CN107738140A - 一种监控刀具状态的方法、系统以及处理设备 - Google Patents
一种监控刀具状态的方法、系统以及处理设备 Download PDFInfo
- Publication number
- CN107738140A CN107738140A CN201710917038.9A CN201710917038A CN107738140A CN 107738140 A CN107738140 A CN 107738140A CN 201710917038 A CN201710917038 A CN 201710917038A CN 107738140 A CN107738140 A CN 107738140A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- border
- signal
- lathe
- information
- 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
Classifications
-
- 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
- B23Q17/0961—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 power, current or torque of a motor
-
- 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
- B23Q17/0971—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 mechanical vibrations of parts of the machine
Abstract
本发明实施例公开了一种监控刀具状态的方法、系统以及处理设备,通过功率和/或振动传感器获取加工过程信号;通过离线学习获取正常刀具状态的特征信号,并根据所述特征信号获取监控边界;通过与机床PLC交互的方法获取机械加工信息;根据所述监控边界、所述机械加工信息和所述加工过程信号进行在线监控;若在线监控的特征值超出所述监控边界时,则触发报警;从而提高刀具寿命,降低刀具成本,并降低刀具异常导致的损失。该功能对于批量制造的CNC加工和自动化生产线等应用有着非常重要的经济价值。
Description
技术领域
本发明实施例涉及机械加工的技术,尤其涉及一种监控刀具状态的方法、系统以及处理设备。
背景技术
在加工过程中,刀具磨损通常是根据经验来估计刀具磨损的寿命,并据此设定一个换刀值,而不同刀具之间存在一定的差异性,不同加工过程也存在差异性。当按照固定件数换刀时,往往会出现刀具还未到磨损极限时就被更换,或者刀具已经发生磨损或破损,还在继续加工的情况出现,导致刀具的更换不合理。
发明内容
本发明实施例提供一种监控刀具状态的方法、系统及处理设备,旨在解决如何实时监控刀具状态。
第一方面,一种监控刀具状态的方法,所述方法包括:
根据功率和/或振动传感器获取加工过程信号;
通过离线学习获取正常刀具状态的特征信号,并根据所述特征信号获取监控边界;
通过与机床PLC交互的方法获取机械加工信息;
根据所述监控边界、所述机械加工信息和所述加工过程信号进行在线监控;
若在线监控的特征值超出所述监控边界时,则触发报警。
可选地,所述通过离线学习获取正常刀具状态的特征信号,并根据所述特征信号获取监控边界,包括:
分别使新刀具和临界磨损的刀具进行加工,并使用选定的功率传感器和/或振动传感器监测加工过程,获取离线监控数据;
在选定的监控区域内,分别获取新刀具加工时的特征信号曲线和临界磨损的刀具加工时的特征信号曲线;
选择不同的监控边界算法,分别提取表征刀具磨损、崩刃、缺刀和/或断刀的监控边界;
其中,所述监控边界算法,包括固定边界、分段边界、动态边界、统计值边界和/或变化率边界。
可选地,所述通过离线学习获取正常刀具状态的特征信息,并根据所述特征信息获取监控边界,包括:
学习正常加工信号的变化率ΔY/Δt,再取正常加工信号中变化率的最高值作为参考点,将所述参考点乘以一个安全系数,作为所述监控边界,所述监控边界用于监控刀具的崩刃;
其中,所述Δt为统计的时间间隔,与采样频率和功率信号的波动情况相关。所述ΔY为在Δt时间内特征信号Y的变化值。
可选地,所述通过与机床PLC交互的方法获取机械加工信息,包括:
从数控系统中的刀号变量中获取刀号信息;
将所述刀号信息转换成二进制码,每一位二进制码都对应一个机床的PLC输出端口,所述PLC输出端口通过高低电平信号来表征二进制的1和0;
读取到所述高低电平信号后,再转换成数字信号,获取待监控的刀号信息。
可选的,所述通过与机床PLC交互的方法获取机械加工信息,包括:
换刀之后,机床准备开始加工之前,机床通过系统变量把PLC的预设端口置为高电平预设时间,读取到所述高电平信号后,获取机床准备开始加工的信息。
可选地,所述根据所述监控边界,所述机械加工信息和所述加工过程信号进行在线监控,包括:
根据待监控的刀号信号,调取所述刀号对应的监控边界;
根据所述机械加工信息和所述加工过程信号,开启和关闭监控功能。
可选地,所述根据所述机械加工信息和所述加工过程信号,开启和关闭监控功能,包括:
当获取到机床准备开始加工的信号后,监控功能打开;
当实时监控值大于或等于预设触发阈值时,监控计时开始;
使用相对时间法,确定边界监控的起始和结束时间;
到达结束时间后,监控功能关闭。
第二方面,一种监控刀具状态的系统,其特征在于,所述系统包括:
控制器,用于采集功率和/或振动数据,获取加工过程信号;用于与机床PLC交互获取机械加工信息;用于输出报警信号给机床;
处理器,用于从控制器获取所有机械加工信息和加工过程信号;用于运行离线学习获取监控边界和在线监控软件;用于输出报警信号给控制器;用于人机交互。
第三方面,一种处理设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的软件程序,其特征在于,所述处理器执行所述程序时实现如上述的方法。
本发明实施例提供一种监控刀具状态的方法、系统以及处理设备,根据功率和/或振动传感器获取加工过程信号;通过离线学习获取正常刀具状态的特征信号,并根据所述特征信号获取监控边界;通过与机床PLC交互的方法获取机械加工信息;根据所述监控边界、所述机械加工信息和所述加工过程信号进行在线监控;若在线监控的特征值超出所述监控边界时,则触发报警;
附图说明
图1是本发明实施例一中的一种监控刀具状态的系统架构图;
图2是本发明实施例二中的一种基于系统架构中运行的监控刀具状态的流程示意图;
图3是本发明实施例三中的监控刀具状态的方法的流程示意图;
图4是本发明实施例三中的使用固定的上下边界来监控刀具的不同状态的示意图;
图5是本发明实施例三中的分段边界来监控刀具的不同状态的示意图;
图6是本发明实施例三中的动态边界来监控刀具的不同状态的示意图;
图7是本发明实施例三中的连续型边界来监控刀具的不同状态的示意图;
图8是本发明实施例三中的循环加工的示意图;
图9是本发明实施例三中的变化率边界来监控刀具的不同状态的示意图;
图10是本发明实施例四中的监控刀具状态的方法的流程示意图;
图11是本发明实施例四中的映射关系示意图;
图12是本发明实施例四中的加工时间的示意图;
图13是本发明实施例五中的监控刀具状态的装置的结构示意图;
图14是本发明实施例六中的处理设备可读存储介质的示意图。
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详细说明。可以理解的是,此处所描述的具体实施例仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
参考图1,本实施例适用于监控刀具状态的系统,监控工具状态的系统硬件由传感器,控制器和处理器组成。
刀具的状态一般分为正常,已磨损,崩刃,断刀和缺刀。
机床主轴的功率信号和加工区域的振动信号都可以很好的表征刀具的状态。主轴电机消耗的功率正比于切削过程中的切向力,当刀具磨损时,切向力会增加,因此主轴电机消耗的功率也会增加,所以通过监控主轴功率的实时变化可以判断刀具的磨损状态。
刀具磨损时,刀具的磨损表面与工件的摩擦增加,切削系统的振动会增大,因此通过监控主轴或工件夹具的振动,可以判断刀具的磨损状态。使用加速度和速度信号都可以表征系统的振动,由于刀具磨损时主要是低频振动,所以振动的速度信号对刀具磨损更为敏感。振动速度原始信号属于高频信号,不便于工业现场监控,所以使用振动信号的有效值来表征刀具的磨损状态。
当崩刃时,刀具的锋利性急剧下降,相当于刀具的严重磨损,上述两种特征值都会区别于正常的加工信号;当断刀或缺刀时,主轴会继续旋转,但刀具不再进行切削,此时特征信号会降到空转值,小于正常加工信号。
因此,使用功率实时值和加工区域振动速度有效值都可以表征刀具的不同状态。二者都可使用模拟量输出方式,把测量到的特征值输出到控制器的模拟量输入端口。
控制器用于把传感器输出的模拟量信号转化为数字信号,并把该数字信号发送给处理器端的监控软件,获取加工过程信号;还用于与机床PLC交互获取刀号信息和机床开始加工的信息;还用于输出报警信号给机床,通知机床执行相应的处理动作;
处理器,用于从控制器获取所有机械加工信息和加工过程信号;用于运行离线学习获取监控边界和在线监控软件;用于输出报警信号给控制器;用于人机交互。
实施例二
参考图2,本实施例是基于实施例一的系统架构运行的监控刀具状态的流程。该流程主要包括:离线获取监控边界、在线监控和触发报警。
首先,使用新刀具和临界磨损刀具进行加工,获取离线监控数据,根据不同需求,选择不同的监控边界算法,获取相应的监控边界。
加工一个零件的过程中,往往需要几把刀具连续切削,所以就需要在更换不同的刀具时,获取相应的刀号,根据刀号调取对应的监控边界。相邻两把刀具加工之间的暂停或换刀时间也不是固定的,就需要根据机床准备开始加工的信号,开启对应该刀具的监控功能。
在线监控时,首先需要获取要监控的刀号信号,然后自动调取对应刀号的监控边界。同时获取该刀具准备开始加工信息,监控功能开启,当加工信号特征值超过触发阈值后开始监控。如果监控值超出监控边界时,系统发出报警信号给机床,同时提示报警类型:刀具磨损,崩刃,断刀或缺刀,机床做相应的处理。如果未超出监控边界,但超过监控时间,对应该刀具的监控停止。
当机床接收到报警信号之后,机床可执行如下几种动作:
(1)立即停机,供操作人员检查刀具状态。
(2)执行完当前加工工序后停机,供操作人员检查检查刀具状态。
(3)执行完当前加工循环后,机床执行自动更换新刀具。
(4)加工继续进行,报警灯闪烁报警,提示操作人员检查刀具状态。
实施例三
参考图3,本实施例可适用于通过配置客户端来进行监控刀具状态的情况,该方法可以由一种监控刀具状态的装置来执行,该装置可以采用软件和/或硬件的方式实现,一般集成于客户端中。
本发明实施例三的方法具体包括:
步骤310,根据功率和/或振动传感器获取机械加工信息和加工过程信号;
步骤320,通过离线学习获取正常刀具状态的特征信号,并根据所述特征信号获取监控边界;
可选地,所述通过离线学习获取正常刀具状态的特征信号,并根据所述特征信号获取监控边界,包括:
分别使新刀具和临界磨损的刀具进行加工,并使用选定的功率传感器和/或振动传感器监测加工过程,获取离线监控数据;
在选定的监控区域内,分别获取新刀具加工时的特征信号曲线和临界磨损的刀具加工时的特征信号曲线;
选择不同的监控边界算法,分别提取表征刀具磨损、崩刃、缺刀和/或断刀的监控边界;
其中,所述监控边界算法,包括固定边界、分段边界、动态边界、统计值边界和/或变化率边界。
示例性的,本发明使用边界管控的办法来监控刀具的状态。在线监控之前,首先通过离线学习正常刀具状态的特征,来获取监控边界。离线学习需要分别使新刀具和临界磨损的刀具进行加工,同时使用选定的传感器(功率或振动)对加工过程进行监测,离线调取数据文件,在选定的监控区域内,分别获取新刀具加工时的信号曲线和临界磨损的刀具加工时的信号曲线。根据不同的边界算法,分别提取表征刀具磨损,崩刃、缺刀和断刀的监控边界。
根据不同的监控要求,在离线学习时可选用不同的边界管控算法:固定边界,分段边界,动态边界,统计值边界和变化率边界。这些边界算法可单独使用,也可以组合使用。离线学习中使用何种算法获取相应的监控边界,在线监控中就使用相同的算法生成对比特征值进行监控。
示例性的,如图4所示,图4是使用固定的上下边界来监控刀具的不同状态。边界1是缺刀和断刀边界。当缺刀或断刀出现时,特征值会明显低于正常值,所以当特征值低于边界1时,系统会发出缺刀或断刀报警信号。边界2是警告边界,随着刀具磨损的加剧,当特征值超过边界2时,即快接近换刀极限时,系统会发出警告信号。边界3是磨损极限,当特征值达到边界3时,系统发出换刀信号。这种固定边界设置简单,但缺少灵活性。
此时的在线监控,需要按照一定的采样频率,在监控范围内,连续对比每个实时特征值和边界值的大小,来判断是否超出边界。
示例性的,图5是分段边界,当切削过程复杂时,加工过程曲线也变得复杂,根据不同段的特征情况来确定不同段的边界值,监控更为精准。边界1是缺刀和断刀边界,边界2和3是不同段的磨损边界。
此时的在线监控,需要按照一定的采样频率,在监控范围内,连续对比每个实时特征值和边界值的大小,来判断是否超出边界。
示例性的,图6是动态边界,这种边界的形状与加工过程特征值的变化相似,边界1可以监测缺刀和断刀,边界2可以监测刀具的磨损。这种边界连续实时的在追踪复杂的加工过程变化,监控更为精准。
此时的在线监控,需要按照一定的采样频率,在监控范围内,连续对比每个实时特征值和边界值的大小,来判断是否超出边界。
示例性的,如图7,上述边界都属于连续型边界,连续型边界需要实时对比边界值和监控值的大小,容易出现误判。除此之外,也可以通过使用单个加工循环内的某种统计值,来表征刀具在完成一个加工循环之后是否发生磨损。平均值和能量值都可以作为统计值来使用。如图7所示,t1到t2是一个加工循环,假设在该循环内一共采集了n个特征值,为Y1到Yn,这个加工循环内的平均值就是能量是指
如图8所示,当8(b)中的每一个加工循环完成之后,可计算这个加工循环的平均值或能量值,如图8(a)所示。可以使用固定边界1和固定边界2的形式进行监控,边界1是用来监测缺刀和断刀,边界2是监控正常刀具磨损。由于这种统计值是一个加工循环才计算并比较一次,所以监控算法更为简单。
此时的在线监控,在每把刀的加工循环结束之后,计算出一个统计特征值,与边界值进行比较,来判断是否超出边界。
可选地,所述通过离线学习获取正常刀具状态的特征信息,并根据所述特征信息获取监控边界,包括:
学习正常加工信号的变化率ΔY/Δt,再取正常加工信号中变化率的最高值作为参考点,将所述参考点乘以一个安全系数,作为所述监控边界;
其中,所述Δt为统计的时间间隔,与采样频率和功率信号的波动情况相关。所述ΔY为在Δt时间内特征信号Y的变化值。
示例性的,如图9,当刀具出现崩刃时,功率信号整体变化不大,有时不会超出设定的边界,但信号会出现突然的比较小的陡变。此时,可以使用特征信号Y的变化率来监测较小的陡变信号,也即是ΔY/Δt的变化值。Y的变化率有正也有负,需要使用ΔY/Δt的绝对值来表征。离线学习时,可以首先学习正常加工信号的变化率,然后取正常信号中变化率的最高值作为参考点,把该参考点乘以一个安全系数,作为监控的边界值。在线监控时,需要按照一定的采样频率,在监控范围内,实时计算ΔY/Δt,并连续与边界值进行比较,来判断是否超出边界。
步骤330,通过与机床PLC交互的方法获取机械加工信息;
步骤340,根据所述监控边界、所述机械加工信息和所述加工过程信号进行在线监控;
步骤350,若在线监控的特征值超出所述监控边界时,则触发报警。
实施例四
参考图10,本发明实施例四是通过与机床PLC交互的方法获取机械加工信息,包括:
步骤1010:从数控系统中的刀号变量中获取刀号信息;
步骤1020:将所述刀号信息转换成二进制码,每一位二进制码都对应一个机床的PLC输出端口,所述PLC输出端口通过高低电平信号来表征二进制的1和0;
步骤1030:读取到所述高低电平信号后,再转换成数字信号,获取待监控的刀号信息;
步骤1040:换刀之后,机床准备开始加工之前,机床通过系统变量把PLC的预设端口置为高电平预设时间,读取到所述高电平信号后,获取机床准备开始加工的信息。
示例性的,获取刀号和准备开始加工信息可以通过在数控程序中添加一段子程序来实现。该子程序读取刀号之后,该子程序通过控制一个PLC的输出端口来表征准备开始加工。控制器收到该信号发送给处理器端监控软件,监控软件开启刀具磨损监控功能,延时一定时间后,该端口恢复到初始电平状态。以FANUC数控系统为例,对上述过程进行说明:
(1)在要进行刀具状态监控的对应数控程序段,找到换刀指令M06T**,在其下一行加入调取通信子程序的指令M98P****,如表1所示;
数控指令 | 说明 |
M06T03 | 数控指令中的换刀信号,更换刀具的刀号为3 |
M98P2556 | 调取2556的数控子程序 |
表1
(2)子程序和对应PLC的设计
表2
参考图11,首先需要把对应刀号的系统变量#4120赋值给系统变量#1,然后把#1中的每个二进制位提取出来,如表2所述方法,分别存储到#1100-#1104中。系统变量#1100-#1104分别对应PLC中的变量F54.0,F54.1,F54.2,F54.3,F54.4,这5个变量又对应PLC的5个硬件输出端口Y0.0,Y0.1,Y0.2,Y0.3,Y0.4。当系统变量#1100-#1104为1时,对应的PLC端口Y0.0-0.4为高电平,否则为低电平。控制器通过5个输入端口:X1,X2,X3,X4,X5分别接收机床PLC的Y0.0-0.4五个输出端口的电平信号。通过上述方法,就可以把刀号信息通过机床PLC的硬件端口输出。
示例性的,当刀号信息为3时,PLC的输出端Y0.0-0.4分别输出:低电平、低电平、低电平、高电平、高电平时,控制器对应输入端口:X1-X5就会接收到相同的电平信号,控制器再把这些输入模拟量转化为数字量:0,0,0,1,1,并传输给处理器端监控软件。
获取到刀号信息之后,机床数控系统通过系统变量#1108把1发送给PLC变量F55.0,PLC硬件端口Y1.0即为高电平,并保持一定时间,再恢复到低电平状态。控制器通过输入端口X6用来接收Y1.0的电平状态。监控软件会通过控制器以定时扫描的方式检查X6的电平状态,当检测到X6为高电平时,把该信息传送给处理器端监控软件,作为机床准备开始加工的信息。
另外,根据所述机械加工信息和所述加工过程信号,开启和关闭监控功能,包括:
可选地,所述根据所述机械加工信息和所述加工过程信号,开启监控功能,包括:
当获取到机床准备开始加工的信息后,开启监控功能;
当实时监控值大于或等于预设触发阈值时,监控计时开始;
使用相对时间法,确定边界监控的起始和结束时间;通过设置一个触发阈值Th,所述Th高于未加工的特征值并低于加工时的特征值,以所述Th与加工曲线的第一个交点时间定义为加工循环的开始时间点A,所述A点到B点的相对时间为T1;
在离线学习时获取到加工循环曲线,使用两个边界线L1和L2获取要监控区域的相对时间,所述L1和所述L2与加工循环曲线的交点为所述B点和C点,T2是所述B点到所述C点的相对时间;
在线监控时,当实时监控值第一次大于或等于Th时,监控计时开始,计时所述T1的时间段,所述T1结束后进入所述T2的时间段,开始使用离线学习获取的监控边界来监控刀具的状态。
示例性的,当刀具状态监控软件接收到准备开始加工的信号并开启监控功能后,还不能准确判断加工开始的时间,需要通过触发阈值的方式来作为加工开始的标志,如图12所示。需要使用一个触发阈值和两个相对时间来准确判断监控的起始和截止时间。以图12为例做详细解释。在离线学习时,已获取到加工循环曲线,使用两个边界线L1和L2获取要监控区域的相对时间,L1和L2与加工循环曲线的交点为B点和C点,T2是B点到C点的相对时间,其它时间为进刀和退刀等辅助时间,可选择不进行监控。通过设置一个触发阈值Th,Th高于未加工的特征值,低于加工时的特征值,以Th与加工曲线的第一个交点时间定义为加工循环的开始时间点A,A点到B点的相对时间为T1。
在离线学习中,根据加工循环曲线和L1,L2,Th的定义获取到相对时间T1和T2。在线监控中,调用Th,T1和T2,以及相对应的监控边界,就可以进行准确的监控。当监控软件处于开启状态后,软件会连续对比实时特征值和触发阈值Th的大小,当实时特征值第一次大于或等于Th时,计时T1时间,T1结束后进入T2时间段,开始使用离线学习时获取的监控边界来监控刀具的状态。当T2时间结束后,对应该刀具的监控功能关闭。
实施例五
参考图13,该装置应用于通过配置系统来进行监控刀具状态的情况,该装置可以采用软件和/或硬件的方式实现中。如图13所示,装置包括:
控制器1310,用于采集功率和/或振动数据,获取加工过程信号;用于与机床PLC交互获取机械加工信息;用于输出报警信号给机床;
处理器1320,用于从控制器获取所有机械加工信息和加工过程信号;用于运行离线学习获取监控边界和在线监控软件;用于输出报警信号给控制器;用于人机交互。
实施例六
参考图14,该设备包括处理器1401、存储器1402、输入装置1403以及输出装置1404;设备中处理器1401的数量可以是一个或多个,图14中以一个处理器1401为例;设备中的处理器1401、存储器1402、输入装置1403以及输出装置1404可以通过总线或其他方式连接,图14中以通过总线连接为例。
存储器1402作为一种处理设备可读存储介质,可用于存储软件程序、处理设备可执行程序以及模块,如本发明实施例中的监控刀具状态的方法的对应的程序指令/模块。处理器1401通过运行存储在存储器1402中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的请求的负载均衡方法。
存储器1402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器1402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器1402可进一步包括相对于处理器1401远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置1403可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。
输出装置1404可包括显示屏等显示设备。
实施例七
本发明实施例七还提供一种包含处理设备可执行指令的存储介质,所述处理设备可执行指令在由处理设备处理器执行时用于执行一种监控刀具状态的方法,该方法包括:
通过功率和/或振动传感器获取加工过程信号;通过离线学习获取正常刀具状态的特征信号,并根据所述特征信号获取监控边界;通过与机床PLC交互的方法获取机械加工信息;根据所述监控边界、所述机械加工信息和所述加工过程信号进行在线监控;若在线监控的特征值超出所述监控边界时,则触发报警。
当然,本发明实施例所提供的一种包含处理设备可执行指令的存储介质,其处理设备可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的监控刀具状态的方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该处理设备软件产品可以存储在处理设备可读存储介质中,如处理设备的软盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台处理设备(可以是个人处理设备,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述监控刀具状态的装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种监控刀具状态的方法,其特征在于,所述方法包括:
通过功率和/或振动传感器获取加工过程信号;
通过离线学习获取正常刀具状态的特征信号,并根据所述特征信号获取监控边界;
通过与机床PLC交互的方法获取机械加工信息;
根据所述监控边界、所述机械加工信息和所述加工过程信号进行在线监控;
若在线监控的特征值超出所述监控边界时,则触发报警。
2.根据权利要求1所述的方法,其特征在于,所述通过离线学习获取正常刀具状态的特征信号,并根据所述特征信号获取监控边界,包括:
分别使新刀具和临界磨损的刀具进行加工,并使用选定的功率传感器和/或振动传感器监测加工过程,获取离线监控数据;
在选定的监控区域内,分别获取新刀具加工时的特征信号曲线和临界磨损的刀具加工时的特征信号曲线;
选择不同的监控边界算法,分别提取表征刀具磨损、崩刃、缺刀和/或断刀的监控边界;
其中,所述监控边界算法,包括固定边界、分段边界、动态边界、统计值边界和/或变化率边界。
3.根据权利要求1所述的方法,其特征在于,所述通过离线学习获取正常刀具状态的特征信号,并根据所述特征信号获取监控边界,包括:
学习正常加工信号的变化率ΔY/Δt,再取正常加工信号中变化率的最高值作为参考点,将所述参考点乘以一个安全系数,作为所述监控边界,所述监控边界用于监控刀具的崩刃;
其中,所述Δt为统计的时间间隔,与采样频率和功率信号的波动情况相关。所述ΔY为在Δt时间内特征信号Y的变化值。
4.根据权利要求1所述的方法,其特征在于,通过与机床PLC交互的方法获取机械加工信息,包括:
从数控系统刀号变量中获取刀号信息;
将所述刀号信息转换成二进制码,每一位二进制码都对应一个机床的PLC输出端口,所述PLC输出端口通过高低电平信号来表征二进制的1和0;
读取到所述高低电平信号后,再转换成数字信号,获取待监控的刀号信息。
5.根据权利要求1所述的方法,其特征在于,通过与机床PLC交互的方法获取机械加工信息,包括:
换刀之后,机床准备开始加工之前,机床通过系统变量把PLC的预设端口置为高电平预设时间,读取到所述高电平信号后,获取机床准备开始加工的信息。
6.根据权利要求1所述的方法,其特征在于,所述根据所述监控边界,所述机械加工信息和所述加工过程信号进行在线监控,包括:
根据待监控的刀号信号,调取所述刀号对应的监控边界;
根据所述机械加工信息和所述加工过程信号,开启和关闭监控功能。
7.根据权利要求6所述的方法,其特征在于,所述根据所述机械加工信息和所述加工过程信号,开启和关闭监控功能,包括:
当获取到机床准备开始加工的信息后,开启监控功能;
当实时监控值大于或等于预设触发阈值时,监控计时开始;
使用相对时间法,确定边界监控的起始和结束时间;
到达结束时间后,监控功能关闭。
8.根据权利要求7所述的方法,其特征在于,所述使用相对时间法,确定边界监控的起始和结束时间,包括:
通过设置一个触发阈值Th,所述Th高于未加工的特征值并低于加工时的特征值,以所述Th与加工曲线的第一个交点时间定义为加工循环的开始时间点A,所述A点到B点的相对时间为T1;
在离线学习时获取到加工循环曲线,使用两个边界线L1和L2获取要监控区域的相对时间,所述L1和所述L2与加工循环曲线的交点为所述B点和C点,T2是所述B点到所述C点的相对时间;
在线监控时,当实时监控值第一次大于或等于Th时,监控计时开始,计时所述T1的时间段,所述T1结束后进入所述T2的时间段,开始使用离线学习获取的监控边界来监控刀具的状态。
9.一种监控刀具状态的系统,其特征在于,所述系统包括:
控制器,用于采集功率和/或振动数据,获取加工过程信号;用于与机床PLC交互获取机械加工信息;用于输出报警信号给机床;
处理器,用于从控制器获取所有机械加工信息和加工过程信号;用于运行离线学习获取监控边界和在线监控软件;用于输出报警信号给控制器;用于人机交互。
10.一种处理设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的软件程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710917038.9A CN107738140B (zh) | 2017-09-30 | 2017-09-30 | 一种监控刀具状态的方法、系统以及处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710917038.9A CN107738140B (zh) | 2017-09-30 | 2017-09-30 | 一种监控刀具状态的方法、系统以及处理设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107738140A true CN107738140A (zh) | 2018-02-27 |
CN107738140B CN107738140B (zh) | 2020-05-19 |
Family
ID=61235343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710917038.9A Active CN107738140B (zh) | 2017-09-30 | 2017-09-30 | 一种监控刀具状态的方法、系统以及处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107738140B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108572621A (zh) * | 2018-05-29 | 2018-09-25 | 珠海格力智能装备有限公司 | 机床中刀具的处理方法和装置 |
CN108788927A (zh) * | 2018-06-19 | 2018-11-13 | 珠海格力智能装备有限公司 | 机床刀具的监控方法和装置 |
CN108818094A (zh) * | 2018-07-17 | 2018-11-16 | 崔国强 | 一种数控机床刀库管理控制器 |
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 |
WO2020010902A1 (zh) * | 2018-07-10 | 2020-01-16 | 先驰精密仪器(东莞)有限公司 | 刀具状态检测系统 |
CN110961985A (zh) * | 2018-10-01 | 2020-04-07 | 财团法人工业技术研究院 | 刀具监控系统及刀具监控方法 |
CN111113151A (zh) * | 2020-01-03 | 2020-05-08 | 湖南泰嘉新材料科技股份有限公司 | 一种双金属锯带锯切过程中的在线故障诊断方法及系统 |
CN112238367A (zh) * | 2019-07-19 | 2021-01-19 | 福建省嘉泰智能装备有限公司 | 一种利用传感器监测数据实时监测报警方法 |
CN112589535A (zh) * | 2020-11-25 | 2021-04-02 | 北京南洋思源智能科技有限公司 | 一种刀具状态监测方法及装置、设备、存储介质 |
CN112692646A (zh) * | 2020-12-31 | 2021-04-23 | 上海交通大学 | 一种刀具磨损状态智能评估方法及装置 |
CN113103067A (zh) * | 2021-04-06 | 2021-07-13 | 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 |
FR3106770A1 (fr) * | 2020-02-03 | 2021-08-06 | Airbus | Systeme d’estimation indirecte de l’état d’usure d’un outil coupant |
CN113498497A (zh) * | 2019-03-07 | 2021-10-12 | 三菱电机株式会社 | 机器学习装置、数控装置、异常推测装置及工作机械的控制系统 |
CN113941901A (zh) * | 2020-07-17 | 2022-01-18 | 智能云科信息科技有限公司 | 机床刀具监控方法、监控装置及电子设备 |
CN114237156A (zh) * | 2021-12-07 | 2022-03-25 | 纽控(广东)数控技术有限公司 | Cnc自动化生产线加工过程监控方法、装置、终端和介质 |
CN114378638A (zh) * | 2020-10-20 | 2022-04-22 | 财团法人工业技术研究院 | 刀具状态检测系统及方法 |
US11378492B2 (en) | 2020-02-03 | 2022-07-05 | Airbus Operations (S.A.S.) | System for estimating the state of wear of a cutting tool during machining |
CN114850969A (zh) * | 2022-07-08 | 2022-08-05 | 成都飞机工业(集团)有限责任公司 | 一种基于振动信号的刀具失效监控方法 |
CN115509177A (zh) * | 2022-09-22 | 2022-12-23 | 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 |
CN116912241A (zh) * | 2023-09-12 | 2023-10-20 | 深圳市艾为创科技有限公司 | 基于机器学习的cnc调机优化方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4442494A (en) * | 1981-11-18 | 1984-04-10 | Westinghouse Electric Corp. | Tool wear and tool failure monitor system |
JPS59166451A (ja) * | 1983-03-11 | 1984-09-19 | Mitsubishi Electric Corp | 電動切削機の切削状態監視装置 |
JPH0985585A (ja) * | 1995-09-21 | 1997-03-31 | Nissin Kogyo Kk | 工作機械用加工刃の状態監視方法とその装置 |
US5857166A (en) * | 1996-08-30 | 1999-01-05 | Kim; Nam H. | Tool monitoring apparatus |
EP0842006B1 (en) * | 1995-08-04 | 2002-06-19 | Tri-Way Machine Ltd. | Tool condition monitoring system |
CN102073300A (zh) * | 2010-12-28 | 2011-05-25 | 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 |
CN102765010A (zh) * | 2012-08-24 | 2012-11-07 | 常州大学 | 刀具破磨损状态检测方法及其检测系统 |
CN103962888A (zh) * | 2014-05-12 | 2014-08-06 | 西北工业大学 | 一种基于小波去噪和希尔伯特-黄变换的刀具磨损监测方法 |
CN105312965A (zh) * | 2015-12-08 | 2016-02-10 | 华中科技大学 | 一种铣削加工刀具破损监测方法 |
CN105364633A (zh) * | 2014-08-11 | 2016-03-02 | 日立金属株式会社 | 工具异常检测方法 |
CN106514434A (zh) * | 2016-12-30 | 2017-03-22 | 华中科技大学 | 一种基于数据的铣削刀具磨损监测方法 |
CN106842922A (zh) * | 2017-01-14 | 2017-06-13 | 合肥工业大学 | 一种数控加工误差优化方法 |
CN106863008A (zh) * | 2015-12-11 | 2017-06-20 | 周萍萍 | 一种基于图像分析的刀具监控方法及系统 |
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 |
-
2017
- 2017-09-30 CN CN201710917038.9A patent/CN107738140B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4442494A (en) * | 1981-11-18 | 1984-04-10 | Westinghouse Electric Corp. | Tool wear and tool failure monitor system |
JPS59166451A (ja) * | 1983-03-11 | 1984-09-19 | Mitsubishi Electric Corp | 電動切削機の切削状態監視装置 |
EP0842006B1 (en) * | 1995-08-04 | 2002-06-19 | Tri-Way Machine Ltd. | Tool condition monitoring system |
JPH0985585A (ja) * | 1995-09-21 | 1997-03-31 | Nissin Kogyo Kk | 工作機械用加工刃の状態監視方法とその装置 |
US5857166A (en) * | 1996-08-30 | 1999-01-05 | Kim; Nam H. | Tool monitoring apparatus |
CN102073300A (zh) * | 2010-12-28 | 2011-05-25 | 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 |
CN102765010A (zh) * | 2012-08-24 | 2012-11-07 | 常州大学 | 刀具破磨损状态检测方法及其检测系统 |
CN103962888A (zh) * | 2014-05-12 | 2014-08-06 | 西北工业大学 | 一种基于小波去噪和希尔伯特-黄变换的刀具磨损监测方法 |
CN105364633A (zh) * | 2014-08-11 | 2016-03-02 | 日立金属株式会社 | 工具异常检测方法 |
CN105312965A (zh) * | 2015-12-08 | 2016-02-10 | 华中科技大学 | 一种铣削加工刀具破损监测方法 |
CN106863008A (zh) * | 2015-12-11 | 2017-06-20 | 周萍萍 | 一种基于图像分析的刀具监控方法及系统 |
CN106514434A (zh) * | 2016-12-30 | 2017-03-22 | 华中科技大学 | 一种基于数据的铣削刀具磨损监测方法 |
CN106842922A (zh) * | 2017-01-14 | 2017-06-13 | 合肥工业大学 | 一种数控加工误差优化方法 |
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 |
Non-Patent Citations (1)
Title |
---|
吕雨霏等: "《装备机械》", 30 March 1991 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108572621A (zh) * | 2018-05-29 | 2018-09-25 | 珠海格力智能装备有限公司 | 机床中刀具的处理方法和装置 |
CN108788927A (zh) * | 2018-06-19 | 2018-11-13 | 珠海格力智能装备有限公司 | 机床刀具的监控方法和装置 |
WO2020010902A1 (zh) * | 2018-07-10 | 2020-01-16 | 先驰精密仪器(东莞)有限公司 | 刀具状态检测系统 |
CN108818094A (zh) * | 2018-07-17 | 2018-11-16 | 崔国强 | 一种数控机床刀库管理控制器 |
CN110961985A (zh) * | 2018-10-01 | 2020-04-07 | 财团法人工业技术研究院 | 刀具监控系统及刀具监控方法 |
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 |
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 |
CN113498497A (zh) * | 2019-03-07 | 2021-10-12 | 三菱电机株式会社 | 机器学习装置、数控装置、异常推测装置及工作机械的控制系统 |
CN112238367A (zh) * | 2019-07-19 | 2021-01-19 | 福建省嘉泰智能装备有限公司 | 一种利用传感器监测数据实时监测报警方法 |
CN111113151B (zh) * | 2020-01-03 | 2021-05-07 | 湖南泰嘉新材料科技股份有限公司 | 一种双金属锯带锯切过程中的在线故障诊断方法及系统 |
CN111113151A (zh) * | 2020-01-03 | 2020-05-08 | 湖南泰嘉新材料科技股份有限公司 | 一种双金属锯带锯切过程中的在线故障诊断方法及系统 |
US11378492B2 (en) | 2020-02-03 | 2022-07-05 | Airbus Operations (S.A.S.) | System for estimating the state of wear of a cutting tool during machining |
US11656147B2 (en) | 2020-02-03 | 2023-05-23 | Airbus (S.A.S.) | System of indirect estimation of the condition of wear of a cutting tool |
FR3106770A1 (fr) * | 2020-02-03 | 2021-08-06 | Airbus | Systeme d’estimation indirecte de l’état d’usure d’un outil coupant |
CN113941901B (zh) * | 2020-07-17 | 2024-04-23 | 智能云科信息科技有限公司 | 机床刀具监控方法、监控装置及电子设备 |
CN113941901A (zh) * | 2020-07-17 | 2022-01-18 | 智能云科信息科技有限公司 | 机床刀具监控方法、监控装置及电子设备 |
CN114378638A (zh) * | 2020-10-20 | 2022-04-22 | 财团法人工业技术研究院 | 刀具状态检测系统及方法 |
CN112589535A (zh) * | 2020-11-25 | 2021-04-02 | 北京南洋思源智能科技有限公司 | 一种刀具状态监测方法及装置、设备、存储介质 |
CN112692646A (zh) * | 2020-12-31 | 2021-04-23 | 上海交通大学 | 一种刀具磨损状态智能评估方法及装置 |
CN112692646B (zh) * | 2020-12-31 | 2022-07-15 | 上海交通大学 | 一种刀具磨损状态智能评估方法及装置 |
CN113103067A (zh) * | 2021-04-06 | 2021-07-13 | 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 |
CN114237156A (zh) * | 2021-12-07 | 2022-03-25 | 纽控(广东)数控技术有限公司 | Cnc自动化生产线加工过程监控方法、装置、终端和介质 |
CN114850969A (zh) * | 2022-07-08 | 2022-08-05 | 成都飞机工业(集团)有限责任公司 | 一种基于振动信号的刀具失效监控方法 |
CN114850969B (zh) * | 2022-07-08 | 2022-10-25 | 成都飞机工业(集团)有限责任公司 | 一种基于振动信号的刀具失效监控方法 |
CN115509177A (zh) * | 2022-09-22 | 2022-12-23 | 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 |
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 |
CN116912241A (zh) * | 2023-09-12 | 2023-10-20 | 深圳市艾为创科技有限公司 | 基于机器学习的cnc调机优化方法及系统 |
CN116912241B (zh) * | 2023-09-12 | 2023-12-12 | 深圳市艾为创科技有限公司 | 基于机器学习的cnc调机优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107738140B (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107738140A (zh) | 一种监控刀具状态的方法、系统以及处理设备 | |
US10496055B2 (en) | Machine learning device, CNC device and machine learning method for detecting indication of occurrence of chatter in tool for machine tool | |
CN109909804B (zh) | 基于主轴驱动电流和工步的刀具磨损破损在线监测方法 | |
CN107186547A (zh) | 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 | |
CN105700477B (zh) | 一种基于颤振频率的加工颤振智能抑制方法 | |
CN109507952B (zh) | 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 | |
CN111113150B (zh) | 一种机床刀具状态的监控方法 | |
CN102929210A (zh) | 基于特征的数控加工过程控制和优化系统及方法 | |
CN109396953A (zh) | 基于信号融合的机床工作状态智能辨识系统 | |
CN111948976B (zh) | 刀具状态监控方法、非易失性可读存储介质及电子设备 | |
CN111069975A (zh) | 数控铣床末端运行状态实时监测与自适应控制系统及方法 | |
Seevers et al. | Automatic time series segmentation as the basis for unsupervised, non-intrusive load monitoring of machine tools | |
Oberle et al. | A use case to implement machine learning for life time prediction of manufacturing tools | |
CN101482740A (zh) | 一种数控铣齿机床切削主轴实时监控系统 | |
CN115922442A (zh) | 基于主轴振动信号的刀具磨破损实时监控方法及相关装置 | |
Tseng et al. | The intelligent on-line monitoring of end milling | |
Bai et al. | Real-time tool breakage monitoring based on dimensionless indicators under time-varying cutting conditions | |
CN114800040A (zh) | 工艺-状态数据关联的刀具磨损监测方法及系统 | |
Ritou et al. | A new versatile in-process monitoring system for milling | |
US20240019838A1 (en) | Composite tool cutting monitoring system and monitoring method thereof | |
CN113941901A (zh) | 机床刀具监控方法、监控装置及电子设备 | |
CN110597184A (zh) | 在线同时调整变主轴转速幅值和频率的主动颤振抑制方法 | |
CN111774932B (zh) | 一种刀具健康状况在线监测方法、装置及系统 | |
Wan et al. | An on-line tool wear monitoring method based on cutting power | |
Elbestawi et al. | Tool condition monitoring in machining |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |