周友行，董银松，张海华，郭辉

(湘潭大学 机械工程学院，湖南 湘潭，411105)

在高精度孔系类零件加工过程中，如何保证批量钻孔质量是机械加工过程的重要问题。现有批量钻削质量检测方式仍采用加工后抽检，然后对批量质量进行统计分析和评估。这种抽检方式较随意，难以对钻孔进行逐一检测，可能存在严重质量隐患。目前，对高精度孔系类零件批量钻削质量方面的研究一般采用传感器监控钻削过程，或者研发高效钻削的刀具材料以及改进钻头的结构来提高钻削加工稳定性[1−3]。钻削工序质量是对钻削过程的一种评价，与钻削过程中出现的各种现象密切相关。应用传感器监测钻削过程时，传感器信号信息丰富，而且隐含着钻削加工质量相关信息[4−7]。若能提取各钻孔工序监控信号与工序质量密切相关的数据，组成1个数据库，则通过聚类分析方法[8−10]将数据库中的数据进行分类，将批量钻孔工序分为若干类，为加工后批量钻孔工序质量的人工抽检提供理论依据，解决人工检测抽检方式随意性的问题，实时分析各工序质量的分布规律，改变切削参数，保证批量工序的加工质量。随着钻削工序的增加，批量钻削工序信号数据库中的数据也在不断变化。采用普通聚类算法时，每增加1组数据，算法都要重新检索所有的数据，重新聚类，所耗时间长，而且没有利用前一次的聚类结果信息。InDBSCAN算法其聚类结果与数据点的输入顺序无关，对噪声点亦不敏感，聚类速度较快[11−13]。……