一种三维动态磨削力检测装置及其解耦算法的制作方法

本发明属于机械加工测试技术领域，涉及的是精密零件磨削加工过程中三维动态磨削力的检测装置和解耦算法。

背景技术：

磨削作为精密零件加工过程中不可或缺的加工方法，其加工精度将直接地影响工件表面质量和使用性能。磨削力作为影响磨削加工精度和效率的重要因素，如何对其进行精确测量，进而实现在线磨削力实时控制，成为提高磨削加工精度和质效的重要保证。国内外目前主要采用以下装置和方法进行三维动态磨削力的检测和解耦：

1.电阻应变式磨削测力仪，采用八角圆环、薄壁圆筒、十字筋等机械结构作为弹性元件，在磨削力的作用才产生变形，通过贴于其表面上的电阻应变片，将变形量转化为电压输出，实现磨削力的检测。

2.压电式磨削测力仪，采用整体式机械结构，压电石英晶体作为力电转换元件，磨削力作用在整体式机械结构上表面，机械结构产生未变形，将磨削力传递到石英晶体，石英晶体在外力作用下产生电荷输出，实现磨削力的检测。

3.三维动态磨削力解耦目前大多采用基于最小二乘拟合的多元线性回归解耦算法。

上述应变式及压电式磨削测力仪的主要问题是：

1.八角圆环、薄壁圆筒和十字筋等机械结构作为弹性元件，为了保证在磨削力作用下产生足够的变形量，导致其刚度无法提高，测力仪整体固有频率过低，往往在几十赫兹，可检测动态力的频率范围狭窄，无法满足复杂曲面精密磨削过程中高动态磨削力的检测要求。

2.压电式磨削测力仪制造过程需要对石英晶体进行精确切型，且晶体与机械结构装配过程技术要求高，国外成熟的压电式磨削测力仪售价高昂，给用户造成了巨大的经济负担，另外压电式磨削测力仪不能检测静态力和静态力矩。

3.多元线性回归解耦算法对测力仪标定数据采用线性拟合进行处理，但实际测力仪的标定数据不可能是严格线性的，测力仪线性度的好坏将严重影响拟合误差，因此多元线性回归解耦算法对测力仪线性度依赖性大，导致解耦效果极不稳定。

技术实现要素：

本发明的目的在于克服上述缺陷，设计一种可以同时保证高灵敏度与高固有频率的、制造简单、低成本的电阻应变式三维动态磨削力检测装置及高精度、高可靠性解耦算法。

为了实现本发明的目的，本发明采用的技术方案如下：

三维动态磨削力检测平台(26)，包括开有安装孔与固定槽的底座(1)，底座(1)上安装有作为主弹性元件的立柱(6)，立柱上端配合安装有上盖板(4)，上盖板上开有螺纹孔14，通过螺纹孔固定待加工工件(27)，磨具与工件之间产生的磨削力作用在工件上，通过与工件固结的上盖板(4)传递到立柱(6)，引起立柱产生相应方向的变形。在立柱(6)四周，通过底座的安装孔，安装有四个支座(2)。在支座(2)和上盖板(4)之间相应安装有X、Y、Z三组弹性薄板组(3x、3y、3z)，各组之间安装位姿相互垂直，作为附加弹性元件，该弹性元件与立柱(6)为并联连接关系，在磨削力作用下，产生与立柱(6)相同的变形量。

所述的弹性薄板(3)的表面均粘贴有一片电阻应变片组(5)，电阻应变片跟随弹性薄板产生变形量，引起应变片阻值发生正比于变形量的变化量，通过与应变片组相连接的信号调理电路(29)，将三组应变片的阻值变化量转化为相应的三组电压变化量，实现三维磨削力的检测。

采用具有非线性拟合能力的BP神经网络模型对三维磨削力原始信号进行解耦处理，并采用遗传算法对BP神经网络的初始权值和阀值进行优化，将优化得到的最优值作为BP神经网络权值和阀值的初始值进行网络训练，得到基于遗传算法优化的BP神经网络解耦模型，将检测平台输出的原始信号输入到该模型运算处理，得到解耦后的三维磨削力信号。

与现有技术相比，本发明的有益效果在于：

1.本发明采用安装在底座与上盖板之间的立柱，作为主弹性元件，感应磨削力产生机械变形，其特点是刚度高，足以保证该磨削力检测装置整体的高固有频率。同时采用与立柱并联的弹性薄板，作为附加弹性元件，其特点是刚度低，因而立柱的变形基本全部传递到该薄板上。同时，该薄板尺寸短，因而，单位长度的变形量远高于立柱。实现了同时保证检测装置高灵敏度与高固有频率的要求。

2.本发明对应三向磨削力，采用三组附加弹性元件分别进行检测，三组附加弹性元件的安装位姿两两相互垂直，有效降低了各组附加弹性元件之间的变形耦合，在结构上有效降低了三维磨削力检测的向间耦合程度。

3.本发明采用基于遗传算法优化的BP神经网络解耦模型对检测到的三维磨削力原始信号进行解耦处理，非线性拟合能力强，解耦精度高，不依赖于检测装置线性度，可靠性高。经过遗传算法优化的BP神经网络解耦模型，训练时可以获得最优模型，有效避免陷入局部最优，收敛速度明显提高。

附图说明

图1为本发明的结构主视图。

图2为本发明的结构左视图。

图3为本发明的结构俯视图。

图4为本发明的结构轴测图。

图5为底座俯视图。

图6为上盖板仰视图。

图7为上盖板左视图。

图8为立柱斜侧图

图9为支座斜侧图。

图10为弹性薄板斜侧图。

图11为弹性薄板安装位姿主视图。

图12为弹性薄板安装位姿俯视图。

图13为弹性薄板安装位姿示意图。

图14为弹性薄板与立柱并联关系示意图。

图15为三维动态磨削力检测装置示意图。

图16为本发明的基于遗传算法优化的BP神经网络解耦算法原理框图。

图17为本发明的三维动态磨削力解耦示意图。

其中，附图标记所对应的名称：1-底座，2-支座，3x-X方向弹性薄板组，3y-Y方向弹性薄板组，3z-Z方向弹性薄板组，4-上盖板，5x-X方向电阻应变片组，5y-Y方向电阻应变片组，5z-Z方向弹性薄板组，6-立柱，7-支座固定通孔，8-支座安装槽，9-底座装夹孔，10-立柱安装槽，11-立柱固定通孔，12-薄板固定通孔，13-薄板安装凸台，14-工件装夹螺纹孔，15-立柱安装槽，16-立柱固定通孔，17-薄板固定螺纹孔，18-立柱固定螺纹孔，19-立柱上凸台，20-立柱下凸台，21-薄板固定通孔，22-薄板固定螺纹孔，23-支座凸台，24-电阻应变片粘贴面，25-薄板通孔，26-三维动态磨削力检测装置，27-待加工工件，28-砂轮，29-信号调理电路，30-数据采集卡，31-PC机，S1、S2、S3、S4、S5、S6、S7、S8-八个弹性薄板。

具体实施方式

下面结合附图对本发明作进一步说明。本发明实施方式包括但不限于下列实施例。

如图1到图7所示，为本发明一种三维动态磨削力检测装置的一个优选实例的检测装置主体结构示意图。包括底座1、上盖板4和两者之间的立柱6，所述底座1上端面中间位置开有方形凹槽10，所述底座1上中间位置开有4个沉头通孔11，所述上盖板4的下端面中间位置开有方形凹槽15，所述上盖板4的中间位置开有4个通孔16，所述立柱6的下端面设置有与所述凹槽10相配合的方形凸台20，所述立柱6的上端面设置有与所述凹槽15相配合的方形凸台19，所述立柱7的上下端面均开有4个螺纹孔18，4个预紧螺钉穿过通孔11和螺纹孔18配合，将所述底座1和所述立柱6固结在一起，4个预紧螺钉穿过通孔16和螺纹孔18配合，将所述上盖板4和所述立柱6固结在一起。

如图5和图9所示，所述底座1上表面四周均布有4个矩形支座安装槽8，所述底座1四周开有8个沉头通孔形式的支座固定通孔7，所述底座1上安装有四个支座2，所述支座2的下端面设置有与所述支座安装槽8相配合的凸台23，所述支座2下端面开有2个螺纹孔，8个预紧螺钉穿过通孔7与支座下端面的螺纹孔配合，将所述底座1和4个所述支座2固结在一起。

如图6到图10所示，所述上盖板4的下端面对称设置有4个矩形凸台13，每个所述矩形凸台13的下端面开有两个沉头通孔12，每个所述矩形凸台13的侧面开有两个螺纹孔17，所述支座2上开有与所述沉头通孔12相对应的两个螺纹孔22，所述支座2上开有与所述螺纹孔17相对应的两个沉头通孔21，每对所述矩形凸台13和所述支座2之间均安装有一个水平方向弹性薄板3x、3y和一个Z方向弹性薄板组3z，所述弹性薄板组3x、3y、3z的上下两端均开有2个通孔25，2个螺栓穿过通孔21和通孔25与螺母配合，2个螺钉穿过通孔25和螺纹孔17，将支座2、水平方向弹性薄板组3x、3y和上盖板4固结在一起，2个螺栓穿过通孔12和通孔25与螺母配合，2个螺钉穿过通孔25和螺纹孔22，将上盖板4、Z方向弹性薄板组3z和支座2固结在一起。

所述上盖板4开有4个螺纹孔14，用于安装待磨削工件，所述底座1的两端开有4个安装孔9，用于固定检测平台。

如图13所示，为本发明一种三维动态磨削力检测装置及其解耦算法的一个优选实例的弹性薄板安装位姿示意图。X、Y、Z方向弹性薄板组分别安装在三维空间中相互垂直的X、Y、Z三个方向上，即X、Y、Z方向三组弹性薄板组的安装位姿各组之间两两垂直。

如图14所示，为本发明一种三维动态磨削力检测装置及其解耦算法的一个优选实例的弹性薄板与立柱并联关系示意图。立柱6和X、Y、Z方向弹性薄板组均固结在底座1和上盖板4之间，即立柱6和X、Y、Z方向弹性薄板组构成并联连接。

如图11、图12和图15所示，所述弹性薄板组3x、3y、3z包括S1、S2、S3、S4、S5、S6、S7、S8共八个弹性薄板，其中S1、S3在X方向对称分布，组成X方向弹性薄板组3x，用于检测X方向磨削力，S2、S4在Y方向对称分布，组成Y方向弹性薄板组3y，用于检测Y方向磨削力，S5、S6、S7、S8分布在Z方向，组成Z方向弹性薄板组3z，用于检测Z方向磨削力，所述X方向弹性薄板组3x、Y方向弹性薄板组3y、Z方向弹性薄板组3z上设置有电阻应变片粘贴面24，在X、Y、Z向弹性薄板组上所设置的电阻应变片粘贴面24上分别对应粘贴有X方向电阻应变片组5x，Y方向电阻应变片组5y，Z方向电阻应变片组5z，即每个粘贴面24上均粘贴有一个电阻应变片。

当砂轮28对待加工工件27进行磨削加工时，磨削力作用在工件上，通过与工件固结的上盖板4传递到立柱6，引起立柱6产生X、Y、Z三个方向的变形，安装于上盖板4和支座2之间的S1、S2、S3、S4、S5、S6、S7、S8八个弹性薄板，便会受到相应的压缩或拉伸，产生相应的压缩或拉伸变形，贴于其表面的各电阻应变片产生相同的压缩或拉伸变形，输出相应的电阻值变化量R1、R2、R3、R4、R5、R6、R7、R8，电阻值信号经信号调理电路29转化成检测装置三向输出电压信号为：

公式中，K1、K2、K3为转换系数，电压信号由数据采集卡30转化为数字信号传输到PC机31。

如图16、图17所示，为本发明一种三维动态磨削力检测装置的解耦算法的一个优选实施例的基于遗传算法优化的BP神经网络解耦算法原理框图、三维动态磨削力解耦示意图。解耦算法采用BP神经网络解耦模型，BP神经网络网络结构采用3个输入层节点、7个隐含层节点、3个输出节点。根据节点数构建遗传算法的初始种群，种群中每个个体均包含该BP神经网络的所有权值和阀值信息。种群中的个体以BP神经网络训练得到的误差作为适应度值，遗传算法通过对种群个体进行选择、交叉和变异操作找到具有最优适应度的个体，并将该个体作为BP神经网络初始权值和阀值，利用三维动态磨削力检测装置的标定数据进行训练，最终得到基于遗传算法优化的BP神经网络解耦模型。三维动态磨削力检测装置输出的X、Y、Z方向原始测量信号UX、UY、UZ输入到该基于遗传算法优化的BP神经网络解耦模型，进行解耦运算后，得到高精度、低耦合的X、Y、Z方向磨削力信号FX、FY、FZ。

综上所述，便实现了磨削加工时三维动态磨削力的检测。

按照上述实施例，便可较佳地实现本发明。值得说明的是，基于上述设计原理的前提下，为解决同样的技术问题，即使在本发明所公开的结构基础上做出一些无实质性的改动或润色，所采用的技术方案的实质仍然与本发明一样，故其也应当在本发明的保护范围内。