别精度,本文参照文[18]的方法,选取前3个能量比较高的IMFs 进行信号重构,虽然能量比高的IMFs 仍然受到噪声信号的干扰,且主轴旋转频率及其谐波分量也包含在能量比高的IMFs 中,但是能量主要集中在颤振频率上,从而增加了信噪比㊂本文采用定量指标MSE 进行颤振检测㊂计算MSE 时应选择嵌入维数m ,经分析,嵌入维数m 为3时,效果最佳㊂目前对于尺度因子的取值没有确切的计算公式,为了寻找最好的尺度因子用于颤振识别,在三种加工状态下随机选取多组重叠帧,每组重叠帧为512个采样点,分析尺度因子从1到16时MSE 的变化情况,选定一组计算结果如图7所示,其他组的结果与该组相似㊂图7㊀MSE 随尺度因子的变化Fig.7㊀Change of MSE with scale factor由图7可见,尺度因子为1时,即单尺度SE,三种加工状态的熵值非常接近,很难区分三种加工状态㊂选择合适的尺度需满足两点[19],一是能最大程度地区分颤振级别,二是在该尺度下,熵随着颤振级别的增加而减小㊂这些都表明单尺度SE 并不是铣削颤振检测的最佳指标㊂由图7可见,当尺度因子为5到12时,熵随着颤振级别的增加而减小,尤其是在尺度因子为10时,三种加工状态之间的差异最明显,因此可以选择尺度因子为10的MSE 作为颤振检测的指标㊂本文参照文[20]的方法,计算当前点与前一点MSE 的差值,作为判断加工状态变化的阈值㊂如图8所示,发现尺度因子为10时相邻加工状态之间的MSE 差值超过0.06,因此选择尺度因子为10的MSE 作为颤振检测的指标,并将0.06设置为加工状态变化的阈值㊂图8㊀MSE 随时间的变化Fig.8㊀Change of MSEwith time采用本文提出的GA-PE-VMD 算法,计算尺度因子为10时的MSE,结果如图9所示㊂从图中可以看出,在6.14s 左右,MSE 值发生明显的突变,差值约为0.078,说明加工状态由稳定状态变为轻微颤振状态㊂在31.74s 左右,MSE 值又发生明显的突变,差值约为0.093,说明加工状态由轻微颤振状态变为严重颤振状态㊂通过本节的实验可以发现,所提出的算法能够准确地检测到颤振的发生,并且证明了多尺度样本熵比单尺度样本熵更加有利于颤振检测㊂图9㊀相邻两点间的MSE 差值Fig.9㊀MSE difference between two adjacent points4㊀结论针对薄壁结构零件铣削过程中的颤振特征提取困难的问题,提出一种基于GA-PE-VMD 和MSE 的94第2期王瀚彬等:薄壁件铣削颤振特征提取的GA-PE-VMD 和MSE 方法颤振特征提取方法㊂为了解决变分模态分解参数选择问题,提出一种基于GA-PE优化的VMD参数自适应方法㊂然后,选取前3个能量比较高的IMFs进行信号重构㊂最后,从重构信号中提取MSE用于颤振检测㊂实验结果表明,采用优化变分模态分解算法对信号进行处理,可以避免因模态混叠而造成的颤振信号难以分离的问题㊂多尺度样本熵比单尺度样本熵更加有利于颤振检测,且尺度因子为10时的MSE最有利于颤振检测㊂下一步,需要研究如何提高算法的实时性,将其应用到实际的加工过程中㊂参考文献:[1]㊀FENG Jilu,SUN Zhili,JIANG Zenghui,et al.Identifi-cation of Chatter in Milling of Ti-6Al-4V Titanium AlloyThin-Walled Workpieces Based on Cutting Force Signalsand Surface Topography[J].The Intern-ational Journal ofAdvanced Manufacturing Technology,2016,82(9/12):1909.[2]㊀CAO Hongrui,YUE Yiting,CHEN Xuefeng,et al.Chat-ter Detection in Milling Process Based on Synchrosqueez-ing Transform of Sound Signals[J].The InternationalJournal of Advanced Manufacturing Technology,2017,89(9/12):2747.[3]㊀JOHN S.Strenkowski,ALBERT J.Shih,JONG-CHERNG Lin.An Analytical Finite Element Model forPredicting three-dimensional Tool Forces and Chip Flow[J].International Journal of Machine Tools and Manu-facture,2002,42(6):723.[4]㊀FU Yang,ZHANG Yun,ZHOU Huamin,et al.TimelyOnline Chatter Detection in end Milling Process[J].Me-chanical Systems and Signal Processing,2016,75:668.[5]㊀KANG Jing,FENG Changjian,HU Hongying,et al.Re-search on Chatter Prediction and Monitor Based onDHMM Pattern Recognition Theory[C]//IEEE Interna-tional Conference on Automation&Logistics.IEEE,2007:1368.[6]㊀KULJANIC E,SORTINO M,TOTIS G.Multisensor Ap-proaches for Chatter Detection in Milling[J].Journal ofSound and Vibration,2008,312(4/5):672. [7]㊀GAO Jian,SONG Qinghua,LIU Zhanqiang.Chatter Det-ection and Stability Region Acquisition in Thin-walledWorkpiece Milling Based on CMWT[J].The Internation-al Journal of Advanced Manufacturing Technology,2018,98(1/4):699.[8]㊀MOU Wenping,ZHU Shaowei,JIANG Zhenxi,et al.Vi-bration Signal-based Chatter Identification for Milling ofThin-walled Structure[J].Chinese Journal of Aeronau-tics,2020,35(1):204.[9]㊀ZHU Lida,LIU Changfu,JU Changyu,et al.VibrationRecognition for Peripheral Milling Thin-walled Workpiec-es Using Sample entropy and Energy Entropy[J].TheInternational Journal of Advanced Manufacturing Tech-nology,2020,108(6):3251.[10]汪晓姗,彭志科,陈是扦.基于瞬时频率估计与Vold-Kalman滤波的铣削颤振识别[J].振动与冲击,2018,37(16):70.WANG Xiaoshan,PENG Zhike,CHEN Shiqian.ChatterDetection in Milling Process Based on Instantaneous Fre-quency Estimation and the Vold-Kalman Filter[J].Jour-nal of Vibration and Shock,2018,37(16):70. [11]任静波,孙根正,陈冰,等.基于多尺度排列熵的铣削颤振在线监测方法[J].机械工程学报,2015,51(9):206.REN Jingbo,SUN Genzheng,CHEN Bing,et al.OnLine Monitoring Method of Milling Chatter Basedon Multi-scale Permutation Entropy[J].Journal of MechanicalEngineering,2015,51(9):206.[12]CAO Hongrui,ZHOU Kai,CHEN Xuefeng.Chatter I-dentification in End Milling Process Based on EEMD andNonlinear Dimensionless Indicators[J].InternationalJournal of Machine Tools and Manufacture,2015,92:52.[13]LIU Hongqi,CHEN Qinghai,LI Bin,et al.Online Chat-ter Detection Using Servo Motor Current Signal in Turning[J].Science China Technological Sciences,2011,54(12):3119.[14]DRAGOMIRETSKIY K,ZOSSO D.VariationalMode De-composition[J].IEEE Transactions on Signal ProcessingA Publication of the IEEE Signal Processing Society,2014,62(3):531.[15]RICHMAN J S,MOORMAN J R.Physiological Time-se-ries Analysis Using Approximate Entropy and Sample En-tropy.[J].American Journal of Physiology.Heart andCirculatory Physiology,2000,278(6):H2039. [16]MADALENA C,ARY L G,PENG C K.Multiscale En-tropy Analysis of Complex Physiologic Time Series[J].Physical Review Letters,2002,89(6):705. [17]边杰.基于遗传算法参数优化的变分模态分解结合1.5维谱的轴承故障诊断[J].推进技术,2017,38(7):1618.BIAN Jie.Bearing Fault Fiagnosis Based on VariationalModal Decomposition Combined With1.5-dimensionalSpectrum Based on Genetic Algorithm Parameter Optimi-zation[J].Propulsion Technology,2017,38(7):1618.[18]CABRERA C G,ARAUJO A C,CASTELLO D A.On theWavelet Analysis of Cutting Forces for Chatter Identifica-tion in Milling[J].Advances in Manufacturing,2017,5(2):130.[19]LI Kai,HE Songping,LUO Bo,et al.Online chatter De-tection in Milling Process Based on VMD And MultiscaleEntropy[J].The International Journal of Advanced Man-ufacturing Technology,2019,105(4):5009. [20]LIU Xianli,WANG Zhixue,LI Maoyue,et al.FeatureExtraction of Milling Chatter Based on Optimized Varia-tional Mode Decomposition and Multi-scale-permutationEntropy[J].The International Journal of Advanced Man-ufacturing Technology,2021:1.(编辑:温泽宇)05哈㊀尔㊀滨㊀理㊀工㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第28卷㊀。
刀具颤振抑制用机械阻尼器的理论分析及数值模拟
丑ｌＩ ｜ ｅ ｇ
（） ａ插入阻尼器铣刀结构
’
（） ｂ 中空圆柱体铣刀简化模型
（） ａ 插人两刀指铣刀模型 横截面和尺寸 （） ｂ 刀指横截面（ Ｇ是横截面 质心 ， 是起始角 ） ０
图 １铣 刀模 型简化示意 图
刀具几何形状对 于切削性能起关键作用 。为便 于后 面的理 论分析 和数值模 拟 ， 有必要将带 阻尼器铣刀模型简化如 图 １ｂ （） 所示 。 铣刀简化模 型包括两个 中空 圆柱体 ， 该 外层 圆柱体表示端
关 键词 ： 机械 阻尼器 ； 颤振 ； 值模 拟 ； 尼耗 散 数 阻
中图分 类号 ： Ｈ１ 文 献标 识码 ： Ｔ ２ Ａ
１日 一 ■— — Ｌ— Ｕ百
高速铣 削加 工是近几 十年来广泛应用 与发展 的一 种先进 制 造技术 ， 由于刀具和工件的切削振动导致铣削效率 低下 ， 但 制约 是在高速条件下 的 自激振动 （ 颤振 ）另一 种是在 临界 自然频率 ，
图 ５ 工艺 卡片调用
Ｆｇ５ Ｐｒｃ ｓ ｈ ｒｔ ｓ ｉ． ｏ ｅ ｓｃ ａ ｔｍ ｆｒ
２王政 ， 学 ， 高全 皮涛 ｎ ｗ平 ｄ 参数化 Ｃ Ｄ 焊接学报 ，ｏ ｏ １ ）Ｐ — ． Ａ ． ２ ｏ （ ２ ：２ ４
维普资讯
时的共振 。在高速切削时 ， 由于颤振的影响会加 剧刀具的磨损 ， 此， 主要研究刀 具颤 振的被动控制方法 ， 出在刀具 中心插人一 提
个分层梁结构的机械阻尼器用于颤振的抑制 。通过理论分析和 数值模拟的方法对阻尼器阻尼作用效果进行了分析 ，为实现最
了其进 一步 的发展 。 影响铣削加工的振动主要有两种类型 ， 一种 大阻尼效果对阻尼器合理的设计和参数优化提供依据。
薄壁件铣削过程中的可调阻尼式减振抑颤装置及减振方法[发明专利]
![薄壁件铣削过程中的可调阻尼式减振抑颤装置及减振方法[发明专利]](https://img.taocdn.com/s3/m/cb0566c5bcd126fff6050b74.png)
专利名称：薄壁件铣削过程中的可调阻尼式减振抑颤装置及减振方法
专利类型：发明专利
发明人：吴石,刘治京,王延福,刘献礼,李中华
申请号：CN201610415471.8
申请日：20160612
公开号：CN105935795A
公开日：
20160914
专利内容由知识产权出版社提供
摘要：本发明涉及一种薄壁件铣削过程中的可调阻尼式减振抑颤装置及减振方法。
传统上的薄壁件减振装置，多是针对加工机床，工装夹具及加工刀具上改装，优化或者刀具的定位，加工流程安排等方面以达到抑制叶片颤振和减振的作用，但是效果大多不理想或者有限，而且经济投入往往很大。
本发明组成包括：减振抑颤装置（9），减振抑颤装置包括密封腔体（8），密封腔体上平面安装有顶板（1），密封腔体外层是约束层（7），约束层内部安装有阻尼层（6），阻尼层内部安装有阻尼层基板（5），阻尼层基板内部装有磁流变液（3），磁流变液中安装有6个永久磁铁（2），永久磁铁外部缠绕有线圈（4）。
本发明用于薄壁件铣削过程中的可调阻尼式减振抑颤装置。
申请人：哈尔滨理工大学
地址：150080 黑龙江省哈尔滨市南岗区学府路52号哈尔滨理工大学机械动力工程学院
国籍：CN
代理机构：哈尔滨东方专利事务所
代理人：陈晓光
更多信息请下载全文后查看。
基于动支撑的薄壁件铣削颤振抑制方法[发明专利]
![基于动支撑的薄壁件铣削颤振抑制方法[发明专利]](https://img.taocdn.com/s3/m/e52571da31126edb6e1a1010.png)
专利名称：基于动支撑的薄壁件铣削颤振抑制方法专利类型：发明专利
发明人：张卫红,党学斌,万敏,杨昀
申请号：CN201910180891.6
申请日：20190311
公开号：CN109968099A
公开日：
20190705
专利内容由知识产权出版社提供
摘要：本发明涉及一种基于动支撑的薄壁件铣削颤振抑制方法，利用有限元得到工件的质量，刚度和阻尼矩阵；通过接触理论计算得到动支撑提供的等效刚度和阻尼，并与初始工件的刚度和阻尼矩阵进行组装；最后通过数值计算的方法快速得到工件在不同刀具位置点处的动力学参数并进行稳定性预测。
实现了高效抑制颤振并快速预测整个加工过程颤振稳定性的功能，在实施例中铣削过程材料去除率最大提高了67％。
申请人：西北工业大学
地址：710072 陕西省西安市友谊西路127号
国籍：CN
代理机构：西北工业大学专利中心
代理人：刘新琼
更多信息请下载全文后查看。
一种自动抑制薄壁回转体铣削振动的装置及方法[发明专利]
![一种自动抑制薄壁回转体铣削振动的装置及方法[发明专利]](https://img.taocdn.com/s3/m/54109f1a657d27284b73f242336c1eb91a37339f.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910513746.5(22)申请日 2019.06.14(71)申请人 西南石油大学地址 610500 四川省成都市新都区新都大道8号(72)发明人 郭亮 阳凡 万长成 (51)Int.Cl.B23Q 3/06(2006.01)B23Q 11/00(2006.01)(54)发明名称一种自动抑制薄壁回转体铣削振动的装置及方法(57)摘要本发明涉及一种自动抑制薄壁回转体铣削振动的装置及方法，主要包括底座、主轴、支撑板、减振块，其特征在于：夹具体通过底座边缘与机床固定，快拆压板均布在底座外侧，主轴置于底座表面的中心，连接块的矩形端通过螺钉固定在支撑板内侧，圆柱端与主轴通过电动推杆组件连接，电动推杆组件由推杆前端、推杆套、电机、主动齿轮、中间齿轮、从动齿轮、丝杠螺母、丝杠组成，支撑板和减振块之间装有多个橡胶减振器，减振块弧面与工件配合，减振块底部装有带轴承滚筒，并利用固定块锁死滚筒轴，支撑板装有滚轮；本发明能实现加工薄壁回转体的过程中对铣削振动进行自动抑制，在满足加工效率的同时实现加工质量要求，具有自动化和高精度的特点。
权利要求书2页 说明书4页 附图7页CN 110091197 A 2019.08.06C N 110091197A1.一种自动抑制薄壁回转体铣削振动的装置及方法，其中自动抑制薄壁回转体铣削振动的装置主要包括底座(18)、主轴(9)、支撑板(19)、减震块(3)，其特征在于：夹具整体通过底座(18)边缘与机床固定，快拆压板(17)均布在底座(18)外侧，主轴(9)置于底座(18)表面的中心并通过内六角螺钉连接，连接块(1)的矩形端通过螺钉固定在支撑板(19)内侧，圆柱端与主轴(9)通过电动推杆组件连接，电动推杆组件由推杆前端(5)、推杆套(8)、电机(13)、主动齿轮(12)、中间齿轮(11)、从动齿轮(10)、丝杠螺母(6)、丝杠(7)组成，支撑板(19)和减震块(3)之间装有多个橡胶减震器(14)，减震块(3)弧面与工件(4)配合，减振块(3)底部装有带轴承滚筒(22)，并利用固定块(21)锁死滚筒轴(16)，支撑板(19)装有滚轮(20)；减震块(3)表面开有弧形肋板槽(23)，用于避免与工件(4)内壁的肋板发生干涉，同时有利于切屑和冷却液排出，减振块(3)上部开有一个力传感器固定槽(24)，中部开有两个振动传感器固定孔(25)，底部开有滚筒槽(26)，滚筒槽(26)中装有滚筒(22)和滚筒轴(16)并通过固定块(21)与减振块(3)螺纹连接；主轴(9)中心开有主轴通孔(27)用于放置振动传感器(15)和力传感器(2)的电缆，主轴(9)的上端和下端分别铣削出六个上固定面(28)和下固定面(30)便于连接固定推杆套(8)，同时主轴(9)下端开设穿线孔(29)用于引导振动传感器(15)和力传感器(2)的电缆进入主轴通孔(27)，主轴(9)底部有支撑底盘(31)用于连接底座(18)；底座(18)表面均匀开设滚轮滑槽(32)、压板槽(34)、底座中心孔(33)，快拆压板(17)均匀分布于底座(18)外圆表面，圆柱销穿过压板销孔(36)之后放置于压板槽(34)内，利用螺栓穿过压板连接孔(35)与底座(18)相连接，底座(18)表面滚轮滑槽(32)与支撑板(19)上的滚轮(20)相配合；快拆压板(17)开设有两个压板连接孔(35)用于螺纹连接底座(18)，在快拆压板(17)下端开设有压板销孔(36)，插入圆柱销后用于确定压板在整个夹具中的径向位置并在拆卸时作为快拆压板(17)的旋转轴。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
旋转变刚度阻尼器抑制薄壁零件铣削颤振杨毅青;谢日成;徐东东【摘要】薄壁零件刚性差,在铣削加工过程经常出现颤振,难以保证加工质量和效率.设计结构新颖的旋转变刚度阻尼器,通过旋转阻尼器的角度可改变其固有频率,并依据减振理论及有限元仿真确定设计尺寸.开展薄壁零件模态测试,确定阻尼器抑制薄壁零件切削颤振的最佳安装角度,最后通过切削实验验证抑振效果.结果表明,旋转变刚度阻尼器角度为80°时,频响函数幅值下降为无阻尼器时的9.8％;调整其角度为20°时达到最优抑振效果,频响函数幅值进一步下降为80°时的13.6％,薄壁零件无颤振临界稳定切深可提高1.8倍.%Chatter is caused due to the poor rigidity of thin-walled parts during their milling process,so it is difficult to ensure their machining quality and efficiency.Here,a novel rotary passive damper possessing variable stiffness was designed with its natural frequency changed through rotating the damper orientation.The design sizes were determined based on the vibration reduction theory and the finite element (FE) simulation.The modal tests for thin-walled parts were performed,then the damper' s optimal installation angle for chatter suppression of thin-walled parts milling was determined for milling processing frequency to avoid parts' modal frequencies.Finally,the chatter suppression effect was verified with milling tests.It was shown that when the damper orientation is 80°,the amplitude of the system' s FRF drops to 9.8％ of that without the damper;the optimal chatter suppression reaches when the damper orientation is 20°,the amplitude of the system's FRF reduces to 13.6％ ofthat when the damper orientation is 80°,the crit ical stable cutting depth of thin walled parts with no chatter increases by 1.8 times.【期刊名称】《振动与冲击》【年(卷),期】2018(037)002【总页数】5页(P72-75,84)【关键词】阻尼器;薄壁件;铣削;颤振【作者】杨毅青;谢日成;徐东东【作者单位】北京航空航天大学机械工程及自动化学院,北京100191;北京市高效绿色数控加工工艺及装备工程技术研究中心,北京100191;【正文语种】中文【中图分类】TG506;TH113.1薄壁零件存在重量轻、强度高等优点，被广泛应用于航空航天领域。
铣削加工颤振是影响其加工质量和效率的主要因素[1]。
为保证薄壁零件加工质量及效率，各类阻尼器被应用于切削颤振抑制。
阻尼器主要分为半主动、主动和被动等。
Aguirre等[2]利用半主动控制把变刚度阻尼器应用于铣削加工中的颤振抑制；Rashid等[3]根据压电致动器和自适应控制算法研制了主动控制工装系统；杨毅青等[4]利用电涡流效应抑制了工件颤振；Kolluru等[5]将六个阻尼器贴合在环形薄壁零件周围抑制其铣削加工的颤振，振动信号均方根值下降了77%；Nakano等[6]在铣床主轴上安装了3个被动阻尼器，研究了不同转速下的临界颤振稳定切深；贾九红等[7]针对舰艇管路系统抗冲击的特殊要求，设计了非线性明显,缓冲比较平稳,缓冲特性曲线的比较理想新型阻尼器。
半主动以及主动阻尼器抑振效果明显，但需复杂的软硬件设备，实施成本较高且应用难度高。
相反，被动阻尼器具有结构简单、实施方便等优点。
众多学者分别从单自由度到多自由度对被动阻尼器进行了深入研究。
Frahm[8]最早发明被动阻尼器，包括质量和弹簧两个元件；此后的Voigt式阻尼器加入阻尼，能有效抑制主结构振幅，拓展抑振频带，使阻尼器开始广泛应用于结构抑振领域。
Rashid等[9-10]研究了单自由度被动阻尼器抑制切削过程中的颤振；付杰等[11]通过对两自由度体系的振动分析，提出了拟负刚度阻尼器的布置原则，有效降低了结构的加速度。
杨毅青等[12]设计了一种两自由度被动阻尼器，对其结构特性进行了研究，并将其应用于数控铣削振动抑制。
赵晓文等[13]针对磁流变液沉淀、过热等问题设计了多自由度磁流变液阻尼器，具有易安装、效率高等优点，分析了幅值对阻尼特性的影响。
传统被动调谐质量阻尼器只能抑制特定模态，虽然效果明显，但抑制频率过窄，对于切削加工过程中动力学特性快速变化的薄壁零件抑振效果有限。
基于此，论文拟研究一种结构新颖的旋转变刚度阻尼器，可通过质量块方向调整来实现其频率在较大范围内的调谐，使其更适用于薄壁零件铣削加工颤振抑制。
1 阻尼器理论与设计1.1 阻尼器设计准则单自由度被动阻尼器抑制单模态主结构如图1所示，假定作用在m0上的外力为一简谐力F0。
阻尼器的质量、刚度、阻尼分别为mT，kT，cT。
根据Den Hartog等[14-15]提出的阻尼器优化准则，阻尼器的最优参数为：最佳频率比最佳阻尼比式中：ωT为阻尼器固有频率；ω0为工件固有频率；阻尼器质量与目标模态质量的比值；阻尼器阻尼比工程设计中，μ一般不超过5%，因而频率比βT一般不低于0.95，在本文设计中近似取1，即被动阻尼器与薄壁零件目标模态的固有频率相同。
图1 单自由度被动阻尼器抑制单模态主结构Fig.1 SDOF passive damper suppress the main structure with single mode1.2 阻尼器结构设计基于以上理论分析，设计旋转变刚度阻尼器装置如图2，包括质量块、支撑架、螺栓及盖板等。
薄壁梁的相对位置L2及薄壁梁厚度L1、L2为影响阻尼器频率的主要因素。
通过旋转阻尼器质量块并用螺栓固定可使阻尼器频率发生改变。
利用Comsol有限元软件仿真阻尼器动力学特性，优化阻尼器结构参数，使阻尼器频率变化范围覆盖铣削加工时薄壁零件的频率变化。
图2(b)为阻尼器被螺栓固定在0°时的振型，阻尼器与支撑架发生相对运动。
当该阻尼器装置安装于薄壁零件时，应保证阻尼器与薄壁件弱刚性模态的振型方向一致，以最大限度提升抑振效果。
图2 旋转变刚度阻尼器装置Fig.2 Rotary passive damper with tunable stiffness2 模态试验2.1 实验装置以图3所示的薄壁零件为对象进行模态测试，薄壁零件的结构参数如表1所示。
由模态仿真可知薄壁零件中部的振幅最大，由此可确定阻尼器粘贴位置。
通过模态测试，获得薄壁零件一阶固有频率为680 Hz。
模态测试采用以下仪器设备：加速度计(Kistler 8778A500)、信号采集卡(NI 9233)、小型力锤(PCB086C03)、信号处理及分析软件为Cutpro MaLTF模块。
图3 实验装置(阻尼器0°安装)Fig.3 Experimental setup (passive damper is oriented at 0°)表1 薄壁工件结构尺寸参数Tab.1 Structural dimensions of the thin-walled workpiece结构参数长度/mm结构参数长度/mm薄壁宽度5工件高度128外部矩形190×190底座厚度20内部倒角8薄壁高度1082.2 阻尼器固有频率测试根据薄壁零件结构参数，仿真确定阻尼器设计尺寸如表2 所示。
对阻尼器进行模态测试，验证有限元仿真结果。
通过旋转阻尼器改变其在支撑架中的方向，测试得到阻尼器从0°～90°共10个方向的频响函数。
由阻尼器结构的对称性可知0°～360°共36个方向的频响函数，并将阻尼器所有方向的一阶频率以极坐标表示(图4)。
由图可知，阻尼器固有频率随方向变化，其中30°方向的一阶频率最高为683 Hz；70°、80°方向的一阶频率最低为670 Hz。
阻尼器频率变化范围为13 Hz，表明该阻尼器具备一定的带宽，可适用于薄壁零件切削过程变化的特点。
表2 阻尼器设计尺寸Tab.2 Design geometry of the damper高度系列数值/mm厚度系列数值/mm直径系列数值/mmH11L10．8D144H24L221D240H35L30．9D338D420D518图4 实验获取阻尼器固有频率分布Fig.4 Experimental natural frequency distribution of the damper2.3 工件频响函数测试薄壁零件安装阻尼器前后的频响函数对比如图5所示。
由图可知薄壁零件一阶固有频率为680 Hz，对应位移频响函数振幅1.7E-004 m/N。
阻尼器通过强力胶水粘贴在薄壁零件表面，依次旋转阻尼器方向获得工件减振后的频响函数。
对比可知，安装阻尼器之后薄壁工件目标模态的频响函数峰值得到较大削弱，由无阻尼器时的高幅值单峰变为安装阻尼器之后的低幅值双峰。
阻尼器减振效果取决于阻尼器与薄壁零件之间的固有频率差；频率差越接近，减振效果越明显。
其中80°方向时，阻尼器与薄壁零件的频率差为10 Hz，减振效果较差，频响函数第一阶频率变为670 Hz，峰值8.8 E-006 m/N，峰值下降为无阻尼时的9.8%；20°方向时，阻尼器与薄壁零件的频率差为2 Hz，效果较佳，频响函数第一阶频率变为640 Hz，峰值1.2 E-006 m/N，下降为80°时的13.6%以及无阻尼时的1.3%。