钛合金切削过程中热-力耦合显著、受力波动频繁、刀具磨损加速，采用固定切削参数难以在全程加工中保持稳定的加工质量。现有方法多依赖离线实验或单变量优化，无法应对工况变化带来的参数失配问题。在此背景下，引入自适应控制理念，通过实时获取切削力、振动与主轴负载特征，结合响应模型与多目标优化，实现加工参数的动态匹配与稳态保持。本文构建了可在实际机床上执行的闭环调参机制，旨在提升钛合金精密加工的稳定性与加工效率。
1、钛合金数控精密切削特性分析
1.1 材料切削性能与加工难点
钛合金切削过程中易出现高温集中、刀屑黏附与应变速率突变，导致切削力呈周期性波动，影响受力稳定性。材料的低导热率导致大量热量在切屑界面处滞留，使前刀面黏结区扩大并强化表层硬化效应，加剧局部塑性变形。高速条件下界面冲击载荷增强，使切削力分量呈非线性变化，其表达式为
式中：F为主切削力；h为切削厚度；v为切削速度；b为切削深度；K为综合材料系数；m、n为指数参数。
切削厚度h的微小波动会放大F的不稳定性。材料强度随温度变化不明显，使刀具磨损以崩刃与月牙洼复合作用为主，对参数稳态控制提出更高要求。
1.2 固定切削参数在实际加工中的局限性
固定参数在批量加工中无法动态响应载荷、刀具磨损和热变形的变化。随着加工阶段的推进，切削厚度偏差和主切削力波动逐渐增大，导致表面质量和表面粗糙度Ra的稳定性下降。硬点、组织差异与积屑瘤的形成进一步加剧刀具受力不均，导致固定给定值无法维持恒定切削状态。机床刚度衰减、夹持松动及局部热漂移等因素又使原设定参数偏离最优区间，引发效率下降与刀具提前失效。实际加工表明，固定参数难以适配钛合金复杂、变化快的环境，必须通过自适应监测与实时调参机制补偿这些动态偏移。
2、自适应控制系统构建
2.1 系统架构与传感器配置
系统由数据采集层、实时分析层及执行控制层组成。数据采集层由三维力传感器、主轴功率传感器及加速度计构成，用于获得切削力、主轴负载与振动等关键量。实时分析层负责完成信号同步、特征提取及参数偏差判断，并与控制器保持周期通信。执行控制层通过伺服单元和计算机数控(CNC)接口完成进给量与主轴转速的自动更新，实现在线调参。
（总体架构与信号流向，包括传感器布置位置、数据链路及调参指令回路）
该结构可确保数据流可追踪、延迟可控，使系统具备在不同切削阶段动态识别负载变化并驱动参数修正的能力。
2.2 切削参数实时采集策略
切削参数的实时采集以高频同步获取力、电、振动和声发射信号为核心，旨在准确捕捉切削状态变化并为自适应调参提供可用特征。系统以统一时钟触发多通道采集，确保主轴电流、三向切削力和振动加速度保持采样同步，避免特征计算误差。原始信号在前端通过带通滤波与去噪算法抑制机床背景噪声，再由短时窗口提取均方根值、能量谱与冲击脉冲特征。其中，力与振动信号的综合特征值 S(t)表示为
式中： x i 为采样点值；N为窗口长度。该特征能反映切削负载与稳定性的瞬态变化。经特征计算后，系统基于阈值偏移量与梯度趋势判断工况变化，并将结果传输至控制器，用于后续调参决策。该策略可确保采集数据具有实时性与可解释性，为动态控制奠定基础。
2.3 自适应控制算法与调参策略设计
自适应控制算法以“负载偏移量—特征趋势—增量调参”作为核心逻辑，通过连续分析切削力、主轴电流与振动特征的变化率，判断加工状态是否偏离稳态工作区。系统以特征偏移量 ΔS(t)作为调参依据，根据其正负方向与变化速度实现进给量与切削速度的动态修正。调参采用增量式控制律，避免因参数跳变引入新的冲击载荷，其表达式为
式中： Δv(t)为切削速度的调节增量； k p 、k d 分别为比例与微分系数。算法根据负载变化趋势自动调节参数边界，确保在避免过度切削的前提下维持加工效率与稳态控制。调参结果经安全限幅处理后传输至数控系统，实现实时调整进给速度与切削速度。该策略兼顾了响应速度与稳定性，使加工过程在负载波动、刀具磨损和材料组织变化下仍能保持受力与温度场的可控性。
3、切削参数优化方法
3.1 优化目标与约束条件
钛合金切削过程受热-力耦合、刀具磨损速率与材料组织差异共同影响，使各切削参数对加工质量和稳定性的敏感性显著提高。因此，参数优化需以切削负载平稳性、表面完整性与材料去除效率的综合提升作为核心目标，兼顾刀具磨损与机床动态能力。根据前述切削特征及实验得到的敏感性规律，构建多目标优化函数，表达式为
式中：J为多目标综合优化函数值；Ra为表面粗糙度；V为刀具磨损宽度；M为材料去除率； w 1 ∼ w 4 为不同加工阶段的可调权重，用于在精加工与粗加工中自动切换优化侧重点。
参数优化过程受实际加工条件约束，包括主轴功率与扭矩不超过机床额定能力、刀具温升与磨损水平处于允许范围、进给量与切削速度满足机床运动学极限以及加工稳定性指标不进入颤振或冲击不稳定区间。此外，为应对负载漂移与瞬态冲击，优化过程限定在由自适应采集特征构建的可行域内。当实测偏移量超出稳定区间时，系统自动触发参数回退策略，从而确保优化搜索始终保持在安全域与有效解空间之间的动态平衡。
3.2 参数响应模型建立
为实现对切削力、表面粗糙度与刀具磨损的可预测调控，需要构建能够准确反映工艺参数耦合关系的响应模型。依据正交实验与实时特征数据，选取切削速度v、进给量f、切削深度b为主要影响变量，以主切削力F、表面粗糙度Ra与刀具磨损宽度V为响应量，采用二次多项式回归建立响应面模型，表达式为
式中：Y为各响应量； β 0 为常数项； β 1 、β 2 、β 3 为一次项系数； β 11 、β 22 、β 33 为二次项系数； β 12 、β 13 、β 23 为交互项系数。拟合结果显示， R 2 > 0.92，均方根差(RMSE)处于稳定区间，说明模型能够有效表征切削参数对响应的非线性影响。
基于模型灵敏度分析，可形成可执行的优化策略：第一，将进给量作为优先调节变量用于控制切削力与粗糙度；第二，利用交互项识别振动突变区，避免进入不稳定工作域；第三，通过梯度分析确定“低磨损斜坡”区域；第四，根据等高线图规划粗加工向精加工的参数迁移路径，实现在线调参的可预测性与稳定性。
3.3 优化流程与实现路径
优化流程包含参数初始化、预测评估、偏差判断与在线调参4个阶段。系统先根据模型计算当前参数组合的目标函数值，然后读取实时数据与模型预测进行偏差对比，当偏差超过阈值时，调用式(3)生成更新量。调参过程按照“微幅递进—偏差验证—稳态保持”的闭环方式执行，避免单次过大调整引起振动或切削失稳。整个路径通过统一的时间戳机制维持数据一致性，使参数更新具有可追踪性。该流程确保优化策略可在实际加工中直接部署，并在不同工况下保持稳定的性能。
4、实验设计与结果分析
4.1 实验平台与测试条件
实验平台由18.5kW主轴的立式加工中心、动力刀柄测力装置、主轴电流采集模块及三向振动传感器组成，用于验证自适应调参在Ti-6Al-4V加工中的有效性。机床开放实时参数写入接口，支持在线调整进给量与切削速度。材料选用Ti-6Al-4V轧制板，硬度为32~34HRC；刀具为Φ10mm涂层硬质合金端铣刀，并保持装夹一致性。力、电、振动信号以20kHz同步采集，提取均方根(RMS)与冲击特征用于在线调参输入。为覆盖不同加工阶段，设置多组速度-进给-切深组合，实验平台与切削参数范围如表1所示。
表1 实验平台与切削参数范围
| 类别 | 参数 | 数值/类型 |
| 机床 | 主轴功率/kW | 18.5 |
| 机床 | 主轴最高转速/(r·min⁻¹) | 8000 |
| 传感器 | 测力方式 | 动力刀柄(三向) |
| 传感器 | 振动传感器 | 三向IEPE |
| 材料 | 工件材料 | Ti-6Al-4V |
| 切削参数 | 切削速度/(m·min⁻¹) | 40~120 |
| 切削参数 | 进给量/(mm·z⁻¹) | 0.02~0.10 |
| 切削参数 | 切削深度/mm | 0.2~1.2 |
4.2 切削力与表面粗糙度对比
为验证自适应调参在不同工况下的实际效果，对比分析固定参数模式与自适应控制模式下的主切削力与表面粗糙度变化情况。切削力以动力刀柄三向信号合成为评价量，其峰值在固定参数条件下随刀具磨损出现明显上升趋势。
由图2可知，在固定切削参数条件下，切削过程后半段主切削力的波动区间明显扩大。基于后半段力信号峰-谷幅值的统计对比，其波动幅度较前段加工阶段增大约18%，同时高幅值冲击出现频次明显增加。而自适应模式通过增量式控制律对进给量和切削速度进行小步长修正，使切削力峰值与RMS均保持在稳定区间，波动幅度较固定模式降低约22%。
由图3可知，自适应控制条件下的表面粗糙度明显低于固定参数加工。固定切削参数条件下，后程加工过程中表面粗糙度呈明显上升趋势；自适应控制模式通过实时调节削弱积屑瘤和硬点干扰，使表面粗糙度始终保持在较低且稳定区间。
4.3 刀具磨损与加工效率评估
为评估自适应调参对刀具寿命和加工效率的影响，对比分析两种模式下的刀具磨损曲线及材料去除率。刀具磨损通过主后刀面磨损宽度来衡量，加工效率则通过材料去除率来衡量。实验结果显示，固定参数模式在加工中后段因切削力波动与温升累积导致刀面磨损宽度加速增长，磨损曲线呈明显上翘；自适应模式通过动态限制负载偏移与温度扩散，使磨损增长速率整体下降18%~30%。加工效率方面，自适应调参保持稳定切削区间，使有效切削时间比例提高，平均材料去除率较固定模式提高12%~18%。结果表明，该策略能够同时降低磨损速率并提升加工效率，实现稳态加工与效率优化的协同统一。
5、结语
围绕钛合金数控精密切削过程中的负载波动、热-力耦合与刀具快速磨损问题，构建了基于实时特征感知的自适应调参体系，并形成由响应模型、优化目标、约束条件及在线调控构成的闭环参数优化方法。实验结果表明，该方法能够使切削力与表面质量保持在稳定区间，降低磨损速率，提高材料去除效率，为复杂工况下切削参数的动态匹配提供可实施路径。研究成果可为高性能钛合金加工的智能化控制与工艺优化提供技术支撑，并具备在多种高难度材料加工场景中的推广潜力。
参考文献
[1] 汪昭，胡微，彭兴. 数控技术在复杂形状零件加工中的优化研究[J]. 中国设备工程，2025(19): 144-146.
[2] 田刚. 钛合金高速切削过程中的切削力和表面粗糙度建模及参数优化[D]. 济南:（学位授予单位信息原文截断）
[3] 农志宇，张楚鹏，朱宝义，等. TC4钛合金超声椭圆振动辅助超精密切削加工工艺[J]. 工具技术，2025(9): 90-96.
[4] 王鑫，刘建慧，焦锋. 基于尺寸效应的钛合金二维超声辅助精密切削特性研究[J]. 河南理工大学学报(自然科学版)，2025(1): 117-123.
[5] 叶泽玖，韩光超，许超，等. TC4钛合金超声辅助精密铣削加工刀具磨损分析[J]. 金属加工(冷加工)，2023(6): 54-57.
（注，原文标题：基于自适应控制的钛合金数控精密切削参数优化方法研究_冯宏富）
相关链接
