CN104741638B - 一种车削刀具磨损状态监测系统 - Google Patents
一种车削刀具磨损状态监测系统 Download PDFInfo
- Publication number
- CN104741638B CN104741638B CN201510187844.6A CN201510187844A CN104741638B CN 104741638 B CN104741638 B CN 104741638B CN 201510187844 A CN201510187844 A CN 201510187844A CN 104741638 B CN104741638 B CN 104741638B
- Authority
- CN
- China
- Prior art keywords
- temperature
- tool wear
- signal
- cutting
- state
- 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.)
- Expired - Fee Related
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23B—TURNING; BORING
- B23B25/00—Accessories or auxiliary equipment for turning-machines
- B23B25/06—Measuring, gauging, or adjusting equipment on turning-machines for setting-on, feeding, controlling, or monitoring the cutting tools or work
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0957—Detection of tool breakage
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0985—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining by measuring temperature
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明公开了一种车削刀具磨损状态监测系统,包括信号采集系统和识别刀具磨损状态系统;信号采集系统包括温度采集系统和振动信号采集系统,温度采集系统采集刀具前刀面刀尖处的温度,振动信号采集系统采集刀具前刀面刀尖处所对应的刀柄的下表面处的三向振动信号;将信号采集系统采集到的信号经过预处理后获得刀具磨损状态的敏感特征并将上述敏感特征传递至训练好的识别刀具磨损状态系统中,识别刀具磨损系统判断出刀具的磨损状态。该系统简单适用,操作方便,并且使用的传感器比较通用、价格适中,易于组建试验系统,大大减少了监测成本,并能较为有效地识别刀具的磨损状态,减少刀具的浪费。
Description
技术领域
本发明涉及机械加工领域,特别是机械加工刀具磨损状态的监测系统。
背景技术
刀具磨损是机械加工中的常见现象,刀具磨损会降低工件加工精度、劣化工件表面粗糙度、减少设备使用寿命、产生车削热、增加停机时间、直接降低生产效率和收益。为了避免因刀具磨损而造成损失,目前工厂大多根据加工经验和刀具平均寿命来替换刀具,常会导致刀具已经磨损但未被换下或磨损并不严重却被换下,这种方法并不能有效解决刀具磨损造成的机械加工问题。因此对刀具磨损状态的监测研究显得十分必要,特别是随着现代全自动制造系统的逐渐普及,刀具自动监控成为必然趋势。在加工过程中,通过对各种信号的采集、提取、分析和识别,可以实现对刀具磨损状态的准确判断。
但现有文献中:(1)一般只单独测试一种与刀具磨损状态关联的信号,如振动信号、温度信号、声发射、主轴电流信号等,通过这种单一的信号来提取与刀具磨损相关的特征,以这些特征为基础进行刀具磨损状态识别;(2)或者虽然采集两种信号,但提取的信号特征对刀具的磨损状态不够敏感、或者对不同的信号只采用单一的分析技术提取信号特征,因此,对刀具状态的识别及监测的准确度都不高;(3)另外,监测系统所需仪器特殊、价格较高,如监测声发射信号设备,导致监测成本增高。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种车削刀具磨损状态监测系统,用于解决现有的刀具磨损监测不完善且信号特征对磨损状态不敏感、监测准确度不高以及监测成本昂贵的技术问题。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种车削刀具磨损状态监测系统,包括信号采集系统和识别刀具磨损状态系统;
所述信号采集系统包括温度采集系统和振动信号采集系统,所述温度采集系统通过红外测温仪采集刀具前刀面刀尖处的温度,所述振动信号采集系统通过三向加速度传感器采集刀具前刀面刀尖处所对应的刀柄的下表面处的三向振动信号,所述三向振动包括沿工件轴向进给方向的振动、沿工件径向的振动和沿工件切向的振动;
将信号采集系统采集到的信号经过预处理后获得刀具磨损状态敏感的特征并将上述敏感特征传递至训练好的识别刀具磨损状态系统中,识别刀具磨损状态系统判断出刀具的磨损状态。
进一步的,在本发明中,所述识别刀具磨损状态系统的训练过程如下:
步骤一、建立样本集,样本集中的每个样本均包含如下参数:刀具前刀面刀尖处的温度信号、三向振动信号以及车削三要素;将样本集划分为训练集和测试集;
步骤二、按照下述方法进行预处理以获得敏感特征:
将样本集中所有样本的温度信号进行时域分析,获得温度-时间曲线和温度均方根随车床主轴转速曲线、温度均方根随进给速度曲线及温度均方根随车削深度曲线;
将样本集中所有样本的三向振动信号进行时域和频域分析,获得三向振动加速度-时间曲线、三向振动加速度幅频谱图以及三向振动加速度自功率谱图;
步骤三、利用训练集对识别刀具磨损状态系统中的分类器进行训练;
步骤四、利用步骤三中训练完成的分类器对测试集中的样本进行测试,根据敏感特征对测试集样本中的刀具状态进行预测并获得预测准确度。
有益效果:
本发明提出了一种基于刀具车削温度信号及三向加速度振动信号同步采集的车刀磨损状态监测系统,该系统分别用红外测温仪拾取刀具刀尖处温度信号、用三向加速度传感器拾取刀具下表面振动信号,对采集的三向加速度振动信号、温度信号提取时域及频域特征,综合得到对刀具磨损状态敏感的特征,从而有效识别刀具的磨损状态,并决定是否更换刀具;
该种车削刀具磨损状态的监测系统适用于数控机床和普通车床刀具的监测,其监测原理及所用两类传感器也同样适用于铣床刀具状态的监测;
该系统简单适用,操作方便,并且使用的传感器比较通用、价格适中,易于组建试验系统,大大减少了监测成本,并能较为有效地识别刀具的磨损状态,减少刀具的浪费。
附图说明
图1为本发明的监测系统的原理示意图;
图2为3种不同磨损状态下的车刀在相同车削参数下的温度-时间曲线;
图3为初期磨损状态下的车刀的温度均方根随不同主轴转速的变化曲线;
图4为初期磨损状态下的车刀的温度均方根随不同进给速度的变化曲线;
图5为初期磨损状态下的车刀的温度均方根随不同车削深度的变化曲线;
图6为不同磨损状态下的车刀的温度均方根随不同主轴转速的变化曲线;
图7为初期磨损状态下的车刀的三向振动加速度-时间曲线;
图8为中期磨损状态下的车刀的三向振动加速度-时间曲线;
图9为严重磨损状态下的车刀的三向振动加速度-时间曲线;
图10为初期磨损状态下的车刀的三向振动幅频谱图;
图11为中期磨损状态下的车刀的三向振动幅频谱图;
图12为严重磨损状态下的车刀的三向振动幅频谱图;
图13为初期磨损状态下的车刀的三向振动加速度自功率谱图;
图14为中期磨损状态下的车刀的三向振动加速度自功率谱图;
图15为严重磨损状态下的车刀的三向振动加速度自功率谱图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
选定初期磨损、中期磨损、严重磨损这三种不同磨损状态下的车刀,对每一种刀具按照表1所示的方案进行车削试验,对每一个给定的车削深度e进行12次试验,则每一种状态的刀具可进行36次车削试验,每次试验时间设定为1分钟。
表1
如图1所述,搭建本发明的车削刀具磨损状态监测系统,包括信号采集系统和识别刀具磨损状态系统;
所述信号采集系统包括温度采集系统和振动信号采集系统,所述温度采集系统通过美国OMEGA公司生产的OS523E-2型红外测温仪采集刀具前刀面刀尖处的温度,所述振动信号采集系统通过压电式加速度传感器作为三向加速度传感器来采集刀具前刀面刀尖处所对应的刀柄的下表面处的三向振动信号,所述三向振动包括沿工件轴向进给方向的振动、沿工件径向的振动和沿工件切向的振动。
将信号采集系统采集到的信号经过预处理后获得刀具磨损状态的敏感特征并将上述敏感特征传递至训练好的识别刀具磨损状态系统中,识别刀具磨损装态系统判断出刀具的磨损状态。
所述识别刀具磨损状态系统的训练过程如下:
步骤一、建立样本集,样本集中的每个样本均包含如下参数:刀具前刀面刀尖处的温度信号、三向振动信号以及车削三要素;将样本集划分为训练集和测试集;
步骤二、预处理:
将样本集中所有样本的温度信号进行时域分析,获得温度-时间曲线和温度均方根随转速的变化曲线;
将样本集中所有样本的三向振动信号进行时域和频域分析,获得三向振动加速度-时间曲线、三向振动加速度幅频谱图以及三向振动加速度自功率谱图;
步骤三、利用训练集对识别刀具磨损状态系统中的分类器进行训练;
步骤四、利用步骤三中训练完成的分类器对测试集中的样本进行测试,根据敏感特征对测试集样本中的刀具状态进行预测并获得预测准确度。
将采集到的信号经过预处理,获得如下试验数据。
温度-时间曲线
图2为3种不同磨损状态下的车刀在相同车削参数下的温度-时间曲线。车削参数为:转速n=800r/min、车削深度e=0.3mm、进给速度f=80mm/min。
图3至图5为初期磨损状态下的车刀的温度随车削参数的变化曲线;其中,图3中固定进给速度f=40mm/min、车削深度e=0.8mm,在不同车床主轴转速的情况下得到的温度均方根变化的曲线;图4中固定车床主轴转速n=1600r/min、车削深度e=0.5mm,在不同进给速度的情况下得到的温度均方根变化的曲线;图5中固定车床主轴转速n=800r/min、进给速度f=40mm/min,在不同车削深度的情况下得到的温度均方根变化的曲线。
温度均方根随车床主轴转速的变化曲线
图6为不同磨损状态刀具温度均方根随车床主轴转速的变化曲线,并且设定进给速度f=80mm/min,车削深度e=0.3mm。
由图3至图6可知,不同车削参数下、不同磨损状态下刀具的温度峰值、均方根等值都有所不同;同一车削参数及车削直径下,严重磨损的刀具温度明显高于其他两种。因此,需要再结合振动特征识别剩余的初期磨损与中期磨损的两种刀具。
三向振动加速度-时间曲线
图7至图9给出了进给速度f=80mm/min、车削深度e=0.3mm、转速n=800转/分一定时,初期磨损刀具、中期磨损刀具和严重磨损刀具振动的加速度-时间曲线;每幅图从上到下分别对应刀具沿轴向、径向以及切向的振动加速度-时间曲线。
三向振动加速度幅频谱图
图10-图12给出了与图7-图9车削参数相同条件下的不同刀具的三向振动的幅频谱图;每幅图从上到下分别对应刀具沿轴向、径向以及切向的振动的幅频谱图。
三向振动加速度自功率谱图
图13至图15给出了与图7至图9车削参数相同条件的不同刀具的三向振动加速度自功率谱图;每幅图从上到下分别对应刀具沿轴向(X向)、径向(Y向)以及切向(Z向)的振动加速度自功率谱图。
由图13至图15可得,在前述车削参数:转速n=800r/min,轴向进给f=80mm/min,切削深度e=0.3的车削试验中,初期磨损、中期磨损、严重磨损的三种刀具三向振动加速度自功率谱最大值如表2所示。
表2
初期磨损 | 中期磨损 | 严重磨损 | |
X向 | 0.26 | 0.4392 | 0.1137 |
Y向 | 0.2675 | 0.5295 | 0.1374 |
Z向 | 0.3101 | 0.4792 | 0.1206 |
从表2可知,在转速n=800r/min,轴向进给f=80mm/min,切削深度e=0.3及相同车削直径下,初期磨损刀具三向振动加速度自功率谱最大值集中在0.26~0.3之间,中期磨损刀具三向振动加速度自功率谱最大值集中在0.43~0.53之间。即通过三向振动加速度自功率谱最大值可以在一定程度识别初期磨损和中期磨损刀具。而前面温度信号特征可以把严重磨损刀具与初期及中期磨损的刀具区别开来。
当需要判定的刀具数量多且具有不同磨损状态时,后续还可以进一步通过时-频分析法,即信号处理技术中的小波与小波包分析、经验模态分析(EMD)以及在此基础上的总体经验模态分析(EEMD)分别提取温度、振动两类信号的峰值、平均值、方差等以获得更多的敏感特征,融合温度及振动的各种特征输入支持向量机来识别刀具的磨损状态。
总之,结合刀具的温度及三向振动信号,提取对刀具敏感的状态特征,可以有效识别刀具的状态,所用试验设备价格适中,识别原理较为简单,大大减少了监测成本。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种车削刀具磨损状态监测系统,其特征在于:包括信号采集系统和识别刀具磨损状态系统;
所述信号采集系统包括温度采集系统和振动信号采集系统,所述温度采集系统通过红外测温仪采集刀具前刀面刀尖处的温度,所述振动信号采集系统通过三向加速度传感器采集刀具前刀面刀尖处所对应的刀柄的下表面处的三向振动信号,所述三向振动包括沿工件轴向进给方向的振动、沿工件径向的振动和沿工件切向的振动;
将信号采集系统采集到的信号经过预处理后获得刀具磨损状态的敏感特征并将上述敏感特征传递至训练好的识别刀具磨损状态系统中,识别刀具磨损状态系统判断出刀具的磨损状态;
所述识别刀具磨损状态系统的训练过程如下:
步骤一、建立样本集,样本集中的每个样本均包含如下参数:刀具前刀面刀尖处的温度信号、三向振动信号以及车削三要素;将样本集划分为训练集和测试集;
步骤二、按照下述方法进行预处理以获得敏感特征:
将样本集中所有样本的温度信号进行时域分析,获得温度-时间曲线和温度均方根随车床主轴转速曲线、温度均方根随进给速度曲线及温度均方根随车削深度曲线;
将样本集中所有样本的三向振动信号进行时域和频域分析,获得三向振动加速度-时间曲线、三向振动加速度幅频谱图以及三向振动加速度自功率谱图;
步骤三、利用训练集对识别刀具磨损状态系统中的分类器进行训练;
步骤四、利用步骤三中训练完成的分类器对测试集中的样本进行测试,根据敏感特征对测试集样本中的刀具状态进行预测并获得预测准确度。
2.根据权利要求1所述的车削刀具磨损状态监测系统,其特征在于:所述三向加速度传感器为压电式加速度传感器。
3.根据权利要求1所述的车削刀具磨损状态监测系统,其特征在于:通过MATLAB软件进行时域和频域分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510187844.6A CN104741638B (zh) | 2015-04-20 | 2015-04-20 | 一种车削刀具磨损状态监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510187844.6A CN104741638B (zh) | 2015-04-20 | 2015-04-20 | 一种车削刀具磨损状态监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104741638A CN104741638A (zh) | 2015-07-01 |
CN104741638B true CN104741638B (zh) | 2017-06-06 |
Family
ID=53582209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510187844.6A Expired - Fee Related CN104741638B (zh) | 2015-04-20 | 2015-04-20 | 一种车削刀具磨损状态监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104741638B (zh) |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105136449B (zh) * | 2015-08-24 | 2018-05-18 | 哈尔滨工程大学 | 一种基于磨损机理的车用传动装置的磨损随机过程试验预测方法 |
TWI593502B (zh) * | 2015-11-13 | 2017-08-01 | 財團法人工業技術研究院 | 刀具檢測裝置及其刀具檢測方法 |
CN105234746A (zh) * | 2015-11-25 | 2016-01-13 | 苏州多荣自动化科技有限公司 | 一种刀具磨损在线监控系统及其检测方法 |
TWI579537B (zh) * | 2015-12-09 | 2017-04-21 | 財團法人金屬工業研究發展中心 | Method of extracting dynamic vibration frequency |
CN105312965B (zh) * | 2015-12-08 | 2017-05-10 | 华中科技大学 | 一种铣削加工刀具破损监测方法 |
CN105773311B (zh) * | 2016-04-06 | 2017-10-13 | 吉林大学 | 压电自感应式数控车床刀架可靠性试验系统 |
CN105834834B (zh) * | 2016-04-21 | 2017-10-27 | 四川大学 | 基于果蝇优化算法的铣刀磨损状态监测方法 |
CN107066775B (zh) * | 2016-05-30 | 2020-03-31 | 江苏师范大学 | 一种刀具车削温升均值的预测方法 |
CN106217130B (zh) * | 2016-08-15 | 2018-06-15 | 大连理工大学 | 复杂曲面加工过程中铣刀状态在线监测与预警方法 |
CN106346314A (zh) * | 2016-10-26 | 2017-01-25 | 江苏工大金凯高端装备制造有限公司 | 一种刀具磨损监测系统及装置 |
WO2018176337A1 (zh) * | 2017-03-30 | 2018-10-04 | 深圳市红昌机电设备有限公司 | 车削床的控制方法及系统 |
CN107186547A (zh) * | 2017-05-25 | 2017-09-22 | 重庆大学 | 基于切削功率的数控车削批量加工刀具磨损在线监测方法 |
TWI629136B (zh) * | 2017-07-31 | 2018-07-11 | 鍵和機械股份有限公司 | 碰觸偵測方法 |
CN107363645B (zh) * | 2017-08-21 | 2019-03-01 | 温州大学激光与光电智能制造研究院 | 基于功率检测的铣床加工过程刀具磨损量预测方法 |
TWI649152B (zh) * | 2017-11-28 | 2019-02-01 | 先馳精密儀器股份有限公司 | 刀具狀態檢測系統及方法 |
CN108747586A (zh) * | 2018-04-28 | 2018-11-06 | 基准精密工业(惠州)有限公司 | 刀柄、监测方法及存储设备 |
CN109298680A (zh) * | 2018-09-13 | 2019-02-01 | 成都数之联科技有限公司 | 一种数控机床刀具检测的数据采集系统 |
CN109746465A (zh) * | 2018-09-26 | 2019-05-14 | 江苏师范大学 | 一种车削振动-车削变形-车削温度实时监测与分析系统 |
CN109781244B (zh) * | 2019-02-25 | 2020-06-02 | 吉林大学 | 一种数控机床刀具振动信号检测系统及检测方法 |
CN110091216B (zh) * | 2019-05-13 | 2021-06-01 | 江苏师范大学 | 铣削噪声与铣削振动的监测及其相关性分析系统及方法 |
CN110842648A (zh) * | 2019-11-28 | 2020-02-28 | 南京科技职业学院 | 一种刀具磨损的在线预测和监测方法 |
CN110744359A (zh) * | 2019-11-29 | 2020-02-04 | 湖南工业职业技术学院 | 一种数控车床刀具磨损监测系统及方法 |
CN111037365B (zh) * | 2019-12-26 | 2021-08-20 | 大连理工大学 | 基于生成式对抗网络的刀具状态监测数据集增强方法 |
CN112008495B (zh) * | 2020-07-28 | 2021-09-07 | 成都飞机工业(集团)有限责任公司 | 一种基于振动监测的刀具破损识别方法 |
CN112475410A (zh) * | 2020-11-02 | 2021-03-12 | 江苏师范大学 | 一种铣削温度与多元影响因子的关联分析系统及方法 |
CN112428025A (zh) * | 2020-11-11 | 2021-03-02 | 哈尔滨理工大学 | 一种构建刀具二维磨损图进行安全切削区域优选的方法 |
CN112757052B (zh) * | 2020-12-09 | 2023-02-03 | 江苏师范大学 | 不同磨损刀具的车削热与多元影响因子的相关性分析方法 |
CN114147284A (zh) * | 2021-08-31 | 2022-03-08 | 上海大学 | 一种拉床拉刀结构健康监测系统及方法 |
CN114055252A (zh) * | 2021-08-31 | 2022-02-18 | 上海大学 | 一种基于敏感段振动信号时域/频域均方根的拉削刀具磨损定量预测系统及方法 |
CN114833636B (zh) * | 2022-04-12 | 2023-02-28 | 安徽大学 | 一种基于多特征空间卷积神经网络的刀具磨损监测方法 |
CN116079087B (zh) * | 2023-04-12 | 2023-06-30 | 哈尔滨商业大学 | 一种智能制造的数控车床 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT1315994B1 (it) * | 2000-10-24 | 2003-03-26 | Consiglio Nazionale Ricerche | Procedimento e relativo dispositivo per la supervisione automatica del grado di usura degli utensili impiegati nelle lavorazioni meccaniche |
CN102073300B (zh) * | 2010-12-28 | 2013-04-17 | 华中科技大学 | 一种数控加工状态自学习的刀具磨损监控系统 |
CN103105820B (zh) * | 2012-05-22 | 2014-10-29 | 华中科技大学 | 一种数控机床切削加工的刀具磨损状态识别方法 |
CN102765010B (zh) * | 2012-08-24 | 2014-12-17 | 常州大学 | 刀具破磨损状态检测方法及其检测系统 |
CN203245680U (zh) * | 2013-04-18 | 2013-10-23 | 湖南工业职业技术学院 | 一种基于钛合金加工的机床刀具磨损监测装置 |
CN104117876B (zh) * | 2013-04-28 | 2018-08-03 | 郑州大学 | 一种检查切削刀具是否断裂或磨损的方法及其设备 |
GB201313279D0 (en) * | 2013-07-25 | 2013-09-11 | Univ Brunel | Cutting tool |
CN104385059B (zh) * | 2014-09-12 | 2017-04-05 | 浙江海洋学院 | 一种刀面磨损检测方法及其装置 |
CN104463887A (zh) * | 2014-12-19 | 2015-03-25 | 盐城工学院 | 基于分层聚焦采集图像和三维重建的刀具磨损检测方法 |
-
2015
- 2015-04-20 CN CN201510187844.6A patent/CN104741638B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104741638A (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104741638B (zh) | 一种车削刀具磨损状态监测系统 | |
CN105058165A (zh) | 基于振动信号的刀具磨损量监测系统 | |
CN106647629A (zh) | 一种基于数控系统内部数据的断刀检测方法 | |
CN101879690B (zh) | 一种基于多传感器信号的批量钻削工序质量监测方法 | |
CN111660141B (zh) | 一种工况无关的基于主轴驱动电流的铣刀磨损状态识别方法 | |
CN103941645B (zh) | 薄壁零件复杂工况加工状态监测方法 | |
CN106216745A (zh) | 一种可实时监测刀具磨损的激光加热辅助铣削装置 | |
CN110059442A (zh) | 一种基于零件表面粗糙度和功率信息的车削加工换刀方法 | |
CN107350900B (zh) | 一种基于断屑时间提取的刀具状态监测方法 | |
CN107066775B (zh) | 一种刀具车削温升均值的预测方法 | |
CN103231279A (zh) | 一种数控机床切削状态下的机床主轴动态测试装置 | |
CN107756250A (zh) | 一种磨削功率与能耗智能监控系统及决策方法 | |
CN104101498A (zh) | 一种加工机床主轴轴承的实时故障检测方法及系统 | |
CN109635847A (zh) | 一种基于振动和声发射的刀具磨损状态识别方法 | |
CN103586515A (zh) | 一种蒙皮类零件数控铣切方法 | |
CN113369994A (zh) | 一种高速铣削过程刀具状态监测方法 | |
Sener et al. | Intelligent chatter detection in milling using vibration data features and deep multi-layer perceptron | |
CN114227382A (zh) | 基于新型胶囊网络的刀具破损监测系统及方法 | |
CN111487924B (zh) | 一种基于生产线多源异构数据的刀具破损分析方法 | |
CN104503361A (zh) | 基于多模式融合的齿轮加工过程换刀决策方法 | |
CN108956783A (zh) | 一种基于hdp-hsmm的磨削声砂轮钝化状态检测方法 | |
CN202735778U (zh) | 一种数控机床切削性能及切削能力测试装置 | |
CN110744359A (zh) | 一种数控车床刀具磨损监测系统及方法 | |
CN114638265B (zh) | 一种基于信号卷积神经网络的铣削颤振判别方法 | |
CN114888635A (zh) | 一种刀具状态监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170606 Termination date: 20190420 |
|
CF01 | Termination of patent right due to non-payment of annual fee |