高效、高精度是數(shù)控機(jī)床切削加工永恒的目標(biāo)。實(shí)現(xiàn)切削過(guò)程的自適應(yīng)控制是保證高效、高精度加工的關(guān)鍵。由于切削力比其他信號(hào)，如切削功率、扭矩等，更能快速準(zhǔn)確地反映加工過(guò)程的狀態(tài)變化，且技術(shù)成熟，因此，在數(shù)控切削加工的自適應(yīng)控制主要是對(duì)切削力的檢測(cè)與控制，即控制切削用量使切削過(guò)程處在恒切削力下。切削過(guò)程是一個(gè)極其復(fù)雜、多因素相關(guān)的、高度非線(xiàn)性、強(qiáng)耦合過(guò)程。影響切削加工品質(zhì)和效率的主要因素有刀具磨損、切削溫度、顫振等。這些都會(huì)直接反映到切削精度和效率。因此，在實(shí)際加工中對(duì)于切削過(guò)程的狀態(tài)信息(切削力、切削溫度、振顫、刀具磨損等)監(jiān)控顯得尤為重要，實(shí)現(xiàn)對(duì)切削過(guò)程中的多參數(shù)自適應(yīng)控制，使CNC機(jī)床的切削過(guò)程處于或接近最優(yōu)狀態(tài)。

1 隱馬爾科夫模型(HMM)簡(jiǎn)介

　　隱馬爾科夫模型(Hidden Markov Model，HMM)是對(duì)馬爾科夫模型的一種擴(kuò)充。隱馬爾科夫模型的基本理論形成于上世紀(jì)60年代末期和70年代初期。自20世紀(jì)80年代以來(lái)，HMM被應(yīng)用于語(yǔ)音識(shí)別，取得重大成功。到了90年代，HMM還被引入計(jì)算機(jī)文字識(shí)別和移動(dòng)通信核心技術(shù)“多用戶(hù)的檢測(cè)”。近年來(lái)，HMM在生物信息科學(xué)、故障診斷等領(lǐng)域也開(kāi)始得到應(yīng)用。隱馬爾科夫模型在計(jì)算語(yǔ)言學(xué)中有著廣泛的應(yīng)用，例如隱馬爾科夫模型在詞類(lèi)自動(dòng)標(biāo)注中的應(yīng)用。

　　隱馬爾可夫模型是馬爾可夫鏈的一種，其狀態(tài)不能直接被觀察到，但能通過(guò)觀測(cè)向量序列觀察到，每個(gè)觀測(cè)向量都是通過(guò)某些概率密度分布表現(xiàn)為各種狀態(tài)，每一個(gè)觀測(cè)向量是由一個(gè)具有相應(yīng)概率密度分布的狀態(tài)序列產(chǎn)生。所以，隱馬爾可夫模型是一個(gè)雙重隨機(jī)過(guò)程，具有一定狀態(tài)數(shù)的隱馬爾可夫鏈和顯示隨機(jī)函數(shù)集。其中馬爾科夫鏈描述了狀態(tài)的轉(zhuǎn)移，一般用轉(zhuǎn)移概率矩陣描述；而一般隨機(jī)過(guò)程描述狀態(tài)和觀測(cè)序列間的關(guān)系，用觀察概率矩陣描述。

2 加工過(guò)程的自適應(yīng)控制

　　加工過(guò)程自適應(yīng)控制的研究自60年代初經(jīng)歷了近50年的歷程，一直受到許多研究者的重視，并取得許多研究成果，但至今在工業(yè)上仍未得到廣泛應(yīng)用。這是由于刀具磨損速率(TWR)采用線(xiàn)性模型，不能充分反映刀具磨損特征，傳統(tǒng)自適應(yīng)控制依賴(lài)于過(guò)程模型，而加工過(guò)程由于加工參數(shù)的影響而具有嚴(yán)重的不確定性和時(shí)變性，因此，加工過(guò)程的傳統(tǒng)自適應(yīng)控制難以達(dá)到要求。其中具有代表性的控制方法主要有：

　　(1)基于刀具磨損速率模型，并在線(xiàn)調(diào)整優(yōu)化切削用量達(dá)到切削過(guò)程的最優(yōu)化目的的優(yōu)化型自適應(yīng)控制(ACO)；

　　(2)基于切削力模型的模型參考約束型自適應(yīng)控制(ACC)。

　　其中，基于刀具磨損速率模型的(ACO)、刀具磨損方程和模型的可靠性與有效性是問(wèn)題的關(guān)鍵。研究具有自適應(yīng)、自組織刀具磨損識(shí)別與建模性能的自適應(yīng)控制技術(shù)一直是其難點(diǎn)，至今未能解決；基于切削力模型的ACC約束自適應(yīng)控制方案是以切削力為控制基準(zhǔn)，所以切削力模型的可靠性是關(guān)鍵；具有自適應(yīng)、模型辨識(shí)和自學(xué)習(xí)能力的ACC將能有效地提高系統(tǒng)的可靠性，并擴(kuò)大工業(yè)生產(chǎn)的應(yīng)用前景。

　　從以上分析來(lái)看，由于傳統(tǒng)的自適應(yīng)控制過(guò)分依賴(lài)于過(guò)程模型，使智能控制不依賴(lài)于模型的本質(zhì)成為加工過(guò)程自適應(yīng)控制的有效途徑。與傳統(tǒng)的控制方法相比，模糊控制具有無(wú)需對(duì)被控對(duì)象進(jìn)行精確的數(shù)學(xué)建模、尤其適應(yīng)于非確定性和非線(xiàn)性系統(tǒng)等優(yōu)點(diǎn)。因此，模糊控制方法在加工過(guò)程自適應(yīng)控制中得到了大量的研究和應(yīng)用。以恒切削力銑削加工為例，輸入變量一般取兩個(gè)，分別為切削力誤差(實(shí)測(cè)力和參考力的誤差)和誤差變化率(切削力誤差的一階差分)，輸出變量取一個(gè)或兩個(gè)，即進(jìn)給率增量域進(jìn)給率增量和主軸速度增量嘲。模糊控制規(guī)則的形成一般基于經(jīng)驗(yàn)和知識(shí)域傳統(tǒng)自適應(yīng)控制的實(shí)驗(yàn)結(jié)果。但是基于切削力模型的ACC約束自適應(yīng)控制對(duì)切削力模型的可靠性及精度要求很高，又由于加工過(guò)程具有隨機(jī)因素多、時(shí)變參數(shù)多、非線(xiàn)性程度高等特點(diǎn)，難以建立其精確的數(shù)學(xué)模型。因此，用傳統(tǒng)的、基于被控對(duì)象精確數(shù)學(xué)模型的控制方法不能獲得良好的控制效果，實(shí)用性受到限制。

3 HMM在實(shí)際切削過(guò)程最優(yōu)化控制中的應(yīng)用

　　實(shí)際的切削過(guò)程是一個(gè)極其復(fù)雜、多因素相關(guān)的高度非線(xiàn)性、強(qiáng)耦合過(guò)程。刀具磨損、顫振等對(duì)切削過(guò)程的影響而使切削過(guò)程模型具有嚴(yán)重的不確定性和時(shí)變性。因此，開(kāi)展具有多參數(shù)自適應(yīng)控制的研究，利用隱馬爾可夫模型(Hidden Markov Models簡(jiǎn)稱(chēng)HMM進(jìn)行信息模式識(shí)別，對(duì)切削過(guò)程中的刀具的磨損過(guò)程進(jìn)行實(shí)時(shí)監(jiān)測(cè)和預(yù)報(bào)，建立在線(xiàn)識(shí)別刀具磨損速率模型，對(duì)顫振進(jìn)行監(jiān)測(cè)和預(yù)報(bào)，并且對(duì)切削過(guò)程模型進(jìn)行不斷地校正，將HMM信息模式識(shí)別技術(shù)應(yīng)用于切削過(guò)程的自適應(yīng)控制，建立不依賴(lài)于被控對(duì)象精確數(shù)學(xué)模型的控制方法，優(yōu)化切削用量使加工過(guò)程為最優(yōu)，具有重要的理論意義和現(xiàn)實(shí)意義。

4 國(guó)內(nèi)外研究現(xiàn)狀分析

　　由于切削過(guò)程的振動(dòng)信號(hào)和噪聲中蘊(yùn)含著大量豐富切削過(guò)程發(fā)展的狀態(tài)信息，物理含義清晰，其特征與切削過(guò)程發(fā)展之間存在著很強(qiáng)的因果關(guān)系，因此，基于振動(dòng)和噪聲的刀具磨損過(guò)程及顫振發(fā)展、發(fā)生的預(yù)報(bào)方法是最常用的一種方法。切削過(guò)程發(fā)展的狀態(tài)預(yù)報(bào)及顫振發(fā)展、發(fā)生的診斷問(wèn)題往往可歸結(jié)為一個(gè)模式識(shí)別問(wèn)題。模式識(shí)別的精度直接取決于能否有效準(zhǔn)確的提取信號(hào)的特征，另外和表現(xiàn)故障模式的機(jī)器學(xué)習(xí)方法有關(guān)。

　　HMM作為一種信號(hào)動(dòng)態(tài)時(shí)間序列統(tǒng)計(jì)模型，已經(jīng)在信號(hào)處理領(lǐng)域，特別是在語(yǔ)音處理中得到了廣泛的應(yīng)用。HMM基本理論是在70年代左右由Baum等人創(chuàng)立的，Baker和Jehnek習(xí)等人將其成功地應(yīng)用到了語(yǔ)音識(shí)別之中，迄今仍然是語(yǔ)音處理與識(shí)別的主流技術(shù)，并且在計(jì)算語(yǔ)言學(xué)中得到了重要的應(yīng)用。HMM由兩個(gè)相互關(guān)聯(lián)的兩個(gè)隨機(jī)過(guò)程共同描述信號(hào)的統(tǒng)計(jì)特性，其中一個(gè)是隱藏的(不可觀測(cè))具有有限狀態(tài)的Markov鏈，另一個(gè)是與Markov鏈的每一個(gè)狀態(tài)相關(guān)聯(lián)的觀測(cè)矢量的隨機(jī)過(guò)程(可觀測(cè))。隱藏的Markov鏈主要由觀測(cè)到的信號(hào)特征來(lái)揭示，這樣HMM具有細(xì)致的結(jié)構(gòu)并建立在堅(jiān)實(shí)的統(tǒng)計(jì)學(xué)基礎(chǔ)之上。而振動(dòng)和噪聲信號(hào)和語(yǔ)音信號(hào)在結(jié)構(gòu)和表現(xiàn)形式上具有類(lèi)似性，因此HMM在機(jī)械故障診斷中也可發(fā)揮出良好的效果。

　　近年來(lái)，HMM在切削過(guò)程狀態(tài)監(jiān)測(cè)、故障發(fā)展過(guò)程進(jìn)行實(shí)時(shí)監(jiān)測(cè)方面的研究成果已經(jīng)有一些文獻(xiàn)報(bào)道。例如，有些文獻(xiàn)報(bào)道了應(yīng)用HMM對(duì)切削工具磨損過(guò)程狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)的方法和實(shí)驗(yàn)結(jié)果；西安理工大學(xué)的鄭建明博士完成了“基于HMM的多特征融合鉆頭磨損監(jiān)測(cè)技術(shù)的研究”；報(bào)道了基于HMM，利用振動(dòng)信號(hào)對(duì)切削過(guò)程顫振進(jìn)行成功監(jiān)測(cè)與預(yù)報(bào)的方法和實(shí)驗(yàn)結(jié)果，這些成果為研究項(xiàng)目奠定了堅(jiān)實(shí)的理論基礎(chǔ)。項(xiàng)目組成員，參加完成了國(guó)家自然科學(xué)基金項(xiàng)目“基于多源信息融合的數(shù)控設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷研究(項(xiàng)目編號(hào)：51075220)”、“基于DHMM-SVM的非平穩(wěn)故障診斷的方法研究(50405023)”，并主持國(guó)家民委重點(diǎn)科研課題“CNC機(jī)床切削過(guò)程的參數(shù)智能檢測(cè)”，發(fā)表了相關(guān)文章十余篇。

5 結(jié)束語(yǔ)

　　應(yīng)用隱馬爾可夫模型模式識(shí)別理論和方法在線(xiàn)識(shí)別刀具磨損速率，建立模型對(duì)刀具磨損進(jìn)行預(yù)報(bào)，并對(duì)切削過(guò)程中的顫振進(jìn)行預(yù)報(bào)，更準(zhǔn)確地判斷實(shí)時(shí)工況和狀態(tài)信息，并采用神經(jīng)網(wǎng)絡(luò)多參數(shù)融合技術(shù)棚對(duì)切削過(guò)程模型進(jìn)行不斷地校正；建立不依賴(lài)于被控對(duì)象精確數(shù)學(xué)模型的控制方法，使切削過(guò)程的自適應(yīng)控制具有廣大的工業(yè)生產(chǎn)的應(yīng)用前景。這也將推動(dòng)基于刀具磨損速率模型、優(yōu)化型自適應(yīng)控制(ACO)的發(fā)展。