CN112958840B - 精密零件加工削力信号自动分段方法 - Google Patents
精密零件加工削力信号自动分段方法 Download PDFInfo
- Publication number
- CN112958840B CN112958840B CN202110183870.7A CN202110183870A CN112958840B CN 112958840 B CN112958840 B CN 112958840B CN 202110183870 A CN202110183870 A CN 202110183870A CN 112958840 B CN112958840 B CN 112958840B
- Authority
- CN
- China
- Prior art keywords
- data
- cutting force
- module
- reference waveform
- force signal
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23D—PLANING; SLOTTING; SHEARING; BROACHING; SAWING; FILING; SCRAPING; LIKE OPERATIONS FOR WORKING METAL BY REMOVING MATERIAL, NOT OTHERWISE PROVIDED FOR
- B23D79/00—Methods, machines, or devices not covered elsewhere, for working metal by removal of material
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23D—PLANING; SLOTTING; SHEARING; BROACHING; SAWING; FILING; SCRAPING; LIKE OPERATIONS FOR WORKING METAL BY REMOVING MATERIAL, NOT OTHERWISE PROVIDED FOR
- B23D11/00—Planing or slotting devices able to be attached to a machine tool, whether or not replacing an operative portion of the machine tool
Abstract
本发明公开的一种精密零件切削力信号自动分段的方法,分段的准确度和效率高。本发明通过下述技术方案实现:自动分段软件对加工过程中采集到的精密零件的切削力信号特征进行分析,加载切削力数据文件;数据清洗模块采集试验设置的采样时间数据,去除无关的头部数据,去除末尾0值,对分段数据进行滤波处理,去除无关的干扰信号;选取参考波形模块根据滤波后的数据范围和加工特征类型,确定各参考波形中心数据点和带宽,产生多个参考波形数据;切削力数据分段模块设置高通滤波器滤除低频分量的信号,将滤波后的分段数据远端置0,脉冲点检测去除离群值,取出分段数据中相关最明显的起始和结束范围;结果显示模块将分段后数据进行图形化显示。
Description
技术领域
本发明属于精密零件加工领域,特别涉及的是精密零件加工过程切削力信号自动分段方法。
背景技术
精密加工与超精密加工技术是新技术的生长点,精密与超精密加工技术涉及多种基础学科和多种新兴技术,其发展无疑会带动和促进这些相关科学技术的发展。精密零件在实际应用中必然是精度越高,越精致就越能体现加工水平和质量,一般来说在数控加工有着不可比拟的优势与特点。关于精密零件加工的几种加工方式分为车、铣、刨、磨、钳、冲压、铸造等方式冲压:冲压采用预先制作好的模具用冲床进行冷冲加工,主要进行钣金加工,即加工的素材大多部分都是板材,加工的效率比较高适合大批量生产,而精密五金加工工艺流程分为工程模和连续模、工程模也叫单冲模,有的比较复杂的零件要用好几套模具,而连续模在模具的型腔将产品的形状拆分开好几个部分在一个模具中,这样冲床加工一个行程就是一个成品。高速连续冲床每分钟可以加工三四佰个产品。车床:精密零件加工的车床属于精密加工机械,有分为普通车床、自动车床、仪表车床和数控车床、它通过将材料夹持住后进行回转运动,由车刀进行径向或轴向的加工。现在自动车床、数控铣机床和数控车床的应用越来越广泛,因为这些都是全自动加工,将人为操作产生的精度误差降到了最底点,而且加工速度快,用于大批量生产。超精密机床上进行超精密切削,可以加工出光洁度极高的镜面。超精密切削的切削厚度可极小,最小切削厚度可至1nm。精密与超精密加工设备造价高,难成系列。传统切削与磨削方法存在加工精度极限,超越极限需采用新的方法。随着应用场景和实现功能的不同,精密零件上分布的加工特征也不同,如槽、缝、孔等,这些特征具有精度要求高,加工难度大,加工工件易变性等特征。
精密零件主要通过高速铣机床一次性切削加工完成,在数控加工过程中,切削深度和进给量增大,会使得切削力增大,而切削速度增大,切削力减小;主轴的动态误差、加工过程的热量也会引起切削力的变化。切削力的大小直接影响加工质量,切削力增大,工件变形变大,并可能引起振动,从而降低加工质量。切削力减小则反之。可见,加工过程的切削力变化对最终的加工质量有较大的影响,并且精密零件的铣削加工对象为薄壁工件,易发生力学变形,因此对切削力的采集和分析更是显得尤为重要。
由于精密工件是一次性连续加工完成,加工耗时较长,而一个工件可以根据加工特征的类型不同分为多个加工阶段,得到的切削力采样信号也会呈现比较明显的分段现象。切削力受加工机床的切削深度、进给量、主轴动态误差和加工热量等影响很大,为了便于对不同特征加工过程的切削力进行分析,以便优化加工工艺参数,需要将采集到的整个切削力信号针对每个子特征进行分段。切削的过程是一个非平稳的过程,采用压电式测力仪系统,采集到的精密零件加工过程的切削力随时间变化的信号,可以观察到图3所示切削力信号不同维度下的波形图中X方向的信号呈较明显的分段现象,由于特征转换时存在多种干扰信号和噪声信号,靠人工观察难以对特征转换的具体位置进行确定。
人工对的信号分段主要以观察波形疏密变化和幅度变化为主,耗时太长且低效,难以准确识别隐藏在大量数据中的有效特征数据。专门研究设计一种基于数据自相关算法的切削力信号自动分段方法。
发明内容
本发明的目的是为了对精密零件加工过程中采集到的切削力信号进行特征分段,提高分段的准确度和效率,本发明提出一种能够实现精密零件加工切削力信号的快速高效,自动分段切削力信号的方法。
本发明实现上述目可以通过以下技术方案予以实现。一种精密零件切削力信号自动分段的方法,具有如下技术特征:设计开发具有数据清洗模块、数据滤波模块、选取参考波形模块、切削力数据分段模块和结果显示模块构成的自动分段软件,自动分段软件对测力仪采集到的精密零件不同特征,以及加工过程中的切削力信号进行分析、整理和处理,加载切削力数据文件;数据清洗模块针对载入的切削力信号数据,采集试验设置的采样时间数据,选取待处理的特征数据,去除无关的头部数据,去除末尾0值;数据滤波模块设置带通滤波器参数,对分段数据进行滤波处理,去除无关的干扰信号;选取参考波形模块根据滤波后的数据范围和加工特征类型,确定各参考波形中心数据点和带宽,从滤波数据中切片产生多个参考波形数据;切削力数据分段模块将参考波形与滤波后的切削力信号数据进行相关性处理,得到相关处理后的分段数据,并设置高通滤波器滤除低频分量的信号,将滤波后的分段数据远端置0,对分段数据进行脉冲点检测,去除离群值,取出分段数据中相关最明显的起始和结束范围;结果显示模块将分段后数据进行图形化显示,分段后的数据保存为.csv格式文档。
本发明相比于靠人工观察关于技术效果的描写
本发明中采用具有数据清洗模块、数据滤波模块、选取参考波形模块、切削力数据分段模块和结果显示模块的自动分段软件,通过设计开发自动分段软件,将切削力数据进行清洗、整理和分析等处理,实现精密零件加工切削力信号的快速高效分段。
本发明采用数据清洗模块、数据滤波模块、选取参考波形模块通过数据清洗、数字滤波、参考波形选择,有效地清除了精密零件切削力信号中的无效数据。数据滤波模块设置带通滤波器参数,对分段数据进行滤波处理,去除了无关的干扰信号;
本发明采用切削力数据分段模块,将参考波形与滤波后的切削力信号数据进行相关性处理,得到相关处理后的分段数据,并设置高通滤波器滤除低频分量的信号,将滤波后的分段数据远端置0,对分段数据进行脉冲点检测,去除离群值,取出分段数据中相关最明显的起始和结束范围,通过对精密零件加工过程中采集到的切削力信号进行特征分段,根据数据特征自动分段、数据相关性处理及数据自动分段等技术,提高了分段的准确度和效率,相比于人工观察方式进行分段的方法,大大提高了分段的效率和准确度,能够支撑后续应用的数据输入需求。
附图说明
图1是切削力信号自动分段实现流程图。
图2是切削力信号自动分段后的效果图。
图3是切削力信号不同维度下的波形图。
具体实施方式
参阅图1。根据本发明,具有如下技术特征:设计开发具有数据清洗模块、数据滤波模块、选取参考波形模块、切削力数据分段模块和结果显示模块构成的自动分段软件,自动分段软件对测力仪采集到的精密零件不同特征,以及加工过程中的切削力信号进行分析、整理和处理,加载切削力数据文件;数据清洗模块针对载入的切削力信号数据,采集试验设置的采样时间数据,选取待处理的特征数据,去除无关的头部数据,去除末尾0值;数据滤波模块设置带通滤波器参数,对分段数据进行滤波处理,去除无关的干扰信号;选取参考波形模块根据滤波后的数据范围和加工特征类型,确定各参考波形中心数据点和带宽,从滤波数据中切片产生多个参考波形数据;切削力数据分段模块将参考波形与滤波后的切削力信号数据进行相关性处理,得到相关处理后的分段数据,并设置高通滤波器滤除低频分量的信号,将滤波后的分段数据远端置0,对分段数据进行脉冲点检测,去除离群值,取出分段数据中相关最明显的起始和结束范围;结果显示模块将分段后数据进行图形化显示,分段后的数据保存为.csv格式文档。
测力仪对精密零件加工过程中的切削力进行实时测量,获取加工过程X方向、Y方向和Z方向的时间数据和力学分布数据,将采集到的随时间变化的切削力信号,从上到下分别为X方向、Y方向和Z方向,将该三个方向不同的力学参数分别送入自动分段软件,形成加载切削力数据文件。
以上述说明为基础,下面以一组切削力数据(机床的主轴转速为34000r/min,刀具进给速度为2800mm/min,切深为0.2mm,采样频率为100Hz,采样时间为2000s)为例,说明具体的操作过程。
自动分段软件将加载的切削力数据头部描述信息描述为字符类型,选取随加工特征变化最为明显的X方向数据作为待处理数据(位于二维数据的第二列)。切削力数据共包含数据200021条,其中头部描述信息占21条,且为字符类型描述,不适用于数组处理,需要去除。
在以下可选的实施例中:
数据清洗模块将数据采集试验中超出了实际加工时间数据将全部去除不用,将采样时间设置窗长为6的滑动窗口,数据清洗模块把连续6个数据为0表示数据已达到末端。数据滤波模块在数据滤波中,设置带通滤波器参数,并配置好滤波阶数和滤波范围,将滤波后的负半轴数据设置为0,正半轴数据保持不变,对数据进行滤波处理,去除无关的干扰信号。
选取参考波形模块根据数据范围和加工特征类型,确定各参考波形的中心数据点和带宽,从滤波后的数据中切片分别产生多个参考波形数据,将参考波形分别与滤波后的数据进行相关性处理,得到多组相关处理后的数据。比如,选取参考波形模块根据数据范围和加工特征类型,确定各参考波形的中心数据点和带宽,从滤波后的数据中切片分别产生6个参考波形数据,选取6个参考波形,将参考波形分别与滤波后的数据进行相关性处理,得到6组相关处理后的数据。
切削力数据分段模块去除离群值后,判断参考波形选取模块是否将参考波形相关处理完成,是则将分段后数据图形化后送入结果显示输出模块,完成数据分段输出,否则返回到参考波形选取模块,直到完成参考波形相关处理,取出数据中相关最明显的起始和结束范围内的数据,将上述范围内的分段数据置为高,超出范围的数据置为低,得到相关处理后的数据。
以上述说明为基础,下面以处理后的数据为例,说明具体的操作过程。
切削力数据分段模块设置高通滤波器参数,并配置好滤波阶数和滤波范围,滤波后的数据远端置0,远端范围定义为距中心数据点10倍带宽以外,再对数据进行脉冲点检测,当两个脉冲的间距超出众数间距的1.5倍时,定义为离群脉冲。
去除离群值后,切削力数据分段模块将脉冲点检测中超出众数间距1.5倍间距的两个脉冲,定义为离群脉冲,去除离群值后,取出数据中相关最明显的起始和结束范围内的数据,将起始和结束范围内的数据置为10,超出范围的数据置为0。
以上述说明为基础,下面以处理后的数据为例,说明具体的操作过程。
结果显示模块将切削力数据分段模块分段后的数据组合显示在同一张图上,并依据分段标记分别对X方向、Y方向和Z方向的信号进行图形化分段,每一段用不同颜色标识,共至少划分出6段数据,分段输出至少6段数据,并保存为.csv格式文档。
参阅图2。表示了切削力信号自动分段后的效果。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种精密零件切削力信号自动分段的方法,具有如下技术特征:设计开发具有数据清洗模块、数据滤波模块、选取参考波形模块、切削力数据分段模块和结果显示模块构成的自动分段软件,自动分段软件对测力仪采集到的精密零件不同特征,以及加工过程中的切削力信号进行分析、整理和处理,加载切削力数据文件;数据清洗模块针对载入的切削力信号数据,采集试验设置的采样时间数据,选取待处理的特征数据,去除无关的头部数据,去除末尾0值;数据滤波模块设置带通滤波器参数,对分段数据进行滤波处理,去除无关的干扰信号;选取参考波形模块根据滤波后的数据范围和加工特征类型,确定各参考波形中心数据点和带宽,从滤波数据中切片产生多个参考波形数据;切削力数据分段模块将参考波形与滤波后的切削力信号数据进行相关性处理,得到相关处理后的分段数据,并设置高通滤波器滤除低频分量的信号,将滤波后的分段数据远端置0,对分段数据进行脉冲点检测,去除离群值,取出分段数据中相关最明显的起始和结束范围;结果显示模块将分段后数据进行图形化显示,分段后的数据保存为.csv格式文档。
2.如权利要求1所述的精密零件切削力信号自动分段的方法,其特征在于:测力仪对精密零件加工过程中的切削力进行实时测量,获取加工过程X方向、Y方向和Z方向的时间数据和力学分布数据,将采集到的随时间变化的切削力信号,从上到下分别为X方向、Y方向和Z方向,将该三个方向不同的力学参数分别送入自动分段软件,形成切削力数据文件。
3.如权利要求1所述的精密零件切削力信号自动分段的方法,其特征在于:自动分段软件将加载的切削力数据头部描述信息描述为字符类型,选取随加工特征变化最为明显的X方向数据作为待处理数据。
4.如权利要求1所述的精密零件切削力信号自动分段的方法,其特征在于:数据清洗模块将数据采集试验中超出了实际加工时间数据将全部去除不用,将采样时间设置窗长为6的滑动窗口,数据清洗模块把连续6个数据为0表示数据已达到末端。
5.如权利要求1所述的精密零件切削力信号自动分段的方法,其特征在于:数据滤波模块在数据滤波中,设置带通滤波器参数,并配置好滤波阶数和滤波范围,对数据进行滤波处理,去除无关的干扰信号,将滤波后的数据负半轴设置为0,正半轴保持不变。
6.如权利要求1所述的精密零件切削力信号自动分段的方法,其特征在于:选取参考波形模块根据数据范围和加工特征类型,确定各参考波形的中心数据点和带宽,从滤波后的数据中切片分别产生多个参考波形数据,将参考波形分别与滤波后的数据进行相关性处理,得到多组相关处理后的数据。
7.如权利要求1所述的精密零件切削力信号自动分段的方法,其特征在于:切削力数据分段模块去除离群值后,判断参考波形选取模块是否将参考波形相关处理完成,是则将分段后数据图形化后送入结果显示输出模块,完成数据分段输出,否则返回到参考波形选取模块,直到完成参考波形相关处理,取出数据中相关最明显的起始和结束范围内的数据,将上述范围内的分段数据置为高,超出范围的数据置为低,得到相关处理后的数据。
8.如权利要求1所述的精密零件切削力信号自动分段的方法,其特征在于:切削力数据分段模块设置高通滤波器参数,并配置好滤波阶数和滤波范围,滤波后的数据远端置0,远端范围定义为距中心数据点10倍带宽以外,再对数据进行脉冲点检测。
9.如权利要求8所述的精密零件切削力信号自动分段的方法,其特征在于:去除离群值后,切削力数据分段模块将脉冲点检测中超出众数间距1.5倍间距的两个脉冲,定义为离群脉冲,去除离群值后,取出数据中相关最明显的起始和结束范围内的数据,将起始和结束范围内的数据置为10,超出范围的数据置为0。
10.如权利要求1所述的精密零件切削力信号自动分段的方法,其特征在于:结果显示模块将切削力数据分段模块分段后的数据组合显示在同一张图上,并依据分段标记分别对X方向、Y方向和Z方向的信号进行图形化分段,每一段用不同颜色标识,分段后的数据保存为.csv格式文档。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110183870.7A CN112958840B (zh) | 2021-02-10 | 2021-02-10 | 精密零件加工削力信号自动分段方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110183870.7A CN112958840B (zh) | 2021-02-10 | 2021-02-10 | 精密零件加工削力信号自动分段方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112958840A CN112958840A (zh) | 2021-06-15 |
CN112958840B true CN112958840B (zh) | 2022-06-14 |
Family
ID=76284822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110183870.7A Active CN112958840B (zh) | 2021-02-10 | 2021-02-10 | 精密零件加工削力信号自动分段方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112958840B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1805545A (zh) * | 2005-01-11 | 2006-07-19 | 日本电气株式会社 | 复用设备及其数据处理方法 |
CN1926413A (zh) * | 2004-10-18 | 2007-03-07 | 日本精工株式会社 | 机械设备的异常诊断系统 |
CN101023469A (zh) * | 2004-07-28 | 2007-08-22 | 日本福年株式会社 | 数字滤波方法和装置 |
CN102122391A (zh) * | 2010-12-13 | 2011-07-13 | 中国人民解放军国防科学技术大学 | 一种运动捕获数据自动分割方法 |
CN104809333A (zh) * | 2015-04-03 | 2015-07-29 | 百度在线网络技术(北京)有限公司 | 基于Kalman滤波器的容量预测方法和系统 |
CN105058165A (zh) * | 2015-08-08 | 2015-11-18 | 电子科技大学 | 基于振动信号的刀具磨损量监测系统 |
JP2017094463A (ja) * | 2015-11-26 | 2017-06-01 | Dmg森精機株式会社 | 切削工具の固有振動数導出方法及び安定限界曲線作成方法、並びに切削工具の固有振動数導出装置 |
CN108366753A (zh) * | 2015-10-07 | 2018-08-03 | 生物质子有限责任公司 | 用于评估具有指定对比度机制的结构空间频率的选择性采样 |
CN108620950A (zh) * | 2018-05-08 | 2018-10-09 | 华中科技大学无锡研究院 | 一种车削刀具加工状态监测方法及系统 |
CN108701219A (zh) * | 2017-03-14 | 2018-10-23 | 华为技术有限公司 | 波形信号处理的方法及装置 |
CN108723895A (zh) * | 2018-05-25 | 2018-11-02 | 湘潭大学 | 一种用于钻削加工状态实时监测的信号分割方法 |
CN109240207A (zh) * | 2018-11-05 | 2019-01-18 | 青岛理工大学 | 一种基于多传感器的振动切削加工诊断系统及方法 |
CN109462404A (zh) * | 2018-11-06 | 2019-03-12 | 安徽建筑大学 | 基于相似度分段的自适应波形数据压缩方法 |
CN109531272A (zh) * | 2018-11-06 | 2019-03-29 | 北京理工大学 | 一种传感器融合采集切削信号的方法 |
CN109746765A (zh) * | 2018-11-01 | 2019-05-14 | 北京理工大学 | 一种基于累积和控制理论的刀具失效状态监测方法 |
CN110561194A (zh) * | 2019-10-21 | 2019-12-13 | 河北工业大学 | 一种数控车削加工动态切削力的测量装置及方法 |
CN111599348A (zh) * | 2020-05-07 | 2020-08-28 | 武汉数字化设计与制造创新中心有限公司 | 一种机床加工过程监测信号的自动分段方法和系统 |
CN111650891A (zh) * | 2020-06-23 | 2020-09-11 | 佛山市普拉迪数控科技有限公司 | 具有恒力自适应控制方法的五轴精密小龙门数控加工中心 |
-
2021
- 2021-02-10 CN CN202110183870.7A patent/CN112958840B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101023469A (zh) * | 2004-07-28 | 2007-08-22 | 日本福年株式会社 | 数字滤波方法和装置 |
CN1926413A (zh) * | 2004-10-18 | 2007-03-07 | 日本精工株式会社 | 机械设备的异常诊断系统 |
CN1805545A (zh) * | 2005-01-11 | 2006-07-19 | 日本电气株式会社 | 复用设备及其数据处理方法 |
CN102122391A (zh) * | 2010-12-13 | 2011-07-13 | 中国人民解放军国防科学技术大学 | 一种运动捕获数据自动分割方法 |
CN104809333A (zh) * | 2015-04-03 | 2015-07-29 | 百度在线网络技术(北京)有限公司 | 基于Kalman滤波器的容量预测方法和系统 |
CN105058165A (zh) * | 2015-08-08 | 2015-11-18 | 电子科技大学 | 基于振动信号的刀具磨损量监测系统 |
CN108366753A (zh) * | 2015-10-07 | 2018-08-03 | 生物质子有限责任公司 | 用于评估具有指定对比度机制的结构空间频率的选择性采样 |
JP2017094463A (ja) * | 2015-11-26 | 2017-06-01 | Dmg森精機株式会社 | 切削工具の固有振動数導出方法及び安定限界曲線作成方法、並びに切削工具の固有振動数導出装置 |
CN108701219A (zh) * | 2017-03-14 | 2018-10-23 | 华为技术有限公司 | 波形信号处理的方法及装置 |
CN108620950A (zh) * | 2018-05-08 | 2018-10-09 | 华中科技大学无锡研究院 | 一种车削刀具加工状态监测方法及系统 |
CN108723895A (zh) * | 2018-05-25 | 2018-11-02 | 湘潭大学 | 一种用于钻削加工状态实时监测的信号分割方法 |
CN109746765A (zh) * | 2018-11-01 | 2019-05-14 | 北京理工大学 | 一种基于累积和控制理论的刀具失效状态监测方法 |
CN109240207A (zh) * | 2018-11-05 | 2019-01-18 | 青岛理工大学 | 一种基于多传感器的振动切削加工诊断系统及方法 |
CN109462404A (zh) * | 2018-11-06 | 2019-03-12 | 安徽建筑大学 | 基于相似度分段的自适应波形数据压缩方法 |
CN109531272A (zh) * | 2018-11-06 | 2019-03-29 | 北京理工大学 | 一种传感器融合采集切削信号的方法 |
CN110561194A (zh) * | 2019-10-21 | 2019-12-13 | 河北工业大学 | 一种数控车削加工动态切削力的测量装置及方法 |
CN111599348A (zh) * | 2020-05-07 | 2020-08-28 | 武汉数字化设计与制造创新中心有限公司 | 一种机床加工过程监测信号的自动分段方法和系统 |
CN111650891A (zh) * | 2020-06-23 | 2020-09-11 | 佛山市普拉迪数控科技有限公司 | 具有恒力自适应控制方法的五轴精密小龙门数控加工中心 |
Non-Patent Citations (2)
Title |
---|
Feedrate optimization for variant milling process based on cutting force prediction;Z.Z. Li,Z.H. Zhang,L. Zheng;《Int J Adv Manuf Technol》;20040728;全文 * |
切削力数据采集分析系统算法研究;姚运萍等;《科学技术与工程》;20071230;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112958840A (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110587377B (zh) | 一种在线监测铣削加工刀具缺损的方法 | |
CN110263474A (zh) | 一种数控机床的刀具寿命实时预测方法 | |
CN108490880A (zh) | 一种数控机床切削刀具磨损状态实时监测方法 | |
CN111660141B (zh) | 一种工况无关的基于主轴驱动电流的铣刀磨损状态识别方法 | |
CN103192292B (zh) | 基于加工工件曲面形貌信息的数控机床误差辨识分离方法 | |
CN112958840B (zh) | 精密零件加工削力信号自动分段方法 | |
CN109746685A (zh) | 高精度高温合金薄壁双翼安装边盘件控制变形的加工方法 | |
CN1583315A (zh) | 精密锻造零件的制造工艺 | |
Wolszczak et al. | Monitoring of cutting conditions with the empirical mode decomposition | |
CN114102274A (zh) | 3d打印零件加工方法 | |
CN114273974A (zh) | 高速铣削加工中基于振动信号的刀具跳动参数在线估计法 | |
CN113600896A (zh) | 一种数控机床铣刀磨损状态信号监测方法 | |
CN114918736B (zh) | 一种适用于难加工材料的智能工艺系统 | |
CN109940462B (zh) | 铣刀切削振动变化特性的检测与高斯过程模型构建方法 | |
US20220009049A1 (en) | Calibration-Based Tool Condition Monitoring System for Repetitive Machining Operations | |
CN114888635A (zh) | 一种刀具状态监测方法 | |
Serin et al. | Chatter detection in milling with acoustic emissions and deep learning | |
Gogolewski | The simulation method for the identification the surface irregularities | |
CN100581695C (zh) | 一种活塞异形外圆的加工方法 | |
CN110597060B (zh) | 基于监测加速度的薄壁件侧铣加工表面粗糙度预测方法 | |
JP2005138162A (ja) | プレス金型形状面の加工方法 | |
Diaz-Saldaña et al. | CNC lathe tool wear analysis using image processing and stray flux | |
Lowis | Reference data sets for the detection of anomalies in the manufacturing process of cutting machine tools | |
CN115971970B (zh) | 一种基于多参数引导空间注意力机制的铣刀磨损监测方法 | |
CN201970183U (zh) | 不锈钢薄壁轴套抛光机构 |
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 |