毕长波,王宇浩,马廉洁,蔡重延,李 孛,张东升,吕 鑫,孙智超,邓 航

(1.东北大学秦皇岛分校 控制工程学院，河北 秦皇岛 066004；2.绥中明晖工业技术有限公司，辽宁 葫芦岛 125205；3.秦皇岛鸿泰科技股份有限公司，河北 秦皇岛 066000)

0 引言

切削过程中，刀具磨损对表面质量和加工成本影响较大,可加工陶瓷切削过程中刀具磨损尤为严重。可加工陶瓷因其优良的性能而被广泛应用[1]，其硬脆性增加了加工难度[2]，目前该材料的主要加工方式还是磨削[3]。与其有关的车削加工研究较少。

BP神经网络是一种预测、拟合、分类能力很强的智能算法[4]，但其易陷入局部极小值。高宇航[5]利用附加动量的方法改善BP神经网络的性能。Ma等[6]利用BP神经网络和有限元分析证明了切削速度和进给量是影响切削力的主要因素。赵淑军等[7]在BP神经网络的基础上，优化了整体式立铣刀的结构参数。遗传算法具有很强的全局搜索能力，用来改进神经网络具有很好的效果。王清洁等[8]利用遗传算法、BP神经网络、灰色预测的组合算法预测了金属切削力进行。马廉洁等[9]使用PSO算法改进BP神经网络优化求解磨削参数。

目前对于刀具磨损的研究主要集中于刀具磨损状态诊断，在线监测等方面。Ubhayaratne等[10]用音频信号分析技术检测了刀具磨损。Seemuang等[11]在主轴噪声检测刀具磨损的基础上，对不同切削参数下的刀具磨损量进行了分析。陈斌等[12]利用响应曲面法实现了刀具磨损量和切削参数间的建模。上述关于刀具磨损的研究主要局限在金属等塑性材料，目前对陶瓷等脆性材料切削时的刀具磨损理论建模的研究较少。……