本发明涉及一种铣削温度及铣削振动的同步采集系统及铣削温度与铣削参数及铣削振动之间进行灰色关联分析系统及方法，属于机械加工领域。
背景技术：
在实际的铣削加工过程中，工件与刀具之间的直接接触会产生大量的热及强烈的振动，较高的铣削温度会加剧刀具的磨损，缩短刀具的使用寿命，铣削振动的存在同时也会加剧刀具的磨损，并使铣削温度升高。因此，研究铣削振动及相关铣削参数对铣削温度的影响显得尤为重要。近年来，众多学者专家对切削温度进行了试验分析和模型建立研究，影响铣削温度的因素有很多，但是有较少的文献建立铣削温度关于铣削参数及铣削振动的多因素预测模型。因此，需要设计出一种融合多因素的铣削温度灰色预测模型，为铣削加工状态的监测提供合理的经验公式指导，所得模型也可以为他人通过数值模拟研究铣削刀具的热学-振动耦合特性提供一个必须的状态方程。
技术实现要素：
本发明提供一种铣削温度和铣削振动的同步采集系统，基于对温度信号及振动信号进行时域分析，获得温度均值和三向振动加速度均方根值等信号特征值；结合试验数据和灰色关联理论，分析铣削参数如铣削速度、进给速度和铣削深度对铣削温度的显著性，铣削温度与铣削振动之间的关联性；结合灰色预测理论，建立一种gm(0,n)灰色预测模型来建立铣削温度的多元回归模型，使得温度预测值更具可靠性，对于铣削参数的选择、铣削刀具的更换、铣削热-力-振动耦合特性的数值模拟研究等有着重要的指导意义。
为完成gm(0,n)灰色预测模型的建立，具体步骤如下：
步骤一：按设定的铣削参数完成铣削试验
基于正交试验方法，设计铣削参数，拟定铣削试验方案，完成不同铣削参数下的铣削试验，在铣削试验过程中，同步采集温度和三向振动时域信号；
步骤二：提取温度、振动信号的特征值
对温度和振动信号进行时域分析，得到温度信号及振动信号的时域曲线，经过预处理后，得到温度均值及三向振动加速度均方根值；将各次试验的铣削参数、温度平均值及三向振动加速度均方根值整理到一个表格中，其中，铣削参数包括铣削速度、进给速度和铣削深度；
步骤三：分析最显著性铣削参数
基于灰色相对关联度理论，分别计算出铣削温度均值与铣削速度、进给速度及铣削深度之间的灰色相对关联度，相对灰色关联度的值越大，表明该参数的影响越大，由此分析最显著性铣削参数；
步骤四：分析铣削温度及铣削振动之间的关联性
基于灰色相对关联度理论，分别计算出铣削温度与三向振动加速度之间的灰色相对关联度，若灰色相对关联度的值较大，则表明铣削温度与三向振动加速度之间的关联性较大；
步骤五：建立gm(0,n)灰色预测模型
基于铣削试验数据与gm(0,n)灰色模型理论，建立铣削温度均值关于铣削参数和三向振动加速度之间的灰色预测模型，计算出相关系数r、残差的值及预测值；
步骤六：分析预测模型的可靠性
基于步骤五，可以得到各个模型的相关性系数r的值，根据r值的判断，可以对预测结果的可靠性进行分析。一般来说，相关性系数r的值越大，可靠性越高；
与现有技术相比，本发明的有益技术效果：
本发明的优点在于基于给定的铣削刀具，在设定的铣削参数的铣削过程中，由flir热像仪采集刀具顶端的温度信号，由三向振动加速度传感采集振动信号；基于灰色关联分析理论，分析影响铣削温度的最显著性铣削参数如铣削速度、进给速度及铣削温度等，同时对铣削温度与铣削振动之间进行灰色关联分析；基于gm(0,n)灰色模型，建立一种铣削温度gm(0,n)灰色预测模型，该方法综合考虑了铣削参数及铣削振动对铣削温度的影响，建立多元影响因子的灰色预测模型，该预测公式可以为计算分析铣削热力耦合特性提供一个本构方程。该方法可以实现在无试验和加工情况下预测铣削温度情况，在一定程度上可以降低试验和生产成本。
附图说明
图1为本发明中铣削温度与多元影响因子的关联分析方法的原理示意图；
图2为本发明中铣削温度的时间-温度历程曲线图；
图3为本发明中铣削振动的时间-三向振动加速度历程曲线图；
图4为本发明中铣削温度与铣削振动的总体变化特征曲线图；
图5为本发明中gm(0,n)灰色预测铣削温度的实际测量值与预测值的对比曲线图，从左到右依次是x向、y向、z向。
具体实施方式：
下面结合附图对本发明进行进一步说明。
实施例1
铣削温度与多元影响因子的关联分析方法建立过程如下：
步骤一：基于正交试验方案，搭建铣削试验系统
搭建如图1所示的铣削温度与铣削振动同步采集系统，该采集系统包括数控机床与工件系统，铣削温度测量系统及铣削振动测量系统；所述数控机床与工件系统主要用来完成对钛合金工件的加工；所述铣削温度测量系统，主要通过flir热像仪完成对铣削刀具顶端温度的采集；所述铣削振动测量系统主要通过三向振动加速度传感器实现三向振动加速度信号的采集，所述三向振动分别为铣削宽度(x)方向、铣削进给速度(y)方向及铣削深度(z)方向。
本发明采用干铣削方式，采集时间为60s，按照表1的正交试验方案，一共进行16次钛合金铣削试验。表1中n为主轴转速，vf为进给速度，ap为铣削深度。
表1铣削正交试验方案
步骤二：提取温度、振动信号的特征值
对采集到的温度信号及振动信号进行时域处理，得到温度均值及三向振动加速度均方根值，所得特征值用于后续分析铣削温度与铣削振动之间的关联性及建立融合多因素的铣削温度预测模型，试验处理结果如表2所示。表2中，v为铣削速度，armsx,armsy,armsz为三向振动加速度均方根值，t为温度均值。
表2试验数据
步骤三：分析最显著性铣削参数
基于表2试验数据及灰色相对关联度理论，分别计算出铣削温度均值与铣削速度、进给速度及铣削深度之间的灰色相对关联度，相对灰色关联度的值越大，表明该参数的影响越大，由此分析最显著性铣削参数；首先，为了消除量纲，先求出铣削温度及铣削参数即铣削速度、进给速度和铣削深度的平均值，再用各次试验的测量的实际值除以对应的均值，即可得到各个试验参数的均值像。记铣削温度均值像为x0，铣削速度均值像为x1，进给速度均值像为x2，铣削深度均值像为x3；为找出影响最大的量，选用灰色关联理论进行分析，相应的灰色相对关联度计算公式如下所示：
其中，
式中对应
基于matlab软件及编程，可以求出各个灰色相对关联度的值，如表3所示：
表3灰色相对关联度计算结果
由表3可知，铣削温度与三个铣削参数之间的相对灰色关联度均达到了0.8以上，这个现象说明了铣削参数对铣削温度的影响很大。其中，铣削温度与铣削速度之间的灰色相对关联度最大，因此，铣削速度的影响最大，进给速度次之，铣削深度最小。
步骤四：分析铣削温度及铣削振动之间的关联性
结合试验数据，可以绘制出铣削温度与铣削振动的总体变化特征曲线，如图4所示；基于灰色相对关联度理论，分别计算出铣削温度与三向振动加速度之间的灰色相对关联度，若灰色相对关联度的值较大，则表明铣削温度与三向振动加速度之间的关联性较大；为了消除量纲，先求出铣削温度及三向振动即armsx,armsy,armsz的平均值，再用各次试验的测量的实际值除以对应的均值，即可得到各个试验参数的均值像。记铣削温度均值像为x0，armsx均值像为x4，armsy均值像为x5，armsz均值像为x6；结合处理过的铣削温度与铣削深度均值像，可以绘制其均值像的瀑布图。为找出影响最大的量，选用灰色关联理论进行分析，如步骤三，可以得出铣削温度与三向振动之间的灰色相对关联度，如表4所示。
表4灰色相对关联度计算结果
由表4可知，铣削温度与铣削三向振动之间的灰色相对关联度达到了0.7以上，说明铣削温度与铣削振动之间具有一定的关联性，且铣削温度与铣削三向振动之间的灰色相对关联度相差较小。
步骤五：建立gm(0,n)灰色预测模型
基于铣削试验数据与gm(0,n)灰色模型理论，建立铣削温度均值关于铣削参数和三向振动加速度之间的灰色预测模型，计算出相关系数r、残差的值及预测值；
系统行为特征序列为温度均值序列，即：
铣削速度因素序列为：
进给速度因素序列为：
铣削深度因素序列为：
x向振动加速度均方根值因素序列为：
y向振动加速度均方根值因素序列为：
z向振动加速度均方根值因素序列为：
建立的gm(0,n)灰色预测模型为：
式中，k为第k次，
即：
以灰色预测模型公式1-1为例，将待求参数b2,b3,b4,b5,a转化为参数向量，即：
其中y,b分别为：
因此，通过matlab求解，可以得出相关系数及相关性r的值，如表5所示：
表5灰色预测模型结果表
可以得到三个gm(0,n)灰色预测模型为：
由此可得灰色预测模型预测值及残差值如表6-8所示：
表6模型(1)预测结果
表7模型(2)预测结果
表8模型(3)预测结果
基于matlab软件，可以绘制出gm(0,n)灰色预测铣削温度的实际测量值与预测值的对比曲线图，如图5所示。
由表5中相关性系数r的值均在0.80以上及铣削温度的实际测量值与预测值曲线的吻合度较高可知，gm(0,n)灰色预测模型用来预测铣削温度的值较为可靠。
1.一种铣削温度与多元影响因子的关联分析系统，其特征在于：包括数控机床和工件系统，振动信号采集系统，温度信号采集系统，灰色关联分析系统；所述数控机床和工件系统主要包括数控铣床、铣削刀具和被加工工件；所述振动信号采集系统主要包括三向振动加速度传感器、电荷放大器、高速数据采集仪及安装有采集软件的计算机，用来获取工件在加工过程中工件附近的振动信号；所述温度信号采集系统主要包括flir热像仪及安装有采集软件的计算机，用来获取铣削加工过程中铣削刀具顶端的温度信号。
2.根据权利要求1所述一种铣削温度与多元影响因子的关联分析系统，其特征在于：所述数控机床和工件系统的数控机床为xka714型数控铣床，铣刀为硬质合金四刃立铣刀，安装在立式数控铣床的主轴上，被加工工件为钛合金方体，通过台钳装夹在数控铣床的机床工作台上；所述振动信号采集系统的三向振动加速度传感器为yd-21型压电式三向加速度传感器，该加速度传感器的x,y,z向分别与三个电荷放大器连接，使振动信号转换成电压信号输入到高速数据采集仪中；所述温度信号采集系统的flir热像仪固定在距离铣削刀具一定距离的三脚架上；所述灰色关联分析系统主要用来分析铣削参数如铣削速度、进给速度及铣削深度对铣削温度的影响，以找出影响最大的因素，另外对铣削温度与铣削振动之间进行关联性分析；所述gm(0,n)灰色预测模型系统主要用来预测铣削温度。
3.一种铣削温度与多元影响因子的关联分析方法，其特征在于：所述铣削温度与多元影响因子的关联分析方法的建立步骤如下：
步骤一：按设定的铣削参数完成铣削试验
基于正交试验方法，设计铣削参数，拟定铣削试验方案，完成不同铣削参数下的铣削试验，在铣削试验过程中，同步采集温度和三向振动时域信号；
步骤二：提取温度、振动信号的特征值
对温度和振动信号进行时域分析，得到温度信号及振动信号的时域曲线，经过预处理后，得到温度均值及三向振动加速度均方根值；将各次试验的铣削参数、温度平均值及三向振动加速度均方根值整理到一个表格中，其中，铣削参数包括铣削速度、进给速度和铣削深度；
步骤三：分析最显著性铣削参数
基于灰色相对关联度理论，分别计算出铣削温度均值与铣削速度、进给速度及铣削深度之间的灰色相对关联度，相对灰色关联度的值越大，表明该参数的影响越大，由此分析最显著性铣削参数；
步骤四：分析铣削温度及铣削振动之间的关联性
基于灰色相对关联度理论，分别计算出铣削温度与三向振动加速度之间的灰色相对关联度，若灰色相对关联度的值较大，则表明铣削温度与三向振动加速度之间的关联性较大；
步骤五：建立gm(0,n)灰色预测模型
基于铣削试验数据与gm(0,n)灰色模型理论，建立铣削温度均值关于铣削参数和三向振动加速度之间的灰色预测模型，计算出相关系数r、残差的值及预测值；
步骤六：分析预测模型的可靠性
基于步骤五，可以得到各个模型的相关性系数r的值，根据r值的判断，可以对预测结果的可靠性进行分析；相关性系数r的值越大，可靠性越高；
4.根据权利要求3所述的方法，其特征在于：
所述在步骤三和步骤四中，所述灰色相对关联度的计算公式为：
其中，
式中对应
在步骤五中，建立的gm(0,n)灰色预测模型为：
式中，k为第k次试验，
即：
5.根据权利要求3所述的方法，其特征在于：
所述步骤五～步骤六中，相关性系数r主要用来验证建立的预测模型的可靠性，计算公式为：
其中，xi为温度实际测量数据序列，yi为温度预测数据序列，一般取值
