CN112077667A - 一种自动换刀装置运行状态检测方法 - Google Patents
一种自动换刀装置运行状态检测方法 Download PDFInfo
- Publication number
- CN112077667A CN112077667A CN202010846106.9A CN202010846106A CN112077667A CN 112077667 A CN112077667 A CN 112077667A CN 202010846106 A CN202010846106 A CN 202010846106A CN 112077667 A CN112077667 A CN 112077667A
- Authority
- CN
- China
- Prior art keywords
- tool
- vibration signal
- laser displacement
- place precision
- tool changer
- 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
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
Abstract
本发明公开了一种自动换刀装置运行状态检测方法,该方法采用两个激光位移传感器和振动加速度传感器数据采集系统,激光位移传感器通过独立工装安装在卧式加工中心工作台上,振动加速度传感器测头安装至主轴处。通过测量并计算自动换刀装置换刀到位精度,同时采集对应状态下的振动信号,运用集成经验模态分解分解得到多个本征模态分量,提取对应能量熵特征值及时域特征值,通过核主元成分分析法对高维特征数组进行降维处理并整合为特征向量,最后利用支持向量机对刀柄到位精度状态诊断,实现对自动换刀装置运行状态评价。本发明将振动时域特征和能量熵特征进行信息融合,用于换刀装置到位精度的状态诊断,实现对自动换刀装置运行状态的检测。
Description
技术领域
本发明属于数控机床领域,特别涉及一种自动换刀装置运行状态检测方法。
背景技术
刀库及自动换刀装置是数控机床的关键功能部件,主要作用为储存刀具和交换刀具,减少加工过程中非切削时间,提高工作效率。刀库及自动换刀装置自动化程度高、机构运动复杂且与数控机床配套工作,在整个数控机床中属于容易发生故障的功能部件之一,其中刀库的刀柄到位精度以及重复定位精度直接影响着刀库能否成功换刀,故对刀库及自动换刀装置运行状态的监测与诊断有着十分重要的意义。
专利CN201810585317.4公开了一种链式刀库的运动精度测量方法,专利CN201310268157.8公开了一种自动换刀装置综合性能检测方法,专利CN201310057283.9公开了一种测试刀库中刀具翻转定位精度的装置及方法,实现对刀库在选刀后刀套翻转的定位精度测量。目前对刀库刀柄到位精度的检测方法会影响到刀库及自动换刀装置的正常运行,值得指出,上述刀库定位精度的检测方法很难在数控机床正常运行的条件下进行监测,由于刀库及自动换刀装置属于复杂的机电一体化产品,很难寻找到不同性能参数之间的内在联系,现有研究成果对此类问题的研究还不够充分。
发明内容
本发明的目的在于针对上述现有技术存在的问题,提供一种自动换刀装置运行状态的检测方法,特别是提供一种针对链式刀库卧式加工中心主机换刀过程中运行状态的评估方法。
实现本发明目的的技术解决方案为:一种自动换刀装置运行状态检测方法,所述方法包括以下步骤:
步骤1,对两个激光位移传感器进行位置标定,同时在不影响自动换刀装置正常工作情况下确定振动加速度数采系统中三轴加速度传感器测头安装位置;
步骤2,对自动换刀装置进行数次换刀操作,根据激光位移传感器采集的数据计算每一次换刀机械手将刀柄插入主轴内部的刀柄到位精度,并对刀柄到位精度进行分类;
步骤3,针对每一次换刀的刀柄到位精度,利用三轴加速度传感器采集对应的振动信号数据,并基于该数据构建刀柄到位精度对应的高维特征数组;
步骤4,基于所述高维特征数组训练支持向量机,利用训练后的支持向量机检测待检测自动换刀装置刀柄到位精度即运行状态。
本发明与现有技术相比,其显著优点为:1)通过对刀柄到位精度和振动信号同时测量,通过提取不同到位精度下振动信号的特征值,建立两个关键性能参数的非线性关系,从而反映出自动换刀装置运行状态情况,同时利用核主元成分分析的方法将高维特征数组进行信息融合并降维处理,减小计算量的同时提高后续分类器的准确度;2)本发明在卧式加工中心上搭建了链式刀库主机现场试验台,并通过大量换刀试验得到了不同到位精度等级下的到位精度及其对应状态下的振动信号,为基于振动信号开展到位精度诊断研究提供了有效的现场数据支撑;3)利用激光位移传感器对自动换刀装置的刀柄到位精度进行提取,采用非接触式测量方法,测量精度高。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为一个实施例中自动换刀装置运行状态检测方法流程图。
图2为一个实施例中传感器工装位置图。
图3为一个实施例中刀柄圆心提取原理图。
图4为一个实施例中振动信号经过集成经验模态分解得到的对应本征模态函数示意图,其中图(a)至图(l)为筛选得到的12个本征模态函数,图(m)为振动信号经过分解得到的残余分量。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本发明的思路为:采用两个激光位移传感器和振动加速度传感器数据采集系统,激光位移传感器通过独立工装安装在卧式加工中心工作台上,振动加速度传感器测头安装至主轴处。通过测量并计算自动换刀装置到位精度,同时采集对应状态下的振动信号,运用集成经验模态分解分解得到多个本征模态分量,提取对应能量熵特征值以及时域特征值,通过核主元成分分析法对高维特征数组进行降维处理并整合为特征向量,最后利用支持向量机对刀柄到位精度状态诊断,实现对自动换刀装置运行状态评价。
在一个实施例中,提供了一种自动换刀装置运行状态检测方法,所述方法包括以下步骤:
步骤1,对两个激光位移传感器进行位置标定,同时在不影响自动换刀装置正常工作情况下确定振动加速度数采系统中三轴加速度传感器测头安装位置;
步骤2,对自动换刀装置进行数次换刀操作,根据激光位移传感器采集的数据计算每一次换刀机械手将刀柄插入主轴内部的刀柄到位精度,并对刀柄到位精度进行分类;
步骤3,针对每一次换刀的刀柄到位精度,利用三轴加速度传感器采集对应的振动信号数据,并基于该数据构建刀柄到位精度对应的高维特征数组;
步骤4,基于所述高维特征数组训练支持向量机,利用训练后的支持向量机检测待检测自动换刀装置刀柄到位精度即运行状态。
进一步地,在其中一个实施例中,结合图3,步骤中1所述对两个激光位移传感器进行位置标定,假设两个激光位移传感器分别为第一激光位移传感器和第二激光位移传感器,位置关系包括:
两个激光位移传感器照射激光夹角为90°,并分别垂直入射至刀柄表面;
第一激光位移传感器激光发射点至刀柄圆心水平方向、垂直方向的距离分别为d1、d2,第二激光位移传感器激光发射点至刀柄圆心水平方向、垂直方向的距离分别为d3、d4,单位为mm;计算公式为:
d1=d2=(R+P)sinα
d3=d4=(R+P)sinβ
式中,R为被测刀柄圆心半径,α为第一激光位移传感器发射激光与x轴方向的夹角,P为传感器量程数值,β为第二激光位移传感器发射激光与x轴方向的夹角;
所述三轴加速度传感器测头的安装位置为刀柄所在主轴的侧壁上。
进一步地,在其中一个实施例中,结合图3,步骤2所述对自动换刀装置进行数次换刀操作,根据激光位移传感器采集的数据计算每一次换刀的刀柄到位精度,并对所有刀柄到位精度进行分类,具体过程包括:
步骤2-1,建立刀柄基准三维坐标系,以被测刀柄圆心为原点,y轴方向竖直向上,z轴方向与拔刀动作方向相同,x轴满足右手定则;
步骤2-2,计算刀柄到位精度即刀柄在主轴处的圆心位置(XO,YO),所用公式为:
其中,
式中,s1为第一激光位移传感器激光发射点至被测刀柄表面距离;s2为第二激光位移传感器激光发射点至被测刀柄表面距离;(XA,YA)表示第一激光位移传感器照射至刀柄外圆上点A的对应坐标;(XB,YB)表示第二激光位移传感器照射至刀柄外圆上点B的对应坐标;
步骤2-3,计算刀柄到位精度评价指标J,所用公式为:
式中,k表示刀号;(Xjk,Yjk)为第j次换刀所对应的刀柄在主轴处的圆心位置,为k号刀相邻三次换刀时刀柄在主轴处的圆心位置的平均值,所述三次换刀包括第j次换刀(若为第一次或最后一次换刀周期,则取对应刀号附近的三次换刀周期圆心平均值);
根据所述刀柄到位精度评价指标J对刀柄到位精度进行分类,具体为:将小于等于评价指标J的刀柄到位精度归为第一类别,其余刀柄到位精度归为第二类别。
进一步地,在其中一个实施例中,步骤3所述基于该数据构建刀柄到位精度对应的高维特征数组,具体包括:
步骤3-1,对振动信号数据进行去噪处理;
步骤3-2,对振动信号进行集成经验模态分解,获得多个本征模态函数分量,所用公式为:
式中,xj(t)为对振动信号加入高斯白噪声信号后进行经验模态分解获得的第j次分解所对应信号j=1,2,…,M,t=1,2,…,K,M为分解总次数,K为所采集振动信号样本点数;cij(t)为第j次信号分解出的第i个本征模态函数,i=1,2,…,N,N为分解得到的本征模态函数数量;rj(t)为第j次信号分解后所对应的残余分量;c′i(t)为振动信号经过集成经验模态分解得到的本征模态函数;r′(t)为振动信号经过集成经验模态分解得到的残余分量;
步骤3-3,计算分量能量熵数,所用公式为:
式中,HEN为分量能量熵数值,pi为第i个本征模态函数分量的能量在信号总能量中的占比,即Ei/E,其中Ei为本征模态函数分量能量,E为信号总能量;
步骤3-4,将能量熵数小于预设阈值的能量熵数及其对应的分量剔除;
步骤3-5,提取振动信号的时域特征,包括:
xpk=x(t)max-x(t)min
式中,x(t)为测量得到换刀过程中产生振动信号对应的时域数值,K为所采集振动信号样本点数;为信号绝对值平均值;xpk为峰峰值;x(t)max为所测振动信号最大值;x(t)min为所测振动信号最小值;σ2为方差;σ为标准差;xrms为均方根值;xsk为偏度;u3为信号三阶中心矩;xku为峭度;u4为信号四阶中心矩;xI为脉冲因子;xC为峰值因子;xS为波形因子;xr为方根幅值;xL为裕度因子;
步骤3-6,由分量能量熵数和振动信号的时域特征构成高维特征数组。
进一步地,在其中一个实施例中,步骤4所述基于所述高维特征数组训练支持向量机,利用训练后的支持向量机检测自动换刀装置刀柄到位精度即运行状态,具体过程包括:
步骤4-1,对所述高维特征数组进行降维处理,并整合为振动信号特征向量;
步骤4-2,由每个刀柄到位精度对应的振动信号特征向量和步骤2所获得的类别构建训练集,利用该训练集训练支持向量机构建检测模型;其中类别作为标签;
步骤4-3,针对待检测的自动换刀装置,按照步骤2、3的方式获取刀柄到位精度、振动信号数据以及高维特征数组,并利用步骤4-1的方式处理高维特征数组,获得振动信号特征向量;
步骤4-4,将步骤4-3获得的振动信号特征向量输入至所述检测模型,输出所述待检测自动换刀装置的刀柄到位精度即运行状态。
利用支持向量机作为分类器,通过高维特征数组进行学习训练,实现对自动换刀装置刀柄到位精度状态进行识别,建立振动特征与刀柄到位精度两不同性能参数之间的关联关系,以实现基于振动特征诊断自动换刀装置的刀柄到位精度情况,即实现运行状态检测。
进一步地,在其中一个实施例中,步骤4-1所述对所述高维特征数组进行降维处理,具体采用核主元成分分析方法,该方法所用公式为:
λν=Cν
式中,表示将对应振动信号利用非线性映射至高维空间F中,i=1,2,…,n,n为所采集振动信号样本点数;C为协方差矩阵,λν=Cν为对应的特征方程,λ为特征值;特征向量v用进行线性表示,αj为相关系数,j=1,2,…,n,k=1,2,…,n。
作为一种具体示例,在一个实施例中,对本发明方法进行进一步验证说明。该示例中测量装置如图2所示,包括固定在主机工作台7上的传感器工装6,分别固定在工装6上的第一激光位移传感器4和第二激光位移传感器5,固定在链式刀库及自动换刀装置1的主轴2处的振动加速度传感器3;通过调整工装6以及工作台7的位置,使所述第一激光位移传感器4和第二激光位移传感器出射的激光相对于被测刀柄8表面垂直照射;三轴振动加速度传感器安装方向与建立参考坐标方向一致,同时在不影响主轴正常换刀的情况下安装在主轴附近。
试验在卧式加工中心上进行,通过改写数控系统程序,进行按刀号顺序连续换刀试验,总计两万次,同时记录主轴刀柄到位精度与换刀过程主轴处产生振动信号数据。对获得的数据进行处理,并开展基于振动信号的到位精度状态诊断的分析。
1、对刀柄圆心数据进行提取
根据刀柄圆心提取原理,对两万次换刀过程中刀柄在主轴处圆心数据进行随机提取,样本数为100。根据总体刀柄到位精度数据进行分析,计算得到到位精度评价指标J的平均值为0.029mm,波动范围在0.002mm至0.110mm之间。据此规定到位精度小于/等于0.030mm时,视其精度状态为良好,到位精度超过0.030mm时,视其精度为较差。具体数据如下表1所示。
表1刀柄到位精度及评价指标
2、进行振动信号特征值提取
对自动换刀装置在换刀过程中产生的振动信号进行特征值提取,图4为单次换刀过程产生振动信号以及经过集成经验模态分解得到的分量。
通过对分解得到的各个分量能力熵值进行计算,筛选出前6个包含状态信息较多的分量的能量熵数值作为振动信号特征值,同时计算振动信号时域特征值,以单次换刀过程中产生振动信号为例,计算结果如下表2所示。
表2时域特征值计算结果
最大值 | 最小值 | 绝对值均值 | 峰-峰值 | 方差 | 标准差 | 均方根 |
3.948 | -3.372 | 0.008 | 7.320 | 0.011 | 0.103 | 0.103 |
偏度 | 峭度 | 脉冲因子 | 峰值因子 | 波形因子 | 裕度因子 | |
-0.194 | 1223.288 | 915 | 71.068 | 12.875 | 859.581 |
下表3列出了两种情况下刀柄到位精度对应的特征值(仅列举了对应6个能量熵特征值、峭度K以及脉冲因子I)。
表3不同到位精度对应特征向量情况
3、整合特征数组进行分类识别
利用核主元成分分析对振动信号所提取出的高维特征数组进行信息融合并降维处理,以达到减小计算量并提升分类器准确率目的,将时域特征数组、能量熵特征数组以及信息融合后的特征数组导入支持向量机中进行自动换刀装置运行状态识别,识别结果下表4所示。
表4支持向量机诊断结果
到位精度情况 | 良好 | 较差 |
时域特征值诊断率% | 67 | 75 |
能量熵特征值诊断率% | 78 | 82 |
信息融合特征值诊断率% | 85 | 90 |
从诊断结果准确率可以看出,通过时域特征值和能量熵特征值可一定程度上对不同的对自动换刀装置到位精度进行分类,但准确率并不能达到要求,经过信息融合后的特征数组在支持向量机中的诊断率高于仅利用单一种类特征值的诊断率,证明了本发明检测方法可为换刀装置到位精度诊断提供一种有效的手段,进而实现对自动换刀装置运行状态的检测。
本发明通过对振动信号检测,建立振动特征与刀柄到位精度两不同性能参数间的关联关系,以实现基于振动特征诊断自动换刀装置的到位精度,进而对刀库及自动换刀装置的工作状态进行评估,对刀库的性能检测研究具有重大意义。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种自动换刀装置运行状态检测方法,其特征在于,所述方法包括以下步骤:
步骤1,对两个激光位移传感器进行位置标定,同时在不影响自动换刀装置正常工作情况下确定振动加速度数采系统中三轴加速度传感器测头安装位置;
步骤2,对自动换刀装置进行数次换刀操作,根据激光位移传感器采集的数据计算每一次换刀机械手将刀柄插入主轴内部的刀柄到位精度,并对刀柄到位精度进行分类;
步骤3,针对每一次换刀的刀柄到位精度,利用三轴加速度传感器采集对应的振动信号数据,并基于该数据构建刀柄到位精度对应的高维特征数组;
步骤4,基于所述高维特征数组训练支持向量机,利用训练后的支持向量机检测待检测自动换刀装置刀柄到位精度即运行状态。
2.根据权利要求1所述的自动换刀装置运行状态检测方法,其特征在于,步骤中1所述对两个激光位移传感器进行位置标定,假设两个激光位移传感器分别为第一激光位移传感器和第二激光位移传感器,位置关系包括:
两个激光位移传感器照射激光夹角为90°,并分别垂直入射至刀柄表面;
第一激光位移传感器激光发射点至刀柄圆心水平方向、垂直方向的距离分别为d1、d2,第二激光位移传感器激光发射点至刀柄圆心水平方向、垂直方向的距离分别为d3、d4,单位为mm;计算公式为:
d1=d2=(R+P)sinα
d3=d4=(R+P)sinβ
式中,R为被测刀柄圆心半径,α为第一激光位移传感器发射激光与x轴方向的夹角,P为传感器量程数值,β为第二激光位移传感器发射激光与x轴方向的夹角;
所述三轴加速度传感器测头的安装位置为刀柄所在主轴的侧壁上。
3.根据权利要求1或2所述的自动换刀装置运行状态检测方法,其特征在于,步骤2所述对自动换刀装置进行数次换刀操作,根据激光位移传感器采集的数据计算每一次换刀的刀柄到位精度,并对所有刀柄到位精度进行分类,具体过程包括:
步骤2-1,建立刀柄基准三维坐标系,以被测刀柄圆心为原点,y轴方向竖直向上,z轴方向与拔刀动作方向相同,x轴满足右手定则;
步骤2-2,计算刀柄到位精度即刀柄在主轴处的圆心位置(XO,YO),所用公式为:
其中,
式中,s1为第一激光位移传感器激光发射点至被测刀柄表面距离;s2为第二激光位移传感器激光发射点至被测刀柄表面距离;(XA,YA)表示第一激光位移传感器照射至刀柄外圆上点A的对应坐标;(XB,YB)表示第二激光位移传感器照射至刀柄外圆上点B的对应坐标;
步骤2-3,计算刀柄到位精度评价指标J,所用公式为:
根据所述刀柄到位精度评价指标J对刀柄到位精度进行分类,具体为:将小于等于评价指标J的刀柄到位精度归为第一类别,其余刀柄到位精度归为第二类别。
4.根据权利要求3所述的自动换刀装置运行状态检测方法,其特征在于,步骤3所述基于该数据构建刀柄到位精度对应的高维特征数组,具体包括:
步骤3-1,对振动信号数据进行去噪处理;
步骤3-2,对振动信号进行集成经验模态分解,获得多个本征模态函数分量,所用公式为:
式中,xj(t)为对振动信号加入高斯白噪声信号后进行经验模态分解获得的第j次分解所对应信号j=1,2,…,M,t=1,2,…,K,M为分解总次数,K为所采集振动信号样本点数;cij(t)为第j次信号分解出的第i个本征模态函数,i=1,2,…,N,N为分解得到的本征模态函数数量;rj(t)为第j次信号分解后所对应的残余分量;c′i(t)为振动信号经过集成经验模态分解得到的本征模态函数;r′(t)为振动信号经过集成经验模态分解得到的残余分量;
步骤3-3,计算分量能量熵数,所用公式为:
式中,HEN为分量能量熵数值,pi为第i个本征模态函数分量的能量在信号总能量中的占比,即Ei/E,其中Ei为本征模态函数分量能量,E为信号总能量;
步骤3-4,将能量熵数小于预设阈值的能量熵数及其对应的分量剔除;
步骤3-5,提取振动信号的时域特征,包括:
xpk=x(t)max-x(t)min
式中,x(t)为测量得到换刀过程中产生振动信号对应的时域数值,K为所采集振动信号样本点数;为信号绝对值平均值;xpk为峰峰值;x(t)max为所测振动信号最大值;x(t)min为所测振动信号最小值;σ2为方差;σ为标准差;xrms为均方根值;xsk为偏度;u3为信号三阶中心矩;xku为峭度;u4为信号四阶中心矩;xI为脉冲因子;xC为峰值因子;xS为波形因子;xr为方根幅值;xL为裕度因子;
步骤3-6,由分量能量熵数和振动信号的时域特征构成高维特征数组。
5.根据权利要求4所述的自动换刀装置运行状态检测方法,其特征在于,步骤4所述基于所述高维特征数组训练支持向量机,利用训练后的支持向量机检测待检测自动换刀装置刀柄到位精度即运行状态,具体过程包括:
步骤4-1,对所述高维特征数组进行降维处理,并整合为振动信号特征向量;
步骤4-2,由每个刀柄到位精度对应的振动信号特征向量和步骤2所获得的类别构建训练集,利用该训练集训练支持向量机构建检测模型;其中类别作为标签;
步骤4-3,针对待检测的自动换刀装置,按照步骤2、3的方式获取刀柄到位精度、振动信号数据以及高维特征数组,并利用步骤4-1的方式处理高维特征数组,获得振动信号特征向量;
步骤4-4,将步骤4-3获得的振动信号特征向量输入至所述检测模型,输出所述待检测自动换刀装置的刀柄到位精度即运行状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010846106.9A CN112077667B (zh) | 2020-08-19 | 2020-08-19 | 一种自动换刀装置运行状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010846106.9A CN112077667B (zh) | 2020-08-19 | 2020-08-19 | 一种自动换刀装置运行状态检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112077667A true CN112077667A (zh) | 2020-12-15 |
CN112077667B CN112077667B (zh) | 2022-05-03 |
Family
ID=73729532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010846106.9A Active CN112077667B (zh) | 2020-08-19 | 2020-08-19 | 一种自动换刀装置运行状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112077667B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113211188A (zh) * | 2021-04-26 | 2021-08-06 | 苏州市伯太数字科技有限公司 | 一种基于刀具负荷波形模式检测刀具切换方法 |
CN113385972A (zh) * | 2021-06-11 | 2021-09-14 | 蓝思智能机器人(长沙)有限公司 | 刀库组件位置参数标定方法和机床 |
CN113752087A (zh) * | 2021-08-30 | 2021-12-07 | 长春汽车工业高等专科学校 | 一种数控刀具磨损的监测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4304041A (en) * | 1980-01-04 | 1981-12-08 | The National Machinery Company | Automatic tool changer for forging machines |
EP1559505A1 (fr) * | 2004-01-30 | 2005-08-03 | Tornos SA | Procédé pour détecter et calculer un écart de positionnement d'un outil entre une position souhaitée et une position effective dudit outil |
CN105643365A (zh) * | 2016-03-29 | 2016-06-08 | 青海机数控机床有限责任公司 | 一种刀库及机械手综合性能检测方法及平台 |
CN106736860A (zh) * | 2017-03-20 | 2017-05-31 | 吉林大学 | 一种数控刀架的性能参数在线检测装置 |
CN108038271A (zh) * | 2017-11-22 | 2018-05-15 | 华中科技大学 | 一种铣刀的磨损预测方法及状态识别的方法 |
CN110059442A (zh) * | 2019-05-07 | 2019-07-26 | 同济大学 | 一种基于零件表面粗糙度和功率信息的车削加工换刀方法 |
-
2020
- 2020-08-19 CN CN202010846106.9A patent/CN112077667B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4304041A (en) * | 1980-01-04 | 1981-12-08 | The National Machinery Company | Automatic tool changer for forging machines |
EP1559505A1 (fr) * | 2004-01-30 | 2005-08-03 | Tornos SA | Procédé pour détecter et calculer un écart de positionnement d'un outil entre une position souhaitée et une position effective dudit outil |
CN105643365A (zh) * | 2016-03-29 | 2016-06-08 | 青海机数控机床有限责任公司 | 一种刀库及机械手综合性能检测方法及平台 |
CN106736860A (zh) * | 2017-03-20 | 2017-05-31 | 吉林大学 | 一种数控刀架的性能参数在线检测装置 |
CN108038271A (zh) * | 2017-11-22 | 2018-05-15 | 华中科技大学 | 一种铣刀的磨损预测方法及状态识别的方法 |
CN110059442A (zh) * | 2019-05-07 | 2019-07-26 | 同济大学 | 一种基于零件表面粗糙度和功率信息的车削加工换刀方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113211188A (zh) * | 2021-04-26 | 2021-08-06 | 苏州市伯太数字科技有限公司 | 一种基于刀具负荷波形模式检测刀具切换方法 |
CN113211188B (zh) * | 2021-04-26 | 2023-12-22 | 苏州市伯太数字科技有限公司 | 一种基于刀具负荷波形模式检测刀具切换方法 |
CN113385972A (zh) * | 2021-06-11 | 2021-09-14 | 蓝思智能机器人(长沙)有限公司 | 刀库组件位置参数标定方法和机床 |
CN113752087A (zh) * | 2021-08-30 | 2021-12-07 | 长春汽车工业高等专科学校 | 一种数控刀具磨损的监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112077667B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112077667B (zh) | 一种自动换刀装置运行状态检测方法 | |
CN109562500B (zh) | 机床的工具的异常检测装置及方法 | |
CN111761409A (zh) | 一种基于深度学习的多传感器数控机床刀具磨损监测方法 | |
Apley et al. | A factor-analysis method for diagnosing variability in mulitvariate manufacturing processes | |
CN111687689A (zh) | 一种基于lstm和cnn的刀具磨损状态预测方法及装置 | |
CN107862338B (zh) | 基于双检验法的海洋环境监测数据质量管理方法及系统 | |
Pfeifer et al. | Reliable tool wear monitoring by optimized image and illumination control in machine vision | |
Abellan-Nebot et al. | A review of machining monitoring systems based on artificial intelligence process models | |
CN101879690B (zh) | 一种基于多传感器信号的批量钻削工序质量监测方法 | |
CN109947047B (zh) | 一种电主轴失衡故障诊断方法 | |
CN206925649U (zh) | 数控机床及其测量系统 | |
CN108581633B (zh) | 一种基于遗传算法优化多传感监测刀具状态的方法 | |
CN108154187A (zh) | 一种基于振动信号的深孔啄钻加工质量检测方法 | |
DEmilia et al. | Improvement of defect detectability in machine tools using sensor-based condition monitoring applications | |
CN114486889A (zh) | 一种复材壁板微小阵列孔通孔率检测系统及方法 | |
CN100470578C (zh) | 基于计算机视觉的科学仪器工作状态监测方法 | |
CN108393744B (zh) | 一种刀具状态多传感监测方法 | |
CN101745845A (zh) | 一种金属零件外轮廓形状的测量方法及加工精度的检测方法 | |
Du et al. | Intelligent turning tool monitoring with neural network adaptive learning | |
CN116985183B (zh) | 一种近红外光谱分析仪质量监测管理方法及系统 | |
CN113609789A (zh) | 一种基于时空特征并行提取的刀具磨损状态预测方法 | |
CN112781820A (zh) | 一种滚刀性能退化趋势评估方法 | |
US6571148B1 (en) | System for automatically certifying the accuracy of a manufacturing machine and associated methods | |
CN112528955B (zh) | 一种高频元件加工尺寸的精度预测方法及系统 | |
CN110657752B (zh) | 一种基于光纤位移传感器的阵列孔通孔率测量方法 |
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 |