CN109352416B - 一种机床主轴夹屑和/或刀具缠屑的报警方法及装置 - Google Patents
一种机床主轴夹屑和/或刀具缠屑的报警方法及装置 Download PDFInfo
- Publication number
- CN109352416B CN109352416B CN201811483177.6A CN201811483177A CN109352416B CN 109352416 B CN109352416 B CN 109352416B CN 201811483177 A CN201811483177 A CN 201811483177A CN 109352416 B CN109352416 B CN 109352416B
- Authority
- CN
- China
- Prior art keywords
- main shaft
- chips
- spindle
- clamping
- winding
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004804 winding Methods 0.000 title claims abstract description 53
- 230000002159 abnormal effect Effects 0.000 claims abstract description 39
- 239000013598 vector Substances 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000013145 classification model Methods 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 230000000087 stabilizing effect Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 4
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000007664 blowing Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
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
- B23Q11/00—Accessories fitted to machine tools for keeping tools or parts of the machine in good working condition or for cooling work; Safety devices specially combined with or arranged in, or specially adapted for use in connection with, machine tools
-
- 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
- B23Q17/007—Arrangements for observing, indicating or measuring on machine tools for managing machine functions not concerning the tool
-
- 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
- B23Q17/12—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring vibration
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Machine Tool Sensing Apparatuses (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种机床主轴夹屑和/或刀具缠屑的报警方法及装置，该方法包括：采集主轴运转的振动信号；对主轴运转的振动信号进行处理，提取主轴运转的振动信号的特征参数，得到反应主轴运转的特征向量；将反应主轴运转的特征向量与数据库中预先存储的主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息进行比较，得到当前的主轴运转状态，当主轴运转出现主轴夹屑和/或刀具缠屑异常状态时，输出报警，同时将异常信号作为故障样本存入数据库。该装置包括：依次连接的数据采集单元、处理单元以及报警单元。本发明的机床主轴夹屑和/或刀具缠屑的报警方法及装置，对机床改动小，诊断的准确性及诊断效率高。
Description
技术领域
本发明涉及数控机床技术领域，特别涉及一种机床主轴夹屑和/或刀具缠屑的报警方法及装置。
背景技术
加工中心主轴夹屑和刀具缠屑是数控机床加工过程中经常出现的问题，数控机床的报警系统往往是针对电气方面的，对主轴夹屑和刀具缠屑这种机械方面的故障难以监测，由于主轴夹屑等造成的刀具不对中、动不平衡问题会严重影响零件的加工质量，在现在无人化工厂的大背景下，这类问题出现后往往难以及时发现，极易造成大批质量事故。主轴夹屑主要位于两处位置，一是刀柄上表面和主轴下表面的平面结合面之间，其二是主轴和刀柄接触的锥面之间。因此，夹屑主要是发生在换刀过程中，在刀柄装上主轴前及时排除夹屑和装上主轴后及时发现夹屑，是避免主轴夹屑造成刀柄安装不对中的重要途径。
目前，对于安装前清除夹屑和缠屑的方法主要有高压吹气清洁法，这种方法能清除大部分夹屑，但不能保证清除干净。通过在主轴和刀柄接触的锥面上布置应变片来测量刀柄夹紧时产生的应力变化也是一种比较有效的检测夹屑的方法，但成本很高，而且需要定制主轴。此外，通过激光位移传感器等方法检测刀具旋转过程中的跳动情况也是一种有效的方法，但需要占用安装空间，并影响到加工节拍。
申请号为：201610052513.6，名称为：基于非接触位移传感器的机床主轴夹屑报警装置及方法的中国专利公开了一种基于非接触位移传感器的机床主轴夹屑报警装置及方法，该发明通过将无线位移传感器固定到刀柄的夹头里，用于检测刀柄安装到主轴上后传感器基点到主轴基准面的距离是否一致，如果不一致则启动报警。此方法需要改造刀柄结构，并为每个刀柄配置多个无线传感器，改造和维护难度较大。申请号为：201610190840.8，名称为：基于应变式压力传感器的机床主轴夹屑报警装置及方法的中国专利公开了一种基于应变式压力传感器的机床主轴夹屑报警装置及方法，该装置采用预埋式方法将无线压力传感器组装到刀体内部，通过夹头压力变化转化为刀柄与主轴结合面夹屑大小的关系，该方法也需要对刀柄进行改造。
因此，急需提供一种对数控机床改动小，故障识别准确率高的机床主轴夹屑和/或刀具缠屑的报警方法及装置。
发明内容
本发明针对上述现有技术中存在的问题，提出一种机床主轴夹屑和/或刀具缠屑的报警方法及装置，通过采集主轴运转过程中的振动信号对主轴夹屑和/或刀具缠屑进行诊断，对机床改动小，可以提升数控机床主轴夹屑和刀具缠屑诊断的准确性及诊断效率，有效降低数控机床主轴的维护成本。
为解决上述技术问题，本发明是通过如下技术方案实现的：
本发明提供一种机床主轴夹屑和/或刀具缠屑的报警方法，其包骤：
S11：采集主轴运转的振动信号；
S12：对主轴运转的振动信号进行处理，提取主轴运转的振动信号的特征参数，得到反应主轴运转的特征向量；
S13：将反应主轴运转的特征向量与数据库中预先存储的主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息进行比较，得到当前的主轴运转状态，当主轴运转出现主轴夹屑和/或刀具缠屑异常状态时，输出报警。
较佳地，所述S12中对主轴运转的振动信号进行处理具体为：对主轴运转的振动信号进行时频分析。采用时频分析提取信号特征值的方法，特征识别度高。
较佳地，还包括：
S301：在后期监控过程中，在数据库中手动或自动添加主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息。
较佳地，所述S13中的将反应主轴运转的特征向量与数据库中预先存储的主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息进行比较，得到当前的主轴运转状态，具体为：
建立非线性分类模型，将主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息作为训练样本对非线性分类模型进行训练，得到训练好的非线性分类模型，将反应主轴运转的特征向量输入到训练好的非线性分类模型中，得到当前的主轴运转状态。
较佳地，所述主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息包括：提取的主轴运转的振动信号的特征参数以及相应的工艺信息。
较佳地，所述相应的工艺信息包括：主轴转速以及刀具信息。
较佳地，所述S13之后还包括：
S501：当检测到主轴运转出现主轴夹屑和/或刀具缠屑异常状态时，将异常信号存入到数据库中，添加到非线性分类模型的训练样本中，重新对非线性分类模型进行训练。
本发明还提供一种机床主轴夹屑和/或刀具缠屑的报警装置，其包括：数据采集单元、处理单元以及报警单元；其中，
所述数据采集单元用于采集换刀后主轴运转的振动信号；
所述处理单元用于对主轴运转的振动信号进行处理，提取主轴运转的振动信号的特征参数，得到反应主轴运转的特征向量；
所述报警单元用于将反应主轴运转的特征向量与数据库中预先存储的主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息进行比较，得到当前的主轴运转状态，当主轴运转出现主轴夹屑和/或刀具缠屑异常状态时，输出报警。
较佳地，所述数据采集单元包括：振动传感器，所述振动传感器设置于主轴的前端轴承和/或后端轴承处。
较佳地，所述报警单元包括：非线性分类模型建立单元，其用于建立非线性分类模型，将主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息作为训练样本对非线性分类模型进行训练，得到训练好的非线性分类模型。
相较于现有技术，本发明具有以下优点：
(1)本发明的机床主轴夹屑和/或刀具缠屑的报警方法及装置，通过采集主轴换刀后主轴运转过程中的振动信号，并通过对振动信号进行特征提取和状态识别，最终实现对主轴夹屑和刀具缠屑的在线监测，可以提升数控机床主轴夹屑和刀具缠屑诊断的准确性及诊断效率，有效降低数控机床主轴的维护成本；
(2)本发明的机床主轴夹屑和/或刀具缠屑的报警方法及装置，采用振动信号识别的方法，对机床改动小，只需要在主轴上加装振动信号采集装置，不需要对主轴的结构进行改动，对数控机床的改动少，可移植性好；
(3)本发明的机床主轴夹屑和/或刀具缠屑的报警方法及装置，在识别到当前属于主轴夹屑和/或刀具缠屑故障，则将故障信号存入数据库，添加到非线性分类模型的训练样本中，重新对非线性分类模型进行训练；自学习性好，能适应机床的变化。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
下面结合附图对本发明的实施方式作进一步说明：
图1为本发明的一实施例的机床主轴夹屑和/或刀具缠屑的报警方法的流程图；
图2为本发明的另一实施例的机床主轴夹屑和/或刀具缠屑的报警方法的流程图；
图3为本发明的一实施例的机床主轴夹屑和/或刀具缠屑的报警装置的示意图。
标号说明：1-数据采集单元，2-处理单元，3-报警单元。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
结合图1，本实施例对本发明的机床主轴夹屑和/或刀具缠屑的报警方法进行详细描述，如图1所示，其包括以下步骤：
S11：采集换刀后主轴运转的振动信号，包括：主轴在空载情况下的加速阶段的信号或稳速阶段的信号；
S12：对主轴运转的振动信号进行处理，提取主轴运转的振动信号的特征参数，得到反应主轴运转的特征向量；
S13：将反应主轴运转的特征向量与数据库中预先存储的主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息进行比较，得到当前的主轴运转状态，当主轴运转出现主轴夹屑和/或刀具缠屑异常状态时，输出报警。具体地，主轴夹屑或者刀具夹屑或者两者同时出现所提取出来的的特征向量不同，通过特征向量来区分是哪种故障。
一实施例中，步骤S12具体为：对主轴运转的振动信号进行时频分析，提取主轴运转的振动信号的特征参数，得到反应主轴运转的特征向量。进一步地，主轴稳速阶段的特征量提取方法为：首先基于主轴空载稳定转动的旋转频率(定义为基频)，通过FFT变换等方法提取基频带能量，具体可以采用基频带信号的RMS值(均方根值)等形式来表征；然后，特征量采用基频带能量的百分比表征即定义为实际工况的基频带能量和正常工况的基频带能量之比。主轴加速阶段的特征量提取方法为：首先通过S变换、小波包分解等时频分析方法获得不同频段的能量，具体采用该频带内信号的RMS值(均方根值)等形式来表征；然后，提取不同频带能量占总能量的比例作为特征量，这样根据所分析的频带数量可以获得对应的多个特征分量。主轴夹屑、刀具缠屑对在振动信号频域图上体现比较直观，针对不同机床选取上述的特征值中对故障信号比较敏感的作为信号特征值。
较佳实施例中，为了更好地实时进行检测，数据库还具有一定的学习功能，在后期监控过程中，可以对数据库进行不断地更新学习。具体地为，还包括以下步骤：
S301：在后期监控过程中，在数据库中手动或自动添加主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息，对正常状态信号样本信息以及异常状态信号样本信息进行不断地更新。
较佳实施例中，步骤S13中的将反应主轴运转的特征向量与数据库中预先存储的主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息进行比较，得到当前的主轴运转状态具体为：建立非线性分类模型，将主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息作为训练样本对非线性分类模型进行训练，具体地，信号样本信息可以包括：反应主轴运转的特征参数以及相应的工艺参数值，将这些作为非线性分类模型的输入，对非线性分类模型进行训练，得到训练好的非线性分类模型，然后将反应主轴运转的特征向量(包括：提取的特征值以及相应的工艺参数)输入到训练好的非线性分类模型中，就可以得到当前的主轴运转状态。不同实施例中，非线性分类模型可以为：神经网络模型或支持向量机等非线性分类模型。其中，神经网络模型可以为：BP神经网络、基于径向基的人工神经网络(RB)等。
进一步地，较佳实施例中，还可以在步骤S13之后增加以下步骤：
S501：当检测到主轴运转出现主轴夹屑和/或刀具缠屑异常状态时，将异常信号存入到数据库中，添加到非线性分类模型的训练样本中，重新对非线性分类模型进行训练。其流程图如图2所示，这样对数据库不断的学习更新，可以使检测结果更准确。
结合图3，本实施例对本发明的机床主轴夹屑和/或刀具缠屑的报警装置进行详细描述，其包括：依次连接的数据采集单元1、处理单元2以及报警单元3。其中，数据采集单元1用于采集换刀后主轴运转的振动信号；处理单元2用于对主轴运转的振动信号进行处理，提取主轴运转的振动信号的特征参数，得到反应主轴运转的特征向量；报警单元3用于将反应主轴运转的特征向量与数据库中预先存储的主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息进行比较，得到当前的主轴运转状态，当主轴运转出现主轴夹屑和/或刀具缠屑异常状态时，输出报警。
较佳实施例中，数据采集单元1包括振动传感器(如：可以为加速度传感器)，其设置于主轴的前端轴承处和/或后端轴承处。
较佳实施例中，报警单元包括：非线性分类模型建立单元，其用于建立非线性分类模型，将主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息作为训练样本对非线性分类模型进行训练，得到训练好的非线性分类模型。
此处公开的仅为本发明的优选实施例，本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，并不是对本发明的限定。任何本领域技术人员在说明书范围内所做的修改和变化，均应落在本发明所保护的范围内。
Claims (10)
1.一种机床主轴夹屑和/或刀具缠屑的报警方法，其特征在于，包括：
S11：采集主轴运转的振动信号；
S12：对主轴运转的振动信号进行处理，提取主轴运转的振动信号的特征参数，得到反应主轴运转状态的特征向量；
S13：将反应主轴运转的特征向量与数据库中预先存储的主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息进行比较、分类，得到当前的主轴运转状态，当主轴运转出现主轴夹屑和/或刀具缠屑异常状态时，输出报警。
2.根据权利要求1所述的机床主轴夹屑和/或刀具缠屑的报警方法，其特征在于，所述S12中对主轴运转的振动信号进行处理具体为：
主轴稳速阶段的特征量提取方法为：首先基于主轴空载稳定转动的旋转频率，通过FFT变换方法提取基频带能量，然后，特征量采用基频带能量的百分比表征即定义为实际工况的基频带能量和正常工况的基频带能量之比；
主轴加速阶段的特征量提取方法为：首先通过S变换、小波包分解方法获得不同频段的能量，然后，提取不同频带能量占总能量的比例作为特征量，根据所分析的频带数量可以获得对应的多个特征分量。
3.根据权利要求1所述的机床主轴夹屑和/或刀具缠屑的报警方法，其特征在于，还包括：
S301：在后期监控过程中，在数据库中手动或自动添加主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息。
4.根据权利要求1所述的机床主轴夹屑和/或刀具缠屑的报警方法，其特征在于，S13中的将反应主轴运转的特征向量与数据库中预先存储的主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息进行比较，得到当前的主轴运转状态，具体为：
建立非线性分类模型，将主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息作为训练样本对非线性分类模型进行训练，得到训练好的非线性分类模型，将反应主轴运转的特征向量输入到训练好的非线性分类模型中，得到当前的主轴运转状态。
5.根据权利要求4所述的机床主轴夹屑和/或刀具缠屑的报警方法，其特征在于，所述主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息包括：提取的主轴运转的振动信号的特征参数以及相应的工艺信息。
6.根据权利要求5所述的机床主轴夹屑和/或刀具缠屑的报警方法，其特征在于，所述相应的工艺信息包括：主轴转速以及刀具信息。
7.根据权利要求4所述的机床主轴夹屑和/或刀具缠屑的报警方法，其特征在于，S13之后还包括：
S501：当检测到主轴运转出现主轴夹屑和/或刀具缠屑异常状态时，将异常信号存入到数据库中，添加到非线性分类模型的训练样本中，重新对非线性分类模型进行训练。
8.一种机床主轴夹屑和/或刀具缠屑的报警装置，其特征在于，包括：数据采集单元、处理单元以及报警单元；其中，
所述数据采集单元用于采集换刀后主轴运转的振动信号；
所述处理单元用于对主轴运转的振动信号进行处理，提取主轴运转的振动信号的特征参数，得到反应主轴运转的特征向量；
所述报警单元用于将反应主轴运转的特征向量与数据库中预先存储的主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息进行比较，得到当前的主轴运转状态，当主轴运转出现主轴夹屑和/或刀具缠屑异常状态时，输出报警。
9.根据权利要求8所述的机床主轴夹屑和/或刀具缠屑的报警装置，其特征在于，所述数据采集单元包括：振动传感器，所述振动传感器设置于主轴的前端轴承和/或后端轴承处。
10.根据权利要求8所述的机床主轴夹屑和/或刀具缠屑的报警装置，其特征在于，所述报警单元包括：非线性分类模型建立单元，其用于建立非线性分类模型，将主轴正常运转时的正常状态信号样本信息以及主轴夹屑和/或刀具缠屑异常状态的信号样本信息作为训练样本对非线性分类模型进行训练，得到训练好的非线性分类模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811483177.6A CN109352416B (zh) | 2018-12-05 | 2018-12-05 | 一种机床主轴夹屑和/或刀具缠屑的报警方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811483177.6A CN109352416B (zh) | 2018-12-05 | 2018-12-05 | 一种机床主轴夹屑和/或刀具缠屑的报警方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109352416A CN109352416A (zh) | 2019-02-19 |
| CN109352416B true CN109352416B (zh) | 2019-12-27 |
Family
ID=65331404
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811483177.6A Active CN109352416B (zh) | 2018-12-05 | 2018-12-05 | 一种机床主轴夹屑和/或刀具缠屑的报警方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109352416B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111015361B (zh) * | 2019-12-20 | 2022-04-01 | 十堰市泰祥实业股份有限公司 | 一种主轴运转设备及其主轴运转检测机构 |
| CN112496858A (zh) * | 2020-11-26 | 2021-03-16 | 胡玮 | 一种数控机床用压电驱动式电主轴夹屑检测装置 |
| 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 |
| CN114029785A (zh) * | 2021-11-19 | 2022-02-11 | 洛阳信成精密机械有限公司 | 一种工件缠屑检测装置及其使用方法 |
| CN114055251A (zh) * | 2021-12-17 | 2022-02-18 | 沈阳科网通信息技术有限公司 | 一种基于深度分解的电主轴系统早期故障检测方法 |
| CN114888618A (zh) * | 2022-04-21 | 2022-08-12 | 成都飞机工业（集团）有限责任公司 | 一种工件制孔过程中的刀具清屑方法 |
| CN114986254B (zh) * | 2022-06-28 | 2023-06-09 | 大众一汽发动机（大连）有限公司 | 一种数控机床电主轴垫屑检测方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02243252A (ja) * | 1989-03-17 | 1990-09-27 | Suzuki Motor Co Ltd | 工作機械におけるツールホルダの取付不良検出装置 |
| US6140931A (en) * | 1998-01-13 | 2000-10-31 | Toshiba Kikai Kabushiki Kaisha | Spindle state detector of air bearing machine tool |
| CN1689756A (zh) * | 2004-04-26 | 2005-11-02 | 发那科株式会社 | 数值控制机床 |
| CN101130227A (zh) * | 2006-08-16 | 2008-02-27 | 格鲁博-工厂有限及两合公司 | 加工机床 |
| 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 |
| CN105500113A (zh) * | 2016-01-27 | 2016-04-20 | 东北大学 | 基于非接触位移传感器的机床主轴夹屑报警装置及方法 |
| CN105619177A (zh) * | 2016-03-30 | 2016-06-01 | 东北大学 | 基于应变式压力传感器的机床主轴夹屑报警装置及方法 |
| CN107454864A (zh) * | 2015-02-12 | 2017-12-08 | 弗兰茨凯斯乐有限责任公司 | 机床和机床单元 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002034464A1 (fr) * | 2000-10-27 | 2002-05-02 | Tokyo Seimitsu Co., Ltd. | Machine-outil |
-
2018
- 2018-12-05 CN CN201811483177.6A patent/CN109352416B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02243252A (ja) * | 1989-03-17 | 1990-09-27 | Suzuki Motor Co Ltd | 工作機械におけるツールホルダの取付不良検出装置 |
| US6140931A (en) * | 1998-01-13 | 2000-10-31 | Toshiba Kikai Kabushiki Kaisha | Spindle state detector of air bearing machine tool |
| CN1689756A (zh) * | 2004-04-26 | 2005-11-02 | 发那科株式会社 | 数值控制机床 |
| CN101130227A (zh) * | 2006-08-16 | 2008-02-27 | 格鲁博-工厂有限及两合公司 | 加工机床 |
| CN107454864A (zh) * | 2015-02-12 | 2017-12-08 | 弗兰茨凯斯乐有限责任公司 | 机床和机床单元 |
| 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 |
| CN105500113A (zh) * | 2016-01-27 | 2016-04-20 | 东北大学 | 基于非接触位移传感器的机床主轴夹屑报警装置及方法 |
| CN105619177A (zh) * | 2016-03-30 | 2016-06-01 | 东北大学 | 基于应变式压力传感器的机床主轴夹屑报警装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109352416A (zh) | 2019-02-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109352416B (zh) | 一种机床主轴夹屑和/或刀具缠屑的报警方法及装置 | |
| Betta et al. | A DSP-based FFT-analyzer for the fault diagnosis of rotating machine based on vibration analysis | |
| CN111354366B (zh) | 一种异常声音检测方法及异常声音检测装置 | |
| CN109857079B (zh) | 加工中心主轴系统工作状态异常的智能诊断方法及装置 | |
| CN115688018B (zh) | 一种多工况下轴承的状态监测与故障诊断方法 | |
| CN108181105B (zh) | 基于逻辑回归和j散度的滚动轴承故障预诊方法及系统 | |
| CN108620950B (zh) | 一种车削刀具加工状态监测方法及系统 | |
| CN111678699B (zh) | 一种面向滚动轴承早期故障监测与诊断方法及系统 | |
| CN114004306A (zh) | 一种基于物联网多维度数据的设备故障评估系统及其方法 | |
| JP2019098515A (ja) | 刃具状態検査システム及び方法 | |
| CN109238455B (zh) | 一种基于图论的旋转机械振动信号监测方法及系统 | |
| CN103941722B (zh) | 通过部件特征倍频幅值趋势监测和诊断设备故障的方法 | |
| CN108195584B (zh) | 一种基于准确度谱图的滚动轴承故障诊断方法 | |
| CN109141625B (zh) | 一种滚珠丝杠副的在线状态监测方法 | |
| Kulkarni et al. | Investigations on mother wavelet selection for health assessment of lathe bearings | |
| CN110210516A (zh) | 基于深度学习的机床异常识别方法、系统及终端设备 | |
| Khan et al. | System design for early fault diagnosis of machines using vibration features | |
| CN109598309B (zh) | 一种金属包装冲压机的检测系统及其监测方法 | |
| CN114850968A (zh) | 基于振动模型的刀具磨损监测方法、装置、终端及介质 | |
| KR20210077496A (ko) | 초음파 대역의 음향 신호를 수신하는 다채널 감지 센서를 구비한 설비 고장 예측 시스템 | |
| KR20210006832A (ko) | 기계고장 진단 방법 및 장치 | |
| WO1990016048A1 (en) | A method for monitoring the operational state of a system | |
| CN112720071A (zh) | 多能域信号智能化融合的刀具实时状态监测指标构造方法 | |
| CN108363822A (zh) | 刀具刚性预测用于抑制切削颤振的装置及方法 | |
| CN114310483B (zh) | 一种数控加工尺寸误差预测方法 |
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 |