CN105867305B - 基于加工特征的复杂结构件数控加工状态实时监控方法 - Google Patents
基于加工特征的复杂结构件数控加工状态实时监控方法 Download PDFInfo
- Publication number
- CN105867305B CN105867305B CN201610318523.XA CN201610318523A CN105867305B CN 105867305 B CN105867305 B CN 105867305B CN 201610318523 A CN201610318523 A CN 201610318523A CN 105867305 B CN105867305 B CN 105867305B
- Authority
- CN
- China
- Prior art keywords
- machining feature
- feature
- monitoring
- machining
- monitoring signals
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 202
- 238000003754 machining Methods 0.000 title claims abstract description 198
- 238000012545 processing Methods 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 100
- 230000008569 process Effects 0.000 claims abstract description 55
- 238000005520 cutting process Methods 0.000 claims abstract description 17
- 238000002474 experimental method Methods 0.000 claims abstract description 14
- AKXUUJCMWZFYMV-UHFFFAOYSA-M tetrakis(hydroxymethyl)phosphanium;chloride Chemical compound [Cl-].OC[P+](CO)(CO)CO AKXUUJCMWZFYMV-UHFFFAOYSA-M 0.000 claims description 14
- 230000014509 gene expression Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 4
- 238000003801 milling Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 13
- 210000003205 muscle Anatomy 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4068—Verifying part programme on screen, by drawing or other means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37071—Measurement program is created, executed on object data, no real object, no CMM is present
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37082—Indicate, point region on path, locus, display path and machining parameters
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37085—Display in real time of state variables of control system
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种基于加工特征的复杂构件数控加工状态实时监控方法,其特征在于基于加工特征建立加工状态是否正常的监测阈值,依据加工特征实现数控加工状态的监控。通过切削实验建立典型加工特征监测信号及阈值库,并在数控加工前对数控加工程序添加加工特征监测标识符,匹配阈值库中的加工特征监测阈值,以此作为加工过程中状态监控的依据;对于阈值信号库中不存在的加工特征,则在数控加工中通过实时学习建立加工特征的样本,以加工中第一次出现的新加工特征的监测信号作为后续同种加工特征状态监控的依据。本发明不仅能够适用于大批量零件生产时数控加工状态监控,也能够适应于小批量甚至是单件生产时的数控加工状态监控,适用范围更广。
Description
技术领域
本发明涉及一种数据加工技术,尤其是一种数控机床加工状态实时监控技术,具体地说是一种基于加工特征的复杂构件数控加工状态实时监控方法。
背景技术
机床数控加工中常常会遇到各种问题,以刀具为例,常出现磨钝、断刀、掉刀等情况。一旦出现异常状况,零件将出现质量问题,不仅降低表面质量,还可能致使零件报废,增加产品的生产成本。为了检测机床状态而停机的时间占到机床总停机时间的20%-30%。在单件小批量生产模式下零件报废带来的成本和生产周期问题远比大批量零件生产时严重。据调研,使用装备监控系统的数控机床可以保证加工质量,提高加工效率,节约生产费用达30%。此外,若要实现《中国制造2025》指出的推进生产过程智能化,就急需对数控机床加工状态实施监控。
传统的数控加工状态监控方法通过监控诸如功率、电流、振动等信号,利用傅里叶变换等方法得到处理信号,通过神经网络对加工状态进行学习,再将实时信号与经过学习的信号规律进行匹配,实现数控加工状态的监控。当加工零件发生改变,或者切削参数改变时,这类方法所监测的信号即会发生变化,需要重新进行监测规律的学习,导致目前这类方法的学习时间很长,工作量很大,对于不同零件加工的适应性很差。大量的学习时间有时甚至大于零件本身的加工时间。因此,这类方法目前很难适用于小批量、甚至是单件生产时的数控加工状态监控。目前,这类系统软件有德国的ARTIS系统以及以色列的OMAT 系统等。它们主要适用于大批量生产时数控加工状态监测,在单件小批量生产时机床数控加工状态监测时尚有误报警的问题未能解决。
本发明的一种基于加工特征的复杂构件数控加工状态实时监控方法,基于加工特征建立加工状态是否正常的监测阈值,依据加工特征实现数控加工状态的监控。通过切削实验建立典型加工特征监测信号阈值库,并在数控加工前对数控加工程序添加加工特征监测标识符,匹配阈值库中的加工特征监测阈值,以此作为加工过程中状态监控的依据;对于阈值信号库中不存在的加工特征,则在数控加工中通过实时学习建立加工特征的样本,以加工中第一次出现的新加工特征的监测信号作为后续同种加工特征状态监控的依据。这种方法不仅能够适用于大批量零件生产时数控加工状态监控,也能够适用于小批量甚至是单件生产时的数控加工状态监控,适用范围更广。新特征的学习过程使此方法在不断使用中,能够不断完善实验所建立的阈值信号库,以达到适用更多加工特征的目的。
发明内容
本发明的目的是为了实时掌握机床数控加工状态,针对现有技术监控学习工作量大,零件适应性差的问题,提出一种基于加工特征的复杂构件数控加工状态实时监控方法。
本发明的技术方案是:
一种基于加工特征的复杂构件数控加工状态实时监控方法,其特征在于:
首先,基于加工特征建立加工状态是否正常的监测阈值,依据加工特征实现数控加工状态的监控;通过切削实验建立典型加工特征监测信号及阈值库,并在数控加工前对数控加工程序添加加工特征监测标识符,匹配阈值库中的加工特征监测阈值,以此作为加工过程中状态监控的依据;
其次,对于阈值信号库中不存在的加工特征,则在数控加工中通过实时学习建立加工特征的样本,以加工中第一次出现的新加工特征的监测信号作为后续同种加工特征状态监控的依据。
具体的监控过程步骤如下:
步骤1:典型加工特征监测信号及阈值库建立。选择典型加工特征进行切削实验,在文件中记录监测信号以及监测信号阈值,按规则命名文件,组成加工特征监测信号及阈值库。
步骤2:数控程序预处理。根据需要加工的零件模型,通过数控编程生成该零件的数控加工程序。在数控加工程序中添加不同的加工特征监测标识符,生成新的添加过特征标识符的数控加工程序。与加工特征监测信号及阈值库中已有的加工特征匹配判断哪些是已有的加工特征,哪些是新的加工特征。对新加工特征进行标记,生成进一步添加过新特征标记的数控程序。
步骤3:数控加工状态监控。使用步骤2中生成的数控程序进行零件的加工,同时获取监测信号,依据标识判断是否是新加工特征。如果是新加工特征,记录监测信号并计算监测信号阈值,添加到加工特征监测信号及阈值库;如果不是新特征,则判断是哪个加工特征,处理数据并与阈值信号库中的已有数据比对,判断加工状态,异常则报警或停机,正常则继续监测直到加工完成。
所述加工特征所包含的信息有:几何形状信息、机床信息、加工刀具信息、加工工艺参数信息。依据需要将加工特征分为三种情况:①加工特征所包含的各信息即几何形状信息、机床信息、加工刀具信息以及加工工艺参数信息完全相同;②具有相同几何形状的加工特征分层加工时不同层对应的机床信息、加工刀具信息以及加工工艺参数信息相同;③同种类型加工特征局部几何形状信息、机床信息、加工刀具信息以及加工工艺参数信息相同。
所述加工特征监测信号及阈值库的建立方法为:依据前述加工特征的三种情况分别选择典型加工特征进行切削实验,采集监测信号,计算监测信号阈值,将监测信号以及阈值记录到加工特征监测信号及阈值库中。加工特征监测信号及阈值库中记录的数据分为三种类型:①加工特征完整加工所对应的监测信号及监测信号阈值,文件名命名方式为THP+机床类型+加工特征编号+几何元素+刀具类型+主轴转速+进给速度+切深+切宽,其中THP表示整体加工特征标识;②分层加工的加工特征单层加工所对应的监测信号及监测信号阈值,文件名命名方式为THPC+机床类型+加工特征编号+几何元素+刀具类型+主轴转速+ 进给速度+切深+切宽,其中THPC表示单层加工特征标识;③局部相同的加工特征所对应的监测信号及监测信号阈值,文件名命名方式为TH+机床类型+几何元素+刀具类型+ 主轴转速+进给速度+切深+切宽,其中TH表示监测标识。
所述加工中出现阈值信号库中不存在的加工特征时,将第一次加工该加工特征的监测信号及阈值记录到阈值信号库中。记录的形式分为三种:①当加工进行到数控代码中完整加工特征标识符时新建文件并记录监测信号,当加工进行到数控代码中下一个完整加工特征标识符时结束监测信号的记录,计算监测信号阈值,保存并关闭文件,文件名命名方式如前所述的加工特征监测信号及阈值库中记录的数据类型①,此文件中记录的是整个加工特征对应的完整监测信号;②当加工进行到数控代码中起始信号记录标识符时新建文件并记录监测信号,当加工进行到数控代码中结束信号记录标识符时结束监测信号的记录,计算监测信号阈值,保存并关闭文件,文件名命名方式如前所述的加工特征监测信号及阈值库中记录的数据类型②,此文件中记录的是加工特征单层加工所对应的监测信号;③当加工进行到数控代码中局部加工特征标识符时新建文件并记录监测信号,当加工进行到数控代码中下一个局部加工特征标识符时结束监测信号的记录,计算监测信号阈值,保存并关闭文件,文件名命名方式如前所述的加工特征监测信号及阈值库中记录的数据类型③,此文件中记录的是加工特征局部加工所对应的监测信号。
所述监测信号阈值计算的方法分为两种:一、选择典型的加工特征,分别进行正常加工状态和异常加工状态下的切削实验,求取各自监测信号的平均值,得到两者的百分比即为监测信号阈值;二、选择典型的加工特征,分别进行正常加工状态和异常加工状态下的切削实验,求取各自监测信号的平均值、均方值、方差和峰值,分别组成向量并求其到原点的距离,计算两者的百分比即为监测信号阈值。
所述几何形状信息从零件模型中获取,包括拓扑结构、长、宽、高、圆弧半径等。机床信息包括机床种类等。刀具信息从数控程序中获取,包括刀具的类型、直径、刃数、刀具材料;其中刀具类型可以是面铣刀、立铣刀、模具铣刀等。加工工艺信息包括主轴转速、切深、切宽和进给速度,其中主轴转速、切深、切宽在数控程序中设置,进给速度从机床中实时获取。加工特征的几何信息与加工工艺信息需要以数控加工状态监测标识符的形式添加到数控程序中,以便进行辨识,标识的具体添加方法为:第一,数控代码编程过程中,在每一个加工特征所对应的代码段之前添加完整加工特征标识符:THP+机床类型+加工特征编号+几何元素+刀具类型+主轴转速+进给速度+切深+切宽;第二,在该代码段中找到加工段单层刀轨的起始刀位点和终止刀位点,在起始刀位点之前添加起始数据记录标识符:THPC+机床类型+加工特征编号+几何元素+刀具类型+主轴转速+进给速度+切深+切宽,TH+特征编号+start,其中THPC表示层监测标识,TH表示监测标识,start表示开始,在终止刀位点之后添加结束数据记录标识符:TH+特征编号+end,其中end表示结束;第三,在该代码段找到如直线和圆弧等局部特征的代码行,在代码行之前添加局部加工特征标识符:TH+机床类型+几何元素+刀具类型+主轴转速+进给速度+切深+切宽。
所述加工特征的监测信号可以为切削力信号、振动信号、主轴功率信号等,具体选择何种监测信号依据不同的加工特征而不同,且可以选择单一的监测信号也可以选择多种信号进行融合。监测信号参数包括平均值、均方值、方差、峰值等,依据不同的加工特征选择不同的监测信号参数,原则是该监测信号参数对该加工特征敏感。
本发明的有益效果是:
本发明将不同的零件划分为多个加工特征的组合,对不同的加工特征分别进行监测,便于监测信号的分类和积累,有效的实现已有加工特征监测信号的继承和重用。避免因加工零件改变而引起的重复学习的过程。不仅能够适用于大批量零件生产时数控加工状态监控,也能够适应于小批量甚至是单件零件生产时的数控加工状态监控,适用范围更广。新加工特征的学习机制可以使这种方法在使用中不断完善最初建立的阈值信号库。
本发明实现数控加工状态在线监控,无需停机占用加工时间。有效缩短生产周期,降低生产成本。
附图说明
图1为本发明的示例飞机结构件三维模型图,其中A表示槽,B表示轮廓,C表示孔,D表示筋,E表示独立筋。
图2为图1飞机结构件三维模型俯视图,其中字母代表含义与图1相同。
图3为本发明基于加工特征的复杂构件数控加工状态实时监控方法流程图。
图4为本发明的典型槽示意图。图(a)中A表示零件,B表示加工该槽腹板面的加工刀轨;图(b)中C表示加工该槽刀轨中的直线部分,D表示加工该槽刀轨中的圆弧部分。
图5表示加入监测标识符的数控加工程序。图中A-G表示加入的监测标识符。A表示总体加工特征标识符,B表示单层加工特征标识符,C、F表示是数据记录起始和终止标识符,D、E表示局部加工特征标识符,G表示新特征标识符。
具体实施方式
下面以飞机结构件作为具体实施例,结合附图作进一步的详细说明。
如图1-5所示。
本例以图1所示的飞机结构件三维模型为例加以说明。
一种基于加工特征的复杂构件数控加工状态实时监控方法,流程图如图2所示,它包括以下具体步骤:
1、典型加工特征监测信号及阈值库建立。对于图1所示飞机结构件,加工特征的几何形状包括槽、轮廓、筋、孔等。就几何形状而言,槽由槽腹板、侧壁、转角、底角、顶面构成;轮廓由轮廓相连的主拓扑面构成;筋由筋顶面、侧面、限制面构成;孔由孔壁面、上顶面、下顶面构成。机床信息指使用的机床种类,这里使用三轴数控机床进行加工。加工刀具信息包括刀具的类型、直径、刃数、刀具材料等。加工工艺信息包括主轴转速、切深、切宽和进给速度等。
如图4 所示为典型槽示意图。图(a)中A表示零件,B表示加工该槽腹板面的加工刀轨;图(b)中C表示加工该槽刀轨中的直线部分,D表示加工该槽刀轨中的圆弧部分。
典型加工特征学习的具体方法是:依据加工经验,选择典型的几何特征,包括槽、轮廓、筋、孔等,分层加工的单层刀轨以及直线和圆弧子特征,采用典型的工艺方案进行切削实验。针对每个加工特征,正常状态下进行10组以上实际切削实验。每组实验记录加工中的监测信号,这里的监测信号可以是切削力信号、振动信号、主轴功率信号等。计算同一时刻正常状态实验组测量信号的平均值,记为CZ。在异常加工状态下重复试验,计算同一时刻异常状态实验组测量信号的平均值,记为CS。计算安全状态下的百分比数值即为检测信号阈值PS=(CS-CZ)/CS*100%。将CZ、CS及PS三组数值记录在加工特征监测信号及阈值库的表格中。加工特征完整加工信号及阈值文件、加工特征单层刀轨加工信号及阈值文件、加工特征局部几何加工信号及文件所对应的文件名分别可以是THP MIL 001 LEN70 WID45 DEP14CR5 R5 S3000 V2000 AP2 AE3.5(图5A行所示,其中THP表示完整加工特征标识符、MIL表示数控铣床、001为加工特征编号、LEN表示长度、WID 表示宽度、DEP表示深度、CR表示转角半径、R表示加工刀具半径、S表示主轴转速、 V表示进给速度、AP表示切深、AE表示切宽)、THPCMIL 001 LEN70 WID45 DEP14 CR5 R5 S3000 V2000 AP2 AE3.5(图5B行所示,其中THPC表示单层加工特征标识符)、TH MIL 001 SL R5 S3000 V2000 AP2 AE3.5(图5D行所示,其中SL表示直线)。
计算监测信号阈值的方法也可以是:在正常状态和异常状态下分别进行10组以上实际切削实验;分别计算每组监测信号的平均值均方值方差和峰值XP这4 个数值,将其组成一个1*4的特征向量,正常状态实验组得到的向量记为异常状态实验组得到的向量记为分别计算特征向量和到点(0,0,0,0)的距离,得到Ωn和Ωm;按照公式计算得到所需的监测信号阈值Ps。将监测信号与监测信号阈值记录在加工特征监测信号及阈值库的表格中,文件命名的方式同上。
2、数控加工程序预处理:
首先对零件按典型加工工艺进行加工刀具轨迹编辑,生成数控程序。
在数控程序中添加特征监测识别标识符。具体方法是:第一,数控代码编程过程中,利用编程模块中的注释功能,在每一个加工特征所对应的代码段之前添加整体加工特征标识符:THP MIL 001 LEN70 WID45 DEP14 CR5 R5 S3000 V2000 AP2 AE3.5(图5A行所示)。第二,找到该代码段中加工段单层刀轨的起始刀位点和终止刀位点,在起始刀位点之前添加单层加工特征识别标识符以及数据记录起始标识符:THPC MIL 001 LEN70 WID45DEP14 CR5 R5 S3000 V2000 AP2 AE3.5(图5B行所示)、TH 001start(图5C行所示,start表示开始),在终止刀位点之后添加数据记录终止标识符:TH 001end(图5F行所示,end 表示结束)。第三,在该代码段找到如直线和圆弧等局部特征的代码行,在相应代码行之前添加局部特征标识符(图5D、E行所示)。生成添加过加工特征识别标识符的数控程序。
预读数控程序,根据加工特征监测信号及阈值库中的加工特征记录进行匹配,找到信号及阈值库中不存在的加工特征,对这些特征进行重新标记:THP NEW MIL 002 DEP14CR20 R5 S3000 V2000 AP2 AE5(如图5G行所示,其中NEW表示新加工特征、002为加工特征编号)。生成新的数控加工程序。
3、数控加工状态监控。使用经过预处理的数控程序进行零件加工。根据建立加工特征监测信号及阈值库时采用的监测信号选择实际加工中采集信号的种类,可以是切削力信号、振动信号、主轴功率信号等。
根据特征标识符判断是否是新加工特征。
如果是新加工特征,例如读到数控代码行THP NEW MIL 002 DEP14 CR20 R5S3000 V2000 AP2 AE5(如图5G行所示),第一次出现此类加工特征时记录其测量数据并以加工特征名来命名文件,记录到加工特征监测信号阈值库中,再次出现这类加工特征时即可以作为已有加工特征处理。记录数据文件的方式有三类:①当加工进行到数控代码中完整加工特征标识符时新建文件并记录监测信号,当加工进行到数控代码中下一个完整加工特征标识符时结束监测信号的记录,计算监测信号阈值,保存并关闭文件,此文件中记录的是整个加工特征对应的完整监测信号;②当加工进行到数控代码中起始信号记录标识符时新建文件并记录监测信号,当加工进行到数控代码中结束信号记录标识符时结束监测信号的记录,计算监测信号阈值,保存并关闭文件,此文件中记录的是加工特征单层加工所对应的监测信号;③当加工进行到数控代码中局部加工特征标识符时新建文件并记录监测信号,当加工进行到数控代码中下一个局部加工特征标识符时结束监测信号的记录,计算监测信号阈值,保存并关闭文件,此文件中记录的是加工特征局部加工所对应的监测信号。
如果不是新加工特征,则与加工特征监测信号及阈值库中的加工特征进行匹配。方法是利用加工特征标识符与信号及阈值库中的加工特征数据文件名称相匹配,对特征进行区分。匹配时有三种情况:①总体特征标识符THP MIL 001 LEN70 WID45 DEP14 CR5 R5S3000 V2000 AP2 AE3.5(图5A行所示)在加工特征监测信号阈值库中能够找到相应的加工特征文件,则不再判别局部加工特征标识符,直接进行信号数据处理。②加工特征单层识别标识符THPC MIL 001 LEN70 WID45 DEP14 CR5 R5 S3000 V2000 AP2 AE3.5(图5B行所示)在加工特征监测信号及阈值库中能找到相应的监测信号文件,则直接使用单层监测信号文件进行数据处理。③总体特征标识符(图5A行所示)在加工特征监测信号阈值库中不能找到相应的加工特征文件,则对局部加工特征标识符(图5C行、D行所示)进行匹配并处理数据。例如图1中筋D被作为典型加工特征而记录在信号及阈值库中。当加工图1 中独立筋E时,虽然无法匹配总体加工特征,但可以匹配到局部加工特征。因此将其按局部加工特征进行匹配并处理数据。
数据处理。根据加工特征监测信号及阈值库建立时数据处理的方式,在实际加工时数据处理也分为两种方式:第一种,根据加工过程中每一时刻的监测信号Xnew,找到加工特征监测信号及阈值库中该加工特征相对应时刻的信号X0,求取监测信号与阈值库信号的百分比PC=(Xnew-X0)/X0*100%。第二种,得到加工过程中监测信号的平均值、均方差、方差和峰值,将其组成一个1*4的特征向量,求取监测信号特征向量与加工特征监测信号及阈值库的信号特征向量的百分比PC。
数控加工状态判断。将数据处理步骤中计算得到的百分比数值PC与加工特征监测信号及阈值库中安全状态下百分比数值Ps比较大小:若Ps>PC则加工状态正常,继续监测数控加工状态直到加工完成;若Ps<PC则加工状态异常,立即停机或报警。
本发明未涉及部分与现技术相同或可采用现有技术加以实现。
Claims (8)
1.一种基于加工特征的复杂构件数控加工状态实时监控方法,其特征在于:
首先,基于加工特征建立加工状态是否正常的监测阈值,依据加工特征实现数控加工状态的监控;通过切削实验建立典型加工特征监测信号及阈值库,并在数控加工前对数控加工程序添加加工特征监测标识符,匹配阈值库中的加工特征监测阈值,以此作为加工过程中状态监控的依据;
其次,对于阈值信号库中不存在的加工特征,则在数控加工中通过实时学习建立加工特征的样本,以加工中第一次出现的新加工特征的监测信号作为后续同种加工特征状态监控的依据。
2.如权利要求1所述的方法,其特征是它包括以下步骤:
步骤1:典型加工特征监测信号及阈值库建立;选择典型加工特征进行切削实验,在文件中记录监测信号以及监测信号阈值,按规则命名文件,组成加工特征监测信号及阈值库;
步骤2:数控程序预处理;根据需要加工的零件模型,通过数控编程生成该零件的数控加工程序;在数控加工程序中添加不同的加工特征监测标识符,生成新的添加过特征标识符的数控加工程序;与加工特征监测信号及阈值库中已有的加工特征匹配判断哪些是已有的加工特征,哪些是新的加工特征;对新加工特征进行标记,生成进一步添加过新特征标记的数控程序;
步骤3:数控加工状态监控;使用步骤2中生成的数控程序进行零件的加工,同时获取监测信号,依据标识判断是否是新加工特征;如果是新加工特征,记录监测信号并计算监测信号阈值,添加到加工特征监测信号及阈值库;如果不是新特征,则判断是哪个加工特征,处理数据并与阈值信号库中的已有数据比对,判断加工状态,异常则报警或停机,正常则继续监测直到加工完成。
3.如权利要求1或2所述的方法,其特征是所述的加工特征所包含的信息有:几何形状信息、机床信息、加工刀具信息、加工工艺参数信息;依据需要将加工特征分为三种情况:①加工特征所包含的信息即几何形状信息、机床信息、加工刀具信息以及加工工艺参数信息完全相同;②具有相同几何形状的加工特征分层加工时不同层对应的机床信息、加工刀具信息以及加工工艺参数信息相同;③同种类型加工特征局部几何形状信息、机床信息、加工刀具信息以及加工工艺参数信息相同。
4.如权利要求1或2所述的方法,其特征是所述的加工特征监测信号及阈值库的建立方法为:依据加工特征的三种情况分别选择典型加工特征进行切削实验,采集监测信号,计算监测信号阈值,将监测信号以及阈值记录到加工特征监测信号及阈值库中;加工特征监测信号及阈值库中记录的数据分为三种类型:①加工特征完整加工所对应的监测信号及监测信号阈值,文件名命名方式为THP+机床类型+加工特征编号+几何元素+刀具类型+主轴转速+进给速度+切深+切宽,其中THP表示整体加工特征标识;②分层加工的加工特征单层加工所对应的监测信号及监测信号阈值,文件名命名方式为THPC+机床类型+加工特征编号+几何元素+刀具类型+主轴转速+进给速度+切深+切宽,其中THPC表示单层加工特征标识;③局部相同的加工特征所对应的监测信号及监测信号阈值,文件名命名方式为TH+机床类型+几何元素+刀具类型+主轴转速+进给速度+切深+切宽,其中TH表示监测标识。
5.如权利要求1或2所述的方法,其特征是所述的加工中出现阈值信号库中不存在的加工特征时,将第一次加工该加工特征的监测信号及阈值记录到阈值信号库中;记录的形式分为三种:①当加工进行到数控代码中完整加工特征标识符时新建文件并记录监测信号,当加工进行到数控代码中下一个完整加工特征标识符时结束监测信号的记录,计算监测信号阈值,保存并关闭文件,文件名命名方式为THP+机床类型+加工特征编号+几何元素+刀具类型+主轴转速+进给速度+切深+切宽,其中THP表示整体加工特征标识;此文件中记录的是整个加工特征对应的完整监测信号;②当加工进行到数控代码中起始信号记录标识符时新建文件并记录监测信号,当加工进行到数控代码中结束信号记录标识符时结束监测信号的记录,计算监测信号阈值,保存并关闭文件,文件名命名方式为THPC+机床类型+加工特征编号+几何元素+刀具类型+主轴转速+进给速度+切深+切宽,其中THPC表示单层加工特征标识,此文件中记录的是加工特征单层加工所对应的监测信号;③当加工进行到数控代码中局部加工特征标识符时新建文件并记录监测信号,当加工进行到数控代码中下一个局部加工特征标识符时结束监测信号的记录,计算监测信号阈值,保存并关闭文件,文件名命名方式为TH+机床类型+几何元素+刀具类型+主轴转速+进给速度+切深+切宽,其中TH表示监测标识,此文件中记录的是加工特征局部加工所对应的监测信号。
6.如权利要求4所述的方法,其特征是所述的监测信号阈值计算的方法分为两种:一、选择典型的加工特征,分别进行正常加工状态和异常加工状态下的切削实验,求取各自监测信号的平均值,得到两者的百分比即为监测信号阈值;二、选择典型的加工特征,分别进行正常加工状态和异常加工状态下的切削实验,求取各自监测信号的平均值、均方值、方差和峰值,分别组成向量并求其到原点的距离,计算两者的百分比即为监测信号阈值。
7.如权利要求3所述的方法,其特征是所述的几何形状信息从零件模型中获取,包括拓扑结构、长、宽、高、圆弧半径;机床信息包括机床种类;刀具信息从数控程序中获取,包括刀具的类型、直径、刃数、刀具材料;其中刀具类型为面铣刀、立铣刀或模具铣刀;加工工艺信息包括主轴转速、切深、切宽和进给速度,其中主轴转速、切深、切宽在数控程序中设置,进给速度从机床中实时获取;加工特征的几何信息与加工工艺信息需要以数控加工状态监测标识符的形式添加到数控程序中,以便进行辨识,标识的具体添加方法为:第一,数控代码编程过程中,在每一个加工特征所对应的代码段之前添加完整加工特征标识符:THP+机床类型+加工特征编号+几何元素+刀具类型+主轴转速+进给速度+切深+切宽;第二,在该代码段中找到加工段单层刀轨的起始刀位点和终止刀位点,在起始刀位点之前添加起始数据记录标识符:THPC+机床类型+加工特征编号+几何元素+刀具类型+主轴转速+进给速度+切深+切宽,TH+特征编号+start,其中THPC表示层监测标识,TH表示监测标识,start表示开始,在终止刀位点之后添加结束数据记录标识符:TH+特征编号+end,其中end表示结束;第三,在该代码段找到局部特征的代码行,在代码行之前添加局部加工特征标识符:TH+机床类型+几何元素+刀具类型+主轴转速+进给速度+切深+切宽。
8.如权利要求1或2所述的方法,其特征是所述的加工特征的监测信号为切削力信号、振动信号、主轴功率信号,具体选择何种监测信号依据不同的加工特征而不同,且选择单一的监测信号可选择多种信号进行融合;监测信号参数包括平均值、均方值、方差、峰值,依据不同的加工特征选择不同的监测信号参数,原则是该监测信号参数对该加工特征敏感。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610318523.XA CN105867305B (zh) | 2016-05-13 | 2016-05-13 | 基于加工特征的复杂结构件数控加工状态实时监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610318523.XA CN105867305B (zh) | 2016-05-13 | 2016-05-13 | 基于加工特征的复杂结构件数控加工状态实时监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105867305A CN105867305A (zh) | 2016-08-17 |
CN105867305B true CN105867305B (zh) | 2018-06-12 |
Family
ID=56631949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610318523.XA Active CN105867305B (zh) | 2016-05-13 | 2016-05-13 | 基于加工特征的复杂结构件数控加工状态实时监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105867305B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6499689B2 (ja) | 2017-03-08 | 2019-04-10 | ファナック株式会社 | 仕上げ加工量予測装置及び機械学習装置 |
CN107145129A (zh) * | 2017-04-17 | 2017-09-08 | 华中科技大学 | 一种双代码联合作用的数控加工控制方法 |
CN107037133A (zh) * | 2017-04-20 | 2017-08-11 | 嘉泰数控科技股份公司 | 一种结合声发射和电流检测的加工状态监控方法 |
CN109870977B (zh) * | 2017-12-04 | 2021-11-19 | 上海电气电站设备有限公司 | 机床的数据控制方法、系统、计算机可读存储介质及机床 |
TWI662386B (zh) * | 2017-12-29 | 2019-06-11 | 中原大學 | 加工機台之空刀率監控方法與裝置 |
JP2019207542A (ja) * | 2018-05-29 | 2019-12-05 | ファナック株式会社 | 分析装置、分析方法及び分析プログラム |
CN109696478A (zh) * | 2018-11-27 | 2019-04-30 | 福建省嘉泰智能装备有限公司 | 一种结合声发射能量和机床信息的监控方法 |
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 |
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 |
CN110244654A (zh) * | 2019-04-29 | 2019-09-17 | 福建省嘉泰智能装备有限公司 | 一种传感器监测机床加工过程各种情形有效加工段标示方法 |
CN111775051B (zh) * | 2020-06-15 | 2021-08-10 | 德尔福柴油系统(烟台)有限公司 | 一种检测磨削产品是否合格的方法 |
CN112147950B (zh) * | 2020-09-17 | 2021-07-13 | 成都航空职业技术学院 | 数控侧铣加工系统及其阈值与待监控信号的精确同步方法 |
CN114248149B (zh) * | 2020-09-23 | 2023-03-10 | 上海赛科利汽车模具技术应用有限公司 | 模具数控加工过程中工件角度计算的方法、系统及设备 |
US20230161314A1 (en) * | 2021-11-23 | 2023-05-25 | Pratt & Whitney Canada Corp. | Computer-implemented method of controlling a manufacturing machine, associated system and computer readable instructions |
CN115509177B (zh) * | 2022-09-22 | 2024-01-12 | 成都飞机工业(集团)有限责任公司 | 一种零件加工过程异常监控方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08153119A (ja) * | 1994-11-30 | 1996-06-11 | Fujitsu Ltd | マルチメディアデータベース生成方式 |
CN1275198A (zh) * | 1997-07-28 | 2000-11-29 | 三通机械有限公司 | 诊断规则库刀具状态监视系统 |
CN101930223A (zh) * | 2010-09-07 | 2010-12-29 | 曾谊晖 | 基于难加工金属数控加工工艺的智能筛选系统 |
CN102004466A (zh) * | 2010-10-25 | 2011-04-06 | 武汉华中数控股份有限公司 | 一种基于指令序列分析的数控机床加工动态误差补偿方法 |
CN103279763A (zh) * | 2013-05-25 | 2013-09-04 | 中北大学 | 一种基于结构特征的轮毂类型自动识别方法 |
CN103646109A (zh) * | 2013-12-25 | 2014-03-19 | 武汉大学 | 一种基于机器学习的空间数据匹配方法 |
-
2016
- 2016-05-13 CN CN201610318523.XA patent/CN105867305B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08153119A (ja) * | 1994-11-30 | 1996-06-11 | Fujitsu Ltd | マルチメディアデータベース生成方式 |
CN1275198A (zh) * | 1997-07-28 | 2000-11-29 | 三通机械有限公司 | 诊断规则库刀具状态监视系统 |
CN101930223A (zh) * | 2010-09-07 | 2010-12-29 | 曾谊晖 | 基于难加工金属数控加工工艺的智能筛选系统 |
CN102004466A (zh) * | 2010-10-25 | 2011-04-06 | 武汉华中数控股份有限公司 | 一种基于指令序列分析的数控机床加工动态误差补偿方法 |
CN103279763A (zh) * | 2013-05-25 | 2013-09-04 | 中北大学 | 一种基于结构特征的轮毂类型自动识别方法 |
CN103646109A (zh) * | 2013-12-25 | 2014-03-19 | 武汉大学 | 一种基于机器学习的空间数据匹配方法 |
Non-Patent Citations (1)
Title |
---|
基于局部特征的飞机结构件快速交互工艺决策方法;高鑫 等;《航空制造技术》;20141231(第9期);第60-63页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105867305A (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105867305B (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 | |
CN102929210B (zh) | 基于特征的数控加工过程控制和优化系统及方法 | |
Jemielniak et al. | Tool condition monitoring based on numerous signal features | |
Tangjitsitcharoen et al. | Development of chatter detection in milling processes | |
CN109396953A (zh) | 基于信号融合的机床工作状态智能辨识系统 | |
CN107728580B (zh) | 一种面向自适应加工的几何信息-工艺信息-监测信息关联方法 | |
CN102825506A (zh) | 振动辨别方法以及振动辨别装置 | |
Jemielniak | Contemporary challenges in tool condition monitoring | |
CN108527005A (zh) | 一种cnc刀具状态检测方法和系统 | |
CN105700477A (zh) | 一种基于颤振频率的加工颤振智能抑制方法 | |
CN104570948A (zh) | 航天板类零件孔特征加工方法 | |
Yao et al. | Modelling of multivariate time series for tool wear estimation in finish-turning | |
CN109991925A (zh) | 一种切削颤振在线监控方法及监控系统 | |
CN115755758A (zh) | 基于神经网络模型的机床加工控制方法 | |
CN111975453A (zh) | 一种数值仿真驱动的加工过程刀具状态监测方法 | |
Ritou et al. | A new versatile in-process monitoring system for milling | |
CN103439919A (zh) | 基于动态特征模型的cad/cam/cnc闭环控制方法 | |
Ogedengbe et al. | Feasibility of tool condition monitoring on micro-milling using current signals | |
CN108693831A (zh) | 模拟装置、程序生成装置、控制装置及计算机的显示方法 | |
Park et al. | A study on the predictive maintenance of 5 axis CNC machine tools for cutting of large aircraft parts | |
Arslan et al. | Automated machine tool prognostics for turning operation using acoustic emission and learning vector quantization | |
Zheng et al. | Research on Edge Collapse Technology of Flat End Milling Cutter Based on BR Value of Spindle Load | |
Torabi et al. | Application of classical clustering methods for online tool condition monitoring in high speed milling processes | |
Kundrík et al. | Use of Neural Networks in Tool Wear Prediction | |
Gutsche et al. | Check for updates Cross-Machine Comparison of the Usability of Internal Machine Control Data for Process Monitoring in Machining Applications |
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 |