考虑铣削静动态特性及时变刀具磨损的铣削稳定性判别方法

doi:10.3969/j.issn.1004-132X.2026.07.007

摘要/Abstract

摘要：

增大铣削加工参数可提高加工效率，却易产生加工颤振的问题，因此提出一种同时考虑铣削静动态性能和时变刀具磨损影响的稳定性判别方法。先依托铣削力模型建立考虑径向切削深度与刀具直径的三维铣削叶瓣稳定图，确定基础加工参数。再通过频域信号处理剔除主轴转频干扰，判别实际加工的铣削稳定性；同时基于铣削刃口系数变化监测刀具磨损，并将磨损因素融入判别体系。铣削稳定性在线判别实验结果表明，所提方法在保证工艺稳定的前提下提高了材料去除率。

关键词: 铣削稳定性, 材料去除率, 刀具磨损, 动态判别

Abstract:

Increasing milling parameters improves machining efficiency but tends to cause chatter. To address this issue， this paper proposes a stability identification method that considers the static and dynamic characteristics of the milling process as well as the influence of timevarying tool wear. First， a threedimensional stability lobe diagram， incorporating radial cutting depth and tool diameter， is established based on the milling force model to determine the basic machining parameters. Second， frequencydomain signal processing is adopted to eliminate interference from spindle rotational frequency and to identify the actual stability state. Meanwhile， tool wear is monitored based on variations in cutting edge coefficients， and the wear factor is integrated into the identification system. Online identification test results verify that the proposed method can increase the material removal rate while ensuring process stability.

Key words: milling stability, material removal rate, tool wear, dynamic characteristics

中图分类号:

TG50

郭淼现, 韩琛潼, 郭维诚, 丁子珊, 魏燕, 周金强. 考虑铣削静动态特性及时变刀具磨损的铣削稳定性判别方法[J]. 中国机械工程, 2026, 37(7): 1587-1594.

GUO Miaoxian, HAN Chentong, GUO Weicheng, DING Zishan, WEI Yan, ZHOU Jinqiang. A Milling Stability Determining Method Considering the System Static-dynamic Characteristics and Time-varying Tool Wear[J]. China Mechanical Engineering, 2026, 37(7): 1587-1594.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2026.07.007

https://www.cmemo.org.cn/CN/Y2026/V37/I7/1587

图/表 16

图1 三维铣削叶瓣稳定图

Fig.1 Stability lobe diagram of three-dimensional milling process

图2 三维材料去除率叶瓣稳定图

Fig.2 Three-dimensional stability lobe diagram with material removal rate

图3 铣削实验平台

Fig.3 Milling experimental platform

表1 测试验证实验铣削工艺参数

Tab.1 Milling process parameters of verification tests

实验	n/（r·min^-1）	a_e/mm	a_p/mm	v/（mm·min^-1）	工件材料
Test1	7200	5	2.5	1000	铝合金
Test2	7200	5	5	1000	铝合金
Test3	7200	5	7.5	1000	铝合金
Test4	7200	5	10	1000	铝合金
Test5	1820	7	0.5	182	钛合金

图4 单因素实验铣削力频域分布

Fig.4 Frequency domain distribution of milling force in single-factor experiments

图5 铣削稳定性判别滤波器

Fig.5 Filter for milling stability identification

图6 滤波条件下的铣削稳定性判别

Fig.6 Milling stability identification under filtering conditions

图7 铣削系数动态计算结果

Fig.7 Dynamic calculation results of milling coefficients

图8 综合铣削力系数及对应刀具磨损

Fig.8 Comprehensive milling force coefficients and corresponding tool wear

表2 刀具不同磨损程度对应的铣削力系数

Tab.2 Milling force coefficients corresponding to different tool wear levels

刀具后刀面磨损V_B/μm	109	188	288	560
切向铣削力系数k_tc/（N·mm^-2）	1502	2109	2410	3868
径向铣削力系数k_rc/（N·mm^-2）	619	613	609	727

图9 不同刀具后刀面磨损值的叶瓣稳定图

Fig.9 Stability lobe diagrams for different flank wear values of cutting tools

图10 铣削系统稳定性判别流程

Fig.10 Dynamic identification flowchart of milling stability

图11 铣削稳定性动态判别工艺适应性验证

Fig.11 Process adaptability verification of dynamic identification for milling stability

图12 Test6实验中出现的不稳定铣削信号

Fig.12 Unstable milling signals obtained in Test 6 experiment

表3 铣削加工时间对应的铣削力系数

Tab.3 Milling force coefficients at different milling durations

铣削加工时间/s	切向铣削力系数k_tc/（N·mm^-2）	径向铣削力系数k_rc/（N·mm^-2）
0	704	546
428	875	715
1981	1649	1390
2605	2198	1399
2977	2523	1586

表4 Test5、Test6工艺参数加工时长、材料去除量对比

Tab.4 Comparison of machining time and material removal amount between test 5 and test 6

实验		主轴转速（r·min^-1）	径向切削深度/mm	轴向切削深度/mm	进给速度/（mm·min^-1）	加工时长/s	材料去除量/mm³
Test5		1820	7	0.5	182	4015	42 625.9
Test6	Ⅰ~Ⅱ（0~428 s）	2712	5.6	1.02	271	428	11 042.1
	Ⅱ~Ⅲ（428~1981 s）	2702	4.2	1.08	270	1553	31 699.8
	Ⅲ~Ⅳ（1981~2605 s）	2691	5.6	0.55	269	624	8616.6
	Ⅳ~Ⅴ（2605~2977 s）	2691	5.6	0.48	269	372	4483.0
	Ⅴ~Ⅵ（2977~3500 s）	2691	4.2	0.5	269	/	/
Test6综合刃口系数小于120 N/mm的总计加工时长及材料去除量						2977	55841.5

参考文献 11

[1]	DEFANT F， GHEZZI D， ALBERTELLI P. Development of a Generalized Extended Harmonic Solution for Analyzing the Combination of Chatter Suppression Techniques in Milling［J］. Journal of Sound and Vibration， 2023， 543： 117368.
[2]	李超，张俊，田辉，等. 综合振动信号能量比和幅值标准差的铣削颤振实时监测方法［J］. 机械工程学报， 2024， 60（14）： 11-23.
	LI Chao， ZHANG Jun， TIAN Hui， et al. Timely Chatter Detecting Method in Milling with Integrated Energy Ratio and Amplitude Standard Deviation of Vibration Signal［J］. Journal of Mechanical Engineering， 2024， 60（14）： 11-23.
[3]	NOURI M， FUSSELL B K， ZINITI B L， et al. Real-time Tool Wear Monitoring in Milling Using a Cutting Condition Independent Method［J］. International Journal of Machine Tools and Manufacture， 2015， 89： 1-13.
[4]	YAO Y C， CHEN Y H， LIU C H， et al. Real-time Chatter Detection and Automatic Suppression for Intelligent Spindles Based on Wavelet Packet Energy Entropy and Local Outlier Factor Algorithm［J］. The International Journal of Advanced Manufacturing Technology， 2019， 103（1）： 297-309.
[5]	王民，曹帅鹏，昝涛. 基于切削稳定理论的铣削材料去除率［J］. 北京工业大学学报， 2014， 40（5）： 674-677.
	WANG Min， CAO Shuaipeng， ZAN Tao. Milling Material Removal Rate Based on Machining Stability Theory［J］. Journal of Beijing University of Technology， 2014， 40（5）： 674-677.
[6]	张智，刘成颖，刘辛军，等. 采用小波包能量熵的铣削振动状态分析方法研究［J］. 机械工程学报， 2018， 54（21）： 57-62.
	ZHANG Zhi， LIU Chengying， LIU Xinjun， et al. Analysis of Milling Vibration State Based on the Energy Entropy of WPD［J］. Journal of Mechanical Engineering， 2018， 54（21）： 57-62.
[7]	刘长福，朱立达，仇健，等. 基于VMD和FFT的变切深侧铣颤振特征提取方法［J］. 东北大学学报（自然科学版）， 2018， 39（8）： 1153-1157.
	LIU Changfu， ZHU Lida， QIU Jian， et al. Chatter Feature Extraction Method in Variable Cutting Depth Flank Milling Based on VMD and FFT［J］. Journal of Northeastern University （Natural Science）， 2018， 39（8）： 1153-1157.
[8]	DOU Jianming， JIAO Shengjie， XU Chuangwen， et al. Unsupervised Online Prediction of Tool Wear Values Using Force Model Coefficients in Milling［J］. The International Journal of Advanced Manufacturing Technology， 2020， 109（3）： 1153-1166.
[9]	PAN Tianhang， ZHANG Jun， ZHANG Xing， et al. Milling Force Coefficients-based Tool Wear Monitoring for Variable Parameter Milling［J］. The International Journal of Advanced Manufacturing Technology， 2022， 120（7）： 4565-4580.
[10]	ZHANG Xing， PAN Tianhang， MA Angyang， et al. High Efficiency Orientated Milling Parameter Optimization with Tool Wear Monitoring in Roughing Operation［J］. Mechanical Systems and Signal Processing， 2022， 165： 108394.
[11]	FAASSEN R P H， van de WOUW N， NIJMEIJER H， et al. An Improved Tool Path Model Including Periodic Delay for Chatter Prediction in Milling［J］. Journal of Computational and Nonlinear Dynamics， 2007， 2（2）： 167-179.

[1]	孟博洋, 李众杰, 向福星, 李松, 周佳琪, 岳彩旭. 基于机器视觉的刀具磨损状态检测研究进展[J]. 中国机械工程, 2026, 37(6): 1426-1441.
[2]	张曦, 朱红, 张龙佳, ABDELTAWAB Ahmed. 基于改进的EfficientNetV2和UNetTSF的刀具磨损状态识别及预测方法[J]. 中国机械工程, 2026, 37(3): 668-678.
[3]	杨自豪, 范增华, 张翔, 高军. 钛合金管内表面的化学辅助磁性剪切增稠抛光实验研究[J]. 中国机械工程, 2025, 36(12): 2846-2853.
[4]	包振科, 曹华军, 秦逢泽, 陈志祥, 陶桂宝. 基于IWOA-IECA-BiLSTM模型的刀具磨损监测[J]. 中国机械工程, 2025, 36(12): 2936-2943.
[5]	肖御风, 张超勇, 赛希亚拉图null, 孟一帆, 朱传军. 基于YOLOv11-Seg与Transformer模型的刀具磨损多步向前实时预测方法[J]. 中国机械工程, 2025, 36(12): 2944-2951.
[6]	曾浩, 曹华军, 董俭雄. 基于ISABO-IBiLSTM模型的刀具磨损预测方法[J]. 中国机械工程, 2024, 35(11): 1995-2006.
[7]	李悦1, 2, 谢恒1, 周公博1, 2, 周坪1, 2, 李猛钢1, 2. 基于半监督贝叶斯Transformer的刀具磨损软测量及不确定性分析方法[J]. 中国机械工程, 2024, 35(11): 2015-2025.
[8]	聂鹏1, 杨程越1, 彭新月1, 于家鹤2, 潘五九1. 采用空间和通道激励注意力机制优化ResNet-50的CFRP/TC4叠层材料钻削刀具磨损状态监测[J]. 中国机械工程, 2024, 35(10): 1793-1801.
[9]	王秋莲1, 欧桂雄1, 徐雪娇1, 刘锦荣1, 马国红2, 邓红标2. 基于VMD-SSA-LSTM考虑刀具磨损的数控铣床切削功率预测模型研究[J]. 中国机械工程, 2024, 35(06): 1052-1063.
[10]	勾睿杰, 张晓峰, 张鸿滨, 姚俊, 李勋. 刀具磨损对Allvac 718Plus高温合金铣削加工表面完整性及疲劳性能的影响[J]. 中国机械工程, 2023, 34(24): 2920-2926.
[11]	李小睿, 赵威, 李浩, 史卫奇, 何宁. 高压低温CO2射流冷却条件下高速车削淬硬轴承钢的试验研究[J]. 中国机械工程, 2023, 34(24): 2975-2985.
[12]	张其聪, 姜晨, 叶卉, 申岭鑫, 矫梦蝶. 动压辅助非牛顿流体抛光工具设计与工艺研究[J]. 中国机械工程, 2023, 34(23): 2805-2811，2823.
[13]	贾志新, 张凯悦, 王津. 聚晶金刚石的混铁粉电火花加工方法研究[J]. 中国机械工程, 2023, 34(22): 2684-2692.
[14]	迟玉伦, 武子轩. 基于磨削热变形分析的切入式外圆磨削去除率的修正模型与实验研究[J]. 中国机械工程, 2023, 34(15): 1778-1788.
[15]	李鸿宇, 黄向明, 明阳, 李希扬, 曾清, 周东栋. 磁场辅助剪切增稠流体抛光硬质合金刀片的仿真与实验研究[J]. 中国机械工程, 2023, 34(06): 650-659.