CN105629920A - 加工监控系统及方法 - Google Patents
加工监控系统及方法 Download PDFInfo
- Publication number
- CN105629920A CN105629920A CN201410658929.3A CN201410658929A CN105629920A CN 105629920 A CN105629920 A CN 105629920A CN 201410658929 A CN201410658929 A CN 201410658929A CN 105629920 A CN105629920 A CN 105629920A
- Authority
- CN
- China
- Prior art keywords
- machining information
- abnormal
- controller
- parameters
- processing
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 claims abstract description 47
- 238000003754 machining Methods 0.000 claims description 160
- 230000002159 abnormal effect Effects 0.000 claims description 118
- 230000008569 process Effects 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 15
- 230000000750 progressive effect Effects 0.000 claims 1
- 230000005856 abnormality Effects 0.000 abstract description 8
- 206010044565 Tremor Diseases 0.000 description 63
- 238000007726 management method Methods 0.000 description 22
- 238000005520 cutting process Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 229910000838 Al alloy Inorganic materials 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013474 audit trail Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000037147 athletic performance Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Numerical Control (AREA)
Abstract
本发明公开了一种加工监控系统及方法，该系统包括控制器数据存取接口、异常辨识模块、虚拟切削模块及加工信息管理模块；由控制器数据存取接口取得一控制器的加工参数；由异常辨识模块进行异常特征辨识以判断是否发生异常；由加工信息管理模块比对数据库中是否存在成功回避异常的加工参数；由加工信息管理模块检查数据库是否有相近的加工信息，且该加工信息是否大于一门坎值，并产生多组优化加工参数；由加工信息管理模块检查数据库中失败的加工参数，与前述多组优化参数进行比对，将无效的优化参数移除；再由异常辨识模块从优化参数中选择一组进行异常回避。
Description
技术领域
本发明涉及一种加工监控系统及方法，特别是一种用于产生加工信息与管理监控工具机加工信息的系统及方法。
背景技术
普通的工具机智能化设备的目的在于抑制、回避或阻止加工异常的发生，进而提升加工过程的稳定性。为此，工具机智能化设备多会搭载传感器，监测加工过程的各种信息，并且事先规划异常对策，当监测异常发生时会自动根据对策行动。举例而言，一美国专利揭露一种加工振动回避装置，通过传感器测量加工机主轴的振动信号，辨识振动信号是否为再生型颤振，若是则将主轴转速切换为优化转速，达成颤振回避的目的。
然而，在异常发生时，虽然单纯的监测、辨识与控制能缩短异常作用时间，降低异常的影响，但仍无法完全回避异常的发生。因此有人提出以人工智能技术，例如类神经网络(neuralnetwork)，以大量的加工信息训练人工智能，让人工智能判断加工信号是否将会产生异常，达成在异常发生前就先行回避的方法。例如一欧洲专利揭露利用传感器的信号训练类神经网络，如果类似的异常可能发生，类神经网络就能分析异常征兆，达到事前回避的效果。
只不过，利用仅包括单纯的传感器信号的加工信息训练类神经网络存在信息不足的缺陷。举例而言，传感器对重度切削的加工条件会反应出振幅较大的振动信号，但轻度切削的异常加工过程也可能有类似的振动信号。所以若使用传感器却没有搭配实际的加工条件，将不会有充裕的信息，导致所训练的人工智能效能有限。
因此，如何能有一种可撷取实际的加工条件，并且将加工条件及其他相关信息加入至加工信息内，以完整的加工信息训练人工智能，以增进异常辨识的正确性，实为当前重要课题之一。
发明内容
在一实施例中，本发明提出一种加工监控系统，其包括一控制器数据存取接口、一异常辨识模块、一虚拟切削模块及一加工信息管理模块；控制器数据存取接口用于取得一控制器的加工参数，控制器耦接一工具机；异常辨识模块与控制器数据存取接口耦接，异常辨识模块通过控制器数据存取接口获得控制器的加工参数以及存储加工参数的变化；虚拟切削模块与控制器数据存取接口耦接，虚拟切削模块通过分析加工参数而仿真工具机的加工过程；加工信息管理模块与控制器数据存取接口、异常辨识模块及虚拟切削模块耦接，加工信息管理模块用于收集各时间点的加工信息。
在另一实施例中，本发明提出一种加工监控方法，包括：
(a)由一控制器数据存取接口取得一控制器的加工信息，控制器与一工具机耦接；
(b)由一异常辨识模块根据加工信息进行异常特征辨识，以判断是否发生异常；若否，则将加工信息视为成功回避异常的加工信息存储至一数据库，而后返回步骤(a)；若是，则进入步骤(c)；
(c)由一加工信息管理模块比对数据库中是否存在成功回避异常的加工信息；若是，则由异常辨识模块根据已存在的成功回避异常的加工信息进行异常回避，而后返回步骤(a)；若否，则进入步骤(d)；
(d)由加工信息管理模块检查数据库是否有足够的相近的加工信息；若否，则由异常辨识模块根据步骤(b)的异常特征辨识的结果，产生多组优化加工参数，而后进入步骤(e)；若是，则由异常辨识模块以所检查到的相近的加工信息产生多组优化加工参数，而后进入步骤(e)；
(e)由加工信息管理模块检查数据库中的回避异常失败的加工信息，并与步骤(d)所产生的多组优化加工参数进行比对，并将无效的优化加工参数移除；以及
(f)由异常辨识模块从步骤(e)所产生的优化加工参数中选择一组进行异常回避，而后返回步骤(a)。
附图说明
图1为本发明的加工监控系统的架构示意图；
图2为本发明的加工监控方法的一实施例流程图；
图3为本发明的加工监控方法另一实施例流程图；
图4为现有技术的颤振回避过程示意图；
图5为本发明测试实施例的颤振回避过程示意图。
【符号说明】
1-加工监控系统
2-控制器
10-控制器数据存取接口
20-异常辨识模块
21-传感器
30-虚拟切削模块
40-加工信息管理模块
41-数据库
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
请参阅图1所示实施例，本发明的加工监控系统1，包括一控制器数据存取接口10、一异常辨识模块20、一虚拟切削模块30及一加工信息管理模块40。
控制器数据存取接口10与一控制器2及虚拟切削模块30、加工信息管理模块40耦接，控制器2耦接一工具机(图中未示出)。控制器数据存取接口10是一种软件通信接口，可通过以太网络、RS232通信或可编程逻辑控制器(ProgrammableLogicController，PLC)通信取得控制器2的加工参数或将加工参数写入控制器2。举例而言，某商用控制器厂商提供函式库给用户，用户即可通过以太网络与控制器2连线，以访问控制器2的加工参数，例如坐标、进给、运动轴负载、主轴转速、主轴负载及警报等相关信息。此外，因为PLC也会记录加工参数，所以也可以通过读取或写入PLC而访问控制器2的加工信息。此外，控制器数据存取接口10更具有预先读取部分加工参数的功能，可以提前取得正在排序中的加工参数。
异常辨识模块20与控制器数据存取接口10及加工信息管理模块40耦接。异常辨识模块20是一种信号处理单元，可通过控制器数据存取接口10获得控制器2的加工参数并且存储加工参数变化的过程，例如主轴负载过程，并且分析过程是否有异常，若有异常则传出异常数据。在本实施例中，此异常辨识模块20搭配一传感器21使用，由异常辨识模块20分析传感器21所测量的感测信号，该感测信号是由控制器2驱动后产生，若感测信号发生异常，则会传出异常信息。需说明的是，由控制器2驱动后产生的感测信号可通过控制器2内预设或扩充的传感器取得，例如加工主轴与运动轴的负载；或可通过控制器2外的传感器取得，例如加工振动、加工声音、感应电流、温度或其他可量测的物理反应。
以颤振辨识为例，异常辨识模块20通过控制器数据存取接口10取得控制器2上的主轴转速信息，并且根据主轴转速及刀具刃数对传感器21的感测信号(振动信号)进行颤振辨识。若有颤振发生，则根据颤振频率，以一默认方法(例如，可为转速选择法)产生一组优化转速，再通过控制器数据存取接口10修改主轴转速的负载率，以达到改变主轴转速回避颤振的目的。因此，当发生颤振时，异常辨识模块20会产生包括颤振频率及优化转速的异常加工信息。
更进一步说明产生颤振回避转速选择法的方法。必须从频谱上检测到颤振频率f，以及输入目前使用的刀具刃数N，则优化转速可以根据下式计算：
其中k是工件或刀具振动频率对刀刃通过频率的比值。
举例来说，以3刃圆柱刀、刀径20mm、切宽10mm、切深5mm对铝合金加工时，可以检测到颤振频率为1306Hz，则可计算前20个回避转速Sk分别是：
| k | Sk | k | Sk |
| 1 | 26120 | 11 | 2375 |
| 2 | 13060 | 12 | 2177 |
| 3 | 8707 | 13 | 2009 |
| 4 | 6530 | 14 | 1866 |
| 5 | 5224 | 15 | 1741 |
| 6 | 4353 | 16 | 1633 |
| 7 | 3731 | 17 | 1536 |
| 8 | 3265 | 18 | 1451 |
| 9 | 2902 | 19 | 1375 |
| 10 | 2612 | 20 | 1306 |
需说明的是，根据上式计算的每个转速都可能达成回避效果，但必须实际执行才能得知哪一个转速有效。例如选择2902rpm后，也许会激起另一个颤振特征(2097Hz)。这是因为转速选择法只能回避特定的颤振频段，但有可能落入另一颤振频段。
此外，前述实施例是以颤振检测为例而进行详细说明，但不限于颤振检测。
虚拟切削模块30与控制器数据存取接口10及加工信息管理模块40耦接。虚拟切削模块30是一种仿真工具机加工过程的技术，通过建立刀具、工件的几何模型，加上机台的运动信息及仿真刀具移除工件材料的算法，即可仿真工具机的加工过程。其中机台的运动信息可以可通过控制器数据存取接口10实时(realtime)获得控制器2的加工参数，例如机台运动进给及坐标，则此虚拟切削模块30就能实时仿真控制器2的实际加工状态。本发明的虚拟切削模块30实施例更进一步包括计算实际加工条件的方法，可以计算切宽、切深、每刃切屑(chipload)及几何信息。更一步说明，当控制器数据存取接口10具有预先读取加工参数的功能，例如下一秒的机台坐标，则此虚拟切削模块就可以预先仿真接下来的加工状态。
本发明的虚拟切削模块30需要事先建立工件及刀具的三维数值模型，并且定义运动链，即运动轴运动时刀具与工件的移动或旋转方向以及参考的机械坐标。接着通过控制器数据存取接口10取得控制器2上的机械坐标，则此虚拟切削模块30即可根据取得的机械坐标、已建立的工件及刀具模型及运动链检查刀具与工件模型之间的干涉，若有干涉，则对工件模型进行材料移除，由此达成模拟加工过程的功效。在此过程中，虚拟切削模块30可根据干涉量及运动方向计算实际的加工条件，包括切宽、切深及进刀量。以铣削加工为例，其计算方法如下：
理论切屑形状：工件与刀具模型的干涉结果，辅以转速与进给信息计算获得。
切深：工件与刀具模型的干涉结果，投射在刀具轴心的长度
切宽：工件与刀具模型的干涉结果，投射在以刀具轴心(或进给方向)为法向量的平面上的宽度
切削型态：由前述切宽、主轴旋转方向或刀具轴心的位置，可以区分顺铣、逆铣、全槽铣或其他型态。
工件质量：工件残料体积乘以工件材料密度
工件转动惯量：以工件旋转轴对工件残料计算的转动惯量，工件旋转轴可能不只一轴。
更进一步说明，部分控制器2可以启用预读坐标功能，该功能启用后，可通过控制器数据存取接口10预先取得一定量的机械坐标。本发明的虚拟切削模块可利用预先取得的机械坐标，按照仿真加工过程的流程提前计算实际加工条件，并且及时提供给异常辨识模块20进行异常辨识演算。
加工信息管理模块40与控制器数据存取接口10、异常辨识模块20及虚拟切削模块30耦接。加工信息管理模块40是一种信息统合技术，用于收集各时间点的工具机加工信息，包含加工参数、加工条件与异常特征。其中，加工信息来自于控制器数据存取接口10、异常辨识模块20及虚拟切削模块30。控制器数据存取接口10产生的加工信息可包括机台坐标进给与主轴转速等加工参数，及运动轴负载、主轴负载及警报等感测信号；异常辨识模块20产生的加工信息可包括异常振动、颤振、目前执行的NC程序或其他异常特征；虚拟切削模块30产生的加工信息可包括加工条件(切深、切宽、进刀量(chipload))及几何信息(重量、转动惯量、加工中的工件模型)。此加工信息更可以进一步包括传感器21测量所得的感测信号，可包括时序信号、频谱信息或经信号处理后的信息。
具体而言，于一段时间内的各加工信息存储的格式皆不一致。举例而言，若加工信息管理模块存储每一秒的加工信息，主轴转速可能变化不大，仅需要记录该时间头尾的转速数值即可，但振动信号就需要存储大量的样本数。为此需要定义一个数值容器(numericalcontainer)的数据结构，例如：
加工信息管理模块40的第一实施方式可以是一个程序设计上的对象(object)，其数据成员包括若干前述的加工信息的数值容器数据结构，并且提供新增及取得最新加工信息的方法(Method)。其内部存在亦一个回呼(Callback)机制，当存储足够的加工信息时，会自动执行该回呼机制。
加工信息管理模块40的第二实施方式是通过ISO标准的控制器局域网络(ControllerAreaNetwork，CAN)、以太网控制自动化技术(EttherCAT)或类似其他架构。CAN或EtherCAT是一种通信协议，其特点是允许网络上的设备直接互相通信，提供高安全等级及有效率的实时控制，更具备了检错和优先权判别的机制。控制器数据存取接口10、异常辨识模块20及虚拟切削模块30皆可自行将加工信息传递至CAN或EtherCAT，也可以自由地从CAN或EtherCAT中取得需求的数据。
于本实施例中，加工信息管理模块40耦接一数据库41，数据库41可以为SQL数据库或其他标准数据库，其形式可为外接方式或内建于加工信息管理模块40。加工信息管理模块40可进一步将各时间的加工信息存入数据库41，待异常辨识模块20于后续有需求时，加工信息管理模块40可从数据库41取出必要的相关信息，辅助提升异常辨识的正确性。
于具体实施时，加工信息管理模块40的第一实施方式的回呼机制需提供将加工信息存储至数据库41的功能，则当存储足够的加工信息时，加工信息会自动存储至数据库41内。
若加工信息管理模块40是以CAN或EtherCAT实施，因为CAN或EtherCAT不具有主动执行功能，所以数据库41需要定时取得CAN或EtherCAT上的信息并且存储。
此外，数据库41也提供一快速搜寻接口(图中未示出)，提供异常辨识模块20快速比对现有加工条件与数据库41内的过去加工条件。
请参阅图2所示本发明的加工监控方法的实施例流程，并请同时参阅图1所示加工监控系统1的架构图。
步骤S101，取得加工信息：当工具机开始加工后，先由控制器数据存取接口10或传感器21取得控制器2的加工参数，由虚拟切削模块30计算工具机于当下的加工条件，同时进行异常辨识，并计算异常特征。例如，若本流程是针对颤振回避，则上述加工参数可为工具机的主轴转速，而上述加工条件包括切宽、切深，而上述异常辨识为颤振辨识，而上述异常特征则包括颤振频率。于后续说明皆以括号文字代表与颤振有关的技术，但必须说明，本流程不限于颤振回避。
步骤S102，判断是否发生异常：由异常辨识模块20根据于步骤S101所取得的加工信息进行异常特征(颤振频率)辨识。若未发生异常(颤振)，则进入步骤S103。
步骤S103，将成功的加工信息存储至数据库：由于步骤S101所测得的加工参数、以及所计算的加工条件及异常特征等加工信息经判断未发生异常(颤振)，因此将该加工信息视为成功回避异常的加工信息，并将其存储至数据库41。若于步骤S101所测得的加工参数、以及所计算的加工条件及异常特征等加工信息经判断发生异常(颤振)，则将该加工信息视为回避异常失败的加工信息，并将其存储至数据库41。而前述该成功回避异常的加工参数(主轴转速)视为一优化参数。而后返回步骤S101再取得工具机于当时的加工信息，并进入步骤S102判断是否发生异常(颤振)，直至步骤S102判断有异常(颤振)发生，则进入步骤S104。
步骤S104，由加工信息管理模块40比对数据库中是否存在回避异常(颤振)成功的加工信息，如前所述，该成功回避异常的加工信息包括优化参数；若是，则进入步骤S105。
步骤S105，由异常辨识模块20根据已存在的优化参数(主轴转速)进行异常(颤振)回避，亦即，将优化参数写入控制器2以改变原加工参数。而后返回步骤S101取得工具机于当下的加工信息，并进入步骤S102判断是否发生异常(颤振)，直至步骤S102判断有异常(颤振)发生，且步骤S104比对的结果为否，亦即加工信息管理模块40比对数据库中不存在回避异常(颤振)成功的加工信息，则进入步骤S106。
步骤S106，由加工信息管理模块40检查数据库是否有足够的相近的加工信息，此加工信息举例包括异常特征(例如，颤振频率)与加工条件(例如，切宽、切深)等。若是，则执行步骤S110以相近的加工信息产生多组优化参数；若否，亦即数据库并无相近的加工信息，或是所检查出的加工信息无法「足够」，则执行步骤S107。
前述相近的加工信息是否“足够”，是指所建立的近似模型误差量是否在容许范围内而言。以类神经网络法为例，需比较目前的加工信息所建构的近似模型的数值，与已存在的相近加工信息的数值是否在容许范围之内，例如通过目前的若干笔加工信息可以训练类神经网络产生一近似模型，其中某笔加工信息与S101的加工信息最接近，则可比较该笔加工信息与该近似模型的异常值误差是否在容许范围之内，若是，表示加工信息是「足够」的，则进行步骤S110通过该近似模型演算之后的优化参数；若否则表示目前的加工信息是不足的，则进行步骤S107。
步骤S107，由异常辨识模块20根据步骤S102进行的异常特征辨识的结果，并以一预设的方法产生多组优化参数(主轴转速)；以颤振辨识为例，可通过转速选择法产生多组优化参数(主轴转速)。而后进入步骤S108。
步骤S108，由加工信息管理模块40检查数据库41中的回避异常失败的加工信息，并与步骤S107所产生的多组优化参数(主轴转速)进行比对，若步骤S107所产生的多组优化参数(主轴转速)符合回避异常失败的加工信息，则将其视为无效的优化参数(主轴转速)并将其移除，而后进入步骤S109。
步骤S109，由异常辨识模块20在步骤S108已移除无效优化参数后所产生的优化参数(主轴转速)中选择一组进行异常(颤振)回避。步骤S109是根据预设与使用者设定的策略，例如本发明实施例的策略是选择距离原本加工参数最接近的优化参数(主轴转速)，由多组优化参数(主轴转速)中择一进行异常(颤振)回避，并且通过控制器数据存取接口10将该优化参数(主轴转速)写入控制器2以改变原加工参数(主轴转速)；过程中，该组加工参数(主轴转速)与步骤S101所取得的加工参数(主轴转速)会一起被设定为暂存的加工信息。
执行步骤S109后，工具机将会以一组优化参数进行加工，而后返回步骤S101再取得加工信息，并进入步骤S102判断是否发生异常(颤振)，且步骤S102判断有异常(颤振)发生，且步骤S104比对的结果为否，且步骤S106检查的结果为是，则进入步骤S110。
步骤S110，由异常辨识模块20以于步骤S106所检查到的该相近的加工信息产生多组优化参数。而后进入步骤S108，再进入步骤S109，而后返回步骤S101，再进行前述各项步骤。
请参阅图3所示本发明的加工监控方法的另一实施例流程。本实施例与图2实施例的差异在于，本实施例加入了一追踪参数的判定，该追踪参数依实际所需而设定，例如可设定追踪参数为IsTracing，并判定追踪参数IsTracing的真假，而追踪参数的真假代表是否达成异常回避，若达成异常回避，则追踪参数为真，反之，若未达成异常回避，则追踪参数为假。请同时参阅图1所示加工监控系统1的架构图。
步骤S1010，当工具机开始加工后，先设定参数为假，接着进行步骤S101。
步骤S101，取得加工信息：当工具机开始加工后，先由控制器数据存取接口10或传感器21取得控制器2的加工参数，由虚拟切削模块30计算工具机于当下的加工条件，同时进行异常辨识，并计算异常特征。例如，若本流程是针对颤振回避，则上述加工参数可为工具机的主轴转速，而上述加工条件包括切宽、切深，而上述异常辨识为颤振辨识，而上述异常特征则包括颤振频率。于后续说明皆以括号文字代表与颤振有关的技术，但必须说明，本流程不限于颤振回避。
步骤S102，判断是否发生异常：由异常辨识模块20根据于步骤S101所取得的加工信息进行异常特征(颤振频率)辨识。若未发生异常(颤振)，则进入步骤S1021。
步骤S1021，判断追踪参数是否为真；若判断追踪参数为真，则进入步骤S103。
步骤S103，将成功回避异常的加工信息存储至数据库：由于步骤S101所测得及所计算的加工参数、加工条件及异常特征等加工信息于步骤S102经判断未发生异常(颤振)，且步骤S1021判断追踪参数为真，因此将该加工信息视为成功回避异常的加工信息，并将其存储至数据库41。而前述该成功回避异常的加工参数(主轴转速)视为一优化参数。而后返回步骤S101再取得工具机于当时的加工信息，并进入步骤S102判断是否发生异常(颤振)，直至步骤S102判断有异常(颤振)发生，则进入步骤S1022。
而于前述步骤S1021时，若判断追踪参数为假，则返回步骤101再取得工具机于当时的加工信息，并进入步骤S102判断是否发生异常(颤振)，直至步骤S102判断有异常(颤振)发生，则进入步骤S1022。
步骤S1022，判断追踪参数是否为真；若判断追踪参数为真，则进入步骤S1023。
步骤S1023，将回避异常失败的加工信息存储至数据库：由于步骤S101所测得及所计算的加工参数、加工条件及异常特征等加工信息于步骤S102判断发生异常(颤振)，且于步骤S1022判断追踪参数为真，因此将该加工信息视为回避异常失败的加工信息，并将其存储至数据库41。而后进入步骤S1024。
步骤S1024，判断加工条件是否已变更；亦即，切深、切宽与暂存加工信息是否不同。若加工条件有变更，则进入步骤S1025，将追踪参数设为假，并返回步骤101；若加工条件未变更，则进入步骤S104。
步骤S104，由加工信息管理模块40比对数据库中是否存在回避异常(颤振)成功的加工信息，如前所述，该成功回避异常的加工信息包括优化参数；若是，则进入步骤S105。
步骤S105，由异常辨识模块20根据已存在的优化参数(主轴转速)进行异常(颤振)回避，亦即，将优化参数写入控制器2以改变原加工参数。而后返回步骤S101取得工具机于当下的加工信息，并进入步骤S102判断是否发生异常(颤振)，直至步骤S102判断有异常(颤振)发生，且步骤S104比对的结果为否，亦即加工信息管理模块40比对数据库中不存在回避异常(颤振)成功的加工信息，则进入步骤S106。
步骤S106，由加工信息管理模块40检查数据库是否有足够的相近的加工信息，此加工信息举例包括异常特征(例如，颤振频率)与加工条件(例如，切宽、切深)等。若是，则执行步骤S110以相近的加工信息产生多组优化参数；若否，亦即数据库并无相近的加工信息，或是所检查出的相近的数据量不足，则执行步骤S107。
步骤S107，由异常辨识模块20根据步骤S102进行的异常特征辨识的结果，并以一预设的方法产生多组优化参数(主轴转速)；以颤振辨识为例，可通过转速选择法产生多组优化参数(主轴转速)。而后进入步骤S108。
步骤S108，由加工信息管理模块40检查数据库41中的回避异常失败的加工信息，并与步骤S107所产生的多组优化参数(主轴转速)进行比对，若步骤S107所产生的多组优化参数(主轴转速)符合回避异常失败的加工信息，则将其视为无效的优化参数(主轴转速)并将其移除，而后进入步骤S109。
步骤S109，由异常辨识模块20在步骤S108已移除无效优化参数后所产生的优化参数(主轴转速)中选择一组进行异常(颤振)回避。步骤S109是根据预设与使用者设定的策略，例如本发明实施例的策略是选择距离原本加工参数最接近的优化参数(主轴转速)，由多组优化参数(主轴转速)中择一进行异常(颤振)回避，并且通过控制器数据存取接口10将该优化参数(主轴转速)写入控制器2以改变原加工参数(主轴转速)；过程中，该组加工参数(主轴转速)与步骤S101所取得的加工参数(主轴转速)会一起被设定为暂存的加工信息。步骤S109完成后，则进入步骤S1091。
步骤S1091，自动将追踪参数设定为真，表示流程开始进行后续的参数追踪。
执行步骤S109后，工具机将会以一组优化参数进行加工，而后返回步骤S101再取得加工信息，并进入步骤S102判断是否发生异常(颤振)，且步骤S102判断有异常(颤振)发生，且步骤S104比对的结果为否，且步骤S106检查的结果为是，则进入步骤S110。
步骤S110，由异常辨识模块20以于步骤S106所检查到的该相近的加工信息产生多组优化参数。而后进入步骤S108，再进入步骤S109，而后返回步骤S101，再进行前述各项步骤。
为说明本发明的效果，谨举出一测试实施例与方法流程图搭配说明，并与现有的颤振回避进行比对。本发明的实施方法，以异常处理是以颤振回避为例，但不限制异常处理范围。本测试实施例的加工条件是于一机台以3刃圆柱刀、刀径20mm、切宽10mm、切深5mm对铝合金加工，检测工件振动信号请参阅图4、5所示。
图4为现有技术的颤振回避过程，当以主轴转速3000rpm(转/分)加工时，颤振在约0.1秒时开始发展，此时检测到颤振频率为1306Hz，按照一预设方法(例如，可为转速选择法)求得四组回避转速2612rpm、2902rpm、3265rpm、3731rpm，程序会自动选择最接近的转速2902rpm。接着便会改变主轴的转速为2902rpm并进行加工，而当以2902rpm加工后，会出现新的颤振频率2097Hz，同样再产生四组回避转速2621rpm、2796rpm、3226rpm、3495rpm，而程序自动选择最接近的2796rpm。当主轴转速改变成2796rpm后，没有颤振发生，因此达成异常回避。由于普通的系统未搭载数据库，因此当同样的加工条件重复时，前述状态会一再发生，换言之，普通系统为消极式解决颤振，并无法确实回避颤振。
至于本发明的颤振回避过程，请同时参阅图3及图5所示，假设数据库(可参阅图1所示数据库41)没有任何数据，亦即工具机为初始使用状态。
首先令追踪参数为假(步骤S1010)；以主轴转速3000rpm加工时，于0.1秒时以步骤S101进行颤振检测，取得0.1秒时的加工信息；再以步骤S102检查当时未发现颤振，且于步骤S1021检查追踪参数为假，则返回步骤S101，主轴转速仍为3000rpm。接着，于0.2秒时产生颤振(如图5所示)，因此可于步骤S102检查出发生颤振，而后于步骤S1022检查出追踪参数为假；由于原设定数据库没有任何数据，因此于步骤S104与S106检查数据库没有内容，则进行步骤S107，按照一预设方法(例如，可为转速选择法)求得四组回避转速2612rpm、2902rpm、3265rpm、3731rpm(亦即图3步骤S107所称的优化参数)。而后于步骤S108时检查数据库没有内容，因此执行步骤S109，自动选择最接近原转速3000rpm的转速2902rpm，并且修改成主轴转速为2902rpm加工，并且将追踪参数设定为真(步骤S1091)后，继续执行步骤S101。必须说明的是，本案实施例在颤振信号输入后约0.05秒进行主轴转速切换，但由于计算机计算需要时间，根据计算机效能而会有不同。
当改变主轴转速为2902rpm加工，于执行步骤S101检测到新的颤振频率2097Hz，于步骤S102检查到有颤振发生，且步骤S1022检查参数为真，因此执行步骤S1023，将先前选择的2902rpm参数与相关加工信息作为回避异常失败的加工信息存储至数据库。而后，因为于步骤S1024检查加工条件未改变，因此进行步骤S104与S106检查数据库，但数据库内没有成功回避异常的加工信息，所以进行步骤S107，按照一预设方法(例如，可为转速选择法)求得四组回避转速2621rpm、2796rpm、3226rpm、3495rpm，又于步骤S108时检查数据库没有内容，所以执行步骤S109，自动选择最接近原转速2902rpm的转速2796rpm，并且将主轴的转速修改为2796rpm已进行加工，继续执行步骤S101。当主轴转速改变成2796rpm后，经步骤S101与S102未检测到颤振发生，如此即代表达成异常回避，则进行步骤S1021检查追踪参数为真，则将主轴转速2796rpm与相关加工条件，即3刃圆柱刀、刀径20mm、切宽10mm、切深5mm与工件为铝合金，作为成功回避异常的加工信息并存储至数据库内。当同样的加工条件，亦即3刃圆柱刀、刀径20mm、切宽10mm、切深5mm与工件为铝合金等加工信息，被虚拟切削模块30计算获得，且异常再一次发生时，则本发明会利用步骤S105，根据已记录的成功回避异常的加工信息进行回避，亦即选用2796rpm回避，因此可缩短异常回避的时间，效果如图5所示。
综上所述，本发明所提供的加工监控系统及方法，由于控制器数据存取接口具有预先读取加工信息的功能，因此可获取工具机未来的运动动作，例如下一秒的坐标。因此虚拟切削模块即可预先仿真接下来的加工状态。换言之，本发明可预先准备好加工条件数据，令异常辨识模块提前进行异常辨识，达到事前回避异常发生的功效并，并且可以增进异常辨识的正确性。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (15)
1.一种加工监控系统，包括：
一控制器数据存取接口，用于取得一控制器的加工参数，该控制器耦接一工具机；
一异常辨识模块，与该控制器数据存取接口耦接，该异常辨识模块通过该控制器数据存取接口获得该控制器的加工参数以及存储该加工参数的变化；
一虚拟切削模块，与控制器数据存取接口耦接，该虚拟切削模块通过分析该加工信息而仿真该工具机的加工过程；以及
一加工信息管理模块，与该控制器数据存取接口、该异常辨识模块及该虚拟切削模块耦接，该加工信息管理模块用于收集各时间点的该加工信息。
2.如权利要求1所述的加工监控系统，其特征在于，该控制器与该异常辨识模块间至少设有一传感器，该传感器用于测量该工具机的加工过程的感测信息。
3.一种加工监控方法，包括：
(a)由一控制器数据存取接口取得一控制器的加工参数，该控制器与一工具机耦接；
(b)由一异常辨识模块根据该加工参数进行一异常特征辨识，以判断是否发生异常；若否，则将该加工参数视为成功回避异常的加工信息并存储至一数据库，而后返回步骤(a)；若是，则进入步骤(c)；
(c)由一加工信息管理模块比对该数据库中是否存在成功回避异常的加工信息；若是，则由该异常辨识模块根据已存在的加工信息进行一异常回避，而后返回步骤(a)；若否，则进入步骤(d)；
(d)由该加工信息管理模块检查该数据库是否有足够的相近的加工信息；若否，则由该异常辨识模块根据步骤(b)的该异常特征辨识的结果，产生多组优化加工参数，而后进入步骤(e)；若是，则由该异常辨识模块以所检查到的相近的加工信息产生多组优化加工参数，而后进入步骤(e)；
(e)由该加工信息管理模块检查该数据库中的回避异常失败的加工信息，并与步骤(d)所产生的多组优化加工参数进行比对，并将无效的优化加工参数移除；以及
(f)由该异常辨识模块从步骤(e)所产生的优化加工参数中选择一组进行该异常回避，而后返回步骤(a)。
4.如权利要求3所述的加工监控方法，其特征在于，该加工信息包括加工参数、加工条件及异常特征；于步骤(a)时，由该控制器数据存取接口或由一传感器取得该控制器的感测信号，由一虚拟切削模块计算该工具机于当下的加工条件，同时进行一异常辨识，并计算一异常特征。
5.如权利要求4所述的加工监控方法，其特征在于，该传感器用于测量该控制器制动的感测信号，并且将感测信号传入该异常辨识模块，该虚拟切削模块耦接该控制器数据存取接口。
6.如权利要求4所述的加工监控方法，其特征在于，该加工参数包括该工具机的主轴转速，该加工条件包括对工件的切宽、切深，该异常辨识包括颤振辨识，该异常特征包括颤振频率。
7.如权利要求3所述的加工监控方法，其特征在于，该步骤(a)之前先设定一追踪参数为假，代表未达成异常回避，若将该追踪参数设为真，则代表已达成异常回避。
8.如权利要求7所述的加工监控方法，其特征在于，该步骤(b)判断是否发生异常的结果为否时，则进入一步骤(b1)，于该步骤(b1)判断该追踪参数是否为真；若否，则返回步骤(a)；若是，则将该加工信息视为成功回避异常的加工信息存储至该数据库。
9.如权利要求7所述的加工监控方法，其特征在于，该步骤(b)判断是否发生异常的结果为是时，则进入一步骤(b2)，于该步骤(b2)判断该追踪参数是否为真；若否，则进步骤(c)；若是，则依序进入步骤(b21)、步骤(b22)；
(b21)将该加工信息视为回避异常失败的加工信息存储至该数据库；
(b22)判断加工条件是否已变更；若否，则进行步骤(c)；若是，则将追踪参数设为假，而后返回步骤(a)。
10.如权利要求7所述的加工监控方法，其特征在于，该步骤(f)由该异常辨识模块从步骤(e)所产生的优化加工参数中选择一组进行异常回避后，先将追踪参数设为真，而后返回步骤(a)。
11.如权利要求3所述的加工监控方法，其特征在于，该步骤(b)所进行的该异常特征辨识，是由该异常辨识模块通过该控制器数据存取接口获得该控制器的感测信号，并且存储感测信号变化的过程，通过分析该过程以判断是否发生异常。
12.如权利要求3所述的加工监控方法，其特征在于，该步骤(c)所进行的该异常回避，是将优化加工参数写入该控制器以改变原加工参数。
13.如权利要求3所述的加工监控方法，其特征在于，该步骤(d)的相近的加工信息是指所建立的近似模型误差量在容许范围之内。
14.如权利要求3所述的加工监控方法，其特征在于，该步骤(e)的回避异常失败的加工信息是指于步骤(a)所测得的加工参数、所计算的加工条件及异常特征等加工信息经判断发生异常时，则将该加工信息视为回避异常失败的加工信息。
15.如权利要求3所述的加工监控方法，其特征在于，该步骤(e)所进行的比对，若步骤(d)所产生的多组优化参数符合回避异常失败的加工信息时，则将其视为无效的优化加工参数。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW103132652 | 2014-09-22 | ||
| TW103132652A TWI518469B (zh) | 2014-09-22 | 2014-09-22 | 加工監控系統及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105629920A true CN105629920A (zh) | 2016-06-01 |
| CN105629920B CN105629920B (zh) | 2018-09-04 |
Family
ID=55640431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410658929.3A Active CN105629920B (zh) | 2014-09-22 | 2014-11-18 | 加工监控系统及方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN105629920B (zh) |
| TW (1) | TWI518469B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109507952A (zh) * | 2018-12-12 | 2019-03-22 | 成都飞机工业（集团）有限责任公司 | 一种基于切削负载的复杂零件数控加工异常状态监控方法 |
| CN109759901A (zh) * | 2019-01-25 | 2019-05-17 | 西安交通大学 | 基于主轴系统非对称刚度调控的铣削颤振控制方法 |
| CN110188490A (zh) * | 2019-06-03 | 2019-08-30 | 珠海格力电器股份有限公司 | 提高数据仿真效率的方法及装置、存储介质和电子装置 |
| TWI676873B (zh) * | 2018-10-01 | 2019-11-11 | 財團法人工業技術研究院 | 刀具監控系統及刀具監控方法 |
| CN112987649A (zh) * | 2019-12-17 | 2021-06-18 | 财团法人金属工业研究发展中心 | 工作母机加工信息即时呈现方法与工作母机即时呈现系统 |
| CN113485267A (zh) * | 2021-07-12 | 2021-10-08 | 湖南先登智能科技有限公司 | 一种镍基靶材生产自动控制系统 |
| CN113874798A (zh) * | 2019-05-23 | 2021-12-31 | 三菱电机株式会社 | 数控装置 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI614081B (zh) | 2016-08-17 | 2018-02-11 | 財團法人工業技術研究院 | 遠端加工優化系統與方法 |
| TWI722344B (zh) | 2018-12-05 | 2021-03-21 | 財團法人工業技術研究院 | 加工參數自動產生系統 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101310921A (zh) * | 2007-05-24 | 2008-11-26 | 大隈株式会社 | 机床的振动抑制装置和振动抑制方法 |
| CN102029546A (zh) * | 2009-09-24 | 2011-04-27 | 大隈株式会社 | 振动抑制装置 |
| US20120010744A1 (en) * | 2009-04-10 | 2012-01-12 | Nt Engineering Kabushiki Kaisha | Method and device for suppressing chattering of work machine |
| CN102416580A (zh) * | 2011-12-07 | 2012-04-18 | 常州市新特力工具有限公司 | 镗床的控制装置 |
| CN103372787A (zh) * | 2012-04-28 | 2013-10-30 | 台中精机厂股份有限公司 | 工具机智能化适应性切削振动抑制方法与系统 |
-
2014
- 2014-09-22 TW TW103132652A patent/TWI518469B/zh active
- 2014-11-18 CN CN201410658929.3A patent/CN105629920B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101310921A (zh) * | 2007-05-24 | 2008-11-26 | 大隈株式会社 | 机床的振动抑制装置和振动抑制方法 |
| US20120010744A1 (en) * | 2009-04-10 | 2012-01-12 | Nt Engineering Kabushiki Kaisha | Method and device for suppressing chattering of work machine |
| CN102029546A (zh) * | 2009-09-24 | 2011-04-27 | 大隈株式会社 | 振动抑制装置 |
| CN102416580A (zh) * | 2011-12-07 | 2012-04-18 | 常州市新特力工具有限公司 | 镗床的控制装置 |
| CN103372787A (zh) * | 2012-04-28 | 2013-10-30 | 台中精机厂股份有限公司 | 工具机智能化适应性切削振动抑制方法与系统 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI676873B (zh) * | 2018-10-01 | 2019-11-11 | 財團法人工業技術研究院 | 刀具監控系統及刀具監控方法 |
| CN109507952A (zh) * | 2018-12-12 | 2019-03-22 | 成都飞机工业（集团）有限责任公司 | 一种基于切削负载的复杂零件数控加工异常状态监控方法 |
| CN109507952B (zh) * | 2018-12-12 | 2021-07-30 | 成都飞机工业（集团）有限责任公司 | 一种基于切削负载的复杂零件数控加工异常状态监控方法 |
| CN109759901A (zh) * | 2019-01-25 | 2019-05-17 | 西安交通大学 | 基于主轴系统非对称刚度调控的铣削颤振控制方法 |
| CN113874798A (zh) * | 2019-05-23 | 2021-12-31 | 三菱电机株式会社 | 数控装置 |
| CN113874798B (zh) * | 2019-05-23 | 2023-12-05 | 三菱电机株式会社 | 数控装置 |
| CN110188490A (zh) * | 2019-06-03 | 2019-08-30 | 珠海格力电器股份有限公司 | 提高数据仿真效率的方法及装置、存储介质和电子装置 |
| CN112987649A (zh) * | 2019-12-17 | 2021-06-18 | 财团法人金属工业研究发展中心 | 工作母机加工信息即时呈现方法与工作母机即时呈现系统 |
| CN113485267A (zh) * | 2021-07-12 | 2021-10-08 | 湖南先登智能科技有限公司 | 一种镍基靶材生产自动控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201612664A (en) | 2016-04-01 |
| CN105629920B (zh) | 2018-09-04 |
| TWI518469B (zh) | 2016-01-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105629920A (zh) | 加工监控系统及方法 | |
| US11237539B2 (en) | System and method for operational-data-based detection of anomaly of a machine tool | |
| CN104808585B (zh) | 一种机床健康状态快速检查方法 | |
| CN102929210B (zh) | 基于特征的数控加工过程控制和优化系统及方法 | |
| US20190301979A1 (en) | Abnormality detection system, support device, and abnormality detection method | |
| US10795338B2 (en) | Abnormality detection system, support device, and model generation method | |
| US20190286085A1 (en) | Abnormality detection system, support device, and model generation method | |
| CN104678912B (zh) | 由多个传感器构成的测量系统 | |
| CN108334033A (zh) | 基于物联网与机器学习的冲床组故障预测方法及其系统 | |
| US10503145B2 (en) | System and method for asset fleet monitoring and predictive diagnostics using analytics for large and varied data sources | |
| US7779053B2 (en) | Diagnosis of an automation system | |
| CN102395930A (zh) | 用于处理机床的过程状态数据和/或机器状态数据的方法 | |
| CN103502949A (zh) | 用于在多个控制系统中检测异常的异常检测系统 | |
| CN106695454A (zh) | 一种基于指令域分析的数控机床刀库的性能评估方法 | |
| CN102521454A (zh) | 加工工艺数据的评估方法及装置 | |
| Jarosz et al. | Machine learning approaches towards digital twin development for machining systems | |
| KR101917477B1 (ko) | 권취 설비 이상 사전 감지 장치 | |
| CN110716533A (zh) | 影响数控装备可靠性的关键子系统识别方法及系统 | |
| CN109250233A (zh) | 待包装对象的包装方法及装置 | |
| CN114227378B (zh) | 一种夹具状态的检测方法、装置、终端和存储介质 | |
| Jain et al. | Quality control based tool condition monitoring | |
| Schmid et al. | Acquisition of machine tool data via the open source implementation open62541 for OPC-UA | |
| KR20230032675A (ko) | Ｃｎｃ 공작기계를 이용한 데이터 수집 시스템 | |
| CN203825457U (zh) | 一种基于k-bus总线的卷接机组控制系统 | |
| CN112379656A (zh) | 工业系统异常数据的检测的处理方法、装置、设备和介质 |
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 |