中文摘要：

提高制造过程闭环控制品质是现代制造装备发展亟待解决的核心问题。在以往的加工中，基于几何特征的控制模式是一种将时变物理状态排除在外的加工过程开环控制，然而在高速加工状态下，这些动态因素所造成的负面影响，已成为制约制造装备性能提升的主要矛盾。动态稳定性是加工过程闭环控制品质的聚合表现形式，对可能导致动态稳定性劣化的信号实施监测、对反映动态稳定性的指标准确评价、对改善动态稳定性的敏感参数精准调控是实现高精高效加工的必然手段。申请者提出基于状态驱动的加工过程闭环控制方法，旨在建立以动态物理特征的瞬时效果评价模型为核心的新型控制体系，探究该模型对加工过程动态稳定性的作用机理，实现加工过程参数自整定的控制目标。预期可在机械与控制的学科交叉和理论研究方面有所创新，推动非线性动态过程信息分析方法的进步、丰富非线性信息有效特征的提取手段，并可为数控加工过程中的动态监测与控制等共性技术提供必要的理论支撑。

结论摘要：

本研究基于对铣削加工过程的信号进行实时性监测，了解加工过程稳定性的辨识方法，并对失稳状态或趋势进行评价与修正，以保证长时间加工过程的稳定性。研究工作主要包含三部分内容 1）根据主轴电机电流信号采集的功能需求，开发了多通道数据采集平台，包括硬件选型、传感器接口电路的设计以及主轴电机电流信号采集、处理和分析的软件程序设计等。通过对常见的时频分析法进行对比分析，确定采用希尔伯特黄变换对铣削加工过程主轴电机电流信号进行辨识，从中更加准确地获取相应的加工状态信息。通过实验所采集的现场数据，用希尔伯特黄变换对平稳铣削和失稳征兆的电流信号进行对比分析，提取对应的特征向量，建立相应的评价函数，最后用训练模型去对测试集进行模式识别； 2）以贝叶斯网络方法为理论依据，在实际测量数据的驱动下对各因素间的内在关联进行分析和优化，建立机床热稳定性补偿的动态模型，并利用贝叶斯网络良好的自学习特性，结合数据采集及时更新，可以不断对模型进行修正，以反映机床加工过程中工况的变化。对温度变量进行组合优化并，预处理获得的实验数据，根据实验数据，采用贝叶斯网络建立机床热误差模型，通过与最小二乘法建立的机床热误差模型比较，验证了该模型的可行性优势； 3）为了获得对不稳定性敏感的监测信号，研究了切削过程信号的截取方法，而后对主轴电机电流以及进给轴电机电流在时域和频域进行了对比分析。最终选用了主轴电机电流进行铣削不稳定性监测为了获得用于模式识别过程的最优特征集，根据信号在不稳定性发展过程中的变化规律提取了相应的时域和频域特征量，进而采用了基于距离评价技术以及相关分析的方法进行特征选取，最终获得的最优特征集包括均值、峰值、标准差、一步自相关函数以及频域中心；试验验证结果表明所建立的模型获得的分类准确率能够满足稳定性监测应用的要求。 由上述工作凝练的成果包括6篇国际学术期刊或会议论文，1项发明专利，培养研究生6名，其中已毕业硕士2名，在读博士1名，在读硕士3名。