孔加工是机械制造的重要分支,深孔加工技术更是孔加工中的难题。深孔钻头工作在封闭或半封闭的高温高压恶劣环境中,导致润滑和排屑困难,严重影响钻头寿命以及加工效率;并且深孔加工过程不易实时监测,难以建立被控对象的精确数学模型,导致经典控制理论和现代控制理论在深孔钻削过程控制中难以获得理想的效果。本课题针对深孔加工过程控制的难点,利用新兴的神经网络和经典的测量手段,建立钻削驱动电流与钻削力之间的非线性映射模型,实现深孔加工过程的工况监测和自适应控制。首先,搭建了微小深孔加工的钻削力测试平台,研究深孔钻削过程中钻削力的变化规律。通过电阻应变式压力传感器,将钻削力信号转换为模拟电信号;结合有源滤波、模数转换、数字滤波等信号处理技术,将模拟电信号转换为数字信号,实现轴向力、切向力、径向力等四维钻削分力的在线测量,用以研究深孔钻削力的工况变化和神经网络的样本标注。其次,以单隐含层BP神经网络为基础,建立了深孔钻削驱动电流与钻削力之间的非线性映射模型。通过霍尔传感器实现钻削电流的非接触式检测,对钻削驱动电机的工作电流进行在线采集和数字量化,作为神经网络的输入样本;采用钻削力测试平台同步获取的钻削力数据,作为神经网络的输出样本;通过神经网络的监督学习,获得钻削驱动电流与钻削力的非线性映射关系。最后,提出了深孔钻削过程的自适应控制方法。利用训练后的BP神经网络模型,通过钻削驱动电流实时辨识钻削力;以辨识的钻削力数据作为自适应控制算法的输入,由自适应控制模块对钻头当前的受力状态进行判定,并输出相应的钻削控制参数,从而决定钻削驱动系统的后续动作,包括变更进给模式、改变进给速度和主轴转速等,实现钻削力的优化控制和深孔钻削过程的自适应闭环控制。实验仿真及测试结果表明,本课题研制的具有自主知识产权的钻削力测试平台,能够实时准确地检测微小深孔钻削的四维钻削分力,测量指标满足实际工程需求;利用神经网络构建的钻削力辨识模型,实现了钻削驱动电流与钻削力的非线性映射,其钻削力输出曲线与实际钻削力曲线的吻合度符合控制需求;提出的自适应钻削过程控制算法效果良好,能够快速调整钻削进给参数,抑制深孔加工过程中的钻削力波动,有效保护深孔钻头和保证深孔加工效率。