CN110658782A - 一种基于特征的数控机床固有能效预测方法 - Google Patents

一种基于特征的数控机床固有能效预测方法 Download PDF

Info

Publication number
CN110658782A
CN110658782A CN201910942794.6A CN201910942794A CN110658782A CN 110658782 A CN110658782 A CN 110658782A CN 201910942794 A CN201910942794 A CN 201910942794A CN 110658782 A CN110658782 A CN 110658782A
Authority
CN
China
Prior art keywords
inherent
energy consumption
machine tool
energy
numerical control
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
Application number
CN201910942794.6A
Other languages
English (en)
Other versions
CN110658782B (zh
Inventor
马峰
张华�
瞿华
江志刚
龚青山
鄢威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Science and Engineering WUSE
Original Assignee
Wuhan University of Science and Engineering WUSE
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University of Science and Engineering WUSE filed Critical Wuhan University of Science and Engineering WUSE
Priority to CN201910942794.6A priority Critical patent/CN110658782B/zh
Publication of CN110658782A publication Critical patent/CN110658782A/zh
Application granted granted Critical
Publication of CN110658782B publication Critical patent/CN110658782B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05B19/4065—Monitoring tool breakage, life or condition
    • 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
    • G05B2219/37616—Use same monitoring tools to monitor tool and workpiece
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working

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特征的数控机床固有能效预测方法，该方法包括以下步骤：1)根据加工的工件的特征的设计信息和加工信息，获得该数控机床加工各类特征时的固有切削能耗；2)获得该数控机床的固有待机能耗；3)获得该数控机床的固有启动能耗；4)获得该数控机床的固有空载能耗；5)获得数控机床加工j类特征时的微观固有能耗：6)根据微观固有能耗获得数控机床加工未来所有可能加工的特征时的宏观固有能耗：7)获得固有能量利用率和固有比能来表征固有能效。本发明提出一种固有能效的预测方法，反映了数控机床未来服役阶段的能量效率潜力，同时还能为高能效机械加工系统的创建提供理论依据。

Description

一种基于特征的数控机床固有能效预测方法
技术领域
本发明涉及数控机床加工技术，尤其涉及一种基于特征的数控机床固有能效预测方法。
背景技术
在全球大力推行制造业绿色化发展的大背景下，制造业的“母机”-数控机床的能耗优化与能效提升问题已经成为广泛关注的热点问题，国内外众多高校和科研机构都对数控机床的能效问题展开了深入研究，总结出了很多针对数控机床能效优化与提升的方法和模型。但目前已有关于数控机床能效优化与提升的研究主要集中在其服役阶段，虽已取得大量成果，但还缺乏对其自身所固有的能效特性的研究(该特性产生于数控机床的创建阶段，是其自身所具有且与实际加工时某一具体过程无关的能量效率特性，它是数控机床在未来对所有可能的加工任务进行加工时的能量效率的综合表现，反映的是数控机床未来服役阶段的能量效率潜力，不受未来具体服役阶段制造任务、制造过程、制造参数等外部变量的影响)，更缺乏针对数控机床固有能效的具体预测方法。现有固有能效的关联研究主要集中在固有能效的内涵及体系框架上面，如何抽象出一种能够对数控机床固有能效进行描述与预测的方法，不仅是现有能量效率相关研究的一个突破，同时还能够为下一步机械加工系统工件能耗限额和能级评定的制定、高能效机械加工系统的创建等提供理论依据和决策支持，具有重要意义。
数控机床能量源多、能耗规律复杂，不同类型的数控机床加工同规格的工件时所消耗的能量差异很大，即使相同类型的数控机床加工同规格的工件时所消耗的能量也不尽相同，究其原因一部分是加工参数、工艺路线、生产调度方式等外部变量的不同；但深入研究后发现其本质原因是数控机床本身所具有的能效属性不同。针对固有能效的预测现有标准样件法还难以准确表征和预测，实用性不强，目前国内外还缺少一种具体的针对数控机床固有能效的预测方法。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于特征的数控机床固有能效预测方法。
本发明解决其技术问题所采用的技术方案是：一种基于特征的数控机床固有能效预测方法，包括以下步骤：
1)根据加工的工件的特征的设计信息(几何尺寸、材料特性等)和加工信息(切削参数，工艺参数等)，计算出该特征的理论切削能量消耗，获得该数控机床加工各类特征时的固有切削能耗；所述工件的特征为几何特征或形状特征；
2)获得该数控机床的固有待机能耗；
将数控机床平均待机能耗作为固有待机能耗；
ESB＝PSBtSB
其中，PSB为数控机床平均待机功率，tSB为其平均待机时间；
3)获得该数控机床的固有启动能耗；
根据加工各类特征时的主轴转速确定固有启动能耗；
4)获得该数控机床的固有空载能耗
根据数控机床稳定运行时测量得到的不同转速下的空载功率确定固有空载能耗；
5)根据步骤1)至步骤4)的计算结果，获得数控机床加工j类特征时的微观固有能耗：
微观固有能耗为固有待机能耗，固有启动能耗、固有空载能耗和固有加工能程的和；
Figure BDA0002223381090000031
6)根据微观固有能耗获得数控机床加工未来所有可能加工的特征时的宏观固有能耗：
Figure BDA0002223381090000032
其中，
Figure BDA0002223381090000033
为数控机床未来服役过程中第j种类型的特征被加工的概率；
7)获得固有能量利用率和固有比能来对固有能量效率；
7.1)获取固有能量利用率，包括微观固有能量利用率和宏观固有能量利用率；
微观固有能量利用率是数控机床加工j类特征时的有效输出能量(固有切削能耗)与输入总能量(固有待机能耗，固有启动能耗、固有空载能耗和固有加工能程)的比值，表示为：
宏观固有能量利用率指的是数控机床加工所有特征时的微观固有能量利用率的综合体现，宏观固有能量利用率表示为：
Figure BDA0002223381090000042
其中，
Figure BDA0002223381090000043
为加工第j类特征时的微观固有能量利用率，
Figure BDA0002223381090000044
为加工特征j的概率，
Figure BDA0002223381090000045
为加工第j类特征时的有效能耗；
Figure BDA0002223381090000046
为加工所有特征时的宏观固有能量利用率。
7.2)获取固有比能
微观固有比能是指数控机床加工j类特征时的总能量消耗与系统等效物料去除量的比值，表示为：
Figure BDA0002223381090000047
Figure BDA0002223381090000051
其中，SECj为加工第j类特征时的微观固有比能，Δmi是特征j的第i个子特征的材料去除质量、ρi为其材料密度，
Figure BDA0002223381090000052
为特征j的第i个子特征的被加工概率；
宏观固有比能指的是数控机床加工所有特征时的微观固有比能的综合体现，宏观固有能量利用率可进一步表示为：
Figure BDA0002223381090000053
其中，SECj为加工第j类特征时的微观比能，是加工第j类特征时的当量材料去除量，根据材料去除质量和密度确定；
Figure BDA0002223381090000055
为加工所有特征时的宏观固有比能。
按上述方案，所述步骤1)中特征的设计和加工信息，可通过工件设计时的CAD和CAPP信息直接获取。
按上述方案，所述步骤1)中获得该数据机床加工各类特征时的固有切削能耗，具体如下：
对每个特征的切削能耗EMA，如下：
Figure BDA0002223381090000056
其中，Pc为切削功率，Pc＝us·MRR，us为切除单位材料体积所消耗的能量，MRR为特征加工过程中的材料切除率；
tc为切削加工的时间，利用切除体积与材料切除率之比来计算真正进行切削加工的时间，
Figure BDA0002223381090000061
其中，V为工件加工过程中的材料切除体积，通过工件特征计算得到；MRR为特征加工过程中的材料切除率；
数控机床加工j类特征时的固有切削能耗为
Figure BDA0002223381090000062
Figure BDA0002223381090000063
为加工第i个子特征的切削能耗，则加工j类特征时的固有切削能耗可表示为：
Figure BDA0002223381090000064
按上述方案，所述步骤3)中根据加工各类特征时的主轴转速确定固有启动能耗，具体如下：
对每个特征的的启动能耗：
ESU(ni)＝Ani 2+Bni+C
其中，ni为数控机床主轴转速，ESU(ni)为该主轴转速下的启动能耗；
数控机床加工某类特征时的固有启动能耗为
Figure BDA0002223381090000065
Figure BDA0002223381090000066
为加工第i个子特征时的启动能耗，
Figure BDA0002223381090000067
为未来加工该类特征时，第i个子特征被加工的概率；则固有启动能耗为：
Figure BDA0002223381090000068
按上述方案，所述步骤4)中获得该数控机床的固有空载能耗，具体如下：
将数控机床稳定运行时测量得到的不同转速下的空载功率作为加工特征的空载能耗
Figure BDA0002223381090000071
EUL(ni)＝Dni 2+Eni+F
数控机床稳定运行后，一次性测取各个不同转速下的空载功率，确定拟合系数；
定义数控机床加工j类特征时的固有空载能耗为
Figure BDA0002223381090000072
Figure BDA0002223381090000073
为加工第i个子特征的空载能耗，则固有空载能耗可表示为：
Figure BDA0002223381090000074
本发明产生的有益效果是：
本发明提出一种固有能效的预测方法，使用本方法能方便获取数控机床的固有能效，反映了数控机床未来服役阶段的能量效率潜力，同时还能够为下一步机械加工系统工件能耗限额和能级评定的制定、高能效机械加工系统的创建等提供理论依据和决策支持，具有重要意义。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例的方法流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，一种基于特征的数控机床固有能效预测方法，包括以下步骤：
1)根据加工的工件的特征的设计信息(几何尺寸、材料特性等)和加工信息(切削参数，工艺参数等)，计算出该特征的理论切削能量消耗，获得该数控机床加工各类特征时的固有切削能耗；所述工件的特征为几何特征或形状特征；
特征的设计和加工信息，可通过工件设计时的CAD和CAPP信息直接获取。。
获得该数据机床加工各类特征时的固有切削能耗，具体如下：
对每个特征的切削能耗EMA，如下：
Figure BDA0002223381090000081
其中，Pc为切削功率，Pc＝us·MRR，us为切除单位材料体积所消耗的能量，MRR为特征加工过程中的材料切除率；
表1常用材料切削单位体积时的能耗取值表(us)
Figure BDA0002223381090000091
tc为切削加工的时间，利用切除体积与材料切除率之比来计算真正进行切削加工的时间，
Figure BDA0002223381090000092
其中，V为工件加工过程中的材料切除体积，通过工件特征计算得到；MRR为特征加工过程中的材料切除率；
数控机床加工j类特征时的固有切削能耗为
Figure BDA0002223381090000093
Figure BDA0002223381090000094
为加工第i个子特征的切削能耗，则加工j类特征时的固有切削能耗可表示为：
Figure BDA0002223381090000095
2)获得该数控机床的固有待机能耗；
将数控机床平均待机能耗作为固有待机能耗；
ESB＝PSBtSB
其中，PSB为数控机床平均待机功率，tSB为其平均待机时间；
3)获得该数控机床的固有启动能耗；
根据加工各类特征时的主轴转速确定固有启动能耗；具体如下：
对每个特征的的启动能耗：
ESU(ni)＝Ani 2+Bni+C
其中，ni为数控机床主轴转速，ESU(ni)为该主轴转速下的启动能耗；
数控机床加工某类特征时的固有启动能耗为
Figure BDA0002223381090000101
Figure BDA0002223381090000102
为加工第i个子特征时的启动能耗，为未来加工该类特征时，第i个子特征被加工的概率；则固有启动能耗为：
4)获得该数控机床的固有空载能耗
根据数控机床稳定运行时测量得到的不同转速下的空载功率确定固有空载能耗；具体如下：
将数控机床稳定运行时测量得到的不同转速下的空载功率作为加工特征的空载能耗
Figure BDA0002223381090000105
EUL(ni)＝Dni 2+Eni+F
数控机床稳定运行后，一次性测取各个不同转速下的空载功率，确定拟合系数；
定义数控机床加工j类特征时的固有空载能耗为
Figure BDA0002223381090000106
为加工第i个子特征的空载能耗，则固有空载能耗可表示为：
Figure BDA0002223381090000111
5)根据步骤1)至步骤4)的计算结果，获得数控机床加工j类特征时的微观固有能耗：
微观固有能耗为固有待机能耗，固有启动能耗、固有空载能耗和固有加工能程的和；
6)根据微观固有能耗获得数控机床加工未来所有可能加工的特征时的宏观固有能耗：
Figure BDA0002223381090000113
其中，
Figure BDA0002223381090000114
为数控机床未来服役过程中第j种类型的特征被加工的概率；
7)获得固有能量利用率和固有比能来对固有能量效率；
7.1)获取固有能量利用率，包括微观固有能量利用率和宏观固有能量利用率；
微观固有能量利用率是数控机床加工j类特征时的有效输出能量(固有切削能耗)与输入总能量(固有待机能耗，固有启动能耗、固有空载能耗和固有加工能程)的比值，表示为：
Figure BDA0002223381090000121
宏观固有能量利用率指的是数控机床加工所有特征时的微观固有能量利用率的综合体现，宏观固有能量利用率表示为：
Figure BDA0002223381090000122
其中，
Figure BDA0002223381090000123
为加工第j类特征时的微观固有能量利用率，
Figure BDA0002223381090000124
为加工特征j的概率，
Figure BDA0002223381090000125
为加工第j类特征时的有效能耗；
Figure BDA0002223381090000126
为加工所有特征时的宏观固有能量利用率。
7.2)获取固有比能
微观固有比能是指数控机床加工j类特征时的总能量消耗与系统等效物料去除量的比值，表示为：
Figure BDA0002223381090000127
Figure BDA0002223381090000128
其中，SECj为加工第j类特征时的微观固有比能，Δmi是特征j的第i个子特征的材料去除质量、ρi为其材料密度，为特征j的第i个子特征的被加工概率；
宏观固有比能指的是数控机床加工所有特征时的微观固有比能的综合体现，宏观固有能量利用率可进一步表示为：
Figure BDA0002223381090000131
其中，SECj为加工第j类特征时的微观比能，
Figure BDA0002223381090000132
是加工第j类特征时的当量材料去除量，根据材料去除质量和密度确定；
Figure BDA0002223381090000133
为加工所有特征时的宏观固有比能。
8)高能效机械加工系统的创建
根据固有能效预测结果，得到最合适该加工系统加工的特征，将加工设备和对应加工工件进行匹配，组建高能效机械加工系统。
本发明方法可以为高能效机械加工系统的创建等提供理论依据，传统对机械加工系统的选择主要是在满足加工要求(尺寸要求、精度要求等)、使用成本以及加工效率等因素的原则下展开，忽略了加工系统自身的能效特性对具体加工过程能效的影响，更多的是人为主观意愿的体现，缺乏系统客观的选择依据，很难创建出高能效的加工系统，导致没有物尽其用。为此，利用本发明所提出的固有能效预测方法，可以有效揭示出最合适该加工系统加工的特征以及其高固有能效区间。使用企业或操作者在选择加工设备时可在满足传统选择条件下，进一步选用高固有能效的加工设备来加工工件，尽量使加工任务处于该加工系统的高能效区间内；制造企业也可根据未来加工系统的服役环境为使用企业直接定制更符合该企业服役环境的高固有能效加工系统，在此基础上再对加工过程的各项参数进行优化，可以从根本上提高加工设备效率。可以有效帮助企业从能量效率的角度组建高固能效的加工系统。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (5)

1.一种基于特征的数控机床固有能效预测方法，其特征在于，包括以下步骤：
1)根据加工的工件的特征的设计信息和加工信息，计算出该特征的理论切削能量消耗，获得该数控机床加工各类特征时的固有切削能耗；所述工件的特征的设计信息包括几何尺寸和材料特性，所述加工信息包括切削参数和工艺参数；
2)获得该数控机床的固有待机能耗；
将数控机床平均待机能耗作为固有待机能耗；
3)获得该数控机床的固有启动能耗；
根据加工各类特征时的主轴转速确定固有启动能耗；
4)获得该数控机床的固有空载能耗
根据数控机床稳定运行时测量得到的不同转速下的空载功率确定固有空载能耗；
5)根据步骤1)至步骤4)的计算结果，获得数控机床加工j类特征时的微观固有能耗：
微观固有能耗为固有待机能耗，固有启动能耗、固有空载能耗和固有加工能程的和；
Figure FDA0002223381080000011
6)根据微观固有能耗获得数控机床加工未来所有可能加工的特征时的宏观固有能耗：
Figure FDA0002223381080000021
其中，
Figure FDA0002223381080000022
为数控机床未来服役过程中第j种类型的特征被加工的概率；
7)获得固有能量利用率和固有比能来对固有能量效率；
7.1)获取固有能量利用率，包括微观固有能量利用率和宏观固有能量利用率；
微观固有能量利用率是数控机床加工j类特征时的有效输出能量与输入总能量的比值，表示为：
宏观固有能量利用率指的是数控机床加工所有特征时的微观固有能量利用率的综合体现，宏观固有能量利用率表示为：
Figure FDA0002223381080000024
其中，
Figure FDA0002223381080000025
为加工第j类特征时的微观固有能量利用率，
Figure FDA0002223381080000026
为加工特征j的概率，
Figure FDA0002223381080000027
为加工第j类特征时的有效能耗；
Figure FDA0002223381080000028
为加工所有特征时的宏观固有能量利用率。
7.2)获取固有比能
微观固有比能是指数控机床加工j类特征时的总能量消耗与系统等效物料去除量的比值，表示为：
Figure FDA0002223381080000031
其中，SECj为加工第j类特征时的微观固有比能，Δmi是特征j的第i个子特征的材料去除质量、ρi为其材料密度，
Figure FDA0002223381080000033
为特征j的第i个子特征的被加工概率；
宏观固有比能指的是数控机床加工所有特征时的微观固有比能的综合体现，宏观固有能量利用率可进一步表示为：
Figure FDA0002223381080000034
其中，SECj为加工第j类特征时的微观比能，
Figure FDA0002223381080000035
是加工第j类特征时的当量材料去除量，根据材料去除质量和密度确定；
Figure FDA0002223381080000036
为加工所有特征时的宏观固有比能。
2.根据权利要求1所述的基于特征的数控机床固有能效预测方法，其特征在于，所述步骤1)中特征的设计和加工信息，通过工件设计时的CAD和CAPP信息采集获取。
3.根据权利要求1所述的基于特征的数控机床固有能效预测方法，其特征在于，所述步骤1)中获得该数据机床加工各类特征时的固有切削能耗，具体如下：
对每个特征的切削能耗EMA，如下：
Figure FDA0002223381080000041
其中，Pc为切削功率，Pc＝us·MRR，us为切除单位材料体积所消耗的能量，MRR为特征加工过程中的材料切除率；
tc为切削加工的时间，利用切除体积与材料切除率之比来计算真正进行切削加工的时间，
Figure FDA0002223381080000042
其中，V为工件加工过程中的材料切除体积，通过工件特征计算得到；MRR为特征加工过程中的材料切除率；
数控机床加工j类特征时的固有切削能耗为
Figure FDA0002223381080000043
为加工第i个子特征的切削能耗，则加工j类特征时的固有切削能耗可表示为：
Figure FDA0002223381080000044
4.根据权利要求1所述的基于特征的数控机床固有能效预测方法，其特征在于，所述步骤3)中根据加工各类特征时的主轴转速确定固有启动能耗，具体如下：
对每个特征的的启动能耗：
ESU(ni)＝Ani 2+Bni+C
其中，ni为数控机床主轴转速，ESU(ni)为该主轴转速下的启动能耗；
数控机床加工某类特征时的固有启动能耗为
Figure FDA0002223381080000051
为加工第i个子特征时的启动能耗，
Figure FDA0002223381080000052
为未来加工该类特征时，第i个子特征被加工的概率；则固有启动能耗为：
Figure FDA0002223381080000053
5.根据权利要求1所述的基于特征的数控机床固有能效预测方法，其特征在于，所述步骤4)中获得该数控机床的固有空载能耗，具体如下：
将数控机床稳定运行时测量得到的不同转速下的空载功率作为加工特征的空载能耗
Figure FDA0002223381080000054
EUL(ni)＝Dni 2+Eni+F
数控机床稳定运行后，一次性测取各个不同转速下的空载功率，确定拟合系数；
定义数控机床加工j类特征时的固有空载能耗为
Figure FDA0002223381080000055
为加工第i个子特征的空载能耗，
Figure FDA0002223381080000056
为未来加工该类特征时，第i个子特征被加工的概率，则固有空载能耗可表示为：
CN201910942794.6A 2019-09-30 2019-09-30 一种基于特征的数控机床固有能效预测方法 Active CN110658782B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910942794.6A CN110658782B (zh) 2019-09-30 2019-09-30 一种基于特征的数控机床固有能效预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910942794.6A CN110658782B (zh) 2019-09-30 2019-09-30 一种基于特征的数控机床固有能效预测方法

Publications (2)

Publication Number Publication Date
CN110658782A true CN110658782A (zh) 2020-01-07
CN110658782B CN110658782B (zh) 2023-06-02

Family

ID=69038738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910942794.6A Active CN110658782B (zh) 2019-09-30 2019-09-30 一种基于特征的数控机床固有能效预测方法

Country Status (1)

Country Link
CN (1) CN110658782B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113741346A (zh) * 2021-09-16 2021-12-03 重庆大学 一种面向定制化设计机床的单位能耗性能评测方法
CN116679612A (zh) * 2023-08-04 2023-09-01 山东行创科技有限公司 一种机床加工异常能耗数据监测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102621932A (zh) * 2012-05-02 2012-08-01 重庆大学 一种数控机床服役过程的能量消耗预测方法
US20150142154A1 (en) * 2012-07-10 2015-05-21 Matitiahu Tiano Modular system for real-time evaluation and monitoring of a machining production-line overall performances calculated from each given workpiece, tool and machine
CN108614522A (zh) * 2018-06-11 2018-10-02 重庆理工大学 数控机床服役过程主轴系统能量效率在线监测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102621932A (zh) * 2012-05-02 2012-08-01 重庆大学 一种数控机床服役过程的能量消耗预测方法
US20150142154A1 (en) * 2012-07-10 2015-05-21 Matitiahu Tiano Modular system for real-time evaluation and monitoring of a machining production-line overall performances calculated from each given workpiece, tool and machine
CN108614522A (zh) * 2018-06-11 2018-10-02 重庆理工大学 数控机床服役过程主轴系统能量效率在线监测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113741346A (zh) * 2021-09-16 2021-12-03 重庆大学 一种面向定制化设计机床的单位能耗性能评测方法
CN116679612A (zh) * 2023-08-04 2023-09-01 山东行创科技有限公司 一种机床加工异常能耗数据监测方法
CN116679612B (zh) * 2023-08-04 2023-10-13 山东行创科技有限公司 一种机床加工异常能耗数据监测方法

Also Published As

Publication number Publication date
CN110658782B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
Han et al. Parameters optimization considering the trade-off between cutting power and MRR based on linear decreasing particle swarm algorithm in milling
Li et al. A method integrating Taguchi, RSM and MOPSO to CNC machining parameters optimization for energy saving
CN102621932B (zh) 一种数控机床服役过程的能量消耗预测方法
CN105159237B (zh) 一种面向数字化车间数控机床的能耗预测方法
CN111105069B (zh) 数控加工工艺参数优化方法、装置、系统及计算机设备
Li et al. A framework for characterising energy consumption of machining manufacturing systems
CN103941644A (zh) 一种基于时间参数的数控铣床能耗预测方法
Kim et al. A decision-guidance framework for sustainability performance analysis of manufacturing processes
Kotliar et al. Ensuring the economic efficiency of enterprises by multi-criteria selection of the optimal manufacturingprocess
Zhou et al. Optimization parameters for energy efficiency in end milling
CN110658782A (zh) 一种基于特征的数控机床固有能效预测方法
Zhang et al. Optimization of cutting parameters for minimizing environmental impact: considering energy efficiency, noise emission and economic dimension
CN103500251A (zh) 数控铣削中刀具切削用量的优化加工方法
CN109754332A (zh) 基于切削力的机床铣削加工过程的能耗模型建模方法
Feng et al. Minimizing the energy consumption of hole machining integrating the optimization of tool path and cutting parameters on CNC machines
CN110262392A (zh) 一种基于虚拟样件的机床固有能效属性测量系统与方法
Zhao et al. Specific energy consumption prediction model of CNC machine tools based on tool wear
Kianinejad et al. Investigation into energy efficiency of outdated cutting machine tools and identification of improvement potentials to promote sustainability
Ivanov et al. Ensuring economic efficiency of flexible fixtures in multiproduct manufacturing
Grünebaum et al. Towards sustainable production: a methodology to assess influences between life cycle phases in tool manufacturing
CN113868860A (zh) 一种基于工艺知识的零件自适应成本估算方法
CN110531702B (zh) 一种机床服役周期能效潜力获取方法
CN104391479A (zh) 基于主轴功率监控的机床工作状态的自动统计方法及系统
CN111948977B (zh) 一种用于不锈钢加工的多目标优化方法和系统
CN117391514A (zh) 一种立轴磨床的加工质量管理方法及系统

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
GR01 Patent grant
GR01 Patent grant