CN103345198B - 基于特征的数控加工监测触发检测的方法 - Google Patents
基于特征的数控加工监测触发检测的方法 Download PDFInfo
- Publication number
- CN103345198B CN103345198B CN201310173715.2A CN201310173715A CN103345198B CN 103345198 B CN103345198 B CN 103345198B CN 201310173715 A CN201310173715 A CN 201310173715A CN 103345198 B CN103345198 B CN 103345198B
- Authority
- CN
- China
- Prior art keywords
- signal
- feature
- monitoring
- feature based
- machining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 title claims abstract description 25
- 238000003754 machining Methods 0.000 claims abstract description 63
- 238000005520 cutting process Methods 0.000 claims abstract description 53
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 238000006073 displacement reaction Methods 0.000 claims abstract description 11
- 238000012706 support-vector machine Methods 0.000 claims description 13
- 238000009434 installation Methods 0.000 claims description 8
- 238000005553 drilling Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000003801 milling Methods 0.000 claims description 6
- 238000010223 real-time analysis Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000008054 signal transmission Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000002427 irreversible effect Effects 0.000 abstract 1
- 238000000354 decomposition reaction Methods 0.000 description 6
- 239000011888 foil Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002153 concerted effect Effects 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Automatic Control Of Machine Tools (AREA)
Abstract
本发明公开了一种基于特征的数控加工监测触发检测的方法，它利用振动传感器、切削力传感器和位移传感器基于特征实时监测数控加工过程中的振动信号、切削力信号以及变形的位移信号，经过分析得到实时的数控加工状态，当加工状态出现异常时，可及时停机，通过监测模块触发检测模块对数控加工过程中的颤振、刀具失效以及加工过程中的变形等对工件及刀具造成的影响进行在线检测，基于特征规划检测点及检测轨迹。该方法可以有效避免数控加工过程中切削状态异常给工件造成不可逆转的损害、进而造成工件报废，可有效提高数控加工的质量，降低成本。
Description
技术领域
本发明涉及一种数据加工方法，尤其是一种利用各类传感器对各加工特征实时检测，及时发现问题，为调整加工策略提供实时决策依据的加工方法，具体地说是一种基于特征的数控加工监测触发检测的方法。
背景技术
众所周知，工件切削过程中的冷却液、高速切屑、振动、颤振和切削热等为实时监测、在线检测带来困难。切削过程中机床性能、刀具状态、工件切削状态、切削参数、切削力等因素都在动态变化。尤其是加工过程中的工件变形，变形影响因素既包括装夹、切削力等系统因素，也包括材料不均匀、内应力等随机因素，事前难以准确预测。变形不仅发生在当前切削区域，临近刚性不足区域也时有发生。薄壁结构件加工变形问题通常表现为精加工过程的让刀引起欠切，但大跨度双面槽薄腹板等结构在精加工前也会变形鼓起导致过切，甚至直接报废。上述问题亟需通过实时监测定位变形区，以监测信号动态触发在线检测确定变形量，进而在加工过程中就能及时发现问题。由于目前缺乏有效的实时监测与检测之间的触发机制，造成检测与监测之间的反馈一直不尽如人意。
发明内容
本发明的目的是针对目前的数据加工系统不能实现实时监测与检测之间不能形成有效的联动触发机制而出现因检测滞后造成加工件报废的问题，发明一种基于特征的数控加工监测触发检测的方法，通过以特征为载体有效地集成工艺知识和经验，基于特征进行监测有效的发挥不同传感器的作用，可以实时定位加工过程中出现的问题，基于特征进行监测信号的分析可以充分考虑加工特征的几何信息和工艺信息，可以精确的分析加工状态，多传感器融合可以进一步加强加工状态的精确分析。
本发明的技术方案是：
一种基于特征的数控加工监测触发检测的方法，其特征在于它包含以下步骤：
首先，在数控机床主轴上安装振动传感器，在数控机床装夹平台上安装切削力传感器，在待加工面的背面安装位移传感器，在加工过程中基于特征进行加工状态监测；
其次，将以上传感器通过USB数据传输线与数控系统的计算机平台相连，将传感器监测的信号传递至计算机平台进行信号分析；
第三，基于特征对监测所得的信号进行实时分析，若出现异常状况，监测模块发出停机指令，然后触发检测模块，启动检测程序；
第四，再基于特征规划检测点及检测轨迹，对加工特征进行检测，然后分析加工误差，以便及时有效的采取措施，防止加工过程中出现超差以至于进一步加工导致工件报废，从而提高数控加工质量，降低加工成本。
所述基于特征进行加工状态监测是指不同的加工特征采取不同的监测策略，即特征不同，所采取的监测设备不同。
所述的基于特征对监测信号进行实时分析的方法为：①首先利用小波包分析的方法对采集的信号进行分析；②利用支持向量机的方法基于特征对信号进行加工状态辨识，特征的作用体现为：不同的特征敏感信号不同：对于侧刃铣削的特征，切削力的敏感量为径向力；对于底刃铣削的特征，切削力的敏感量为轴向力；信号分析时，特征的几何信息和工艺信息作为支持向量机的输入，进行加工状态的精确辨识；③多传感器融合最终确定加工状态，异常的加工状态包括颤振、刀具失效和工件变形，若切削力稳定而振动信号超出稳定域，则可断定为颤振；刀具失效包括刀具磨损和破损，若位移传感器和振动传感器得到的信号为正常，而切削力异常，则可断定刀具磨损；若根据几何信息和工艺信息得出有切削量和切削力近于空载，且振动信号减弱，可断定为刀具破损；若切削力变大且位移传感器得到的信号有变形量，则可断定为加工面变形。
所述的基于特征规划检测点及检测轨迹的方法为：提取监测状态异常的特征的加工程序，将加工状态异常之前的加工程序进行离散，得到一系列点，形成检测点，按照加工轨迹形成检测轨迹，对特征进行检测。
本发明的有益效果：
本发明通过基于特征进行监测可以有效的发挥不同传感器的作用，可以定位加工过程中出现的问题，基于特征进行监测信号的分析可以充分考虑加工特征的几何信息和工艺信息，可以精确的分析加工状态，多传感器融合可以进一步加强加工状态的精确分析。通过监测触发检测可以及时有效的发现加工过程中出现的分析，防止加工过程中出现超差以至于进一步加工导致工件报废，从而提高数控加工质量，降低加工成本。
附图说明
图1是本发明的基于特征的数控加工监测触发检测系统方案图。
图2是本发明的振动传感器安装方法。
图3是本发明的三向测力仪安装方法。
图4是本发明的应变片安装方法。
图5是本发明的振动信号和力信号分解后各层细节信号。
图6是本发明的SVM决策过程示意图。
图7是本发明的测量电桥对臂全桥接线法。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1-7所示。
一种基于特征的数控加工监测触发检测的方法，其特征在于它包含以下步骤：
首先，在数控机床主轴上安装振动传感器，在数控机床装夹平台上安装切削力传感器，在待加工面的背面安装位移传感器，在加工过程中基于特征进行加工状态监测；所述基于特征进行加工状态监测是指不同的加工特征采取不同的监测策略，即特征不同，所采取的监测设备不同。
其次，将以上传感器通过USB数据传输线与数控系统的计算机平台相连，将传感器监测的信号传递至计算机平台进行信号分析；
第三，基于特征对监测所得的信号进行实时分析，若出现异常状况，监测模块发出停机指令，然后触发检测模块，启动检测程序；监测模块与检测模块定义在同一个软件系统中，通过调用算法基于特征实现彼此之间的信息输入与输出；监测模块与检测模块与数控系统通过共享内存的方式实现通讯；计算机平台通过通用串行总线（USB）与外部传感器实现通讯，如图1所示。所述的基于特征对监测信号进行实时分析的方法为：①首先利用小波包分析的方法对采集的信号进行分析；②利用支持向量机的方法基于特征对信号进行加工状态辨识，特征的作用体现为：不同的特征敏感信号不同：对于侧刃铣削的特征，切削力的敏感量为径向力；对于底刃铣削的特征，切削力的敏感量为轴向力；信号分析时，特征的几何信息和工艺信息作为支持向量机的输入，进行加工状态的精确辨识；③多传感器融合最终确定加工状态，异常的加工状态包括颤振、刀具失效和工件变形，若切削力稳定而振动信号超出稳定域，则可断定为颤振；刀具失效包括刀具磨损和破损，若位移传感器和振动传感器得到的信号为正常，而切削力异常，则可断定刀具磨损；若根据几何信息和工艺信息得出有切削量和切削力近于空载，且振动信号减弱，可断定为刀具破损；若切削力变大且位移传感器得到的信号有变形量，则可断定为加工面变形。
第四，再基于特征规划检测点及检测轨迹，对加工特征进行检测，然后分析加工误差，以便及时有效的采取措施，防止加工过程中出现超差以至于进一步加工导致工件报废，从而提高数控加工质量，降低加工成本。所述的基于特征规划检测点及检测轨迹的方法为：提取监测状态异常的特征的加工程序，将加工状态异常之前的加工程序进行离散，得到一系列点，形成检测点，按照加工轨迹形成检测轨迹，对特征进行检测。本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
详述如下：
如图1所示。为了实现实时检测触发，具体实施时应在软件系统中建立一个监测模块与和检测模块（这二个模块本领域人员可根据实际情况自行编制），监测模块与和检测模块最好定义在同一个软件系统中，通过调用算法基于特征实现彼此之间的信息输入与输出；监测模块与检测模块与数控系统通过共享内存的方式实现通讯；计算机平台通过通用串行总线（USB）与外部传感器实现通讯。
一、基于特征的数控加工监测触发检测系统包含监测模块和检测模块。针对不同的加工特征采用不同的监测策略，加工所有的特征时都采用三向测力仪和振动传感器测量力信号和振动信号；当加工槽特征的腹板时还应增加使用电阻应变片测量腹板的变形。
利用小波包分析方法对信号进行分析，并通过支持向量机的方法基于特征对加工状态进行辨识。当监测的信号超过给定的信号阈值时（如切削力信号超过给定的最大切削力），监测模块便发出指令，使控制系统停机，并且触发检测模块进行在线检测。检测模块通过监测模块对加工状态辨识的结果调用相应特征的检测点和检测轨迹对特征进行检测。并将检测结果传递给控制系统模块做进一步处理。
二、加工过程中加工系统的振动主要包括刀具的振动、机床振动等，选用型号为BVM-PC-50振动传感器。在加工切削过程中，振动传感器是依靠磁力吸附在主轴的表面。在加工过程中能够检测主轴振动的信号。如图2所示为振动传感器安装位置示意图。
加工过程中的切削力主要来自切削层的金属、工件表面层和切屑的金属的弹性变形和塑性变形产生的抗力，以及刀具与切屑之间、刀具与工件之间的摩擦阻力。将切削力的合力分解为三个方向相互垂直的分力。选定奇石乐9443B型测力仪测量切削力的三向分力Fx、Fy、Fz。如图3所示为三向测力仪安装位置示意图。
为监测加工过程中工件的变形，采用电阻应变测量的方法测量工件的变形。通过在待加工槽特征腹板背面粘贴电阻应变片，组成应变电桥（即惠斯顿电桥）进行测量。本方法中测量电桥采用的是对臂全桥接线法。最终在应变仪上的读数应变即为测量点处应变的2倍。如图4所示为电阻应变片在工件上的位置。
力信号、振动信号的最高分析频率为fmax=100×16=1600Hz，
采样间隔为Δt=1/fs=(1/4000)×103=0.25ms，
采样长度为T=N·Δt=1024×0.25×10-3=0.256s，
频率分辨率为Δf=1/T=1/0.256=3.9Hz。
三、通过三向测力仪以及振动传感器获取的原始监测信号数据量大，包含了一定的杂质干扰信号。信号分析就是对所获取的监测信号作进一步的处理和加工，以获取更多有价值的信息，并从这些有价值的信息中提取与加工状态密切相关的信号特征量。
①首先将传感器获取的模拟信号进行模/数(A/D)转换。通过运用小波包分析的方法对转换后的数字信号进行分析和处理。小波包分析方法属于时频分析方法，小波包分析同时对近似信号和细节信号进行分解。小波包分析能够自适应的选择相应频带使信号与频谱相匹配，提高了时频分辨率。
在此运用小波分解的方法对监测的力信号和振动信号进行分解。其中振动信号的分解采用的是db5小波7层分解。力信号的分解采用的是db3小波5层分解。如图5所示为振动信号db5小波7层分解和力信号db3小波5层分解后各层细节信号。对分解后的各频段重构的细节信号计算方差和均方值根据分解的结果计算不同特征的信号敏感特征量。其中不同特征的信号敏感特征量不同需要通过实验测得。各特征的敏感特征量如表1和表2所示。特征的信号敏感特征量将作为支持向量机模型的输入用于辨识加工状态。
表1加工特征力信号敏感特征量
表2加工特征振动信号敏感特征量
②利用支持向量机（SVM）的方法基于特征对信号进行加工状态辨识。SVM模型的输入包括加工特征的几何参数、切削参数和特征信号敏感特征量。其中切削参数包括切宽、切深和进给。SVM模型的决策过程如图6所示。一类加工特征需要建立一种支持向量机模型。信号分析时，特征的几何参数信息和工艺信息作为支持向量机的输入。其中特征的几何参数信息如表3所示。
表3加工特征几何参数信息
| 特征类型 | 几何参数1 | 几何参数2 | 几何参数3 |
| 筋 | 筋宽度 | 平顶筋长度 | 曲顶筋长度 |
| 槽腹板 | 槽腹板面积 | 腹板厚度 | |
| 槽内型 | 槽内型周长 | 槽内型加工深度 | |
| 槽转角 | 转角半径 | 转角角度 | 转角高度 |
| 轮廓 | 轮廓周长 | 轮廓高度 | |
| 孔 | 孔周长 | 孔深度 |
在使用支持向量机模型进行分析时，为使模型更紧致，具有更好的柔性和推广性，需对模型中的参数进行相应设置和调节。对应径向基核函数支持向量机模型有两个参数需要调节，一个是径向基核函数γ参数，另一个为惩罚因子C。为选取最优γ和C可让γ和C在一定范围内取值，依据训练数据利用交叉验证思想的得到每一组γ和C值下的分类正确率，最终选择分类正确率最高的那组γ和C值。各加工特征支持向量机模型最终的参数设置见表4所示。
表4支持向量机模型参数设置
| 加工特征 | 参数γ | 惩罚因子c |
| 筋顶 | 6.0 | 0.6 |
| 槽腹板 | 3.6 | 2.5 |
| 槽内型 | 3.2 | 2.8 |
| 槽转角 | 5.2 | 0.8 |
| 轮廓 | 4.5 | 1.2 |
| 孔 | 0.8 | 1.8 |
由于支持向量机模型一次只能对一种信号进行分析，所以分析的结果只是加工状态的初步辨识结果，不能作为最终辨识结果。需要进一步采用多传感器融合的方法最终确定加工状态。
③综合考虑不同传感器的传输信号，最终确定加工状态，并辨识出异常的加工状态。其中异常的加工状态包括颤振、刀具失效和工件变形。判定异常加工状态的依据为：若切削力稳定而振动信号超出稳定域，则可断定为颤振；刀具失效包括刀具磨损和破损，若应变片和振动传感器得到的信号为正常，而切削力异常，则可断定刀具磨损；若根据几何信息和工艺信息得出有切削量，而切削力近于空载，且振动信号减弱，可断定为刀具破损；若切削力变大且应变片得到的信号超过预先设定的阈值，则可断定为加工面变形。
针对工件变形信号，可通过应变电桥进行测量。本方法采用如图7所示的对臂全桥接线法测量应变。测量电桥中R1、R2、R3、R4四桥臂应变片中R1、R4为工作应变片，R2、R3为补偿应变片，即R1、R4应变片粘贴在工件上，R2、R3应变片粘贴在补偿块上用以消除环境温度变化引起的误差。
四桥臂应变片感受的应变分别为ε1=ε4=εF+εt，ε2=ε3=εt。其中εt为环境温度变化引起的误差。
应变仪的读数应变εd为：
εd=ε1-ε2-ε3+ε4=εF+εt-εt-εt+εF-εt=2εF
工件测量出的实际应变
用对臂全桥接线法组成的测量电桥，消除了环境温度变化引起的误差，也增加了读数应变，提高了测量灵敏度。
四、基于特征规划检测点及检测轨迹，对加工特征进行检测，然后分析加工误差。其中基于特征规划检测点及检测轨迹的方法为：提取监测状态异常的特征的加工程序，得到加工状态异常之前的加工程序段，并得到此时的加工余量。
首先构建中间加工状态的理论面，对于精加工是三轴的面，根据加工特征的最终状态选取所需检测的面，沿所选面的外法向方向偏置一个加工余量值形成中间加工状态的理论面；对于精加工是五轴的面，利用上一步操作刀具扫略所形成的面作为中间加工状态的理论面，沿精加工刀轨离散出一系列点并向中间状态的理论面投影，形成中间状态检测点，最后规划检测路径并形成数控程序进行在线检测。
本发明未涉及部分与现有技术相同或可采用现有技术加以实现。
Claims (3)
1.一种基于特征的数控加工监测触发检测的方法，其特征在于它包含以下步骤：
第一，在数控机床主轴上安装振动传感器，在数控机床装夹平台上安装切削力传感器，在待加工面的背面安装位移传感器，在加工过程中基于特征进行加工状态监测；
第二，将以上传感器通过USB数据传输线与数控系统的计算机平台相连，将传感器监测的信号传递至计算机平台进行信号分析；
第三，基于特征对监测所得的信号进行实时分析，若出现异常状况，监测模块发出停机指令，然后触发检测模块，启动检测程序；
第四，再基于特征规划检测点及检测轨迹，对加工特征进行检测，然后分析加工误差，以便及时有效的采取措施，防止加工过程中出现超差以至于进一步加工导致工件报废；
所述基于特征对监测所得的信号进行实时分析的方法为：首先利用小波包分析的方法对采集的信号进行分析；利用支持向量机的方法基于特征对信号进行加工状态辨识，特征的作用体现为不同的特征敏感信号不同：对于侧刃铣削的特征，切削力的敏感信号为径向力；对于底刃铣削的特征，切削力的敏感信号为轴向力；信号分析时，特征的几何信息和工艺信息作为支持向量机的输入，进行加工状态的精确辨识；多传感器融合最终确定加工状态，异常的加工状态包括颤振、刀具失效和工件变形，若切削力稳定而振动信号超出稳定域，则可断定为颤振；刀具失效包括刀具磨损和破损，若位移传感器和振动传感器得到的信号为正常，而切削力异常，则可断定刀具磨损；若根据几何信息和工艺信息得出有切削量和切削力近于空载，且振动信号减弱，可断定为刀具破损；若切削力变大且位移传感器得到的信号有变形量，则可断定为加工面变形。
2.根据权利要求1所述的方法，其特征是所述基于特征进行加工状态监测是指不同的加工特征采取不同的监测策略，即特征不同，所采取的监测设备不同。
3.根据权利要求1所述的方法，其特征是所述的基于特征规划检测点及检测轨迹的方法为：提取监测状态异常的特征的加工程序，将加工状态异常之前的加工程序进行离散，得到一系列点，形成检测点，按照加工轨迹形成检测轨迹，对特征进行检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310173715.2A CN103345198B (zh) | 2013-05-10 | 2013-05-10 | 基于特征的数控加工监测触发检测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310173715.2A CN103345198B (zh) | 2013-05-10 | 2013-05-10 | 基于特征的数控加工监测触发检测的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103345198A CN103345198A (zh) | 2013-10-09 |
| CN103345198B true CN103345198B (zh) | 2015-10-21 |
Family
ID=49280002
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310173715.2A Active CN103345198B (zh) | 2013-05-10 | 2013-05-10 | 基于特征的数控加工监测触发检测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103345198B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103941645B (zh) * | 2014-04-09 | 2017-01-25 | 南京航空航天大学 | 薄壁零件复杂工况加工状态监测方法 |
| CN104076734A (zh) * | 2014-06-26 | 2014-10-01 | 天津职业技术师范大学 | 一种铣削加工颤振在线寻优方法 |
| CN104325359B (zh) * | 2014-11-24 | 2016-08-31 | 上海交通大学 | 一种局部变形量的实时非接触测量与补偿装置 |
| CN104714482B (zh) * | 2015-01-13 | 2017-04-05 | 南京航空航天大学 | 加工‑监测‑检测‑装夹集成的大型结构件自适应加工方法 |
| JP6903485B2 (ja) * | 2017-05-12 | 2021-07-14 | 株式会社日立製作所 | 制振装置および加工機 |
| CN107263211B (zh) * | 2017-05-26 | 2018-10-30 | 温州大学 | 一种基于多传感融合的刀具状态监测方法 |
| CN109426216B (zh) * | 2017-08-21 | 2021-05-07 | 沈阳高精数控智能技术股份有限公司 | 一种用于数控铣床的矩形平面加工深度识别方法 |
| JP6936178B2 (ja) * | 2018-03-23 | 2021-09-15 | ファナック株式会社 | 異常検知装置 |
| CN109739178B (zh) * | 2019-01-21 | 2021-05-07 | 南京航空航天大学 | 一种监测数据驱动的工件加工变形在线预测方法 |
| CN109968104B (zh) * | 2019-03-07 | 2021-10-08 | 中南大学 | 一种高速拉削加工的高灵敏度精密监测方法 |
| CN112935935B (zh) * | 2019-11-26 | 2022-08-16 | 北京福田康明斯发动机有限公司 | 磨损刀片定位方法 |
| CN111347292B (zh) * | 2020-02-21 | 2023-04-11 | 青岛理工大学 | 数控机床刀具状态监测及控制系统与方法 |
| CN112454382B (zh) * | 2020-11-19 | 2021-12-14 | 南京航空航天大学 | 一种工业机器人切削加工变刚度自适应减振系统 |
| CN113103067B (zh) * | 2021-04-06 | 2023-04-07 | 重庆市南岸区力恒工具制造有限公司 | 基于低功耗设计的刀具加工次数监测系统及检测方法 |
| CN112764392B (zh) * | 2021-04-07 | 2021-08-03 | 成都飞机工业（集团）有限责任公司 | 一种用于防止数控加工中数控程序调用错误的方法 |
| CN113204219B (zh) * | 2021-04-20 | 2022-04-08 | 扬州川石石油机械科技有限责任公司 | 用于智能制造的工业控制器 |
| CN114714151B (zh) * | 2022-06-09 | 2022-09-16 | 成都飞机工业（集团）有限责任公司 | 一种腹板的测量点位规划方法、装置、设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100961503B1 (ko) * | 2007-10-02 | 2010-06-15 | 주식회사 스틸플라워 | 파이프성형을 위한 수치제어시스템 |
| DE102009008121A1 (de) * | 2009-02-09 | 2010-08-19 | Deckel Maho Pfronten Gmbh | Verfahren und Vorrichtung zum Erzeugen von transformierten Steuerdaten zum Steuern eines Werkzeugs an einer Werkzeugmaschine |
| WO2011074064A1 (ja) * | 2009-12-15 | 2011-06-23 | ヤマザキマザック 株式会社 | 数値制御工作機械 |
| CN102478817A (zh) * | 2010-11-23 | 2012-05-30 | 大连创达技术交易市场有限公司 | 新型复合型数控机床 |
| CN102929210B (zh) * | 2012-11-22 | 2014-07-16 | 南京航空航天大学 | 基于特征的数控加工过程控制和优化系统及方法 |
-
2013
- 2013-05-10 CN CN201310173715.2A patent/CN103345198B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| 数控机床刀具磨损在线监测建模与研究;贾吉林 等;《现代制造技术与装备》;20091231(第192期);第74-78页 * |
| 铣削加工过程监测和优化智能系统开发;郑金兴 等;《仪器仪表学报》;20070430;第28卷(第4期);第1-2页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103345198A (zh) | 2013-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103345198B (zh) | 基于特征的数控加工监测触发检测的方法 | |
| CN102929210B (zh) | 基于特征的数控加工过程控制和优化系统及方法 | |
| Azouzi et al. | On-line prediction of surface finish and dimensional deviation in turning using neural network based sensor fusion | |
| CN103567815B (zh) | 基于铣削小孔的数控机床切削热误差测试和评价方法 | |
| CN102854841B (zh) | 一种曲面零件的形位误差原位补偿加工方法 | |
| US20140123740A1 (en) | Working Abnormality Detecting Device and Working Abnormality Detecting Method for Machine Tool | |
| CN103197609B (zh) | 数控加工动态特征建模方法 | |
| TW201834784A (zh) | 刀具磨耗監測與預測方法 | |
| CN101797704A (zh) | 数控滚齿机热变形误差补偿方法 | |
| Denkena et al. | Feeling machines for online detection and compensation of tool deflection in milling | |
| US20190278253A1 (en) | Method for Judging Key Moments in Whole Process of Machining Step for Computer Numerical Control Machine Tools | |
| US20190160619A1 (en) | Tool State Detection Method of Machine Tool and System Thereof | |
| CN103192292B (zh) | 基于加工工件曲面形貌信息的数控机床误差辨识分离方法 | |
| CN105867305A (zh) | 基于加工特征的复杂结构件数控加工状态实时监控方法 | |
| CN107756250A (zh) | 一种磨削功率与能耗智能监控系统及决策方法 | |
| Mou et al. | A study of tool tipping monitoring for titanium milling based on cutting vibration | |
| CN111300148A (zh) | 一种电流信号监测刀具磨损的方法 | |
| CN105500113A (zh) | 基于非接触位移传感器的机床主轴夹屑报警装置及方法 | |
| CN106441851A (zh) | 一种机械零件疲劳寿命的检测方法 | |
| Tangjitsitcharoen et al. | Intelligent monitoring and identification of cutting states of chips and chatter on CNC turning machine | |
| CN116184928A (zh) | 一种考虑刀具磨损的机床空间几何误差模型建模方法 | |
| CN102764798A (zh) | 一种数控转塔冲床模具磨损在线检测系统及工作方法 | |
| CN109571137A (zh) | 一种提高薄壁零件加工精度的补偿方法 | |
| CN202683673U (zh) | 数控转塔冲床模具磨损在线检测系统 | |
| CN101780488B (zh) | 内螺纹冷挤压加工质量在线预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |