近年來，數字孿生等新興技術在制造領域中的應用研究受到瞭廣泛重視，在全球工業智能化轉型的背景下，數字孿生成為智能制造領域的熱門話題，並且在數控機床領域具有廣闊的應用前景。數字孿生體被定義為模擬單個或一組物理實體的結構、聯系和行為的虛擬鏡像，其在整個生命周期中使用來自物理孿生的數據進行動態更新，能夠有效解決智能制造的信息物理融合難題，可以通過實時數據和算法模型來模擬、驗證、預測和控制物理實體的整個生命周期，並提供決策性信息。然而，如何將數字孿生技術實現落地應用仍然是近年來的重要問題。

機床的顫振是影響加工精度和工件質量的重要因素，然而，精密加工中的顫振預測及其特征分析仍然有待解決。針對上述問題，清華大學深圳國際研究生院先進制造團隊的王曉浩、馮平法、張旻、馮峰等教師展開瞭一系列數字孿生技術助力數控機床領域發展的研究工作。首先，針對傳統穩定性葉瓣圖（Stability Lobe Diagram, SLD）的準確性時常因為加工參數變化而降低的問題，團隊提出瞭一種數字孿生模型，實現瞭薄壁件在加工過程中顫振的快速識別以及抑制。數字孿生模型由三個部分組成：物理機床及其加工過程、對應的孿生體和兩者之間的數據傳輸。在加工過程中，切削力、主軸振動、切削噪音等傳感器信號和轉速、進給、切深等數控系統設定參數通過有線的方式傳輸至孿生體。在孿生體中，顫振識別和優化模型對上述數據進行分析，計算出可抑制顫振發生的加工參數並反饋指導機床加工。

圖1.薄壁件加工過程的數字孿生體框架

在參數優化子模型中，根據基於實時刀具和工件模態參數構建的實時動態葉瓣圖，可以實時得出有效的抑制顫振的加工參數，與傳統的基於靜態葉瓣圖的抑制顫振的方法相比，該基於動態葉瓣圖的做法更能反映真實的加工情況，因此具有更好的抑制性能。經實驗驗證，該數字孿生模型比傳統的靜態穩定性葉瓣圖方法能夠更有效地預測和抑制顫振。上述研究成果以“數字孿生驅動的薄壁件加工過程中的顫振抑制”（Digital modeling-driven chatter suppression for thin-walled part manufacturing）為題發表在先進制造技術領域期刊《智能制造》（Journal of Intelligent Manufacturing）上。該論文的共同第一作者為深圳國際研究生院2019級博士生周果和2021級博士生周凱，通訊作者為張旻副研究員和馮峰副教授。

9043944a270576b4c5b16d7e42c724e5圖2.數字孿生模型的顫振抑制算法框架

另外，先進制造團隊還針對機床顫振的數字孿生技術提出瞭一種新型的顫振量化算法，並使用該算法對端銑的工件表面進行瞭系統分析，從圖像中提取兩類量化參數。根據參數值可以將加工狀態分為穩定、強迫振動和顫振加工等類型，並進一步將顫振的劇烈程度劃分成四個等級。該研究不同於前人普遍采用的僅識別顫振的“發生”或者“未發生”的二值化思維方式，而是更加關註顫振“劇烈程度”的演變。該研究思路基於實驗中發現的顫振存在的演化過程，采用分級的方式衡量顫振的劇烈程度，以利於對顫振的機理分析，從而進一步完善顫振的理論模型。論文所提出的算法具有良好的顫振量化性能，並基於此開發瞭視覺模塊可進一步應用於數字孿生系統中。該研究成果以“一種基於表面分析的顫振量化和銑削不穩定性分類新算法”（A new algorithm for chatter quantification and milling instability classification based on surface analysis）為題發表於先進制造技術領域期刊《機械系統和信號處理》（Mechanical Systems and Signal Processing）上。該論文的共同第一作者為深圳國際研究生院2019級博士生周果和2020級碩士生袁夢，通訊作者為馮峰副教授和張旻副研究員。

圖3.可用於數字孿生模型的顫振分級算法流程圖

先進制造團隊開展的上述研究工作面向數字孿生的制造裝備狀態追蹤預測技術，有望實現集加工過程可視化、健康狀態監測模型、加工質量預測與控制模型、安全控制模型於一體的制造裝備實時狀態追蹤預測系統，從而使數控機床具備更高的生產效率、加工精度、安全性以及更低的生產成本，推動智能制造裝備的發展。上述兩項研究得到國傢自然科學基金、廣東省自然科學基金和深圳市高等院校穩定支持重點項目的支持。

論文鏈接：

http://doi.org/10.1007/s10845-022-02045-5

http://doi.org/10.1016/j.ymssp.2023.110816

來源：清華大學

鏈接：曬科網