CN103838181A - 机床状态判断方法以及系统 - Google Patents
机床状态判断方法以及系统 Download PDFInfo
- Publication number
- CN103838181A CN103838181A CN201210513034.1A CN201210513034A CN103838181A CN 103838181 A CN103838181 A CN 103838181A CN 201210513034 A CN201210513034 A CN 201210513034A CN 103838181 A CN103838181 A CN 103838181A
- Authority
- CN
- China
- Prior art keywords
- spindle motor
- lathe
- current load
- motor current
- peak value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000001143 conditioned effect Effects 0.000 claims description 48
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 230000009172 bursting Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000153 supplemental effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/08—Registering or indicating the production of the machine either with or without registering working or idle time
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Machine Tool Sensing Apparatuses (AREA)
- Engineering & Computer Science (AREA)
- Numerical Control (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
Abstract
本发明揭露一种机床状态判断方法以及系统。应用于至少一机床的机床状态判断方法包含以下步骤:通过一处理元件接收并记录机床的主轴于一时间区段内数个主轴电流负载值,产生主轴的一主轴电流负载变化记录,并根据主轴电流负载变化记录,判断是否符合一预设条件。在判断符合预设条件时,通过处理元件根据主轴电流负载变化记录,决定主轴电流负载变化记录所对应的一当前分类,以及对应当前分类的一撷取参数信息。通过处理元件依据撷取参数信息,取得机床的至少一撷取参数的数值,并依据所取得的撷取参数的数值,判断机床的一状态。
Description
技术领域
本发明是有关于一种机床状态判断方法以及系统,尤其是有关于一种根据机床的主轴电流负载变化记录,决定对应的分类,然后依据分类取得机床参数以判断机床状态的机床状态判断方法以及系统。
背景技术
随着工业的不断进步,发展出各式各样的自动化机床,执行各类自动化程序。因此,越来越多复杂的人工程序可由机床完成。
随着机床所执行的功能越加复杂,机床可能的故障原因也越多。尤其在加工或测试用的机床上,由于其需要相当高精密的加工,机床本身包含有相当多的组件,可能发生故障的原因也非常多,因此所需要收集其相关的参数才能让机床维护人员来判断机床的目前状态。机床往往设置在不同地点,为了节省维护人员的人力成本,目前多采用远距离的机床监控的方式来进行维护。也就是说,一般状况下,在远程建置一监控系统,经由通讯网络让机床将不断回传其可侦测到的所有参数并予以记录,当机床出现有一些状态或发生异常时,维护人员即可从所记录的参数数据中找出其可能所需要的数据,检视和判断机床是否异常,并判断其异常原因。然而,由于目前的机床其可回传的参数种类和数量过多,而在一般工厂或场所,往往也同时安装有多部机床,因此若要将所有机床的所有参数全部传送到远程的系统,无论是机床本身或是远程系统,都需使用运算能力较强的装置,且必须有相当大的频宽,才能将所有参数数据进行传送和储存,建置成本极高。
因此,如何在较低的硬件成本下,仍能够在远距离的系统中,来收集机床的参数数据以及进行状态判断,实属当前重要研发课题之一,亦成为当前相关领域亟需改进的目标。
发明内容
因此,本发明的一方面是在提供一种机床状态判断方法。在机床状态判断方法中,通过机床的主轴的负载电流,判断是否符合预设条件,并在符合预设条件时,进一步依据当前分类,取得对应的参数,以作为机床状态的判断依据。机床状态判断方法应用于至少一机床,且机床包含一主轴。机床状态判断方法包含以下步骤:通过一处理元件接收并记录主轴于一时间区段内数个主轴电流负载值,产生主轴的一主轴电流负载变化记录,并根据主轴电流负载变化记录,判断是否符合一预设条件。在判断符合预设条件时,通过处理元件根据主轴电流负载变化记录,决定主轴电流负载变化记录所对应的一当前分类,以及对应当前分类的一撷取参数信息。通过处理元件依据撷取参数信息,取得机床的至少一撷取参数的数值,并依据所取得的撷取参数的数值,判断机床的一状态。
本发明的另一方面是在提供一种计算机可读取记录媒体,储存一计算机程序,用以执行上述机床状态判断方法。方法步骤流程如上所述,在此不再重复赘述。
本发明的另一方面是在提供一种机床状态判断系统。机床状态判断系统包含一数据传输接口以及一处理元件。数据传输接口与至少一机床建立连结。机床包含一主轴。处理元件与数据传输接口建立连结。处理元件包含一电流负载信息处理模块、一分类模块以及一异常判断模块。电流负载信息处理模块接收并记录该主轴于一时间区段内数个主轴电流负载值,产生主轴的一主轴电流负载变化记录,并根据主轴电流负载变化记录,判断是否符合一预设条件。在判断符合预设条件时,分类模块根据主轴电流负载变化记录,决定主轴电流负载变化记录所对应的一当前分类,以及对应该当前分类的一撷取参数信息。判断模块依据撷取参数信息,取得机床的至少一撷取参数的数值,并依据所取得的撷取参数的数值,判断该机床的一状态。
附图说明
为让本发明的上述和其他目的、特征、优点与实施例能更明显易懂,所附附图的说明如下:
图1是依照本发明一实施例的一种机床状态判断方法的流程图;
图2绘示依照本发明一实施例的一种机床状态判断系统的功能方块图;
图3绘示依照本发明另一实施例的一种机床状态判断系统的功能方块图。
【主要元件符号说明】
100:机床状态判断方法
110-170:步骤
200:机床状态判断系统
210:数据传输接口
220:处理元件
221:电流负载信息处理模块
221a:分析器
222:分类模块
222a:峰值数量判断器
222b:峰值位置判断器
222c:峰值大小判断器
223:判断模块
230:储存单元
300:机床
310:主轴
具体实施方式
以下将以附图及详细说明本发明的精神,任何所属技术领域中具有通常知识者在了解本发明的较佳实施例后,当可由本发明所教示的技术加以改变及修饰,其并不脱离本发明的精神与范围。
请参照图1,其是依照本发明一实施例的一种机床状态判断方法的流程图。在机床状态判断方法中,通过机床的主轴的负载电流,判断是否符合预设条件,并在条件符合时,进一步依据当前分类,取得对应的参数,以作为机床状态的判断依据。机床状态判断方法可经由计算机程序来进行实作。计算机程序可储存于一计算机可读取记录媒体中,而使计算机(包括一般服务器、个人电脑、工业电脑、嵌入式系统等)读取此记录媒体后执行此机床状态判断方法。计算机可读取记录媒体可为只读记忆体、快闪记忆体、软盘、硬盘、光盘、随身盘、磁带、可由网络存取的数据库或熟悉此技艺者可轻易思及具有相同功能的计算机可读取记录媒体。
机床状态判断方法100可应用于至少一机床,机床包含有一主轴,包含以下步骤:
在步骤110中,通过一处理元件接收并记录主轴于一时间区段内数个主轴电流负载值。在一些实施例中,主轴电流负载变化记录,主要是将主轴在于此时间区段内的多个且连续的主轴电流负载值,其对应此时间区段所呈现出来的波形图。例如以时间轴作为横轴,以主轴电流负载值作为纵轴所画出来的波形图。在另一些实施例中,时间区段可以是10秒钟、1分钟、1小时或一天,可依具体实作需要来决定。
于是,在步骤120中,依据所记录的主轴电流负载值,产生主轴的一主轴电流负载变化记录。
在步骤130中,根据主轴电流负载变化记录,判断是否符合一预设条件。在一些实施例中,预设条件可以是一预设峰值数量、一预设峰值位置以及一预设峰值大小的其中一种,或是其中任两种以上的组合。因此,在步骤130的一些实施例中,可通过处理元件分析主轴电流负载变化记录的一峰值数量、一峰值位置以及一峰值大小的其中一种,或是其中任两种以上的组合。于是,处理元件可根据比对上述峰值数量和上述预设峰值数量、比对上述峰值位置和上述预设峰值数、以及比对量上述峰值大小和上述预设峰值大小三者其中之一的比对结果,判断是否符合该预设条件,判断是否符合预设条件。举例来说,上述判断可根据下面其中任一种或任两种以上的方式:比对在一段时间(如1分钟)内预设上述的峰值数量以及预设峰值数量两者的差值是否在一预设值之内,比对在一段时间峰值位置(如波形图中相邻二个波形的高峰点的距离)以及预设峰值位置(其预设二个波形的高峰点的距离)两者的差值是否在一预设值之内,比对峰值大小(如波形图中任一波形的高峰点的数值)以及预设峰值大小(其预设波形的高峰点的数值)两者的差值是否在一预设值之内等。
在判断不符合预设条件时,则可持续接收并记录主轴的主轴电流负载值(步骤110)。
在步骤140中,在判断符合预设条件时,通过处理元件根据主轴电流负载变化记录,决定主轴电流负载变化记录所对应的一当前分类,以及对应当前分类的一撷取参数信息。在本发明的一些实施例中,可事先建立多种分类数据,并储存在一储存单元中。举例来说,可通过储存单元记录数笔分类记录数据。每一分类记录数据包含一分类名称及其对应的主轴电流负载变化的数据和撷取参数信息。因此在此实施例中,处理元件是根据主轴电流负载变化记录中的主轴电流负载变化数据和储存单元中每一分类名称所对应的主轴电流负载变化数据来进行比对,以从分类记录数据中决定其中一分类名称,作为主轴电流负载变化记录所对应的当前分类。
在一些特定实施例中,处理元件可以将判断是否符合预设条件和决定主轴电流负载变化记录所对应的当前分类相关程序,进行合并处理。例如,主轴电流负载变化记录中的主轴电流负载变化数据,可以是前面所述的峰值数量、峰值位置以及峰值大小,而每一分类名称所对应的主轴电流负载变化数据可以是前面所述的预设条件,如分类名称可以是颤振、崩裂、刀具损耗、过负载和刀具异常等类别,而对应的主轴电流负载变化数据可以是大于一峰值数量上限值、小于一峰值数量下限值、未在一峰值位置区间、大于一峰值上限值、小于一峰值下限值等。在一特定实施例中,处理元件在判断是否符合预设条件的步骤时,是依据峰值数量是否大于上述预设峰值数量上限值来进行判断,而当判断符合时,即可从储存单元中所储存的众多分类及其对应数据,找出主轴电流负载变化数据(即预设条件)为“大于上述预设峰值数量上限值”其所对应的分类名称,以作为当前分类。
在另一些实施例中,分类名称所对应的主轴电流负载变化的数据也可以和前述的预设条件部分相同或都不相同。例如,预设条件可以是一预设峰值数量,而主轴电流负载变化数据可以是和预设峰值数量不同的另一峰值数量设定数值或设定一区间,或可以是前述的未在一峰值位置区间内、大于一峰值上限值、小于一峰值下限值等。
在步骤160中,通过处理元件依据撷取参数信息,取得机床的至少一撷取参数的数值。
在步骤170中,依据所取得的撷取参数的数值,判断机床的一状态。更进一步时,每一分类记录数据还包含各分类名称所对应的撷取参数历史数值。于是,在此步骤中处理元件判断机床的状态,可以依据所取得机床的该撷取参数的数值以及分类记录数据中对应当前分类的撷取参数历史数值,判断是否相符。若相符,则判断机床的状态确实属当前分类。若不相符,则处理元件还根据主轴电流负载变化记录及分类记录数据,从分类记录数据中当前分类以外的其他分类名称决定其中之一,作为更新后的当前分类,并依据更新后的当前分类,重新取得机床的撷取参数的数值,再和对应更新后的当前分类的撷取参数历史数值进行比对,判断是否相符。若仍不相符,重复上述步骤,再更换当前分类,直到确认相符为止,或所有分类都比对过为止。
如此一来,初步仅需接收并处理主轴电流负载值,作为判断机床状态的依据。因此,可大幅降低进行机床状态判断所需的硬件规格的要求,而节省硬件成本。此外,在初步判断符合预设条件而欲进一步了解当前机床状态时,亦仅需先依据主轴电流负载值所判断出的当前分类,撷取机床上较为少量参数的数值,即可进行机床状态判断。由于不需取得机床的所有参数的数值,因此亦不需太多运算资源,且可缩短判断所需时间,也不需太强大的硬件规格。
在本发明的一些实施例中,机床状态判断方法100可进一步包含以下步骤:当处理元件依据所取得的撷取参数的数值,无法判断机床的状态时,处理元件可另决定机床的撷取参数信息以外的一机床参数信息,根据此机床参数信息,另行再取得机床的至少一机床参数的数值。于是,可依据所取得撷取参数的数值和机床参数的数值,判断机床的状态。也就是说,当撷取参数仍不足以判断机床状态时,可另外再增加除了撷取参数之外的其他参数,再进行判断。当增加机床参数时,为了取得同一时段的参数数值以进行更准确的判断,处理元件可依据撷取参数信息和机床参数信息,重新取得机床的撷取参数和机床参数的数值,再进行机床的状态判断。
在本发明的一些特定实施例中,处理元件在判断是否符合预设条件、决定主轴电流负载变化记录所对应的当前分类时,可以有下面的多种实施方式。例如,步骤130中,可根据峰值数量判断是否大于一峰值数量上限值或小于一峰值数量下限值进行判断。当判断符合预设条件时,再于步骤140中依据峰值数量来决定当前分类及其对应的撷取参数信息,例如,可通过处理元件判断峰值数量是否大于一峰值数量上限值或小于一峰值数量下限值。当处理元件判断峰值数量大于峰值数量上限值时,通过处理元件判断当前分类为一颤振类别,以及决定对应当前分类的撷取参数信息为颤振检测参数,其可包含机床的一主轴温度、一主轴转速以及一节距补正。当处理元件判断峰值数量小于该峰值数量下限值时,处理元件判断当前分类为一崩裂类别,以及决定对应当前分类的撷取参数信息为至少一崩裂检测参数。
又例如,步骤130中可依据主轴电流负载变化记录的峰值位置,判断符合预设条件时,亦即通过处理元件判断峰值位置是否位于一峰值位置区间。当峰值位置未在峰值位置区间时,步骤140中处理元件判断当前分类为一刀具损耗类别,以及决定对应当前分类的撷取参数信息为刀具损耗检测参数(如主轴振动频率)。更进一步时,处理元件还可于步骤170中,当根据依据所撷取参数的数值,即主轴振动频率,未落于正常频率时,可判断机床的状态为刀具损坏。
又例如,步骤130中可依据主轴电流负载变化记录的峰值大小,判断是否符合预设条件,亦即通过处理元件判断峰值大小是否大于一峰值上限值或小于一峰值下限值。当处理元件判断峰值大小为大于峰值上限值时,步骤140中处理元件可判断当前分类为一过负载类别,以及决定对应当前分类的待撷取参数信息为至少一过负载检测参数。当处理元件判断峰值大小为小于峰值下限值时,步骤140中处理元件判断当前分类为一刀具异常类别,以及决定对应当前分类的撷取参数信息为至少一刀具检测参数,用以检测机床的刀具是否异常。
请参照图2,其绘示依照本发明一实施例的一种机床状态判断系统的功能方块图。机床状态判断系统200包含一数据传输接口210以及一处理元件220。数据传输接口透过有线或无线的数据传输通讯协定,与至少一机床300建立连结。机床300包含一主轴310。
处理元件220与数据传输接口210建立连结。在本发明的一些实施例中,数据传输接口210和处理元件220可应用机床300本身的处理元件实作。在本发明的另一些实施例中,数据传输接口210和处理元件220可由与机床300相连结的另一电子装置的处理元件而实作,例如与机床300近端连接的一机上盒(或称智慧服务盒、控制盒)。在本发明的又一些实施例中,处理元件220可分散式的实作于机床300以及与机床300有连结关系的多台电子装置,并不限于本揭露。
处理元件220包含一电流负载信息处理模块221、一分类模块222以及一判断模块223。电流负载信息处理模块221接收并记录机床300的主轴310于一时间区段内数个主轴电流负载值,以产生主轴310的一主轴电流负载变化记录。其中,在本发明的一些实施例中,可将主轴310的一切削电流,视为主轴电流负载值。在本发明的其他实施例中,可将自主轴310侦测到的其他类型的电流负载值,视为主轴电流负载值。此外,电流负载信息处理模块221可持续传送指令,要求机床300回传其主轴电流负载值。
接下来,电流负载信息处理模块221根据主轴电流负载变化记录,判断是否符合一预设条件。在电流负载信息处理模块221判断不符合预设条件时,则可持续接收主轴的数个主轴电流负载值。
在判断符合预设条件时,分类模块222根据主轴电流负载变化记录,决定主轴电流负载变化记录所对应的一当前分类,以及对应该当前分类的一撷取参数信息。
判断模块223依据撷取参数信息,取得机床的至少一撷取参数的数值,并依据所取得的撷取参数的数值,判断机床的一状态。如此一来,机床状态判断系统200初步仅需接收并处理主轴电流负载值,作为判断是否符合预设条件的依据。因此,可大幅降低机床状态判断系统200所需的硬件规格的要求,而节省硬件成本。此外,在初步判断是否符合预设条件时,亦仅需依据主轴电流负载值所判断出的分类,针对机床上少数的参数,进行机床状态判断。由于在此阶段仍不需取得机床的所有参数,因此机床状态判断系统200亦不需太多运算资源进行机床状态判断。换言之,机床状态判断系统200可轻易的同时处理多台机床的机床状态判断。此外,亦可缩短判断所需时间。
另外,当判断模块223依据所取得的撷取参数的数值无法判断机床300的状态时,判断模块223可另决定机床300的撷取参数信息以外的一机床参数信息。判断模块223根据此机床参数信息,另行再取得机床300的至少一机床参数的数值,并依据所取得撷取参数的数值和机床参数的数值,判断机床300的状态。
请参照图3,其绘示依照本发明另一实施例的一种机床状态判断系统的功能方块图。应了解到,在以下叙述中,已经在上述实施方式中叙述过的内容将不再重复赘述。
机床状态判断系统200还可包含一储存单元230。储存单元230记录数笔分类记录数据。每一分类记录数据包含一分类名称及其对应的主轴电流负载变化的数据和撷取参数信息。分类模块222是根据主轴电流负载变化记录及储存单元230中的分类记录数据,从分类记录数据中决定其中一分类名称,作为主轴电流负载变化记录所对应的当前分类。此外,各分类记录数据还包含各分类名称所对应的撷取参数历史数值。判断模块223判断机床300的状态,是依据所取得机床的撷取参数的数值以及分类记录数据中对应当前分类的撷取参数历史数值,判断是否相符。若是相符,判断模块223判断机床300的状态是属于当前分类。若否,则分类模块222还根据主轴电流负载变化记录及分类记录数据,从分类记录数据中当前分类以外的其他分类名称决定其中之一,作为更新后的当前分类。
主轴电流负载变化记录可为主轴电流负载对应时间区段所呈现的波形图。预设条件可包含一预设峰值数量、一预设峰值位置以及一预设峰值大小。于是,电流负载信息处理模块221可根据主轴电流负载变化记录与预设条件间的关系,判断是否符合预设条件。
在一些特定实施例中,处理元件可以将判断是否符合预设条件和决定主轴电流负载变化记录所对应的当前分类相关程序,进行合并处理。例如,主轴电流负载变化记录中的主轴电流负载变化数据,可以是前面所述的峰值数量、峰值位置以及峰值大小,而每一分类名称所对应的主轴电流负载变化数据可以是前面所述的预设条件,如分类名称可以是颤振、崩裂、刀具损耗、过负载和刀具异常等类别,而对应的主轴电流负载变化数据可以是大于一峰值数量上限值、小于一峰值数量下限值、未在一峰值位置区间、大于一峰值上限值、小于一峰值下限值等。
在另一些实施例中,分类名称所对应的主轴电流负载变化的数据也可以和前述的预设条件部分相同或都不相同。例如,预设条件可以是一预设峰值数量,而主轴电流负载变化数据可以是和预设峰值数量不同的另一峰值数量设定数值或设定一区间值,或可以是前述的未在一峰值位置区间内、大于一峰值上限值、小于一峰值下限值等。
电流负载信息处理模块221的一分析器221a可分析主轴电流负载变化记录的一峰值数量、一峰值位置以及一峰值大小的其中一种,或是其中任两种以上的组合。于是,电流负载信息处理模块221可根据比对上述峰值数量和上述预设峰值数量、比对上述峰值位置和上述预设峰值数、以及比对量上述峰值大小和上述预设峰值大小三者其中之一的比对结果,判断是否符合预设条件。
电流负载信息处理模块221可根据峰值数量判断是否大于一峰值数量上限值或小于一峰值数量下限值,进行条件判断。当判断符合预设条件时,分类模块222的一峰值数量判断器222a判断峰值数量是否大于一峰值数量上限值或小于一峰值数量下限值。当峰值数量判断器222a判断峰值数量大于峰值数量上限值时,分类模块222判断当前分类为一颤振类别,以及决定对应当前分类的撷取参数信息包含机床的一主轴温度、一主轴转速以及一节距补正。当峰值数量判断器222a判断峰值数量小于峰值数量下限值时,分类模块222判断当前分类为一崩裂类别,以及决定对应当前分类的撷取参数信息为崩裂检测参数。
又例如,电流负载信息处理模块221可依据主轴电流负载变化记录的峰值位置,判断是否符合预设条件时,亦即分类模块222的一峰值位置判断器222b判断峰值位置是否位于一峰值位置区间。当峰值位置未在峰值位置区间时,分类模块222判断当前分类为一刀具损耗类别,以及决定对应当前分类的撷取参数信息为刀具损耗检测参数(如主轴振动频率)。
又例如,电流负载信息处理模块221可依据主轴电流负载变化记录的峰值大小,判断是否符合预设条件,亦即分类模块222的一峰值大小判断器222c判断峰值大小是否大于一峰值上限值或小于一峰值下限值。当峰值大小判断器222c判断峰值大小为大于峰值上限值时,分类模块222可判断当前分类为一过负载类别,以及决定对应当前分类的待撷取参数信息为至少一过负载检测参数。当峰值大小判断器222c判断峰值大小为小于峰值下限值时,分类模块222判断当前分类为一刀具异常类别,以及决定对应当前分类的撷取参数信息为至少一刀具检测参数,用以检测机床的刀具是否异常。
本发明的方法可经由本发明机床状态判断系统来进行实作,本发明系统中各元件,可应用具特定逻辑电路的独特硬件装置或具特定功能的设备来实作,如将程序码和处理器/芯片整合成独特硬件或将程序码和市售可得的特定设备整合。更进一步者,本发明的方法亦可经由一般用途处理器/计算器/服务器与其它硬件(如数据传输接口)来进行实作,部份元件(如处理元件)可使一般用途处理器/计算器/服务器读取储存程序码的记录媒体后执行。当程序码被一般用途处理器/计算器/服务器载入且执行时,此一般用途处理器/计算器/服务器成为用以参与本发明系统的元件,类似于应用具特定逻辑电路的独特硬件装置,以执行本发明方法的操作步骤。
虽然本发明已以实施方式揭露如上,然其并非用以限定本发明,任何熟悉此技艺者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视所附的权利要求书所界定的范围为准。
Claims (16)
1.一种机床状态判断方法,应用于至少一机床,其特征在于,该机床包含一主轴,该机床状态判断方法包含:
通过一处理元件接收并记录该主轴于一时间区段内多个主轴电流负载值,产生该主轴的一主轴电流负载变化记录,并根据该主轴电流负载变化记录,判断是否符合一预设条件;
在判断符合该预设条件时,通过该处理元件根据该主轴电流负载变化记录,决定该主轴电流负载变化记录所对应的一当前分类,以及对应该当前分类的一撷取参数信息;以及
通过该处理元件依据该撷取参数信息,取得该机床的至少一撷取参数的数值,并依据所取得的撷取参数的数值,判断该机床的一状态。
2.根据权利要求1所述的机床状态判断方法,其特征在于,还包含:
通过储存单元记录多笔分类记录数据,其中每一所述分类记录数据是包含一分类名称及其对应的主轴电流负载变化的数据和撷取参数信息;且
其中该处理元件是根据该主轴电流负载变化记录及该多笔分类记录数据,从该多笔分类记录数据中决定其中一分类名称,作为该主轴电流负载变化记录所对应的当前分类。
3.根据权利要求2所述的机床状态判断方法,其特征在于:
每一所述分类记录数据还包含每一所述分类名称所对应的撷取参数历史数值;且
该处理元件判断该机床的状态,是依据所取得该机床的该撷取参数的数值以及该多笔分类记录数据中对应该当前分类的撷取参数历史数值,判断是否相符;
若相符,则判断该机床的状态是属于该当前分类;
若不相符,则该处理元件还根据该主轴电流负载变化记录及该多笔分类记录数据,从该多笔分类记录数据中该当前分类以外的其他分类名称决定其中之一,作为更新后的当前分类。
4.根据权利要求1所述的机床状态判断方法,其特征在于,该主轴电流负载变化记录是指该主轴电流负载对应该时间区段所呈现的波形图,该预设条件包含一预设峰值数量、一预设峰值位置以及一预设峰值大小至少其一,且其中根据该主轴电流负载变化记录,判断是否符合该预设条件的步骤包含:
通过该处理元件分析该主轴电流负载变化记录的一峰值数量、一峰值位置以及一峰值大小至少其一;且
其中该处理元件是根据比对该峰值数量和该预设峰值数量、比对该峰值位置和该预设峰值数以及比对量该峰值大小和该预设峰值大小三者其中之一的比对结果,判断是否符合该预设条件。
5.根据权利要求1所述的机床状态判断方法,其特征在于,该主轴电流负载变化记录中包含至少一峰值数量,且根据该主轴电流负载变化记录,决定该主轴电流负载变化记录所对应的该当前分类,以及对应该当前分类的该撷取参数信息的步骤包含:
通过该处理元件判断该峰值数量是否大于一峰值数量上限值或小于一峰值数量下限值;
当该处理元件判断该峰值数量大于该峰值数量上限值时,通过该处理元件判断该当前分类为一颤振类别,以及决定对应该当前分类的该撷取参数信息为颤振检测参数;以及
当该处理元件判断该峰值数量小于该峰值数量下限值时,该处理元件判断该当前分类为一崩裂类别,以及决定对应该当前分类的该撷取参数信息为崩裂检测参数。
6.根据权利要求1所述的机床状态判断方法,其特征在于,该主轴电流负载变化记录中包含至少一峰值位置,且根据该主轴电流负载变化记录,决定该主轴电流负载变化记录所对应的该当前分类,以及对应该当前分类的该撷取参数信息的步骤包含:
通过该处理元件判断该峰值位置是否位于一峰值位置区间;
当该峰值位置未在该峰值位置区间时,该处理元件判断该当前分类为一刀具损耗类别,以及决定对应该当前分类的该撷取参数信息为刀具损耗检测参数。
7.根据权利要求1所述的机床状态判断方法,其特征在于,该主轴电流负载变化记录中包含至少一峰值大小,根据该主轴电流负载变化记录,决定该主轴电流负载变化记录所对应的该当前分类,以及对应该当前分类的该撷取参数信息的步骤包含:
通过该处理元件判断该峰值大小是否大于一峰值上限值或小于一峰值下限值;
当该处理元件判断该峰值大小为大于该峰值上限值时,该处理元件判断该当前分类为一过负载类别,以及决定对应该当前分类的该待撷取参数信息为过负载检测参数;以及
当该处理元件判断该峰值大小为小于该峰值下限值时,该处理元件判断该当前分类为一刀具异常类别,以及决定对应该当前分类的该撷取参数信息为刀具检测参数。
8.根据权利要求1所述的机床状态判断方法,其特征在于,还包含:
当该处理元件依据所取得的撷取参数的数值,无法判断该机床的状态时,该处理元件决定该机床的该撷取参数信息以外的一机床参数信息,根据该机床参数信息,取得该机床的至少一机床参数的数值,并依据所取得的撷取参数的数值和机床参数的数值,判断该机床的该状态。
9.一种机床状态判断系统,其特征在于,包含:
一数据传输接口,与至少一机床建立连结,其中该机床包含一主轴;以及
一处理元件,与该数据传输接口建立连结,其中该处理元件包含:
一电流负载信息处理模块,接收并记录该主轴于一时间区段内多个主轴电流负载值,产生该主轴的一主轴电流负载变化记录,并根据该主轴电流负载变化记录,判断是否符合一预设条件;
一分类模块,在判断符合该预设条件时,根据该主轴电流负载变化记录,决定该主轴电流负载变化记录所对应的一当前分类,以及对应该当前分类的一撷取参数信息;以及
一判断模块,依据该撷取参数信息,取得该机床的至少一撷取参数的数值,并依据所取得的撷取参数的数值,判断该机床的一状态。
10.根据权利要求9所述的机床状态判断系统,其特征在于,还包含:
一储存单元,记录多笔分类记录数据,其中每一所述分类记录数据包含一分类名称及其对应的主轴电流负载变化的数据和撷取参数信息;且
其中该分类模块是根据该主轴电流负载变化记录及该多笔分类记录数据,从该多笔分类记录数据中决定其中一分类名称,作为该主轴电流负载变化记录所对应的当前分类。
11.根据权利要求10所述的机床状态判断系统,其特征在于,每一所述分类记录数据还包含每一所述分类名称所对应的撷取参数历史数值;该判断模块判断该机床的状态,是依据所取得该机床的该撷取参数的数值以及该多笔分类记录数据中对应该当前分类的撷取参数历史数值,判断是否相符,若是,则判断该机床的状态是属于该当前分类,若否,则该分类模块还根据该主轴电流负载变化记录及该多笔分类记录数据,从该多笔分类记录数据中该当前分类以外的其他分类名称决定其中之一,作为更新后的当前分类。
12.根据权利要求9所述的机床状态判断系统,其特征在于,该主轴电流负载变化记录是指该主轴电流负载对应该时间区段所呈现的波形图,该预设条件包含一预设峰值数量、一预设峰值位置以及一预设峰值大小至少其一,且该电流负载信息处理模块还包含:
一分析器,分析该主轴电流负载变化记录的一峰值数量、一峰值位置以及一峰值大小至少其一;且
其中该电流负载信息处理模块是根据比对该峰值数量和该预设峰值数量、比对该峰值位置和该预设峰值数以及比对量该峰值大小和该预设峰值大小三者其中之一的比对结果,判断是否符合该预设条件。
13.根据权利要求9所述的机床状态判断系统,其特征在于,该主轴电流负载变化记录中包含至少一峰值数量,且该分类模块还包含:
一峰值数量判断器,判断该峰值数量是否大于一峰值数量上限值或小于一峰值数量下限值,且
其中当该峰值数量判断器判断该峰值数量大于该峰值数量上限值时,该分类模块判断该当前分类为一颤振类别,以及决定对应该当前分类的该撷取参数信息为颤振检测参数;以及
其中当该峰值数量判断器判断该峰值数量小于该峰值数量下限值时,该分类模块判断该当前分类为一崩裂类别,以及决定对应该当前分类的该撷取参数信息为崩裂检测参数。
14.根据权利要求9所述的机床状态判断系统,其特征在于,该主轴电流负载变化记录中包含至少一峰值位置,且该分类模块还包含:
一峰值位置判断器,判断该峰值位置是否位于一峰值位置区间,当该峰值位置未在该峰值位置区间时,该分类模块判断该当前分类为一刀具损耗类别,以及决定对应该当前分类的该撷取参数信息为刀具损耗检测参数。
15.根据权利要求9所述的机床状态判断系统,其特征在于,该主轴电流负载变化记录中包含至少一峰值大小,该分类模块包含:
一峰值大小判断器,判断该峰值大小是否大于一峰值上限值或小于一峰值下限值,且
其中当该峰值大小判断器判断该峰值大小为大于该峰值上限值时,该分类模块判断该当前分类为一过负载类别,以及决定对应该当前分类的该待撷取参数信息为过负载检测参数;以及
其中当该峰值大小判断器判断该峰值大小为小于该峰值下限值时,该分类模块判断该当前分类为一刀具异常类别,以及决定对应该当前分类的该撷取参数信息为刀具检测参数。
16.根据权利要求9所述的机床状态判断系统,其特征在于:
当该判断模块依据所取得的撷取参数的数值,无法判断该机床的状态时,该判断模块决定该机床的该撷取参数信息以外的一机床参数信息,根据该机床参数信息,取得该机床的至少一机床参数的数值,并依据所取得的撷取参数的数值和机床参数的数值,判断该机床的该状态。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101143695 | 2012-11-22 | ||
TW101143695A TWI459011B (zh) | 2012-11-22 | 2012-11-22 | 機台狀態判斷方法、系統及電腦可讀取記錄媒體 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103838181A true CN103838181A (zh) | 2014-06-04 |
CN103838181B CN103838181B (zh) | 2016-12-21 |
Family
ID=50728693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210513034.1A Active CN103838181B (zh) | 2012-11-22 | 2012-12-04 | 机床状态判断方法以及系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9230370B2 (zh) |
CN (1) | CN103838181B (zh) |
TW (1) | TWI459011B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106154977A (zh) * | 2016-09-27 | 2016-11-23 | 重庆大学 | 一种数控机床切削工步全过程中关键时刻的判断方法 |
CN108873814A (zh) * | 2018-06-25 | 2018-11-23 | 深圳精匠云创科技有限公司 | 监测系统、监测方法及存储设备 |
CN109991933A (zh) * | 2018-01-02 | 2019-07-09 | 东莞市鑫国丰机械有限公司 | 主轴切削的数控方法 |
CN111045390A (zh) * | 2018-10-11 | 2020-04-21 | 发那科株式会社 | 机床的控制系统 |
CN111324073A (zh) * | 2020-03-05 | 2020-06-23 | 南京粒聚智能科技有限公司 | 一种机床检测分析方法及其分析平台 |
CN113110292A (zh) * | 2021-04-29 | 2021-07-13 | 浙江陀曼云计算有限公司 | 基于时序功率数据的机床工作状态预测方法及系统 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808826B (zh) * | 2016-02-29 | 2019-10-11 | 西安交通大学 | 一种机床参数及其区间变化范围的主动设计方法 |
CN107589320B (zh) * | 2016-07-08 | 2021-01-26 | 台达电子企业管理(上海)有限公司 | 功率模块的录波方法及录波装置 |
JP6989564B2 (ja) * | 2019-04-26 | 2022-01-05 | ファナック株式会社 | 工作機械の数値制御システム |
CN110207784B (zh) * | 2019-07-12 | 2020-07-07 | 国家电网有限公司 | 变压器油位告警方法、装置及终端设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2879255Y (zh) * | 2005-11-17 | 2007-03-14 | 天水星火机床有限责任公司 | 数控机床切削过载监控器 |
JP2008097363A (ja) * | 2006-10-12 | 2008-04-24 | Okuma Corp | 異常診断方法及びその装置 |
EP1927830A2 (en) * | 2006-11-30 | 2008-06-04 | Matsushita Electric Works, Ltd. | Device for overall machine tool monitoring |
CN101318301A (zh) * | 2008-07-01 | 2008-12-10 | 华中科技大学 | 一种数控机床低速进给负荷标定装置 |
CN101334656A (zh) * | 2008-07-25 | 2008-12-31 | 华中科技大学 | 一种数控机床加工性能监控系统 |
CN102284888A (zh) * | 2011-02-25 | 2011-12-21 | 华中科技大学 | 一种数控机床车削稳定性在线监测方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3436899B2 (ja) * | 1999-09-10 | 2003-08-18 | 義昭 垣野 | 工具異常検出装置及びこれを備えた数値制御装置 |
US6961637B2 (en) * | 2003-02-25 | 2005-11-01 | Ge Fanuc Automation Americas, Inc. | On demand adaptive control system |
US7409261B2 (en) * | 2004-10-25 | 2008-08-05 | Ford Motor Company | Data management and networking system and method |
US7525316B2 (en) * | 2005-09-06 | 2009-04-28 | 3M Innovative Properties Company | Electrostatic discharge event and transient signal detection and measurement device and method |
DE112007001890T5 (de) * | 2006-08-10 | 2009-05-20 | Advantest Corp. | Störungstrennvorrichtung, Störungstrennverfahren, Wahrscheinlichkeitsdichtefunktions-Trennvorrichtung, Wahrscheinlichkeitsdichtefunktions-Trennverfahren, Prüfvorrichtung, elektronische Vorrichtung, Programm und Aufzeichnungsmedium |
US20090030545A1 (en) * | 2007-07-23 | 2009-01-29 | Fanuc Ltd | Numeric control device of machine tool |
US8041520B2 (en) * | 2007-09-26 | 2011-10-18 | Gilbert Ronald Mesec | Method to detect mechanical faults and dynamic instability in rotor systems of helicopters, tilt rotor aircraft, and whirl towers |
CN101587161B (zh) * | 2008-05-23 | 2011-11-30 | 中芯国际集成电路制造(北京)有限公司 | 晶圆测试参数的限值确定方法 |
TWI391684B (zh) * | 2009-03-20 | 2013-04-01 | King Yuan Electronics Co Ltd | 提高元件測試良率的測試方法與裝置 |
JP5014391B2 (ja) * | 2009-09-11 | 2012-08-29 | ファナック株式会社 | 複数のセンサの信号に基づいて機械の異常判定を行う機能を備えた数値制御装置 |
US8639458B2 (en) * | 2010-02-02 | 2014-01-28 | Simmonds Precision Products, Inc. | Techniques for use with rotor track and balance to reduce vibration |
-
2012
- 2012-11-22 TW TW101143695A patent/TWI459011B/zh active
- 2012-12-04 CN CN201210513034.1A patent/CN103838181B/zh active Active
- 2012-12-14 US US13/714,450 patent/US9230370B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2879255Y (zh) * | 2005-11-17 | 2007-03-14 | 天水星火机床有限责任公司 | 数控机床切削过载监控器 |
JP2008097363A (ja) * | 2006-10-12 | 2008-04-24 | Okuma Corp | 異常診断方法及びその装置 |
EP1927830A2 (en) * | 2006-11-30 | 2008-06-04 | Matsushita Electric Works, Ltd. | Device for overall machine tool monitoring |
CN101318301A (zh) * | 2008-07-01 | 2008-12-10 | 华中科技大学 | 一种数控机床低速进给负荷标定装置 |
CN101334656A (zh) * | 2008-07-25 | 2008-12-31 | 华中科技大学 | 一种数控机床加工性能监控系统 |
CN102284888A (zh) * | 2011-02-25 | 2011-12-21 | 华中科技大学 | 一种数控机床车削稳定性在线监测方法 |
Non-Patent Citations (1)
Title |
---|
周玉清等: "基于电动机电流的数控机床主轴状态监测系统研究", 《制造技术与机床》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106154977A (zh) * | 2016-09-27 | 2016-11-23 | 重庆大学 | 一种数控机床切削工步全过程中关键时刻的判断方法 |
WO2018058932A1 (zh) * | 2016-09-27 | 2018-04-05 | 重庆大学 | 一种数控机床切削工步全过程中关键时刻的判断方法 |
US10719061B2 (en) | 2016-09-27 | 2020-07-21 | Chongqing University | Method for judging key moments in whole process of machining step for computer numerical control machine tools |
CN109991933A (zh) * | 2018-01-02 | 2019-07-09 | 东莞市鑫国丰机械有限公司 | 主轴切削的数控方法 |
CN108873814A (zh) * | 2018-06-25 | 2018-11-23 | 深圳精匠云创科技有限公司 | 监测系统、监测方法及存储设备 |
CN111045390A (zh) * | 2018-10-11 | 2020-04-21 | 发那科株式会社 | 机床的控制系统 |
CN111045390B (zh) * | 2018-10-11 | 2024-03-12 | 发那科株式会社 | 机床的控制系统 |
CN111324073A (zh) * | 2020-03-05 | 2020-06-23 | 南京粒聚智能科技有限公司 | 一种机床检测分析方法及其分析平台 |
CN113110292A (zh) * | 2021-04-29 | 2021-07-13 | 浙江陀曼云计算有限公司 | 基于时序功率数据的机床工作状态预测方法及系统 |
CN113110292B (zh) * | 2021-04-29 | 2022-03-18 | 浙江陀曼云计算有限公司 | 基于时序功率数据的机床工作状态预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
US9230370B2 (en) | 2016-01-05 |
CN103838181B (zh) | 2016-12-21 |
TWI459011B (zh) | 2014-11-01 |
TW201421050A (zh) | 2014-06-01 |
US20140142738A1 (en) | 2014-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103838181A (zh) | 机床状态判断方法以及系统 | |
CN114184955A (zh) | 电机故障检测方法、系统及存储介质 | |
CN104246521A (zh) | 智能变电站继电保护功能自动测试的方法及装置 | |
CN112987696A (zh) | 一种区域配电网设备管理平台及其运行方法 | |
CN106403188A (zh) | 一种空调维护方法及其维护装置 | |
CN109409536B (zh) | 一种采集系统主站对通信单元的资产信息进行处理的方法及系统 | |
US8594822B2 (en) | Electronic supervisor | |
CN101749259A (zh) | 一种风扇组异常检测方法和设备 | |
CN104090252A (zh) | 一种电缆型故障指示器的综合检测系统和方法 | |
CN108072858B (zh) | 电能表质量管理方法、系统及终端设备 | |
CN113077065A (zh) | 车辆生产线故障的处理方法、装置、设备及存储介质 | |
CN113992602B (zh) | 一种电缆监测数据上传方法、装置、设备以及存储介质 | |
CN101876935A (zh) | 调试程序监控方法与装置 | |
Ginart et al. | Automated feature selection for embeddable prognostic and health monitoring (PHM) architectures | |
CN114610553A (zh) | 一种智能设备检测系统及其检测方法 | |
CN204650248U (zh) | 电厂人员和设备的综合管理系统 | |
CN111157942A (zh) | 一种窃电事件监控方法、电子监控设备和防窃电系统 | |
CN116466178A (zh) | 一种高频外电网质量监测方法、系统及装置 | |
CN115766793A (zh) | 一种基于数据中心机房基础环境监测报警装置 | |
CN111596647B (zh) | 风电机组高效智能测试系统及方法 | |
CN113254301A (zh) | 一种钢铁生产设备运行状态检测方法及系统 | |
CN114007244A (zh) | 一种分析车地通信质量的方法 | |
CN108121303A (zh) | 一种应用于制造设备统计分析过程的日志记录方法 | |
CN113300918A (zh) | 智慧灯杆的故障检测方法、终端设备及存储介质 | |
CN108199482B (zh) | 维护提示方法及装置 |
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 |