CN110837248B - 机床健康度测评方法、系统、综合系统及数控机床 - Google Patents
机床健康度测评方法、系统、综合系统及数控机床 Download PDFInfo
- Publication number
- CN110837248B CN110837248B CN201810942652.5A CN201810942652A CN110837248B CN 110837248 B CN110837248 B CN 110837248B CN 201810942652 A CN201810942652 A CN 201810942652A CN 110837248 B CN110837248 B CN 110837248B
- Authority
- CN
- China
- Prior art keywords
- machine tool
- characteristic
- data
- value
- score
- 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
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
-
- 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
- G05B2219/37434—Measuring vibration of machine or workpiece or tool
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
本发明提供一种机床健康度测评方法、系统、综合系统及数控机床,应用于数控机床,包括以下步骤:设置数控机床的运动范围,并采集机床数据;根据预设的指标标准值和所述机床数据计算机床健康度测评值。本发明的机床健康度测评方法、系统、综合系统及数控机床基于数控机床自身的传感器实时采集的机床数据对机床健康度进行测评,准确度高,反馈速度快。
Description
技术领域
本发明涉及数据处理的技术领域,特别是涉及一种机床健康度测评方法、系统、综合系统及数控机床。
背景技术
机床(machine tool)是指制造机器的机器,亦称工作母机或工具机,习惯上简称机床。一般分为金属切削机床、锻压机床和木工机床等。机床的种类非常多,例如:通用机床有:车床,刨床,铣床,冲床,磨床,电火花成型机床,线切割机床,钻床,镗床,滚齿机,旋铆机,折弯机等;专用机床有:专门做螺纹的搓丝机,镦锻机,专门磨曲轴的曲轴磨等。
数控机床是数字控制机床(Computer numerical control machine tools)的简称,是一种装有程序控制系统的自动化机床。数控机床是一种应用较为广泛的金属加工设备,主要用于回转件的加工,常见的是加工盘类零件和轴类零件。
在现代制造业的发展过程中,数控机床一直扮演着重要的角色,它已经成为制造业的关键设备,广泛应用于航天航空、汽车制造、机械加工等各个领域。但是在长时间运行、高负载、高速运动的情况下,机床的整体性能难免会发生退化,从而引发了各种故障。各种故障带来了严重的经济损失,这就影响了制造业的发展。因此,数控机床的性能检测就显得尤为重要。所谓性能检测就是对机床进行不定期的检测,对获取到的参数信号进行分析,根据这些分析判断机床当前的状态以及做出相应的预测,从而及时地对机床做出相应的调整。
具体地,机床的健康度指的是机床整体运行的良好程度,是对机床的运行状态的综合评价。通过这种评价可以判定机床处于哪种状态,从而采取相应的维护措施,以有效地提高机床运行的效率,减少故障发生的频率,延长机床的寿命。因此,性能可以看作是故障预警的一种方法,通过对性能数值的评估,可以预测机床未来发生故障的一种概率。
机械设备的状态应该与其在现行使用环境下保持其特定性能的能力相对应。机械设备的状态对应着机床的性能,而性能测试就是测试机械现行使用环境下保持特定性能的能力。因此机床的性能测试结果和机床性能是相对应的。
传统机床性能测试或故障检测方法是通过在关键位置加装传感器的方法,例如振动传感器、电流传感器、温度传感器等,然后根据这些传感器采集的信号分析机床的状态。传统的方法有:多元回归分析、人工神经网络、支持向量机、模糊理论等。其中多元回归分析是把通过线性方程来描述机床的特征量和机床的状态量之间的关系;人工神经网络是通过模拟神经系统来进行信息处理,根据输入和输出之间的关系以及大量的样本训练调整神经元的参数;支持向量机主要是构造机床各种状态之间的划分平面,从而形成整个模型;模糊理论主要是通过经验知识和专家诊断形成一种诊断模型。
然而,传统机床性能测试或故障检测方法具有以下不足:
(1)目前采集的数据主要来自于机床外加的传感器,一方面来自传感器采集的信号噪音比较严重,需要滤波,在滤波过程中,特征数据有可能被滤除,这样信号的准确性就会下降;另一方面外在的传感器主要是加在机头以及主轴上,在这两个部位增加传感器成本比较高。
(2)现有的机床体检方法主要是用户把信号数据传给机床的制造方,再由制造方来分析数据并给出相应的建议。这中间就存在一个时间差问题,往往要过一两天用户才能得到反馈的建议,这种体检的效率就比较低。
(3)现有的机床体检方法主要是状态检测。根据机床本次体检采集的数据分析机床现在的状态,并没有考虑机床性能的变化趋势,而变化趋势才能更加准确的反映出机床部件的劣化趋势,对故障进行预警。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于机床数据的机床健康度测评方法、系统、综合系统及数控机床,基于数控机床自身的传感器实时采集的机床数据对机床健康度进行测评,准确度高,反馈速度快。
为实现上述目的及其他相关目的,本发明提供一种基于机床数据的机床健康度测评方法,应用于数控机床,包括以下步骤:设置数控机床的运动范围,并采集机床数据;根据预设的指标标准值和所述机床数据计算机床健康度测评值。
于本发明一实施例中,所述指标标准值至少包括:主轴激励特性标准值、动态精度特性标准值、阻尼特性标准值、响应特性标准值和波动特性标准值。
于本发明一实施例中,述健康度测评值包括机床的特性分值和机床健康度分值;
根据所述指标标准值和所述机床数据计算机床健康度测评值包括以下步骤:
基于所述指标标准值和所述机床数据计算机床的各个进给轴的特性分值,所述特性至少包括:主轴激励特性、动态精度特性、阻尼特性、响应特性和波动特性;
对于每个特性,将各个进给轴的特性分值采用加权平均算法来计算所述机床的特性分值;
根据所述机床的特性分值,采用计算机床健康度分值,其中k1、k2、k3、k4、k5分别表示所述机床的主轴激励特性分值、动态精度特性分值、阻尼特性分值、响应特性分值和波动特性分值,μ1、μ2、μ3、μ4、μ5分别表示主轴激励特性分值、动态精度特性分值、阻尼特性分值、响应特性分值和波动特性分值的权重。
于本发明一实施例中,所述主轴激励特性标准值为基准状态下在主轴等间隔加速运动时各进给轴电机反馈速度波动数据的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的主轴激励特性分值包括以下步骤:
对于机床某进给轴的主轴激励特性分值,基于采集到的所述进给轴在各个转速下的平均速度波动值,计算各个转速下的平均速度波动值的平均值,作为所述进给轴的主轴激励特性分值;某一转速下的所述平均速度波动值为所述进给轴在所述转速下的速度采样值的绝对值的均值。
于本发明一实施例中,所述动态精度特性标准值为基准状态下进给轴运行特定轨迹的最大轮廓误差数据的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的动态精度特性分值包括以下步骤:
对于机床某进给轴的动态精度特性分值,将采集到的机床在所述进给轴参与的圆弧运动中所述进给轴在换向位置区域的最大轮廓误差,作为所述进给轴的动态精度特性分值。
于本发明一实施例中,所述阻尼特性标准值为基准状态下各进给轴匀速运动时电机的力矩电流数据的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的阻尼特性分值包括以下步骤:
对于机床某进给轴的阻尼特性分值,基于采集到的机床在所述进给轴往复运动时产生的正向力矩电流数据和负向力矩电流数据,计算所述正向力矩电流数据的均值的绝对值和所述负向力矩电流数据的均值的绝对值的平均值,作为所述进给轴的阻尼特性分值。
于本发明一实施例中,所述响应特性标准值为基准状态下的阶跃响应相关指标的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的响应特性分值包括以下步骤:
对于机床某进给轴的响应特性分值,使机床的所述进给轴在其行程区间内3个位置做两组短距离往复加减速运动,计算当其速度到达指定速度后预设时长内反馈速度数据经由功率谱运算后得到的重心频率和平均能量幅值,并根据得到所述进给轴的响应特性分值,其中f表示功率谱频率,fci表示重心频率,avi表示平均能量幅值;[Api1...Apik...ApiLen]表示经过功率谱运算后的能量幅值数组,[fpi1...fpik...fpiLen]表示对应的频率数组,Len表示数组长度,i表示运动次数。
于本发明一实施例中,所述波动特性标准值为基准状态下的电机的速度波动数据的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的波动特性分值包括以下步骤:
对于机床某进给轴的波动特性分值,基于采集到的机床的所述进给轴匀速运行的反馈速度数据按照时间序列分为若干个区间;计算每个区间对应的区间指标分值,所述区间指标分值为在当前区间内反馈速度数据的最大值与最小值的差值;计算所述进给轴的波动特性数值,所述波动特性数值为所有区间的区间指标分值的平均值,作为所述波动特性分值。
于本发明一实施例中,还包括:存储所述机床健康度测评值和所述机床数据;
以及,还包括:基于用户查询请求,提供所述数控机床的历史机床健康度测评值、所述机床数据和/或所述数控机床的运动范围。
于本发明一实施例中,所述机床数据通过所述数控机床执行部件上内置的传感器所采集。
于本发明一实施例中,所述机床数据在所述数控机床运行标准循坏模块过程中采集;
所述标准循坏模块至少包括:主轴激励测试子程序、圆弧测试子程序、匀速运动电流测试子程序、单轴加速测试子程序和进给轴匀速波动测试子程序;
采集所述机床数据至少包括:
在主轴激励测试过程中,采集主轴等间隔加速运动时各进给轴电机反馈速度波动数据;
在圆弧测试过程中,采集进给轴两轴联动做圆弧运动时进给轴最大误差;
在匀速运动电流测试过程中,采集各进给轴匀速运动时电机的力矩电流数据;
在单轴加速测试过程中,采集各进给轴阶跃响应测试时电机的速度反馈数据;
以及在进给轴匀速波动测试过程中,采集各进给轴匀速运动时电机的速度波动数据。
对应地,本发明提供一种机床健康度测评系统,应用于数控机床,包括设置采集模块和计算模块;
所述设置采集模块用于设置数控机床的运动范围,并采集机床数据;
所述计算模块用于根据预设的指标标准值和所述机床数据计算机床健康度测评值。
本发明提供一种数控机床,包括:处理器和存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述数控机床执行上述的机床健康度测评方法。
最后,本发明提供一种机床健康度测评综合系统,包括至少一台上述的数控机床和服务器;
所述服务器用于接收所述数控机床发送来的健康度测评值,并根据所述健康度测评值分析所述数控机床的健康状况。
于本发明一实施例中,对于同一数控机床的多个健康度测评值,所述服务器用于分析机床性能的变化趋势;对于多个数控机床的健康度测评值,所述服务器用于分析数控机床的相对性能。
于本发明一实施例中,所述服务器还用于接收所述数控机床发送来的机床数据,并根据所述机床数据生成指标标准值。
于本发明一实施例中,所述数控机床包括:
标准循环模块,用于控制机床执行部件执行机床的特性对应的操作;
机床执行部件,用于执行机床的特性对应的操作,并通过内置的传感器采集所述机床数据;
数据采集模块,与所述机床执行部件相连,用于采集所述机床数据;
本地分析模块,与所述数据采集模块相连,用于计算健康度测评值;
本地存储模块,与所述数据采集模块相连,用于本地存储所述机床数据和所述健康度测评值;
接口模块,与所述本地存储模块相连,用于将所述机床数据和所述健康度测评值发送至所述服务器;
本地交互模块,与所述本地存储模块相连,用于与用户实现交互;
所述服务器包括:
机床接口模块,用于接收所述数控机床发送来的机床数据和健康度测评值;
存储模块,与所述机床接口模块相连,用于存储所述机床数据和所述健康度测评值;
分析模块,与所述机床接口模块相连,用于分析所述数控机床的健康状况;
交互模块,与所述存储模块相连,用于基于用户的查询请求,提供历史机床健康度测评值和机床数据。
如上所述,本发明的基于机床数据的机床健康度测评方法、系统、综合系统、数控机床,具有以下有益效果:
(1)基于数控机床自身的传感器实时采集的机床数据对机床性能进行测评,准确度高,避免了信号噪音;
(2)能够实时查询机床的历史健康度指标,进而分析健康度指标变化趋势,且支持跨终端查询;
(3)采用主轴激励特性、动态精度特性、阻尼特性、响应特性和波动特性作为性能指标,能够全方位获取机床的性能;
(4)通过本地服务器收集大量机床的运行数据,通过对这些大样本数据实时分析,形成健康度评价指标标准值,进而保证了机床健康度的精准计算。
附图说明
图1显示为本发明的机床健康度测评综合系统于一实施例中的结构示意图;
图2显示为本发明的机床健康度测评方法于一实施例中的流程图;
图3显示为本发明的机床健康度测评方法中计算机床健康度测评值于一实施例中的流程图;
图4显示为计算动态精度特性分值时计算轮廓误差于一实施例中的示意图;
图5显示为本发明的基于机床数据的机床健康度测评系统于一实施例中的结构示意图;
图6显示为本发明的数控机床于一实施例中的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本发明的机床健康度测评方法、系统、综合系统、数控机床在数控机床上基于数控机床自身的传感器实时采集的机床数据对机床健康度进行测评,准确度高,反馈速度快,为数控机床的正常使用提供数据支持。
如图1所示,于一实施例中,本发明的基于机床数据的机床健康度测评综合系统包括数控机床端和服务器端两部分。其中,数控机床端可以包括一台或多台数控机床。其中数控机床1、数控机床2以及更多的数控机床n都连接到服务器V上。其中,所述多台数控机床可以是不同制造方生产的不同型号的机床。
每个数控机床包括数控系统A和机床执行部件B两大部分。其中数控系统A中有标准循环模块C、数据采集模块D、接口模块M、本地存储模块E、本地分析模块X和本地交互模块U。其中,标准循环模块C用于控制机床执行部件执行机床的特性对应的操作。具体地,标准循环模块C包括预先设定的数控机床执行模块,优选地包括主轴激励测试子程序、圆弧测试子程序、匀速运动电流测试子程序、单轴加速测试子程序和进给轴匀速波动测试子程序,以实现机床性能特性的测评。机床执行部件B用于执行机床的特性对应的操作,并通过内置的传感器采集所述机床数据。一般而言,机床执行部件B上内置有若干传感器,如马达编码器,马达电流传感器等,这类传感器能够直接或间接地反应机床运动情况。根据不同的部件,采集的数据类型不同,可以包括:速度、电流、功率、温度等信息。数据采集模块D与所述机床执行部件B相连,用于采集所述机床数据。本地分析模块X与所述数据采集模块D相连,用于根据预设算法计算健康度测评值。本地存储模块E与所述数据采集模块D相连,用于本地临时存储所述机床数据和所述健康度测评值。接口模块M与所述本地存储模块E相连,用于将所述机床数据和所述健康度测评值发送至所述服务器V,并且可以获取服务器V发起的部分指令。本地交互模块U与所述本地存储模块E相连,用于与用户实现交互,如显示健康度测试值,显示健康度测试历史结果,以及机床运动范围设置等。需要说明的是,在其他实施例中,也可以不在机床执行部件B中内置传感器,而是由外置在机头或主轴上的传感器来采集数据。
服务器V包括机床接口模块S、存储模块B、分析模块F和交互模块I。机床接口模块S接收所述数控机床发送来的机床数据和健康度测评值,并且可以根据需要向数控机床发送必要的指令。存储模块B与所述机床接口模块S相连,用于存储所述机床数据和所述健康度测评值。分析模块F与所述机床接口模块S相连,用于分析所述数控机床的健康状况,如机床的健康度变化趋势,机床间的相对健康度分析。具体地,对于同一数控机床的多个健康度测评值,所述服务器分析机床性能的变化趋势;对于多个数控机床的健康度测评值,所述服务器分析数控机床的相对性能。交互模块I与所述存储模块B相连,用于基于用户的查询请求,提供历史机床健康度测评值和机床数据,实现机床相关数据的跨终端查询。
具体地,所述数控机床用于执行机床的特性对应的操作,实时采集机床数据并基于预设算法计算机床的健康度测评值,从而能够第一时间反馈机床的性能状况,随时查询历史性能测评值。优选地,所述机床的特性至少包括主轴激励特性、动态精度特性、阻尼特性、响应特性和波动特性。于本发明一实施例中,所述数控机床通过设置在机床执行部件上的传感器来采集机床数据,从而无需额外再设置传感器,有效降低了测评成本,且避免了信号噪声的干扰,保证了测评准确度。
下面进一步阐述本发明的基于机床数据的机床健康度测评方法。如图2所示,于一实施例中,本发明的基于机床数据的机床健康度测评方法应用于数控机床上,具体包括以下步骤:
步骤S1、设置数控机床的运动范围,并采集机床数据。
数控机床的健康度测评前,需对其运动范围进行设置。具体地,根据数控机床各轴的实际情况,如是否有工装夹具或其他辅助设备干涉等,或测试需要,对各轴的测试范围进行设置。
当设置完成之后,数控机床执行机床特性对应的操作,并通过传感器采集对应的机床数据。优选地,在本发明中无需额外增设传感器,只需通过设数据机床自带的、设置在数控机床执行部件上的传感器来采集机床数据即可。其中,所述机床数据包括主轴的转速,进给轴的转速、电流、位置等数据。
于本发明一实施例中,机床数据在所述数控机床运行标准循坏模块过程中采集;所述标准循坏模块至少包括:主轴激励测试子程序、圆弧测试子程序、匀速运动电流测试子程序、单轴加速测试子程序和进给轴匀速波动测试子程序。
采集所述机床数据至少包括:
在主轴激励测试过程中,采集主轴等间隔加速运动时各进给轴电机反馈速度波动数据;
在圆弧测试过程中,采集进给轴两轴联动做圆弧运动时进给轴最大误差;
在匀速运动电流测试过程中,采集各进给轴匀速运动时电机的力矩电流数据;
在单轴加速测试过程中,采集各进给轴阶跃响应测试时电机的速度反馈数据;
以及在进给轴匀速波动测试过程中,采集各进给轴匀速运动时电机的速度波动数据。
于一实施例中,采集机床数据包括以下步骤:
a)所述数控机床执行机床的特性对应的操作。
具体地,数控机床基于标准循环模块C执行机床的特性对应的操作。
b)所述数控机床在所述操作执行期间采集传感器获取的机床数据。
具体地,在循环标准模块C执行期间,通过数控机床通过数据采集模块D采集机床执行部件上内置的传感器采集的机床数据。
c)本地存储所述机床数据。
具体地,将所述机床数据存储至本地存储模块E中。
d)将所述机床数据传送至服务器。
具体地,在标准循环模块C执行完毕后,根据网络状况,通过接口模块M将本地数据存储E中的所述机床数据上传到服务器V上。
步骤S2、根据预设的指标标准值和所述机床数据计算机床健康度测评值。
具体地,在进行机床健康度测评时,针对数控机床的主轴激励特性、动态精度特性、阻尼特性、响应特性和波动特性等指标对数控机床进行性能评价。
对于上述指标,所述数控机床上预先存储有指标标准值。在本发明中,指标标准值是机床经过出厂检验后或在到达客户处完成安装调试达到可交付状态时的指标数值。不同特性所对应的数值不同。其中,服务器收集大量机床的运行数据,通过对这些大样本数据实时分析,来获取性能评价的指标标准值。数控机床健康度测评指标的测试说明如表1所示。
表1、数控机床健康度测评指标的测试说明
在本发明中,所述数控机床根据指标标准值和所述机床数据来计算机床健康度测评值,从而能够更加准确的反映出机床部件的劣化趋势,使得机床健康度测评的准确度极大地提高。
于本发明一实施例中,所述指标标准值至少包括:主轴激励特性标准值、动态精度特性标准值、阻尼特性标准值、响应特性标准值和波动特性标准值;所述主轴激励特性标准值为基准状态下在主轴等间隔加速运动时各进给轴电机反馈速度波动数据的平均值;所述动态精度特性标准值为基准状态下进给轴运行特定轨迹(如圆轨迹)的最大轮廓误差数据的平均值;所述阻尼特性标准值为基准状态下各进给轴匀速运动时电机的力矩电流数据的平均值;所述响应特性标准值为基准状态下的阶跃响应相关指标的平均值;所述波动特性标准值为基准状态下的电机的速度波动数据的平均值。优选地,所述基准状态是指机床经过出场检验或在客户处完成安装调试达到可交付状态。具体地,各个指标标准值的标准值说明如表2所示。
表2、机床健康度测评指标标准值标定说明
于本发明一实施例中,所述性能测评值包括机床性能指标分值和机床性能分值,从而既可详细了解数控机床各个指标的实时性能,又可以从整体上了解数控机床的性能状态。具体地,如图3所示,根据指标标准值和所述机床数据计算机床健康度测评值包括以下步骤:
步骤S31、基于所述指标标准值和所述机床数据计算机床的各个进给轴的特性分值,所述特性至少包括:主轴激励特性、动态精度特性、阻尼特性、响应特性和波动特性。
于本发明一实施例中,通过以下步骤计算机床某轴的主轴激励特性分值:基于所采集的所述进给轴在各个转速下的平均速度波动值,计算各个转速下的平均速度波动值的平均值,作为所述进给轴的主轴激励特性分值;某一转速下的所述平均速度波动值为所述进给轴在所述转速下的速度采样值的绝对值的均值。
具体地,采集在主轴等间隔加速运动时各进给轴电机反馈速度波动数据。在测试中根据机床主轴最大转速及设置的转速间隔确定主轴的转速范围,如某主轴最大转速为10000转/分,设置转速间隔为2000转/分,则主轴将在测试过程中以0、2000、4000、6000、8000、10000转/分转动,转动时间持续2s。在测试过程中机床进给轴静止,因此此时进给轴的速度反馈即为速度波动值。设在测试中有n个主轴转速范围,以X轴为例,在测试过程中对应各主轴转速为Sj时的速度波动为VBSxi,这里i∈(1,N),N为在转速Sj下的采样时间;则X轴在转速Sj时的平均速度波动值VMSjX=mean(abs([VBSX1...VBSXi...VBSXN])),其中mean()为求平均值,abs()为求绝对值。使用上述方法可以得到X轴在转速Sj时的平均速度波动值VMSjX。使用相同方法则可得到测试中所使用的所有转速下的X轴平均速度波动值。将这些波动值再求平均值,则可得出X轴的主轴激励特性计算值,即VMX=mean([VMS1X...VMSjX...VMSnum])其中num为测试的主轴转速数量。之后即可使用VMX与机床经过出场检验后或在到达客户处完成安装调试达到可交付状态时测得的X轴主轴激励指标标准值VMXS,得到X轴的主轴激励特性分值。
于本发明一实施例中,通过以下步骤计算机床某进给轴的动态精度特性分值:将采集的机床在所述进给轴参与的圆弧运动中所述轴在换向位置区域的最大轮廓误差,作为所述进给轴的动态精度特性分值。
具体地,计算动态精度特性分值时,采集的数据为标准循环模块中轴联动运行圆轨迹时的数据,计算时读入反馈位置信息。根据反馈位置信息计算在整个圆上的轮廓误差。由于可以从标准循环模块中直接获取圆轨迹的理论半径和圆心。因此可以直接使用反馈数据计算与理论轨迹的轮廓误差。
以xy轴联动为例介绍求取轮廓误差的方法,如图4中反馈位置点(Xi,Yi)的轮廓误差△s的计算方法为:其中,Rc为理论半径值,(X0,Y0)为理论圆心坐标。在动态精度测试中,主要关心的是轴换向时的最大轮廓误差,以图4中的X轴为例,关心的是P1点与P2点附近区域1与区域2中的最大轮廓误差,只要按公式计算区域1与区域2中的最大误差值即可。区域1与区域2范围的选取可以按采样点选取,如选在P1和P2点左右各取100个采样点构成区域1和区域2。其中,所述P1点和所述P2点为所述圆与X轴的交点。即在所述交点两侧采样若干个点,基于所述采样点计算所述最大轮廓误差。按上述方法计算获得区域1与区域2中的最大轮廓误差值作为该轴的动态精度特性分值。以X轴为例,记为DEX。之后即可使用DEX与机床经过出场检验后或在到达客户处完成安装调试达到可交付状态时测得的X轴动态精度特性DEXS,得到X轴的动态精度特性分值。
于本发明一实施例中,通过以下步骤计算机床某进给轴的阻尼特性分值:基于采集的机床在所述进给轴往复运动时产生的正向力矩电流数据和负向力矩电流数据,计算所述正向力矩电流数据的均值的绝对值和所述负向力矩电流数据的均值的绝对值的平均值,作为所述进给轴的阻尼特性分值。
具体地,在计算阻尼特性分值时,采集的数据为标准循环模块中进给轴匀速往复运动时的数据,计算时读入力矩电流数值。在标准循环模块中,进给轴的往复运动会产生两个方向的电流数据段,即轴正向运行时的数据段和负向运行时的数据段,以x轴为例,记作Cxa和Cxb,两段数据中包含着运动过程中每个采样周期的力矩电流数值。在两段中分别求取均值,获得正负两方向运行的电流均值,如正向力矩电流均值CAxa=mean(Cxa),负向力矩电流均值CAxb=mean(Cxb)。将二者绝对值取平均则得到阻尼特性分值DUX=(abs(CAxa)+abs(CAxb))/2。之后即可使用DUX与机床经过出场检验后或在到达客户处完成安装调试达到可交付状态时测得的X轴阻尼特性DUXS,得到X轴的阻尼特性分值。
于本发明一实施例中,通过以下步骤计算机床某轴的响应特性分值:
a)使机床的所述轴在其行程区间内三个位置(通常为中心和左右两端)做两组短距离(如10mm)往复加减速运动,计算当其速度到达指定速度后预设时长内(如256ms)反馈速度数据经由功率谱运算后得到的重心频率和平均能量幅值。
b)根据得到所述轴的响应特性分值,其中f表示功率谱频率,优选地,f取500Hz。fci表示重心频率,avi表示平均能量幅值; [Api1...Apik...ApiLen]表示经过功率谱运算后的能量幅值数组,[fpi1...fpik...fpiLen]表示对应的频率数组,Len表示数组长度,i表示运动次数。
以X轴为例,求取当其速度到达指定速度后一段时间内(如256ms)反馈速度数据经由功率谱运算后得到的功率谱中的重心频率fxci和平均能量幅值axvi。
设经过功率谱运算后的幅值结果数组为[ApX1...ApXk...ApXLen],对应的频率数组为[fpX1...fpXk...fpXLen],其中Len为数组的长度。则重心频率fXc计算方法为(以某一次计算为例,公式中省去了标识次数的下标):平均能量幅值aXvi计算方法为在求取fxci重心频率和平均能量幅值axvi后,X轴的响应特性分值DRX按如下公式计算:之后即可使用DRX与机床经过出场检验后或在到达客户处完成安装调试达到可交付状态时测得的X轴响应特性DRXS,得到X轴的响应特性分值。
于本发明一实施例中,通过以下步骤计算机床某进给轴的波动特性分值:
a)将所述机床该进给轴匀速运行的反馈速度数据按照时间序列分为若干个区间,如10个区间;
b)计算每个区间对应的区间指标分值Vi,所述区间指标分值为在当前区间内数据的最大值与最小值的差值,Vi=max(veli)-min(veli);
c)计算该进给轴的波动特性数值,波动特性数值为所有区间的区间指标分值的平均值,即V=mean(V1,V2...Vi...Vn);
d)计算所述平均值与当前指标标准值的比值,并根据所述比值按照预设算法计算当前指标的分值。
直观地使用5分制表示性能结果,本发明使用指标knq(其中n为指标编号,这里定义波主轴激励编号为1,阻尼特性编号为2,动态精度编号为3,响应特性编号为4,动特性波动为5;q代表轴编号,如x轴,y轴,z轴等)对性能结果进行表示。各指标的计算方法相似,应用于不同的指标时,只需将下文中使用的input_args值按照各指标进行修改即可。其中input_args为计算得到的特性数值与对应指标标准值的比值。以某台机床X轴的波动特性k5x计算为例,给出k5x的计算方法。k5x的计算方法为将该机床对应轴计算出的V值与指标标准值VS相除,并将相除后的结果按一定算法转换成k5x。经计算后k5x是1~5之间的数值,数值越大说明性能越好。
于本发明一实施例中,所述预设算法如下:
其中:input_args=V/VS index_1=0.5;index_2=0.8;index_3=1;index_4=2;index_5=3
需要说明的是,y轴和z轴的波动特征的分值的计算方法同上。同时,一台机床往往包括多个轴,因此最终的k5可以是所有轴(k5x,k5y,k5z…)的平均值或加权平均值。
步骤S32、对于每个特性,将各个进给轴的特性分值采用加权平均算法来计算所述机床的特性分值。
具体地,对于主轴激励特性、动态精度特性、阻尼特性、响应特性和波动特性中的每个特征,机床的特性分值为各个进给轴的特性分值的加权平均值。以具有XYZ三轴机床的主轴激励特性分值km1为例,其中wx,wy,wz为加权系数,kx1、ky1,kz1为XYZ轴的主轴激励特性分值。
步骤S33、根据所述机床的特性分值,采用计算机床健康度分值,其中k1、k2、k3、k4、k5分别表示所述机床的主轴激励特性分值、动态精度特性分值、阻尼特性分值、响应特性分值和波动特性分值,μ1、μ2、μ3、μ4、μ5分别表示主轴激励特性分值、动态精度特性分值、阻尼特性分值、响应特性分值和波动特性分值的权重。
其中,权重可以根据机床类型来确定。优选地,各个权重也可以都设置为1。
于本发明一实施例中,本发明的机床健康度测评方法:本地存储所述机床健康度测评值和所述机床数据;以及,还包括:基于用户查询请求,提供所述数控机床的历史机床健康度测评值、所述机床数据和/或所述数控机床的运动范围。具体地,所采集的机床数据和计算得到的机床健康度测评值均存储在本地服务器上。用户可以通过一定的查询接口查询数控机床的历史机床健康度测评值和机床数据,从而了解机床的历史性能信息,并在有需求重新进行测评时,启动机床健康度测评,以满足用户不同的需求。
如图5所示,于一实施例中,本发明的机床健康度测评系统应用于数控机床上,包括设置采集模块51和计算模块52。
所述设置采集模块51用于设置数控机床的运动范围,并采集机床数据。
所述计算模块52与所述设置采集模块51相连,用于根据预设的指标标准值和所述机床数据计算机床健康度测评值。
需要说明的是,设置采集模块51和计算模块52的结构和原理与前述的机床健康度测评方法的步骤一一对应,故在此不再赘述。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,x模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC),或,一个或多个微处理器(Digital Singnal Processor,简称DSP),或,一个或者多个现场可编程门阵列(FieldProgrammableGateArray,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessingUnit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
如图6所示,于一实施例中,本发明的服务器包括:处理器61和存储器62。
所述存储器62用于存储计算机程序。
所述存储器62包括:ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
所述处理器61与所述存储器62相连,用于执行所述存储器62存储的计算机程序,以使所述本地服务器执行上述的基于机床数据的机床健康度测评方法。
优选地,所述处理器61可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DigitalSignalProcessor,简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC)、现场可编程门阵列(FieldProgrammableGateArray,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
综上所述,本发明的基于机床数据的机床健康度测评方法、系统、综合系统及数控机床基于数控机床自身的传感器实时采集的机床数据对机床性能进行测评,准确度高,避免了信号噪音;能够实时查询机床的历史健康度指标,进而分析健康度指标变化趋势,且支持跨终端查询;采用主轴激励特性、动态精度特性、阻尼特性、响应特性和波动特性作为性能指标,能够全方位获取机床的性能;通过本地服务器收集大量机床的运行数据,通过对这些大样本数据实时分析,形成健康度评价指标标准值,进而保证了机床健康度的精准计算。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (11)
1.一种机床健康度测评方法,应用于数控机床,其特征在于:包括以下步骤:
设置数控机床的运动范围,并采集机床数据;
根据预设的指标标准值和所述机床数据计算机床健康度测评值;
所述健康度测评值包括机床的特性分值和机床健康度分值;
根据所述指标标准值和所述机床数据计算机床健康度测评值包括以下步骤:
基于所述指标标准值和所述机床数据计算机床的各个进给轴的特性分值,所述特性至少包括:主轴激励特性、动态精度特性、阻尼特性、响应特性和波动特性;
对于每个特性,将各个进给轴的特性分值采用加权平均算法来计算所述机床的特性分值;
根据所述机床的特性分值,计算机床健康度分值,其中k1、k2、k3、k4、k5分别表示所述机床的主轴激励特性分值、动态精度特性分值、阻尼特性分值、响应特性分值和波动特性分值,μ1、μ2、μ3、μ4、μ5分别表示主轴激励特性分值、动态精度特性分值、阻尼特性分值、响应特性分值和波动特性分值的权重;
所述主轴激励特性标准值为基准状态下在主轴等间隔加速运动时各进给轴电机反馈速度波动数据的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的主轴激励特性分值包括以下步骤:
对于机床某进给轴的主轴激励特性分值,基于采集到的所述进给轴在各个转速下的平均速度波动值,计算各个转速下的平均速度波动值的平均值,作为所述进给轴的主轴激励特性分值;某一转速下的所述平均速度波动值为所述进给轴在所述转速下的速度采样值的绝对值的均值;
所述动态精度特性标准值为基准状态下进给轴运行特定轨迹的最大轮廓误差数据的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的动态精度特性分值包括以下步骤:
对于机床某进给轴的动态精度特性分值,将采集到的机床在所述进给轴参与的圆弧运动中所述进给轴在换向位置区域的最大轮廓误差,作为所述进给轴的动态精度特性分值;
所述阻尼特性标准值为基准状态下各进给轴匀速运动时电机的力矩电流数据的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的阻尼特性分值包括以下步骤:
对于机床某进给轴的阻尼特性分值,基于采集到的机床在所述进给轴往复运动时产生的正向力矩电流数据和负向力矩电流数据,计算所述正向力矩电流数据的均值的绝对值和所述负向力矩电流数据的均值的绝对值的平均值,作为所述进给轴的阻尼特性分值;
所述响应特性标准值为基准状态下的阶跃响应相关指标的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的响应特性分值包括以下步骤:
对于机床某进给轴的响应特性分值,使机床的所述进给轴在其行程区间内3个位置做两组短距离往复加减速运动,计算当其速度到达指定速度后预设时长内反馈速度数据经由功率谱运算后得到的重心频率和平均能量幅值,并根据得到所述进给轴的响应特性分值,其中f表示功率谱频率,fci表示重心频率,avi表示平均能量幅值;[Api1...Apik...ApiLen]表示经过功率谱运算后的能量幅值数组,[fpi1...fpik...fpiLen]表示对应的频率数组,Len表示数组长度,i表示运动次数;
所述波动特性标准值为基准状态下的电机的速度波动数据的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的波动特性分值包括以下步骤:
对于机床某进给轴的波动特性分值,基于采集到的机床的所述进给轴匀速运行的反馈速度数据按照时间序列分为若干个区间;计算每个区间对应的区间指标分值,所述区间指标分值为在当前区间内反馈速度数据的最大值与最小值的差值;计算所述进给轴的波动特性数值,所述波动特性数值为所有区间的区间指标分值的平均值,作为所述波动特性分值。
2.根据权利要求1所述的机床健康度测评方法,其特征在于:所述指标标准值至少包括:主轴激励特性标准值、动态精度特性标准值、阻尼特性标准值、响应特性标准值和波动特性标准值。
3.根据权利要求1所述的机床健康度测评方法,其特征在于:
还包括:存储所述机床健康度测评值和所述机床数据;
以及,还包括:基于用户查询请求,提供所述数控机床的历史机床健康度测评值、所述机床数据和/或所述数控机床的运动范围。
4.根据权利要求1所述的机床健康度测评方法,其特征在于:所述机床数据通过所述数控机床执行部件上内置的传感器所采集。
5.根据权利要求1所述的机床健康度测评方法,其特征在于:所述机床数据在所述数控机床运行标准循坏模块过程中采集;
所述标准循坏模块至少包括:主轴激励测试子程序、圆弧测试子程序、匀速运动电流测试子程序、单轴加速测试子程序和进给轴匀速波动测试子程序;
采集所述机床数据至少包括:
在主轴激励测试过程中,采集主轴等间隔加速运动时各进给轴电机反馈速度波动数据;
在圆弧测试过程中,采集进给轴两轴联动做圆弧运动时进给轴最大误差;
在匀速运动电流测试过程中,采集各进给轴匀速运动时电机的力矩电流数据;
在单轴加速测试过程中,采集各进给轴阶跃响应测试时电机的速度反馈数据;
以及在进给轴匀速波动测试过程中,采集各进给轴匀速运动时电机的速度波动数据。
6.一种机床健康度测评系统,应用于数控机床,其特征在于:包括设置采集模块和计算模块;
所述设置采集模块用于设置数控机床的运动范围,并采集机床数据;
所述计算模块用于根据预设的指标标准值和所述机床数据计算机床健康度测评值;
所述健康度测评值包括机床的特性分值和机床健康度分值;
根据所述指标标准值和所述机床数据计算机床健康度测评值包括以下步骤:
基于所述指标标准值和所述机床数据计算机床的各个进给轴的特性分值,所述特性至少包括:主轴激励特性、动态精度特性、阻尼特性、响应特性和波动特性;
对于每个特性,将各个进给轴的特性分值采用加权平均算法来计算所述机床的特性分值;
根据所述机床的特性分值,计算机床健康度分值,其中k1、k2、k3、k4、k5分别表示所述机床的主轴激励特性分值、动态精度特性分值、阻尼特性分值、响应特性分值和波动特性分值,μ1、μ2、μ3、μ4、μ5分别表示主轴激励特性分值、动态精度特性分值、阻尼特性分值、响应特性分值和波动特性分值的权重;
所述主轴激励特性标准值为基准状态下在主轴等间隔加速运动时各进给轴电机反馈速度波动数据的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的主轴激励特性分值包括以下步骤:
对于机床某进给轴的主轴激励特性分值,基于采集到的所述进给轴在各个转速下的平均速度波动值,计算各个转速下的平均速度波动值的平均值,作为所述进给轴的主轴激励特性分值;某一转速下的所述平均速度波动值为所述进给轴在所述转速下的速度采样值的绝对值的均值;
所述动态精度特性标准值为基准状态下进给轴运行特定轨迹的最大轮廓误差数据的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的动态精度特性分值包括以下步骤:
对于机床某进给轴的动态精度特性分值,将采集到的机床在所述进给轴参与的圆弧运动中所述进给轴在换向位置区域的最大轮廓误差,作为所述进给轴的动态精度特性分值;
所述阻尼特性标准值为基准状态下各进给轴匀速运动时电机的力矩电流数据的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的阻尼特性分值包括以下步骤:
对于机床某进给轴的阻尼特性分值,基于采集到的机床在所述进给轴往复运动时产生的正向力矩电流数据和负向力矩电流数据,计算所述正向力矩电流数据的均值的绝对值和所述负向力矩电流数据的均值的绝对值的平均值,作为所述进给轴的阻尼特性分值;
所述响应特性标准值为基准状态下的阶跃响应相关指标的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的响应特性分值包括以下步骤:
对于机床某进给轴的响应特性分值,使机床的所述进给轴在其行程区间内3个位置做两组短距离往复加减速运动,计算当其速度到达指定速度后预设时长内反馈速度数据经由功率谱运算后得到的重心频率和平均能量幅值,并根据得到所述进给轴的响应特性分值,其中f表示功率谱频率,fci表示重心频率,avi表示平均能量幅值;[Api1...Apik...ApiLen]表示经过功率谱运算后的能量幅值数组,[fpi1...fpik...fpiLen]表示对应的频率数组,Len表示数组长度,i表示运动次数;
所述波动特性标准值为基准状态下的电机的速度波动数据的平均值;
基于所述指标标准值和所述机床数据计算机床的各个进给轴的波动特性分值包括以下步骤:
对于机床某进给轴的波动特性分值,基于采集到的机床的所述进给轴匀速运行的反馈速度数据按照时间序列分为若干个区间;计算每个区间对应的区间指标分值,所述区间指标分值为在当前区间内反馈速度数据的最大值与最小值的差值;计算所述进给轴的波动特性数值,所述波动特性数值为所有区间的区间指标分值的平均值,作为所述波动特性分值。
7.一种数控机床,其特征在于,包括:处理器和存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述数控机床执行权利要求1至5中任一项所述的机床健康度测评方法。
8.一种机床健康度测评综合系统,其特征在于:包括至少一台权利要求7所述的数控机床和服务器;
所述服务器用于接收所述数控机床发送来的健康度测评值,并根据所述健康度测评值分析所述数控机床的健康状况。
9.根据权利要求8所述的机床健康度测评综合系统,其特征在于:对于同一数控机床的多个健康度测评值,所述服务器用于分析机床性能的变化趋势;对于多个数控机床的健康度测评值,所述服务器用于分析数控机床的相对性能。
10.根据权利要求9所述的机床健康度测评综合系统,其特征在于:所述服务器还用于接收所述数控机床发送来的机床数据,并根据所述机床数据生成指标标准值。
11.根据权利要求10所述的机床健康度测评综合系统,其特征在于:
所述数控机床包括:
标准循环模块,用于控制机床执行部件执行机床的特性对应的操作;
机床执行部件,用于执行机床的特性对应的操作,并通过内置的传感器采集所述机床数据;
数据采集模块,与所述机床执行部件相连,用于采集所述机床数据;
本地分析模块,与所述数据采集模块相连,用于计算健康度测评值;
本地存储模块,与所述数据采集模块相连,用于本地存储所述机床数据和所述健康度测评值;
接口模块,与所述本地存储模块相连,用于将所述机床数据和所述健康度测评值发送至所述服务器;
本地交互模块,与所述本地存储模块相连,用于与用户实现交互;
所述服务器包括:
机床接口模块,用于接收所述数控机床发送来的机床数据和健康度测评值;
存储模块,与所述机床接口模块相连,用于存储所述机床数据和所述健康度测评值;
分析模块,与所述机床接口模块相连,用于分析所述数控机床的健康状况;
交互模块,与所述存储模块相连,用于基于用户的查询请求,提供历史机床健康度测评值和机床数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810942652.5A CN110837248B (zh) | 2018-08-17 | 2018-08-17 | 机床健康度测评方法、系统、综合系统及数控机床 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810942652.5A CN110837248B (zh) | 2018-08-17 | 2018-08-17 | 机床健康度测评方法、系统、综合系统及数控机床 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110837248A CN110837248A (zh) | 2020-02-25 |
CN110837248B true CN110837248B (zh) | 2023-02-21 |
Family
ID=69574389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810942652.5A Active CN110837248B (zh) | 2018-08-17 | 2018-08-17 | 机床健康度测评方法、系统、综合系统及数控机床 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110837248B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582752A (zh) * | 2020-05-12 | 2020-08-25 | 智能云科(沈阳)信息科技有限公司 | 机床设备的质量检测方法与装置、检测数据获取方法与装置 |
CN114063566B (zh) * | 2020-08-03 | 2024-04-12 | 沈机(上海)智能系统研发设计有限公司 | 数控机床的进给轴故障检测方法、系统、介质及数控机床 |
CN114611745A (zh) * | 2020-12-09 | 2022-06-10 | 斯凯孚公司 | 机床评估方法、机床评估系统及介质 |
CN114326594B (zh) * | 2021-12-30 | 2024-08-09 | 重庆米特科技有限公司 | 一种基于机床数据的机床性能测评的系统及其测评方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102540964A (zh) * | 2010-12-09 | 2012-07-04 | 中国科学院沈阳计算技术研究所有限公司 | 单电机驱动多轴的数控系统加工程序解释器实现方法 |
DE102014010314A1 (de) * | 2013-07-17 | 2015-01-22 | Fanuc Corporation | Motorsteuerung einer Werkzeugmaschine mit Stromausfallschutz |
CN104808585A (zh) * | 2015-04-13 | 2015-07-29 | 华中科技大学 | 一种机床健康状态快速检查方法 |
CN105974886A (zh) * | 2016-06-28 | 2016-09-28 | 华中科技大学 | 一种数控机床的健康监测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000320625A (ja) * | 1999-05-07 | 2000-11-24 | Ricoh Co Ltd | ベルト駆動機構設計支援システム、ベルト駆動機構設計支援方法及び記憶媒体 |
JP2002079439A (ja) * | 2000-09-07 | 2002-03-19 | Mori Seiki Co Ltd | 工作機械の保守管理装置 |
US9563919B2 (en) * | 2007-02-02 | 2017-02-07 | Hartford Fire Insurance Company | Safety evaluation and feedback system and method |
CN106596100B (zh) * | 2017-01-09 | 2018-10-30 | 温州大学 | 一种四阶梯机床主轴弹性模量无损检测方法及装置 |
-
2018
- 2018-08-17 CN CN201810942652.5A patent/CN110837248B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102540964A (zh) * | 2010-12-09 | 2012-07-04 | 中国科学院沈阳计算技术研究所有限公司 | 单电机驱动多轴的数控系统加工程序解释器实现方法 |
DE102014010314A1 (de) * | 2013-07-17 | 2015-01-22 | Fanuc Corporation | Motorsteuerung einer Werkzeugmaschine mit Stromausfallschutz |
CN104808585A (zh) * | 2015-04-13 | 2015-07-29 | 华中科技大学 | 一种机床健康状态快速检查方法 |
CN105974886A (zh) * | 2016-06-28 | 2016-09-28 | 华中科技大学 | 一种数控机床的健康监测方法 |
Non-Patent Citations (3)
Title |
---|
基于ePS的大型数控机床状态监测及其应用;周玉清等;《制造技术与机床》;20090202(第02期);第105页 * |
基于内置传感器的数控机床动态加工误差测量方法;杨斌;《机床与液压》;20170131;第45卷(第1期);第38页 * |
基于多分类器融合与模糊综合评判的滚动轴承故障诊断;文妍等;《中国科技论文》;20160223(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110837248A (zh) | 2020-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110837248B (zh) | 机床健康度测评方法、系统、综合系统及数控机床 | |
CN110837247B (zh) | 基于机床数据的机床性能测评方法、系统、综合系统、云平台 | |
CN105171525B (zh) | 机床的诊断方法及系统 | |
CN109562500B (zh) | 机床的工具的异常检测装置及方法 | |
Chen et al. | CPS modeling of CNC machine tool work processes using an instruction-domain based approach | |
CN114237155B (zh) | 一种多轴数控加工的误差预测及补偿方法、系统及介质 | |
CN105081879B (zh) | 一种数控机床主轴的故障诊断与预测的方法 | |
CN104698974B (zh) | 一种数控机床及其调试方法 | |
JP6752866B2 (ja) | 刃具状態検査システム及び方法 | |
CN102441817B (zh) | 工作历史管理方法以及工作历史管理装置 | |
WO2019043852A1 (ja) | 数値制御システムおよびモータ制御装置 | |
US11334045B2 (en) | Diagnosis apparatus and diagnosis method | |
Demilia et al. | Measurements for smart manufacturing in an Industry 4.0 scenario a case-study on a mechatronic system | |
CN115989463A (zh) | 用于机床的瞬时性能管理的系统和方法 | |
Schmucker et al. | Implementation of an intelligent system architecture for process monitoring of machine tools | |
JP2018151317A (ja) | 工作機械の診断装置における診断モデルの更新システム | |
D’Emilia et al. | Sensor fusion for more accurate features in condition monitoring of mechatronic systems | |
D’Emilia et al. | Integration of model and sensor data for smart condition monitoring in mechatronic devices | |
Wu et al. | Remote monitoring for surface roughness based on vibration and spindle power | |
JP2000046701A (ja) | 機器の診断方法 | |
CN115415848B (zh) | 一种加工中心设备精度的检测方法及系统 | |
CN112621381B (zh) | 机床进给系统健康状态智能评估方法及装置 | |
CN112114557B (zh) | 五轴联动数控机床动态精度检测方法、系统及储存介质 | |
CN108646670B (zh) | 一种数控机床部件温度实时预测方法 | |
JP7154100B2 (ja) | 工作機械の加工異常検出装置 |
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 |