CN109782689A - 一种基于大数据技术的数控加工的刀具管理方法及系统 - Google Patents

Abstract

本发明公开了一种基于大数据技术的数控加工的刀具管理方法及系统，该方法包括：对每一把刀具进行唯一标识编码，并将编码标刻于刀具上；获取刀具信息以及与刀具相关联的操作人员信息、机床信息、零件信息、切削液信息以及切削参数；对异构数据包括零件加工工艺文件、过程监控信号、刀具磨损图像、零件表面质量数据进行结构化处理，构建与刀具相关的实际数控加工场景。该系统包括：刀具标识单元、信息采集单元以及实际数控加工场景构建单元。本发明的基于大数据技术的数控加工的刀具管理方法及系统，构建了“实物+数据+关联关系”的加工工艺数据模型，重现了与刀具相关的实际数控加工场景，在保证加工质量的前提下提高生产效率。

Description

一种基于大数据技术的数控加工的刀具管理方法及系统

技术领域

本发明涉及智能制造技术领域，特别涉及一种基于大数据技术的数控加工的刀具管理方法及系统。

背景技术

“智能制造”概念的提出为制造业的转型与发展提供了新的思路，企业加工车间在数字化、信息化、智能化的进程中快速发展。在数控加工过程中，刀具作为整个加工系统中直接与工件接触的部件，对总体生产制造环节的效率与质量有着至关重要的作用，亟需对刀具进行全方位的管理。现有的刀具管理系统，除基本的物流仓储管理外，刀具信息局限于刀具的几何参数，并不涉及实际加工过程中的切削参数、加工的零件、加工过程中的监控信号和零件的加工质量等信息，致使刀具数据碎片化，无法支持工艺设计阶段的刀具选配与寿命分析，以及实际加工过程中的刀具性能分析，从而降低加工效率，甚至影响加工质量。针对在实时制造过程中产生的数据具有数据量大、多源、异构、关联性强等特点，需要对设计与制造环节相关的刀具数据进行统一管理，研发数控加工的刀具大数据技术。

经对现有技术的文件检索发现：申请号为：CN201810445762，名称为：一种智能车间多源异构制造大数据集成模型与语义计算方法的中国专利公开了一种智能车间多源异构制造大数据集成模型与语义计算方法，该专利的大数据集成模型技术方案为：首先以智能车间中在制品零件的第一道加工工序为树根节点，以加工时序流作为模型的演化方向，构建智能车间多源异构制造大数据集成模型的主干部分；接着以各加工工序作为树杈节点，关联与该工序相关的加工设备、刀具、夹具、量具、操作者、物流小车以及辅助制造资源等树枝节点，衍生形成智能车间多源异构制造大数据集成模型的树杈部分；最后不同的树枝节点关联制造过程中各自产生的具有多源、异构等特点的实时数据，作为智能车间多源异构制造大数据集成模型的树叶节点。基于大数据集成模型，该专利提出一种语义计算方法，通过在制品的唯一识别编码索引该集成模型，计算生成在制品在车间制造过程的综合加工进度语义信息、加工设备的负荷语义信息、在制品流转和物流小车运输轨迹语义信息。

但是该专利涉及的技术有以下几点不足：

(1)上述专利基于零件的加工工序关联相关加工设备、刀具、夹具、量具、操作者、物流小车以及辅助制造资源等异构数据，构建树状模型图，忽视了刀具在加工过程中的重要作用，忽略了实际每道工序加工过程的监控数据描述，难以进行零件的质量与效率控制；

(2)上述专利重点考虑了数据模型的形式，忽略了与现实车间物理场景的交互过程及流程；

(3)上述专利忽略了车间现有的信息系统，没有对已有的数据资源进行整合，没有考虑各个数据的获取渠道。

发明内容

本发明针对上述现有技术中存在的问题，提出一种基于大数据技术的数控加工的刀具管理方法及系统，对数控加工中与刀具相关的碎片化数据进行集中管理，构建与刀具相关的实际数控加工场景，建立刀具全生命周期的数据模型，从而可以为工艺设计阶段的刀具选配，以及实际加工过程中的刀具剩余寿命预测提供支持，在保证加工质量的前提下提高生产效率。

为解决上述技术问题，本发明是通过如下技术方案实现的：

本发明提供一种基于大数据技术的数控加工的刀具管理方法，其包括：

S11：对每一把刀具进行唯一标识编码，并将所述编码标刻于所述刀具上；

S12：获取刀具信息以及与刀具相关联的操作人员信息、机床信息、零件信息、切削液信息以及切削参数；

S13：对步骤S12中获取的异构数据进行结构化处理，构建与刀具相关的实际数控加工场景；所述异构数据包括：所述步骤S12中获取的与刀具相关联的操作人员信息、机床信息、零件信息、切削液信息、切削参数，以及零件加工工艺文件、过程监控信号、刀具磨损图像、零件表面质量数据。

较佳地，步骤S12中：

所述操作人员信息经由RFID读卡器读取；

所述机床信息经由统一编码后，通过扫描编码进行信息读取；

所述零件信息经由统一编码后，通过扫面编码进行信息读取；

所述切削液信息经由统一编码后，经带有编码的RFID芯片嵌入切削液容器中，经由RFID感应装置与其应用的加工场景相关联。

较佳地，所述步骤S12中的刀具信息包括：刀具类型、几何参数、采购以及库存信息；进一步地，

所述刀具信息还包括：刀具历史使用信息、刀具维护数据、刀具寿命管理信息以及工艺设计的刀具清单。

较佳地，所述步骤S13具体包括：

S131：针对非结构化的零件加工工艺文件，参照工艺物料清单的模板，规范化工艺文件，提取工艺特征包括操作人员信息、零件信息、机床信息、刀具信息、切削液信息、切削参数、加工工序、加工精度要求以及加工环境要求要素，利用电子二维码，将零件加工工艺文件通过所构建工艺特征与零件实际加工现场进行关联；

S132：建立过程监控信号与实际加工现场的关联关系；

S133：建立零件表面质量检查数据与零件的关联关系；

S134：建立刀具磨损图像与刀具的关联关系。

较佳地，所述步骤S132具体包括：

S1321：结合工艺文件中的加工工序和零件结构，构建零件加工过程信号的时间标签{加工工序编码；零件加工部位编码}；

S1322：对加工过程监控信号进行时域特征f_T与频域特征f_F提取，并使用小波变化提取时频特征f_WT，构建过程监控信号的特征集合{f_T,f_F,f_WT}；

S1323：通过步骤S1322的特征关联与步骤S1321的时间标签，建立加工过程中的过程监控信号与实际加工现场的关联关系。

较佳地，所述监控信号包括：功率信号以及声发射信号。

较佳地，所述时域特征f_T包括RMS、方差、最大值、峰峰值、偏度以及峰度；

所述频域特征f_F包括初始频率、平均频率、中心频率、峰频、频谱偏度、频谱峰度；

所述时频特征f_WT包括小波能量。

较佳地，所述步骤S133具体包括：

S1331：基于零件三维模型，对零件进行几何特征集合构建，零件几何特征包括形状信息和各几何元素间的约束关系，形状信息包括基本特征和复合特征，基本特征包括主特征和辅助特征，复合特征由两个或两个以上的基本特征按照一定的位置关系组成；

S1332：通过零件的几何特征集合与零件实物标识，建立零件不同加工部位表面质量检查数据与零件的关联关系。

较佳地，所述零件表面质量包括加工精度以及表面质量。

较佳地，所述步骤S134具体包括：

S1341：结合刀具的刀刃几何结构与零件加工部位，构建刀具及其加工部位的结构标签{刀具刀刃编码；零件加工部位编码}；

S1342：对刀具磨损图像进行去噪增强处理，检测刀具磨损边缘，提取刀具磨损区域，测量磨损区域的面积A、周长P、最大长度L、最大宽度D信息，获取刀具磨损形状分布特征f_d与刀具磨损量VB，同时利用K均值聚类方法得出刀具初期磨损、正常磨损和急剧磨损三个磨损阶段的判别标签f_S，构建刀具磨损图像特征集合{A,P,L,D,f_d,VB,f_S}；

S1343：通过刀具实物标识、刀具及其加工部位的结构标签以及刀具磨损图像特征集合，建立刀具磨损图像与刀具的关联关系。

本发明还提供一种基于大数据技术的数控加工的刀具管理系统，其包括：刀具标识单元、信息采集单元以及实际数控加工场景构建单元；其中，

所述刀具标识单元用于对每一把刀具进行唯一标识编码，并将所述编码标刻于所述刀具上；

所述信息采集单元用于获取刀具信息以及与刀具相关联的操作人员信息、机床信息、零件信息、切削液信息、切削参数，以及零件加工工艺文件、过程监控信号、刀具磨损图像、零件表面质量数据；

所述实际数控加工场景构建单元用于对所述信息采集单元采集的异构数据进行结构化处理，构建与刀具相关的实际数控加工场景。

相较于现有技术，本发明具有以下优点：

(1)本发明的基于大数据技术的数控加工的刀具管理方法及系统，通过与刀具相关的全方位数据关联，建立了刀具全生命周期的数据模型，可用于支持设计阶段的刀具选配，以及后续实际加工过程中的磨损分析与寿命预测，在保证加工质量的前提下提高了生产效率；

(2)本发明的基于大数据技术的数控加工的刀具管理方法及系统，关联了工艺文件、零件几何模型、过程监控信号、刀具磨损图像和表面质量数据，并且与实物信息(零件、机床等)进行了关联，构建了“实物+数据+关联关系”的加工工艺数据模型，重现了与刀具相关的实际数控加工场景；

(3)本发明的基于大数据技术的数控加工的刀具管理方法及系统，对加工过程中的多源异构数据进行结构化处理，使碎片化数据得到集成，对于实际加工车间的管控与进一步的科学研究提供了完整的数据。

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为本发明的实施例的基于大数据技术的数控加工的刀具管理方法的流程图；

图2为本发明的较佳实施例的基于大数据技术的数控加工的刀具管理方法的流程图；

图3为本发明的较佳实施例的刀具信息的结构图；

图4为本发明的较佳实施例的数据模型关联图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

如图1所示为本发明的实施例的基于大数据技术的数控加工的刀具管理方法的流程图。

请参考图1，该刀具管理方法包括以下步骤：

S11：对每一把刀具进行唯一标识编码，通过金属二维码打印系统将刀具编码以二维码形式直接标刻于刀具刀柄；

S12：获取刀具信息以及与刀具相关联的操作人员信息、机床信息、零件信息、切削液信息以及切削参数；

S13：对步骤S12中获取的与刀具相关联的操作人员信息、机床信息、零件信息、切削液信息、切削参数，以及零件加工工艺文件、过程监控信号、刀具磨损图像、零件表面质量数据等异构数据进行结构化处理，构建与刀具相关的实际数控加工场景。

具体地，如图2所示为本发明一较佳实施例的基于大数据技术的刀具管理方法的流程图。

请参考图2，该实施例中，步骤S12中的操作人员信息经由RFID读卡器读取，每位人员配备一张带有个人信息的射频卡，在读卡器处进行刷卡操作，将人员信息与加工所用刀具进行关联；

机床信息经由统一编码后，打印防腐蚀二维码标签悬挂于机床表面，加工时扫描二维码进行信息读取；

零件信息经统一编码后，打印防腐蚀二维码标签悬挂于零件表面，加工时扫描二维码进行信息读取；

切削液信息经由统一编码后，经带有编码的RFID芯片嵌入切削液容器中，经由RFID感应装置与其应用的加工场景相关联；

切削参数信息由工艺文件中提取，工艺文件由工艺信息系统生成，应用电子二维码技术于工艺信息系统中为每一份工艺文件生成电子二维码，扫描二维码可由工艺文件中读取切削参数信息。

刀具信息除基本信息含刀具类型、几何参数、采购与库存信息外，还包含刀具历史使用信息、刀具维护数据、刀具寿命管理信息，以及工艺设计的刀具清单，如图3所示。

步骤S13具体包括：

S131：针对非结构化的零件加工工艺文件，参照工艺物料清单的模板，规范化工艺文件，提取工艺特征包括操作人员信息、零件信息、机床信息、刀具信息、切削液信息、切削参数、加工工序、加工精度要求以及加工环境要求要素，利用电子二维码，将工艺文件通过所构建工艺特征与零件实际加工现场进行关联；

S132：建立过程监控信号与实际加工现场的关联关系；

S133：建立零件表面质量检查数据与零件的关联关系；

S134：建立刀具磨损图像与刀具的关联关系。

具体地，步骤S132具体包括：

S1321：结合工艺文件中的加工工序和零件结构，构建零件加工过程信号的时间标签{加工工序编码；零件加工部位编码}；

S1322：对加工过程监控信号进行时域特征f_T与频域特征f_F提取，并使用小波变化提取时频特征f_WT，构建过程监控信号的特征集合{f_T,f_F,f_WT}；

S1323：通过步骤S1322的特征关联与步骤S1321的时间标签，建立加工过程中的过程监控信号与实际加工现场的关联关系。

进一步地，过程监控信号包含功率信号与声发射信号。

进一步地，时域特征f_T包括RMS、方差、最大值、峰峰值、偏度以及峰度；频域特征f_F包括初始频率、平均频率、中心频率、峰频、频谱偏度、频谱峰度；时频特征f_WT包括小波能量。

具体地，步骤S133具体包括：

S1331：基于零件三维模型，对零件进行几何特征集合构建，零件几何特征包括形状信息和各几何元素间的约束关系，形状信息包括基本特征和复合特征，基本特征包括主特征和辅助特征，复合特征由两个或两个以上的基本特征按照一定的位置关系组成；以轴类零件为例进行说明，轴类零件主特征包含外圆、锥面、光孔、端面、台阶面、键槽和圆弧等，辅助特征有倒圆、倒角等，复合特征包括带台阶面的圆柱外圆、由不同圆弧组成的复杂型线等；

S1332：通过零件的几何特征集合与零件实物标识，建立零件不同加工部位表面质量检查数据与零件的关联关系。

具体地，零件表面质量包括加工精度和表面质量，其中加工精度包含尺寸精度、形状精度和位置精度，表面质量数据包括但不限于表面粗糙度。

具体地，步骤S134具体包括：

S1341：结合刀具的刀刃几何结构与零件加工部位，构建刀具及其加工部位的结构标签{刀具刀刃编码；零件加工部位编码}；

S1342：对刀具磨损图像进行去噪增强处理，检测刀具磨损边缘，提取刀具磨损区域，测量磨损区域的面积A、周长P、最大长度L、最大宽度D信息，获取刀具磨损形状分布特征f_d与刀具磨损量VB，同时利用K均值聚类方法得出刀具初期磨损、正常磨损和急剧磨损三个磨损阶段的判别标签f_S，构建刀具磨损图像特征集合{A,P,L,D,f_d,VB,f_S}；

S1343：通过刀具实物标识、刀具及其加工部位的结构标签以及刀具磨损图像特征集合，建立刀具磨损图像与刀具的关联关系。

经上述流程，最终实现工艺文件、过程监控信号、刀具磨损图像和零件几何模型等多源异构数据的结构化描述，通过实物标识、时间标签和结构标签，建立加工过程的数据动态关联关系，构建“实物+数据+关联关系”的加工工艺数据模型，如图4所示。本发明以加工刀具为主体，对加工过程中的多源异构数据进行结构化处理，使碎片化数据得到集成，建立了刀具全生命周期的数据模型，对于实际加工车间的管控与进一步的科学研究提供了更为完整的数据。

对应于上述的基于大数据技术的数控加工的刀具管理方法，本发明实施例还提供一种基于大数据技术的数控加工的刀具管理系统，用于实现上述实施例中的刀具管理方法，其包括：刀具标识单元、信息采集单元以及实际数控加工场景构建单元；其中，刀具标识单元用于对每一把刀具进行唯一标识编码，并将所述编码标刻于所述刀具上；信息采集单元用于获取刀具信息以及与刀具相关联的操作人员信息、机床信息、零件信息、切削液信息、切削参数，以及零件加工工艺文件、过程监控信号、刀具磨损图像、零件表面质量数据；实际数控加工场景构建单元用于对信息采集单元采集的异构数据进行结构化处理，构建与刀具相关的实际数控加工场景。本实施例中各单元具体实现的技术可以采用上述方法对应步骤中的技术，在此不再赘述。

本发明上述实施例关注每一把实物刀具，对具体的每一把刀具实物进行关联，关联了工艺文件、零件几何模型、过程监控信号、刀具磨损图像和表面质量数据，并且与实物信息(零件、机床等)进行了关联，从而构建了“实物+数据+关联关系”的加工工艺数据模型，重现了与刀具相关的实际数控加工场景，在保证加工质量的前提下提高生产效率。

需要说明的是，本发明提供的所述方法中的步骤，可以利用所述系统中对应的模块、装置、单元等予以实现，本领域技术人员可以参照所述系统的技术方案实现所述方法的步骤流程，即，所述系统中的实施例可理解为实现所述方法的优选例，在此不予赘述。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个模块、装置、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

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)

1.一种基于大数据技术的数控加工的刀具管理方法，其特征在于，包括：

S11：对每一把刀具进行唯一标识编码，并将所述编码标刻于所述刀具上；

S12：获取刀具信息以及与刀具相关联的操作人员信息、机床信息、零件信息、切削液信息以及切削参数；

S13：对异构数据进行结构化处理，构建与刀具相关的实际数控加工场景；所述异构数据包括：所述步骤S12中获取的与刀具相关联的操作人员信息、机床信息、零件信息、切削液信息、切削参数，以及零件加工工艺文件、过程监控信号、刀具磨损图像、零件表面质量数据。

2.根据权利要求1所述的基于大数据技术的数控加工的刀具管理方法，其特征在于，步骤S12中：

所述操作人员信息经由RFID读卡器读取；

所述机床信息经由统一编码后，通过扫描编码进行信息读取；

所述零件信息经由统一编码后，通过扫描编码进行信息读取；

所述切削液信息经由统一编码后，经带有编码的RFID芯片嵌入切削液容器中，经由RFID感应装置与其应用的加工场景相关联。

3.根据权利要求1所述的基于大数据技术的数控加工的刀具管理方法，其特征在于，步骤S12中：

所述刀具信息包括：刀具类型、几何参数、采购以及库存信息；进一步地，

所述刀具信息还包括：刀具历史使用信息、刀具维护数据、刀具寿命管理信息以及工艺设计的刀具清单。

4.根据权利要求1所述的基于大数据技术的数控加工的刀具管理方法，其特征在于，所述过程监控信号包括：功率信号以及声发射信号；

所述零件表面质量数据包括加工精度以及表面质量。

5.根据权利要求1所述的基于大数据技术的数控加工的刀具管理方法，其特征在于，所述步骤S13具体包括：

S131：针对非结构化的零件加工工艺文件，参照工艺物料清单的模板，规范化工艺文件，提取工艺特征包括操作人员信息、零件信息、机床信息、刀具信息、切削液信息、切削参数、加工工序、加工精度要求以及加工环境要求要素，利用电子二维码，将零件加工工艺文件通过所构建工艺特征与零件实际加工现场进行关联；

S132：建立过程监控信号与实际加工现场的关联关系；

S133：建立零件表面质量检查数据与零件的关联关系；

S134：建立刀具磨损图像与刀具的关联关系。

6.根据权利要求5所述的基于大数据技术的数控加工的刀具管理方法，其特征在于，所述步骤S132具体包括：

S1321：结合工艺文件中的加工工序和零件结构，构建零件加工过程信号的时间标签{加工工序编码；零件加工部位编码}；

S1322：对加工过程监控信号进行时域特征f_T与频域特征f_F提取，并使用小波变化提取时频特征f_WT，构建过程监控信号的特征集合{f_T,f_F,f_WT}；

S1323：通过步骤S1322的特征关联与步骤S1321的时间标签，建立加工过程中的过程监控信号与实际加工现场的关联关系。

7.根据权利要求6所述的基于大数据技术的数控加工的刀具管理方法，其特征在于，所述时域特征f_T包括RMS、方差、最大值、峰峰值、偏度以及峰度；

所述频域特征f_F包括初始频率、平均频率、中心频率、峰频、频谱偏度、频谱峰度；

所述时频特征f_WT包括小波能量。

8.根据权利要求5所述的基于大数据技术的数控加工的刀具管理方法，其特征在于，所述步骤S133具体包括：

S1331：基于零件三维模型，对零件进行几何特征集合构建，零件几何特征包括形状信息和各几何元素间的约束关系，形状信息包括基本特征和复合特征，基本特征包括主特征和辅助特征，复合特征由两个或两个以上的基本特征按照一定的位置关系组成；

S1332：通过零件的几何特征集合与零件实物标识，建立零件不同加工部位表面质量检查数据与零件的关联关系。

9.根据权利要求5所述的基于大数据技术的数控加工的刀具管理方法，其特征在于，所述步骤S134具体包括：

S1341：结合刀具的刀刃几何结构与零件加工部位，构建刀具及其加工部位的结构标签{刀具刀刃编码；零件加工部位编码}；

S1342：对刀具磨损图像进行去噪增强处理，检测刀具磨损边缘，提取刀具磨损区域，测量磨损区域的面积A、周长P、最大长度L、最大宽度D信息，获取刀具磨损形状分布特征f_d与刀具磨损量VB，同时利用K均值聚类方法得出刀具初期磨损、正常磨损和急剧磨损三个磨损阶段的判别标签f_S，构建刀具磨损图像特征集合{A,P,L,D,f_d,VB,f_S}；

S1343：通过刀具实物标识、刀具及其加工部位的结构标签以及刀具磨损图像特征集合，建立刀具磨损图像与刀具的关联关系。

10.一种基于大数据技术的数控加工的刀具管理系统，其特征在于，包括：刀具标识单元、信息采集单元以及实际数控加工场景构建单元；其中，

所述刀具标识单元用于对每一把刀具进行唯一标识编码，并将所述编码标刻于所述刀具上；

所述信息采集单元用于获取刀具信息以及与刀具相关联的操作人员信息、机床信息、零件信息、切削液信息、切削参数，以及零件加工工艺文件、过程监控信号、刀具磨损图像、零件表面质量数据；

所述实际数控加工场景构建单元用于对所述信息采集单元采集的异构数据进行结构化处理，构建与刀具相关的实际数控加工场景。