CN108527005A - 一种cnc刀具状态检测方法和系统 - Google Patents
一种cnc刀具状态检测方法和系统 Download PDFInfo
- Publication number
- CN108527005A CN108527005A CN201810349097.5A CN201810349097A CN108527005A CN 108527005 A CN108527005 A CN 108527005A CN 201810349097 A CN201810349097 A CN 201810349097A CN 108527005 A CN108527005 A CN 108527005A
- Authority
- CN
- China
- Prior art keywords
- cnc
- cutter
- state
- abnormality detection
- cutting tool
- 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.)
- Pending
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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种CNC刀具状态检测方法和系统,属于数控机床技术领域。本发明方法应用于与CNC设备相连的处理单元,包括数据采集、异常检测和CNC停机控制等步骤。本发明可以实时检测CNC设备的刀具状态,检测时不需要停止CNC设备的正常加工,可以节省现有技术中的检测时间,从而减少整体加工时长,提高设备产能。
Description
技术领域
本发明涉及一种CNC刀具状态检测方法和系统,属于数控机床技术领域。
背景技术
CNC(数控机床)是计算机数字控制机床(Computer Numerical Control)的简称,是一种由程序控制的自动化机床。刀具是CNC设备最主要的耗材,更换频度和更换成本都很高。由于同一个产品需要使用多种型号的刀具按照特定顺序完成加工,因此CNC设备的刀具状态检测是非常重要的,直接影响到产品的生产和质量。
传统的刀具状态检测一般都是物理检测手段,例如,通过在CNC设备中内置对刀仪设备(如刀具长度测量设备),每次加工完成后进行对刀;此外,现有技术中也有通过传感器等其它物理检测手段进行刀具状态检测的实例。
但是,物理检测手段的缺点是,可检测的刀具状态有限;如,对刀仪只能通过长度判断是否断刀。而且物理检测手段需要耗费一定的检测时间,检测过程中不能同时进行加工,这就增加了加工时长,影响CNC设备的产能。
发明内容
针对现有技术中存在的问题,本发明提出一种CNC刀具状态检测方法和系统,其能够在不增加检测时间的前提下,进行CNC刀具状态实时检测,可替代传统的物理检测方法,缩短加工时长、提高CNC的产能。
为了实现上述目的,本发明提供如下技术方案:
一种CNC刀具状态检测方法,应用于与CNC设备相连的处理单元,包括如下检测步骤:
从CNC设备中采集主轴状态和机床状态,所述主轴状态包括负载和转速,所述机床状态包括加工状态、刀具号和温度;
确定CNC设备的所用刀具及加工流程;
根据事先生成的异常检测模型,检测CNC设备的刀具是否存在状态异常;
当发现刀具状态异常时,停止CNC设备的加工;
所述异常检测模型的生成方式为:
采集CNC设备正常加工时主轴状态和机床状态的数据,作为训练数据;
按照不同的刀具和加工流程对训练数据进行划分,针对每个特定的刀具和加工流程,从相应训练数据中提取多个统计量和表示向量作为训练集,通过机器学习的方式生成针对每个特定的刀具和加工流程的异常检测模型。
可选的,所述异常检测模型的生成步骤与所述检测步骤同步进行,所述检测步骤中从CNC设备中采集到的主轴状态和机床状态实时传送给异常检测模型的生成步骤,以作为异常检测模型生成步骤的训练数据,当所述训练数据积攒到足够量值时,通过异常检测模型生成步骤生成对应于一特定的刀具和加工流程的新的异常检测模型。
可选的,上述方法还包括实时显示的步骤,用于实时显示与刀具相关的数据图表和状态信息。
此外,本发明还提供一种CNC刀具状态检测系统,其包括CNC设备以及与CNC设备连接的处理单元,所述处理单元内设有如下程序模块:
采集模块,用于从CNC设备中采集主轴状态和机床状态,所述主轴状态包括负载和转速,所述机床状态包括加工状态、刀具号和温度;
异常检测模型生成模块,用于对采集模块采集到的CNC设备正常加工时主轴状态和机床状态的数据按照不同的刀具和加工流程进行划分,针对每个特定的刀具和加工流程,从相应训练数据中提取多个统计量和表示向量作为训练集,通过机器学习的方式生成针对每个特定的刀具和加工流程的异常检测模型;
检测模块,用于根据事先生成的异常检测模型,检测CNC设备的刀具是否存在状态异常;
控制模块,用于在发现刀具状态异常时停止CNC设备的加工。
可选的,上述系统还包括与处理单元相连的显示单元,用于实时显示与刀具相关的数据图表和状态信息。
可选的,上述系统还包括用于存储所述采集模块所采集到的所有历史数据的数据库。
从上面的叙述可以看出,本发明技术方案的有益效果在于:
1、本发明可以实时检测CNC设备的刀具状态,检测时不需要停止CNC设备的正常加工,可以节省现有技术中的检测时间,从而减少整体加工时长,提高设备产能。
2、本发明通过软件控制的方式可以自动检测刀具的异常状态,并在刀具异常时及时停止CNC设备的运行,具有极强的自动化水平,能够大幅节省人工,提升生产效率。
3、本发明进一步可以采用可视化的手段实时显示刀具的状态,方便加工过程中的人工干预。
4、本发明进一步可以采用同步化的方式同步进行异常检测以及异常检测模型的生成,从而能够及时生成新的异常检测模型,保证异常检测的准确性,节省异常检测模型的学习时间。
5、本发明进一步地可以存储所有采集到的CNC设备历史状态数据,便于对设备和数据进行深度分析。
附图说明
为了更加清楚地描述本专利,下面提供一幅或多幅附图。
图1为本发明系统生成异常检测模型时的工作原理图;
图2为本发明系统检测时的工作原理图。
具体实施方式
为了便于本领域技术人员对本专利技术方案的理解,下面以具体案例的形式对本专利的技术方案做进一步的说明。
一种CNC刀具状态检测方法,应用于与CNC设备相连的处理单元,包括如下检测步骤:
从CNC设备中采集主轴状态和机床状态,所述主轴状态包括负载和转速,所述机床状态包括加工状态、刀具号和温度;
确定CNC设备的所用刀具及加工流程;
根据事先生成的异常检测模型,检测CNC设备的刀具是否存在状态异常;
当发现刀具状态异常时,停止CNC设备的加工;
所述异常检测模型的生成方式为:
采集CNC设备正常加工时主轴状态和机床状态的数据,作为训练数据;
按照不同的刀具和加工流程对训练数据进行划分,针对每个特定的刀具和加工流程,从相应训练数据中提取多个统计量和表示向量作为训练集,通过机器学习的方式生成针对每个特定的刀具和加工流程的异常检测模型。
可选的,所述异常检测模型的生成步骤与所述检测步骤同步进行,所述检测步骤中从CNC设备中采集到的主轴状态和机床状态实时传送给异常检测模型的生成步骤,以作为异常检测模型生成步骤的训练数据,当所述训练数据积攒到足够量值时,通过异常检测模型生成步骤生成对应于一特定的刀具和加工流程的新的异常检测模型。
可选的,上述方法还包括实时显示的步骤,用于实时显示与刀具相关的数据图表和状态信息。
此外,本发明还提供一种CNC刀具状态检测系统,其包括CNC设备以及与CNC设备连接的处理单元,所述处理单元内设有如下程序模块:
采集模块,用于从CNC设备中采集主轴状态和机床状态,所述主轴状态包括负载和转速,所述机床状态包括加工状态、刀具号和温度;
异常检测模型生成模块,用于对采集模块采集到的CNC设备正常加工时主轴状态和机床状态的数据按照不同的刀具和加工流程进行划分,针对每个特定的刀具和加工流程,从相应训练数据中提取多个统计量和表示向量作为训练集,通过机器学习的方式生成针对每个特定的刀具和加工流程的异常检测模型;
检测模块,用于根据事先生成的异常检测模型,检测CNC设备的刀具是否存在状态异常;
控制模块,用于在发现刀具状态异常时停止CNC设备的加工。
可选的,上述系统还包括与处理单元相连的显示单元,用于实时显示与刀具相关的数据图表和状态信息。
可选的,上述系统还包括用于存储所述采集模块所采集到的所有历史数据的数据库。
上述CNC刀具状态检测方法主要包括三个部分,即采集、检测和控制,其中:
1)采集
采集服务可以使用TCP数据通信协议连接CNC设备,实时采集主轴状态(负载、转速)和机床状态(加工状态、刀具号、温度等),并将采集到的数据发送到检测程序。
2)检测
检测部分分为初始化和分析阶段。初始化阶段使用一定时间段的采集数据自动识别CNC加工工艺流程,对不同刀具和不同流程分别生成不同的异常检测模型;分析阶段中,首先确定当前CNC设备的所用刀具及加工流程,然后采用相应的异常检测模型对采集到的实时数据进行异常检测,判断是否存在状态异常(磨损、崩刃、断刀等),并将结果发送给控制部分。
3)控制
控制部分主要功能为数据可视化以及对CNC的控制(发现刀具状态异常后停止加工)。可视化界面可用于呈现与刀具相关的数据图表与状态信息,也可以根据用户的设置向CNC发送其它操作指令。
本方法生成异常检测模型的流程如图1所示:
(1)采集一定时间的正常加工数据,用于学习加工流程和生成检测模型;
(2)通过“预处理”过程对数据进行整合,剔除数据野值;通过“流程匹配模块”按照不同的刀具和加工流程对数据进行划分;
(3)针对每个特定的刀具和加工流程,使用多种特征提取方式生成不同的统计量和表示向量作为训练集,相应的生成若干个不同的异常检测模型。
实时检测刀具状态的流程如图2所示:
(1)通过“流程匹配模块”确定CNC设备的刀具及加工流程;
(2)通过“预处理”过程从采集数据中提取数据特征(即统计量和表示向量);
(3)根据数据特征对刀具状态进行检测,同时实时显示刀具状态的有关数据,若状态异常则发出警告并停机;
(4)将采集到的数据加入数据队列进行暂时存储,当数据量达到条件时更新检测模型;同时,将所有历史数据存储在数据库中进行永久保存。
总之,本发明可以减少检测时间,减少加工时长,提高设备产能;数据库所存储的数据具有深度分析的价值;可视化界面方便了刀具状态的监控和告警。
通过实际验证,本发明切实可行,是对现有技术的一种重要改进。
需要指出的是,以上具体实施方式只是本专利实现方案的具体个例,没有也不可能覆盖本专利的所有实现方式,因此不能视作对本专利保护范围的限定;凡是与以上案例属于相同构思的实现方案,或是上述若干方案的组合方案,均在本专利的保护范围之内。
Claims (6)
1.一种CNC刀具状态检测方法,其特征在于:应用于与CNC设备相连的处理单元,包括如下检测步骤:
从CNC设备中采集主轴状态和机床状态,所述主轴状态包括负载和转速,所述机床状态包括加工状态、刀具号和温度;
确定CNC设备的所用刀具及加工流程;
根据事先生成的异常检测模型,检测CNC设备的刀具是否存在状态异常;
当发现刀具状态异常时,停止CNC设备的加工;
所述异常检测模型的生成方式为:
采集CNC设备正常加工时主轴状态和机床状态的数据,作为训练数据;
按照不同的刀具和加工流程对训练数据进行划分,针对每个特定的刀具和加工流程,从相应训练数据中提取多个统计量和表示向量作为训练集,通过机器学习的方式生成针对每个特定的刀具和加工流程的异常检测模型。
2.根据权利要求1所述的CNC刀具状态检测方法,其特征在于:所述异常检测模型的生成步骤与所述检测步骤同步进行,所述检测步骤中从CNC设备中采集到的主轴状态和机床状态实时传送给异常检测模型的生成步骤,以作为异常检测模型生成步骤的训练数据,当所述训练数据积攒到足够量值时,通过异常检测模型生成步骤生成对应于一特定的刀具和加工流程的新的异常检测模型。
3.根据权利要求1所述的CNC刀具状态检测方法,其特征在于:还包括实时显示的步骤,用于实时显示与刀具相关的数据图表和状态信息。
4.一种CNC刀具状态检测系统,其特征在于:包括CNC设备以及与CNC设备连接的处理单元,所述处理单元内设有如下程序模块:
采集模块,用于从CNC设备中采集主轴状态和机床状态,所述主轴状态包括负载和转速,所述机床状态包括加工状态、刀具号和温度;
异常检测模型生成模块,用于对采集模块采集到的CNC设备正常加工时主轴状态和机床状态的数据按照不同的刀具和加工流程进行划分,针对每个特定的刀具和加工流程,从相应训练数据中提取多个统计量和表示向量作为训练集,通过机器学习的方式生成针对每个特定的刀具和加工流程的异常检测模型;
检测模块,用于根据事先生成的异常检测模型,检测CNC设备的刀具是否存在状态异常;控制模块,用于在发现刀具状态异常时停止CNC设备的加工。
5.根据权利要求4所述的CNC刀具状态检测系统,其特征在于:还包括与处理单元相连的显示单元,用于实时显示与刀具相关的数据图表和状态信息。
6.根据权利要求4所述的CNC刀具状态检测系统,其特征在于:还包括用于存储所述采集模块所采集到的所有历史数据的数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810349097.5A CN108527005A (zh) | 2018-04-18 | 2018-04-18 | 一种cnc刀具状态检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810349097.5A CN108527005A (zh) | 2018-04-18 | 2018-04-18 | 一种cnc刀具状态检测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108527005A true CN108527005A (zh) | 2018-09-14 |
Family
ID=63477849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810349097.5A Pending CN108527005A (zh) | 2018-04-18 | 2018-04-18 | 一种cnc刀具状态检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108527005A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109590807A (zh) * | 2018-12-11 | 2019-04-09 | 苏州市职业大学 | 基于激光传感的刀具前刀面状态自动监控系统及监控方法 |
CN111993158A (zh) * | 2020-08-28 | 2020-11-27 | 深圳市玄羽科技有限公司 | 刀具检测模型的生成方法、检测方法、系统、设备及介质 |
CN112068484A (zh) * | 2020-09-10 | 2020-12-11 | 成都广泰威达数控技术股份有限公司 | 一种数控机床cnc系统的实时中断处理方法 |
CN112241145A (zh) * | 2019-07-16 | 2021-01-19 | 神通资讯科技股份有限公司 | 自动加工机的异常侦测系统及方法 |
CN113172478A (zh) * | 2021-04-21 | 2021-07-27 | 昆山歌尔电子有限公司 | 刀具自动检测方法 |
CN114378644A (zh) * | 2021-12-08 | 2022-04-22 | 鸿富锦精密电子(成都)有限公司 | 找零装置、刀具异常检测系统及方法 |
CN114670062A (zh) * | 2022-05-31 | 2022-06-28 | 苏芯物联技术(南京)有限公司 | 一种钻孔刀具磨损状态实时检测方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1352586A (zh) * | 1999-05-27 | 2002-06-05 | 三洋电机株式会社 | 检测切削工具异常的装置及其方法 |
US20150293523A1 (en) * | 2014-04-15 | 2015-10-15 | Mitsubishi Heavy Industries, Ltd. | Machine tool diagnostic method and system |
CN105912500A (zh) * | 2016-03-30 | 2016-08-31 | 百度在线网络技术(北京)有限公司 | 机器学习模型生成方法和装置 |
CN106314438A (zh) * | 2016-08-15 | 2017-01-11 | 西北工业大学 | 一种司机驾驶轨迹中异常轨迹的检测方法和系统 |
CN106610602A (zh) * | 2015-10-27 | 2017-05-03 | 西门子公司 | 一种用于异常检测的方法和装置 |
CN106647629A (zh) * | 2016-09-22 | 2017-05-10 | 华中科技大学 | 一种基于数控系统内部数据的断刀检测方法 |
CN107272586A (zh) * | 2016-04-08 | 2017-10-20 | 发那科株式会社 | 机械学习装置、机械学习方法、故障预知装置及系统 |
CN107491038A (zh) * | 2016-06-09 | 2017-12-19 | 发那科株式会社 | 学习异常负载检测的阈值的机械学习机、数控装置以及机械学习方法 |
CN107584334A (zh) * | 2017-08-25 | 2018-01-16 | 南京航空航天大学 | 一种基于深度学习的复杂结构件数控加工刀具状态实时监测方法 |
CN107678399A (zh) * | 2017-09-30 | 2018-02-09 | 江苏西格数据科技有限公司 | 刀具切割过程中的风险预警系统和方法 |
CN107766888A (zh) * | 2017-10-24 | 2018-03-06 | 众安信息技术服务有限公司 | 数据处理方法和装置 |
-
2018
- 2018-04-18 CN CN201810349097.5A patent/CN108527005A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1352586A (zh) * | 1999-05-27 | 2002-06-05 | 三洋电机株式会社 | 检测切削工具异常的装置及其方法 |
US20150293523A1 (en) * | 2014-04-15 | 2015-10-15 | Mitsubishi Heavy Industries, Ltd. | Machine tool diagnostic method and system |
CN106610602A (zh) * | 2015-10-27 | 2017-05-03 | 西门子公司 | 一种用于异常检测的方法和装置 |
CN105912500A (zh) * | 2016-03-30 | 2016-08-31 | 百度在线网络技术(北京)有限公司 | 机器学习模型生成方法和装置 |
CN107272586A (zh) * | 2016-04-08 | 2017-10-20 | 发那科株式会社 | 机械学习装置、机械学习方法、故障预知装置及系统 |
CN107491038A (zh) * | 2016-06-09 | 2017-12-19 | 发那科株式会社 | 学习异常负载检测的阈值的机械学习机、数控装置以及机械学习方法 |
CN106314438A (zh) * | 2016-08-15 | 2017-01-11 | 西北工业大学 | 一种司机驾驶轨迹中异常轨迹的检测方法和系统 |
CN106647629A (zh) * | 2016-09-22 | 2017-05-10 | 华中科技大学 | 一种基于数控系统内部数据的断刀检测方法 |
CN107678398A (zh) * | 2016-09-22 | 2018-02-09 | 华中科技大学 | 用于数控机床的断刀检测的方法 |
CN107584334A (zh) * | 2017-08-25 | 2018-01-16 | 南京航空航天大学 | 一种基于深度学习的复杂结构件数控加工刀具状态实时监测方法 |
CN107678399A (zh) * | 2017-09-30 | 2018-02-09 | 江苏西格数据科技有限公司 | 刀具切割过程中的风险预警系统和方法 |
CN107766888A (zh) * | 2017-10-24 | 2018-03-06 | 众安信息技术服务有限公司 | 数据处理方法和装置 |
Non-Patent Citations (1)
Title |
---|
王涛: "基于神经网络的加工误差智能预测技术", 《航天工艺》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109590807A (zh) * | 2018-12-11 | 2019-04-09 | 苏州市职业大学 | 基于激光传感的刀具前刀面状态自动监控系统及监控方法 |
CN112241145A (zh) * | 2019-07-16 | 2021-01-19 | 神通资讯科技股份有限公司 | 自动加工机的异常侦测系统及方法 |
CN111993158A (zh) * | 2020-08-28 | 2020-11-27 | 深圳市玄羽科技有限公司 | 刀具检测模型的生成方法、检测方法、系统、设备及介质 |
CN112068484A (zh) * | 2020-09-10 | 2020-12-11 | 成都广泰威达数控技术股份有限公司 | 一种数控机床cnc系统的实时中断处理方法 |
CN112068484B (zh) * | 2020-09-10 | 2024-04-02 | 成都广泰威达数控技术股份有限公司 | 一种数控机床cnc系统的实时中断处理方法 |
CN113172478A (zh) * | 2021-04-21 | 2021-07-27 | 昆山歌尔电子有限公司 | 刀具自动检测方法 |
CN113172478B (zh) * | 2021-04-21 | 2022-09-30 | 歌尔股份有限公司 | 刀具自动检测方法 |
CN114378644A (zh) * | 2021-12-08 | 2022-04-22 | 鸿富锦精密电子(成都)有限公司 | 找零装置、刀具异常检测系统及方法 |
CN114378644B (zh) * | 2021-12-08 | 2023-05-16 | 鸿富锦精密电子(成都)有限公司 | 找零装置、刀具异常检测系统及方法 |
CN114670062A (zh) * | 2022-05-31 | 2022-06-28 | 苏芯物联技术(南京)有限公司 | 一种钻孔刀具磨损状态实时检测方法及系统 |
CN114670062B (zh) * | 2022-05-31 | 2022-08-23 | 苏芯物联技术(南京)有限公司 | 一种钻孔刀具磨损状态实时检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108527005A (zh) | 一种cnc刀具状态检测方法和系统 | |
CN104808585B (zh) | 一种机床健康状态快速检查方法 | |
CN107678398B (zh) | 用于数控机床的断刀检测的方法 | |
CN107584334B (zh) | 一种基于深度学习的复杂结构件数控加工刀具状态实时监测方法 | |
CN108227625A (zh) | 工具寿命推断装置 | |
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 | |
CN108620949A (zh) | 刀具磨耗监测与预测方法 | |
CN110430128B (zh) | 边缘计算网关 | |
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 | |
EP2916187B1 (en) | Improved database for chatter predictions | |
US7383097B2 (en) | Method for managing machine tool data | |
CN109739183B (zh) | 一种基于多传感器的大型数控机床故障监测系统 | |
Lennox et al. | Application of multivariate statistical process control to batch operations | |
CN101477351A (zh) | 具有三级加工自优化功能的智能数控方法 | |
CN109298680A (zh) | 一种数控机床刀具检测的数据采集系统 | |
CN108873813A (zh) | 基于数控机床主轴伺服电机电流信号的刀具磨损度检测方法 | |
CN103264317A (zh) | 一种铣削加工刀具运行可靠性的评估方法 | |
CN116316613B (zh) | 电力设备运行监测方法、系统、电子设备及存储介质 | |
CN114850969B (zh) | 一种基于振动信号的刀具失效监控方法 | |
CN106475855A (zh) | 一种数控机床主轴负荷的在线检测设备和检测方法 | |
CN111890124A (zh) | 刀具在线监测系统及方法 | |
CN105619178B (zh) | 一种数控机床断刀实时检测方法 | |
CN104503361A (zh) | 基于多模式融合的齿轮加工过程换刀决策方法 | |
CN110509110A (zh) | 一种数控机床刀具切削力智能监测系统 | |
CN105807716A (zh) | 再制造机床健康监测系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180914 |
|
WD01 | Invention patent application deemed withdrawn after publication |