CN111890124A - 刀具在线监测系统及方法 - Google Patents
刀具在线监测系统及方法 Download PDFInfo
- Publication number
- CN111890124A CN111890124A CN201910367386.2A CN201910367386A CN111890124A CN 111890124 A CN111890124 A CN 111890124A CN 201910367386 A CN201910367386 A CN 201910367386A CN 111890124 A CN111890124 A CN 111890124A
- Authority
- CN
- China
- Prior art keywords
- cutter
- tool
- signal
- parameters
- module
- 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
Images
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
- B23Q17/0957—Detection of tool breakage
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明公开了一种刀具在线监测系统及方法,所述系统包括智能夹具,智能夹具包括:夹具本体、夹紧模块、传感器及隔离模块;待切削工件放置于夹具本体上,传感器内嵌于夹具本体之中;隔离模块用于隔离外部的干扰;刀具在线监测系统还包括数据获取模块、屏蔽线、智能处理模块;数据获取模块用于获取待切削工件的当前加工参数;传感器将当前加工信号传输给智能处理模块;智能处理模块包括机器学习模型并通过该模型判断刀具是否断裂、磨损程度及预测刀具的寿命。通过本发明的刀具在线监测系统,可以在防止外界环境干扰下实现对加工中器件切削时的智能监控,通过机器学习模型,可以提高监测精度,实现对刀具的准确监测。
Description
技术领域
本发明涉及机械加工在线监测及智能制造领域,特别涉及一种刀具在线监测系统及方法。
背景技术
机械切削加工过程中的刀具断裂、不可控的磨损状态严重影响机械加工的效率和加工精度,更为严重的将造成工件的损坏及机台的损坏。切削加工过程中直接或间接的产生了各种物理信号。
近年来有各种公司和研究机构进行了相应的原理研究及应用研究,如国外如ARTIS(德国一公司)、MONTRONIX(德国一公司)、DIGITWAY(一国外公司)、国内如吉兰丁、华中科技大学、西北工业大学、哈尔滨工业大学等企业和高校。企业的应用均集中在用机床自带的扭力数据或者外接的功率传感器作为数据源,以传统的阈值法作为判断标准来解决问题。如:基于安装在主轴上的扭力传感器的提供信号的阈值法用于监控,当主轴高速旋转时,受到信号传输及传感供电的影响。也有基于电流、图像等方式的来监测刀具的机械切削过程中的状况,但无论是扭力数据、功率还是电流或图像,都为一种间接的数据,其只对大的切削量适用。且不同的机床,状态不同,部署时需要区别对待,调试周期较长。即便是通过直接数据进行监控,也不免受到外界干扰因素,使得加工过程中的监控数据不准确。
发明内容
本发明要解决的技术问题是为了克服现有技术中不能实现对精密、微小器件切削的精确监控的缺陷,提供一种刀具在线监测系统及方法。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供了一种刀具在线监测系统,包括智能夹具,所述智能夹具包括:夹具本体、夹紧模块、传感器及隔离模块;
所述夹紧模块用于固定待切削工件;所述刀具用于切削待切削工件;
所述待切削工件放置于所述夹具本体上,所述传感器内嵌于所述夹具本体之中;所述隔离模块用于隔离外部声发射、声音或振动的干扰;
其中,在加工时刀具与待切削工件在切削时的振动信号及带切削工件切削时的断裂、复合及摩擦所产生的声发射信号为在线监控的直接有用信号,通过所述隔离模块可以隔离其它信号的干扰。
所述刀具在线监测系统还包括有数据获取模块、屏蔽线、智能处理模块;所述数据获取模块用于获取所述待切削工件在切削时的当前加工参数并将所述当前加工参数传输给所述智能处理模块;所述当前加工参数包括刀具型号、刀具新旧程度及工艺参数;
其中,所述传感器无限接近于加工工件,以使所述加工信号传递时的路径少、干扰少,但所述传感器不直接与加工工件接触。
所述传感器用于获取所述待切削工件在切削时的当前加工信号;所述传感器通过所述屏蔽线与所述智能处理模块相连接并通过所述屏蔽线将所述当前加工信号传输给所述智能处理模块;
所述智能处理模块包括机器学习模型,所述智能处理模块通过所述机器学习模型判断所述刀具是否断裂、所述刀具的磨损程度及预测所述刀具的寿命。
其中,所述刀具的断刀状态和磨损状态及寿命可实时反馈给机床CNC(计算机数控)系统和工厂大数据系统,用于实时监测及整厂的刀具管理。
较佳地,所述智能处理模块包括:采集单元及训练单元;
所述采集单元用于采集不同寿命状态下刀具的加工参数及加工信号;
所述训练单元用于使用机器学习算法,根据所述不同寿命状态下刀具的加工参数及加工信号构建模型,以得到机器学习模型。
其中,所述机器学习算法包括SVM(一种分类算法)、Decision Tree(决策树算法)、AdaBoost(一种迭代算法)、Random Forest(随机森林算法)、Extra Trees(一种极限树算法)、Gradient Boosting(梯度提升算法)、Multiple layer perceptron(多层感知器算法)、KNN(邻近算法)、Logistic regression(逻辑回归算法)或Linear DiscriminantAnalysis(线性判别算法)。
较佳地,所述不同寿命状态下刀具的加工参数包括:刀具磨损程度及刀具寿命状态。
其中,所述不同寿命状态下刀具的加工参数还包括刀具型号、刀具新旧程度及工艺参数。
较佳地,所述,所述智能处理模块还用于当所述刀具断裂时,产生断刀报警信号;和/或,
当预测的所述刀具的寿命达到寿命阈值时,产生换刀信号,所述寿命阈值为刀具所达到的寿命极限。
较佳地,所述工艺参数包括:进给量、进给速度、转速、切削宽度、切削深度;所述当前加工信号为声发射信号、声音信号或振动信号;和/或,
所述隔离模块为黏弹性高阻尼材料,如橡胶块;
所述传感器为声传感器或振动传感器。
所述声发射信号为加工时,刀具切削待切削工件产生的100~1000kHz的高频声发射信号。
本发明还提供了一种刀具在线监测方法,所述刀具在线监测方法基于上述刀具在线监测系统实现,所述刀具在线监测方法包括:
获取当前加工参数及当前加工信号,所述当前加工参数包括刀具型号、刀具新旧程度及工艺参数;
将所述当前加工参数及所述当前加工信号输入机器学习模型以计算所述刀具是否断裂、所述刀具的磨损程度及预测所述刀具的寿命。
较佳地,所述机器学习模型通过以下步骤获得:
采集不同寿命状态下刀具的加工参数及加工信号;
使用机器学习算法,根据所述不同寿命状态下刀具的加工参数及加工信号构建模型,以得到机器学习模型。
其中,所述机器学习算法包括SVM、Decision Tree、AdaBoost、Random Forest、Extra Trees、Gradient Boosting、Multiple layer perceptron、KNN、Logisticregression或Linear Discriminant Analysis。
较佳地,所述不同寿命状态下刀具的加工参数包括:刀具磨损程度及刀具寿命状态。
其中,所述不同寿命状态下刀具的加工参数还包括刀具型号、刀具新旧程度及工艺参数。
较佳地,所述刀具在线监测方法还包括:
当所述刀具断裂时,产生断刀报警信号;
当预测的所述刀具的寿命达到寿命阈值时,产生换刀信号,所述寿命阈值为刀具所达到的寿命极限。
较佳地,所述工艺参数包括:进给量、进给速度、转速、切削宽度、切削深度;所述当前加工信号为声发射信号、声音信号或振动信号。
所述声发射信号为加工时,刀具切削待切削工件产生的100~1000kHz的高频声发射信号。
本发明的积极进步效果在于:通过本发明的刀具在线监测系统及方法,可以在防止外界环境干扰的情况下实现对加工过程中器件切削过程的智能监控,通过机器学习模型,可以提高监测精度,实现对切削加工过程中刀具的磨损程度、断裂情况的准确监控以及对刀具寿命的精确预测。
附图说明
图1为实施例1的刀具在线监测系统的模块示意图。
图2为实施例1的刀具在线监测系统中智能夹具的结构示意图。
图3为实施例2的刀具在线监测方法的流程图。
图4为实施例2的刀具在线监测方法中获得机器学习模型的步骤流程图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示,本实施例提供了一种刀具在线监测系统,包括智能夹具11、数据获取模块12、智能处理模块13;
图2为实施例1中的智能夹具的结构示意图,如图2所示,智能夹具包括有夹具本体118、夹紧模块111、传感器113、隔离模块114、屏蔽线115、机台116。
夹紧模块111用于固定待切削工件117;刀具112用于切削待切削工件117;
待切削工件117放置于夹具本体118上,传感器113内嵌于夹具本体118之中;隔离模块114用于隔离外部声发射、声音或振动的干扰;
数据获取模块12用于获取待切削工件117在切削时的当前加工参数并将所述当前加工参数传输给所述智能处理模块13,当前加工参数包括刀具型号、刀具新旧程度及工艺参数。本实施例中,所述工艺参数包括:进给量、进给速度、转速、切削宽度、切削深度,但具体实践中,工艺参数并不限于此,需根据实际情况进行选择。
传感器113用于获取待切削工件117在切削时的当前加工信号;传感器113通过屏蔽线115与智能处理模块132相连接并通过屏蔽线115将当前加工信号传输给智能处理模块13;智能处理模块13包括机器学习模型,智能处理模块13通过机器学习模型判断刀具112是否断裂、刀具112的磨损程度及预测刀具112的寿命。
本实施例中,传感器113的实现方式为声发射传感器,实践中,传感器还可以为其它多种方式实现,如振动传感器、声音传感器。
为了在加工的过程中传感器113能实时准确监测待切削工件传递的信号,使加工信号传递时的路径少、干扰少,传感器113无限接近于待切削工件,为了使传感器113的使用寿命更长,以及防止外界的不利干扰,如防水防潮,传感器113不直接与待切削工件接触。
其中,在加工时刀具112与待切削工件117在切削时的振动信号及待切削工件117切削时的断裂、复合及摩擦所产生的声发射信号为在线监控的直接有用信号,周边设备的声发射信号、振动信号、噪音信号等为本实施例不需要监测到的信号,因此,通过隔离模块114可以隔离其它信号的干扰,使监测的加工信号更精准有效。
本实施例中,隔离模块114的实现方式为橡胶块,实践中,隔离模块114的实现方式并不限于此,需根据实践中的具体情况做出选择。
本实施例中。智能处理模块131包括有采集单元131及训练单元132,采集单元131用于采集不同寿命状态下刀具的加工参数及加工信号,不同寿命状态下刀具的加工参数包括:刀具磨损程度、刀具寿命状态、刀具型号、刀具新旧程度及工艺参数;训练单元132用于使用机器学习算法,根据不同寿命状态下刀具的加工参数及加工信号构建模型,以得到机器学习模型。
其中,机器学习模型根据实时数据不断更新。
其中,机器学习算法包括SVM、Decision Tree、AdaBoost、Random Forest、ExtraTrees、Gradient Boosting、Multiple layer perceptron、KNN、Logistic regression或Linear Discriminant Analysis;上述算法在做机器模型前可以先通过测试,来决定在不同条件下哪种算法最优,从而获得不同环境下,更优的机器学习模型。
智能处理模块13通过机器学习模型判断刀具112是否断裂、刀具112的磨损程度及预测刀具的寿命。
本实施例中,通过机器学习算法,可以计算满足各种工况需求的不同模型,根据机器学习模型可以达到在线精确判断刀具断裂状态、磨损状态及预测刀具的寿命状态。
为了实时监测及实现整厂的刀具管理,刀具的断刀状态和磨损状态及寿命可实时反馈给机床CNC系统和工厂大数据系统,。
本实施例中,智能处理模块13还用于当刀具112断裂时,产生断刀报警信号;及当预测的刀具112的寿命达到寿命阈值时,产生换刀信号,所述寿命阈值为刀具所达到的寿命极限,所述寿命阈值可以但不局限于通过预先实验得出。通过处理模块,可以起到警示作用,通知机床停机,以及当刀具达到寿命阈值时提前通知操作人员换刀,从而避免不必要损失,使得整体系统操作效率更高。
为了更好理解本实施例,下面通过一具体实例来描述本系统的在线监测流程:
在加工时,刀具切削待工件将产生100~1000kHz的高频声发射信号,此信号通过安装在智能夹具中的声发射传感器采集,智能夹具模块内的隔离模块将有效隔离由于机床运动摩擦而产生的声发射信号,保证此传感器采集到的信号大多为切削所产生的声发射信号以及切削液冲击工件的信号,而切削液冲击工件产生的信号可以通过在不加工时单独获得,因此易于过滤,经处理后能够清晰的获得切削所产生的声发射信号。
机床开始加工时,机床将加工信号、加工参数等发送给智能处理模块,智能处理模块根据数据获取模块获取的数据及机器学习模型开始计算。如发生断刀现象,智能处理模块会收到一个突然急速增大的声发射信号,随后切削加工的声发射信号将消失,处理模块将给出一个断刀报警信号,通知机床停机;另外,当系统上线时,系统需首先对不同寿命状态的刀具通过机器学习算法进行学习,系统会自动根据学习结果划分出不同的刀具寿命阶段,在使用中如刀具达到不可用寿命阶段时,通过处理模块提前通知换刀。
本实施例中,通过传感器实时获取加工过程中的加工信号,使对刀具监测更及时,通过隔离模块,可避免外界环境的干扰,通过智能处理模块,可实现在线自动学习,以实时获得满足当前工况需求的最优机器学习模型,以实现对刀具断裂、磨损程度的准确及时判断、以及对刀具寿命的精确预测的效果。
实施例2
如图3所示,本实施例提供了一种刀具在线监测方法,所述刀具在线监测方法基于实施例2的刀具在线监测系统实现,所述刀具在线监测方法包括:
步骤21、获取当前加工参数及当前加工信号;
所述当前加工参数包括刀具型号、刀具新旧程度及工艺参数。
其中,工艺参数包括:进给量、进给速度、转速、切削宽度、切削深度,但具体实践中,工艺参数并不限于此,需根据实际情况进行选择;
本实施例中,加工信号采用振动信号,具体实践中,所述加工信号还可以有其它的实现方式。
步骤22、将所述当前加工参数及所述当前加工信号输入机器学习模型以计算所述刀具是否断裂、所述刀具的磨损程度及预测所述刀具的寿命。
根据刀具状态执行步骤23或24。
步骤23、当所述刀具断裂时,产生断刀报警信号。
步骤24、当预测的所述刀具的寿命达到寿命阈值时,产生换刀信号,所述寿命阈值为刀具所达到的寿命极限,所述寿命阈值可以但不局限于通过预先实验得出。
为了实时监测及实现整厂的刀具管理,刀具的断刀状态和磨损状态及寿命可实时反馈给机床CNC系统和工厂大数据系统。
本实施例中,通过获取当前的加工参数和加工信号,可以及时检测当时的加工状态以实施预测刀具的状态,通过产生断刀报警信号或换刀信号从而起到警示作用,使刀具检测更有效率。
如图4所示,步骤22中的机器学习模型通过以下步骤获得:
步骤221、采集不同寿命状态下刀具的加工参数及加工信号;
其中,不同寿命状态下刀具的加工参数包括:刀具磨损程度、刀具寿命状态、刀具型号、刀具新旧程度及工艺参数
步骤222、使用机器学习算法,根据所述不同寿命状态下刀具的加工参数及加工信号构建模型,以得到机器学习模型。
其中,机器学习模型根据实时数据不断更新,机器学习算法包括SVM、DecisionTree、AdaBoost、Random Forest、Extra Trees、Gradient Boosting、Multiple layerperceptron、KNN、Logistic regression或Linear Discriminant Analysis;上述算法在做机器模型前可以先通过测试,来决定在不同条件下哪种算法最优,从而获得不同环境下,更优的机器学习模型。
本实施例中,通过机器学习算法,可以计算满足各种工况需求的不同模型,根据机器学习模型可以达到在线精确判断刀具断裂状态、磨损状态及预测刀具的寿命状态。
本实施例中,通过实时获取加工过程中的加工信号,使对刀具监测更及时,通过机器学习模型,可实现在线自动学习,以实时获得满足当前工况需求的最优机器学习模型,以实现对刀具断裂、磨损程度的准确及时判断、以及对刀具寿命的精确预测的效果。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种刀具在线监测系统,其特征在于,包括智能夹具,所述智能夹具包括:夹具本体、夹紧模块、传感器及隔离模块;
所述夹紧模块用于固定待切削工件;所述刀具用于切削待切削工件;
所述待切削工件放置于所述夹具本体上,所述传感器内嵌于所述夹具本体之中;所述隔离模块用于隔离外部声音或振动的干扰;
所述刀具在线监测系统还包括有数据获取模块、屏蔽线、智能处理模块;所述数据获取模块用于获取所述待切削工件在切削时的当前加工参数并将所述当前加工参数传输给所述智能处理模块;所述当前加工参数包括刀具型号、刀具新旧程度及工艺参数;
所述传感器用于获取所述待切削工件在切削时的当前加工信号;所述传感器通过所述屏蔽线与所述智能处理模块相连接并通过所述屏蔽线将所述当前加工信号传输给所述智能处理模块;
所述智能处理模块包括机器学习模型,所述智能处理模块通过所述机器学习模型判断所述刀具是否断裂、所述刀具的磨损程度及预测所述刀具的寿命。
2.如权利要求1所述的刀具在线监测系统,其特征在于,所述智能处理模块包括:采集单元及训练单元;
所述采集单元用于采集不同寿命状态下刀具的加工参数及加工信号;
所述训练单元用于使用机器学习算法,根据所述不同寿命状态下刀具的加工参数及加工信号构建模型,以得到机器学习模型。
3.如权利要求2所述的刀具在线监测系统,其特征在于,
所述不同寿命状态下刀具的加工参数包括:刀具磨损程度及刀具寿命状态。
4.如权利要求1所述的刀具在线监测系统,其特征在于,所述智能处理模块还用于当所述刀具断裂时,产生断刀报警信号;和/或,
当预测的所述刀具的寿命达到寿命阈值时,产生换刀信号。
5.如权利要求1所述的刀具在线监测系统,其特征在于,所述工艺参数包括:进给量、进给速度、转速、切削宽度、切削深度;所述当前加工信号为声音信号、声发射信号或振动信号;和/或,
所述隔离模块为黏弹性高阻尼材料;
所述传感器为声传感器或振动传感器。
6.一种刀具在线监测方法,其特征在于,所述刀具在线监测方法基于权利要求1至权利要求5中任一项所述的刀具在线监测系统实现,所述刀具在线监测方法包括:
获取当前加工参数及当前加工信号,所述当前加工参数包括刀具型号、刀具新旧程度及工艺参数;
将所述当前加工参数及所述当前加工信号输入机器学习模型以计算所述刀具是否断裂、所述刀具的磨损程度及预测所述刀具的寿命。
7.如权利要求6所述的刀具在线监测方法,其特征在于,所述机器学习模型通过以下步骤获得:
采集不同寿命状态下刀具的加工参数及加工信号;
使用机器学习算法,根据所述不同寿命状态下刀具的加工参数及加工信号构建模型,以得到机器学习模型。
8.如权利要求7所述的刀具在线监测方法,其特征在于,
所述不同寿命状态下刀具的加工参数包括:刀具磨损程度及刀具寿命状态。
9.如权利要求6所述的刀具在线监测方法,其特征在于,所述刀具在线监测方法还包括:
当所述刀具断裂时,产生断刀报警信号;
当预测的所述刀具的寿命达到寿命阈值时,产生换刀信号。
10.如权利要求6所述的刀具在线监测方法,其特征在于,所述工艺参数包括:进给量、进给速度、转速、切削宽度、切削深度;所述当前加工信号为声发射信号、声音信号或振动信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910367386.2A CN111890124A (zh) | 2019-05-05 | 2019-05-05 | 刀具在线监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910367386.2A CN111890124A (zh) | 2019-05-05 | 2019-05-05 | 刀具在线监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111890124A true CN111890124A (zh) | 2020-11-06 |
Family
ID=73169061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910367386.2A Pending CN111890124A (zh) | 2019-05-05 | 2019-05-05 | 刀具在线监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111890124A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112578732A (zh) * | 2020-12-15 | 2021-03-30 | 航天科工深圳(集团)有限公司 | 一种智能切削加工过程监控系统及其监控方法 |
CN113043073A (zh) * | 2021-03-22 | 2021-06-29 | 曲阜师范大学 | 一种刀具磨损及寿命预测方法及装置 |
CN113567493A (zh) * | 2021-07-27 | 2021-10-29 | 深圳市玄羽科技有限公司 | 一种智能主轴温度数据检测方法及其系统 |
CN114273978A (zh) * | 2021-12-27 | 2022-04-05 | 深圳市玄羽科技有限公司 | 刀具的磨损检测方法、电子设备及计算机可读存储介质 |
CN114536104A (zh) * | 2022-03-25 | 2022-05-27 | 成都飞机工业(集团)有限责任公司 | 一种刀具寿命动态预测方法 |
CN115635366A (zh) * | 2022-10-12 | 2023-01-24 | 哈尔滨工程大学 | 一种大型机床刀片声发射在线监测系统及方法 |
WO2024074053A1 (zh) * | 2022-10-08 | 2024-04-11 | 成都飞机工业(集团)有限责任公司 | 一种基于切削体积的数控加工刀具寿命评价方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003019643A (ja) * | 2001-07-06 | 2003-01-21 | Mitsubishi Materials Corp | 加工状態検出装置および加工状態検出方法および記録媒体およびプログラム |
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 |
CN105563234A (zh) * | 2016-01-22 | 2016-05-11 | 浙江大学台州研究院 | 麻花钻磨损监测方法 |
CN107052908A (zh) * | 2017-05-31 | 2017-08-18 | 吉林大学 | 一种刀具性能检测装置及检测方法 |
CN206430758U (zh) * | 2017-01-04 | 2017-08-22 | 湖南工业职业技术学院 | 一种新型的高速铣床性能测试件 |
CN108942409A (zh) * | 2018-08-26 | 2018-12-07 | 西北工业大学 | 基于残差卷积神经网络的刀具磨损量的建模和监测方法 |
CN109298680A (zh) * | 2018-09-13 | 2019-02-01 | 成都数之联科技有限公司 | 一种数控机床刀具检测的数据采集系统 |
CN109434563A (zh) * | 2018-11-19 | 2019-03-08 | 深圳市蓝海永兴实业有限公司 | 数控刀具磨损实时检测系统 |
-
2019
- 2019-05-05 CN CN201910367386.2A patent/CN111890124A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003019643A (ja) * | 2001-07-06 | 2003-01-21 | Mitsubishi Materials Corp | 加工状態検出装置および加工状態検出方法および記録媒体およびプログラム |
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 |
CN105563234A (zh) * | 2016-01-22 | 2016-05-11 | 浙江大学台州研究院 | 麻花钻磨损监测方法 |
CN206430758U (zh) * | 2017-01-04 | 2017-08-22 | 湖南工业职业技术学院 | 一种新型的高速铣床性能测试件 |
CN107052908A (zh) * | 2017-05-31 | 2017-08-18 | 吉林大学 | 一种刀具性能检测装置及检测方法 |
CN108942409A (zh) * | 2018-08-26 | 2018-12-07 | 西北工业大学 | 基于残差卷积神经网络的刀具磨损量的建模和监测方法 |
CN109298680A (zh) * | 2018-09-13 | 2019-02-01 | 成都数之联科技有限公司 | 一种数控机床刀具检测的数据采集系统 |
CN109434563A (zh) * | 2018-11-19 | 2019-03-08 | 深圳市蓝海永兴实业有限公司 | 数控刀具磨损实时检测系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112578732A (zh) * | 2020-12-15 | 2021-03-30 | 航天科工深圳(集团)有限公司 | 一种智能切削加工过程监控系统及其监控方法 |
CN113043073A (zh) * | 2021-03-22 | 2021-06-29 | 曲阜师范大学 | 一种刀具磨损及寿命预测方法及装置 |
CN113567493A (zh) * | 2021-07-27 | 2021-10-29 | 深圳市玄羽科技有限公司 | 一种智能主轴温度数据检测方法及其系统 |
CN114273978A (zh) * | 2021-12-27 | 2022-04-05 | 深圳市玄羽科技有限公司 | 刀具的磨损检测方法、电子设备及计算机可读存储介质 |
CN114536104A (zh) * | 2022-03-25 | 2022-05-27 | 成都飞机工业(集团)有限责任公司 | 一种刀具寿命动态预测方法 |
WO2024074053A1 (zh) * | 2022-10-08 | 2024-04-11 | 成都飞机工业(集团)有限责任公司 | 一种基于切削体积的数控加工刀具寿命评价方法 |
CN115635366A (zh) * | 2022-10-12 | 2023-01-24 | 哈尔滨工程大学 | 一种大型机床刀片声发射在线监测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111890124A (zh) | 刀具在线监测系统及方法 | |
JP6450738B2 (ja) | 工作機械における工具のビビり発生の予兆を検知する機械学習装置、cnc装置および機械学習方法 | |
US8862429B2 (en) | Operating history management method and operating history management apparatus | |
US6845340B2 (en) | System and method for machining data management | |
CN106514434B (zh) | 一种基于数据的铣削刀具磨损监测方法 | |
TWI472399B (zh) | Online cutting tool real-time monitoring method | |
CN108846581A (zh) | 一种机床刀具可靠性评估系统及方法 | |
CN105676778A (zh) | 基于传感器监测的智能制造方法和系统以及加工机床 | |
CN108873813B (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 | |
CN105058165A (zh) | 基于振动信号的刀具磨损量监测系统 | |
JP2019098515A (ja) | 刃具状態検査システム及び方法 | |
CN107511718A (zh) | 单品大批量重复加工过程的智能刀具状态监测方法 | |
CN111069975A (zh) | 数控铣床末端运行状态实时监测与自适应控制系统及方法 | |
CN111596615A (zh) | 一种数控机床在线监测及控制系统 | |
Klaic et al. | Tool wear classification using decision treesin stone drilling applications: A preliminary study | |
CN108527005A (zh) | 一种cnc刀具状态检测方法和系统 | |
CN114850969A (zh) | 一种基于振动信号的刀具失效监控方法 | |
Sener et al. | Intelligent chatter detection in milling using vibration data features and deep multi-layer perceptron | |
Zhuo et al. | Overview on development of acoustic emission monitoring technology in sawing | |
CN208773601U (zh) | 一种数控去毛刺系统 | |
CN213998767U (zh) | 一种加工飞机零件的立式加工中心 | |
CN104503361A (zh) | 基于多模式融合的齿轮加工过程换刀决策方法 | |
CN104647126A (zh) | 数控机床的刀具管控方法及装置 | |
Wang et al. | Study of an efficient real-time monitoring and control system for BUE and cutter breakage for CNC machine tools | |
CN108942407A (zh) | 一种加工中心主轴皮带断裂检测装置及方法 |
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 |