CN113211189A - 基于振动信号的拉削刀具磨损与损伤定量预测系统及方法 - Google Patents

基于振动信号的拉削刀具磨损与损伤定量预测系统及方法 Download PDF

Info

Publication number
CN113211189A
CN113211189A CN202110456281.1A CN202110456281A CN113211189A CN 113211189 A CN113211189 A CN 113211189A CN 202110456281 A CN202110456281 A CN 202110456281A CN 113211189 A CN113211189 A CN 113211189A
Authority
CN
China
Prior art keywords
broaching
damage
acceleration sensor
broach
tool
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
Application number
CN202110456281.1A
Other languages
English (en)
Inventor
张顺琦
唐阳
汪进超
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.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
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 University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN202110456281.1A priority Critical patent/CN113211189A/zh
Publication of CN113211189A publication Critical patent/CN113211189A/zh
Pending legal-status Critical Current

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及一种基于振动信号的拉削刀具磨损与损伤定量预测系统及方法。本发明系统包括拉刀、拉削方向加速度传感器、切削深度进给方向加速度传感器、数据采集卡和计算机。本发明针对拉床刀具加工过程中，对轻微磨损与损伤难以定量评估与预测难题，提出了一种刀具磨损与损伤定量预测方法，达到对拉床拉刀结构定量健康管理。本发明监测拉床拉刀结构健康的优点是设备成本低廉、结构简单可靠，可以直观的根据频谱图判断拉刀是否磨损与损伤。

Description

基于振动信号的拉削刀具磨损与损伤定量预测系统及方法
技术领域
本发明为一种基于振动信号的拉削刀具磨损与损伤定量预测系统及方法。应用用于车间复杂现场环境下，实现对拉床刀具轻微磨损或损伤的定量评估与预测。
背景技术
拉刀是用于拉削的成形刀具。刀具表面上有多排刀齿，各排刀齿的尺寸和形状从切入端至切出端依次增加和变化。当拉刀作拉削运动时，每个刀齿就从工件上切下一定厚度的金属，最终得到所要求的尺寸和形状。拉刀常用于成批和大量生产中加工圆孔、花键孔、键槽、平面和成形表面等,生产率很高。拉刀按加工表面部位的不同，分为内拉刀和外拉刀。
目前拉床拉刀的磨损与损伤主要是通过工人师傅凭经验定期更换刀具，或仅凭经验听机床工作时振动声音以判断拉刀是否磨损或损伤。这种方法很有可能因工人误听误判造成不必要的工件和刀具报废而产生重大经济损失。
发明内容
本发明的主要目的在于克服现有技术的不足，提供一种基于振动信号的拉削刀具磨损与损伤定量预测系统及方法，可直观地根据频谱图判断拉刀的磨损与损伤。本发明监测拉床拉刀结构健康的优点是设备成本低廉、结构简单可靠，直观性强。
为实现上述目的，本发明采用以下技术方案：
一种基于振动信号的拉削刀具磨损与损伤定量预测系统，包括拉刀、拉削方向加速度传感器、切削深度进给方向加速度传感器、数据采集卡和计算机，拉削方向加速度传感器和切削深度进给方向加速度传感器安装在工件夹持工装上，或安装在拉床两侧溜板上；包括拉削方向加速度传感器、切削深度进给方向加速度传感器的两个传感器主要测量拉削方向、切削深度进给方向的加速度信号；两加速度信号传感器与数据采集卡相连接，数据采集卡获得数字信号传递给计算机，经频谱分析后对拉刀进行结构健康状态定量评估。
一种基于振动信号的拉削刀具磨损与损伤定量预测方法，采用本发明基于振动信号的的拉削刀具磨损与损伤定量预测系统进行操作，操作步骤如下：
①拉刀以恒定速度进行拉削运动，其刀齿对工件会按一定周期产生激励；
②在周期载荷激励下，频谱信号呈现与载荷同周期的倍频信号；
③不同幅值激励信号，导致频谱信号倍频处幅值发生改变；
④对频谱信号切削激励倍频处幅值进行分析，定量预测拉刀的磨损与损伤。
优选地，加速度传感器采集拉刀加速度时，其采样频率应该设置的尽可能大一点，低采样频率会丢失拉刀的一些加速度信号从而影响最后结果的精度。
本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著的技术进步：
1.本发明采用加速度传感器分别固定安装在拉刀两侧溜板上或工件夹持工装上，同一拉床可以安装多个加速器传感器，主要测量拉削方向、切削深度进给方向的振动信号；当拉刀以恒定拉削速度拉削工件时，拉刀刀齿进入或者离开工件时会产生一次激励，相邻刀齿所产生的激励间隔时间是一个定值，因此当切削进给速度恒定时，拉削过程中切削力是一个周期激励信号；用数据采集卡读取加速度信号，分别作快速傅立叶变换，获得频谱信号；在周期载荷激励下，频谱信号呈现与激励同周期的倍频信号；不同幅值激励信号，即代表刀具磨损程度或不同损伤类型，刀具的磨损或损伤会导致频谱信号倍频幅值发生改变；利用这一特性定量预测拉刀磨损程度或不同损伤类型；
2.本发明基于振动信号的拉削刀具磨损与损伤定量预测系统及方法；本发明系统包括拉刀、拉削方向加速度传感器、切削深度进给方向加速度传感器、数据采集卡和计算机；本发明针对拉床刀具加工过程中，对轻微磨损与损伤难以定量评估与预测难题，提出了一种利用振动信号的刀具磨损与损伤定量预测方法，达到对拉床拉刀结构定量健康管理。
附图说明
图1为本发明基于振动信号的拉削刀具磨损与损伤定量预测系统的结构示意图。
图2为本发明基于振动信号的拉削刀具磨损与损伤定量预测方法的流程图。
图3为拉刀54个刀齿未出现任何磨损或损伤时拉削力图。
图4为拉刀54个刀齿未出现任何磨损或损伤时频谱图。
图5为拉刀第2个刀齿发生轻微磨损时拉削力图。
图6为拉刀第2个刀齿发生轻微磨损时频谱图。
图7为拉刀第2个刀齿完全损伤时拉削力图。
图8为拉刀第2个刀齿完全损伤时频谱图。
图9为拉刀所有刀齿均完全损伤时拉削力图。
图10为拉刀所有刀齿均完全损伤时频谱图。
图11为拉刀刀齿磨损与损伤时规律图。
具体实施方式
为了使本发明实施例所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当强调的是，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。
实施例一：
参阅图1，一种基于振动信号的拉削刀具磨损与损伤定量预测系统，包括拉刀2、拉削方向加速度传感器3、切削深度进给方向加速度传感器4、数据采集卡5和计算机6，拉削方向加速度传感器3和切削深度进给方向加速度传感器4安装在工件1夹持工装上，或安装在拉床两侧溜板上；包括拉削方向加速度传感器3、切削深度进给方向加速度传感器4的两个传感器主要测量拉削方向、切削深度进给方向的加速度信号；两加速度信号传感器与数据采集卡5相连接，数据采集卡5获得数字信号传递给计算机6，经频谱分析后对拉刀进行结构健康状态定量评估。
本实施例基于振动信号的拉削刀具磨损与损伤定量预测系统，可直观地根据频谱图判断拉刀的磨损与损伤。本发明监测拉床拉刀结构健康的优点是设备成本低廉、结构简单可靠，直观性强。
实施例二：
在上述实施例中，参见图2，一种基于振动信号的拉削刀具磨损与损伤定量预测方法，采用权利要求1所述基于振动信号的的拉削刀具磨损与损伤定量预测系统进行操作，操作步骤如下：
①拉刀以恒定速度进行拉削运动，其刀齿对工件会按一定周期产生激励；
②在周期载荷激励下，频谱信号呈现与载荷同周期的倍频信号；
③不同幅值激励信号，导致频谱信号倍频处幅值发生改变；
④对频谱信号切削激励倍频处幅值进行分析，定量预测拉刀的磨损与损伤。
在本实施例中，加速度传感器采集拉刀加速度时，其采样频率应该设置的尽可能大一点。低采样频率会丢失拉刀的一些加速度信号从而影响最后结果的精度。本实施例针对拉床刀具加工过程中，对轻微磨损与损伤难以定量评估与预测难题，提出了一种利用振动信号的刀具磨损与损伤定量预测方法，达到对拉床拉刀结构定量健康管理。
实施例三：
本实施例基于振动信号的拉削刀具磨损与损伤定量预测系统与工厂自动化生产设备进行配套使用。如图1所示，拉削方向加速度传感器3和切削深度进给方向加速度传感器4安装在拉床两侧溜板上，主要测量拉削方向、切削深度进给方向加速度信号。
当拉床拉削工件的时候，加速度传感器采集拉削运动过程中拉刀所产生的加速度变化信号。用数据采集卡读取加速度信号，分别作快速傅立叶变换，获得频谱信号。在周期载荷激励下，频谱信号呈现与激励同周期的倍频信号。不同幅值激励信号，即代表刀具磨损程度或不同损伤类型，刀具的磨损或损伤会导致频谱信号倍频幅值所对应的幅值发生改变。利用这一特性定量预测拉刀磨损程度或不同损伤类型。
当实验组拉刀刀齿发生轻微磨损时，其对应的刀齿与工件的拉削力将会减小，具体减小的数值由磨损程度而决定。当拉刀刀齿发生完全损伤时。其对应刀齿与工件间的拉削力为0。
当实验组拉刀上54个刀齿无任何磨损与损伤时，参见图3，其频谱信号倍频幅值(94.24rad/s)对应的幅值为1800m/s2，参见图4。
当实验组拉刀某一个刀齿发生轻微磨损时，此时实验组拉刀某一个刀齿为第二个刀齿，参见图5，频谱信号倍频幅值94.24rad/s对应的幅值为1781m/s2，参见图6。
当实验组拉刀某一个刀齿发生完全损伤时，此时实验组拉刀某一个刀齿为第二个刀齿，参见图7，频谱信号倍频幅值94.24rad/s对应的幅值为1767m/s2，参见图8。
经过大量的实验可知，当一个刀齿发生轻微磨损时，频谱信号倍频幅值94.24rad/s对应的幅值减少量是个定值，具体幅值减少量是由拉刀刀齿轻微磨损的程度而决定的。当一个刀齿完全损伤时，其频谱信号倍频幅值94.24rad/s对应的幅值减少量33m/s2，其规律如图11所示。
当54个齿全部完全损伤时，参见图9，第频谱信号倍频幅值对应的幅值为27.8m/s2，参见图10。
上述实施例对本发明的具体实施例进行了描述，由以上案例可知不同幅值激励信号，即代表刀具磨损程度或不同损伤类型，刀具的磨损或损伤会导致频谱信号频谱信号倍频幅值所对应的幅值发生改变。利用这一特性定量预测拉刀磨损程度或不同损伤类型。上述实施例基于振动信号的拉削刀具磨损与损伤定量预测系统及方法。上述实施例系统包括拉刀、拉削方向加速度传感器、切削深度进给方向加速度传感器、数据采集卡和计算机。本发明针对拉床刀具加工过程中，对轻微磨损与损伤难以定量评估与预测难题，提出了一种利用振动信号的刀具磨损与损伤定量预测技术，达到对拉床拉刀结构定量健康管理。加速度传感器分别固定安装在拉刀两侧溜板上或工件夹持工装上，同一拉床可以安装多个加速器传感器，主要测量拉削方向、切削深度进给方向的振动信号。当拉刀以恒定拉削速度拉削工件时，拉刀刀齿进入或者离开工件时会产生一次激励，相邻刀齿所产生的激励间隔时间是一个定值，因此当切削进给速度恒定时，拉削过程中切削力是一个周期激励信号。用数据采集卡读取加速度信号，分别作快速傅立叶变换，获得频谱信号。在周期载荷激励下，频谱信号呈现与激励同周期的倍频信号。不同幅值激励信号，即代表刀具磨损程度或不同损伤类型，刀具的磨损或损伤会导致频谱信号倍频幅值发生改变。利用这一特性定量预测拉刀磨损程度或不同损伤类型。
以上内容是结合具体/优选的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，其还可以对这些已描述的实施方式做出若干替代或变型，而这些替代或变型方式都应当视为属于本发明的保护范围。

Claims (3)

1.一种基于振动信号的拉削刀具磨损与损伤定量预测系统，其特征在于：包括拉刀(2)、拉削方向加速度传感器(3)、切削深度进给方向加速度传感器(4)、数据采集卡(5)和计算机(6)，拉削方向加速度传感器(3)和切削深度进给方向加速度传感器(4)安装在工件(1)夹持工装上，或安装在拉床两侧溜板上；包括拉削方向加速度传感器(3)、切削深度进给方向加速度传感器(4)的两个传感器主要测量拉削方向、切削深度进给方向的加速度信号；两加速度信号传感器与数据采集卡(5)相连接，数据采集卡(5)获得数字信号传递给计算机(6)，经频谱分析后对拉刀进行结构健康状态定量评估。
2.一种基于振动信号的拉削刀具磨损与损伤定量预测方法，采用权利要求1所述基于振动信号的的拉削刀具磨损与损伤定量预测系统进行操作，其特征在于，操作步骤如下：
①拉刀以恒定速度进行拉削运动，其刀齿对工件会按一定周期产生激励；
②在周期载荷激励下，频谱信号呈现与载荷同周期的倍频信号；
③不同幅值激励信号，导致频谱信号倍频处幅值发生改变；
④对频谱信号切削激励倍频处幅值进行分析，定量预测拉刀的磨损与损伤。
3.根据权利要求2所述基于振动信号的拉削刀具磨损与损伤定量预测方法，其特征在在于：加速度传感器采集拉刀加速度时，其采样频率应该设置的尽可能大一点。
CN202110456281.1A 2021-04-26 2021-04-26 基于振动信号的拉削刀具磨损与损伤定量预测系统及方法 Pending CN113211189A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110456281.1A CN113211189A (zh) 2021-04-26 2021-04-26 基于振动信号的拉削刀具磨损与损伤定量预测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110456281.1A CN113211189A (zh) 2021-04-26 2021-04-26 基于振动信号的拉削刀具磨损与损伤定量预测系统及方法

Publications (1)

Publication Number Publication Date
CN113211189A true CN113211189A (zh) 2021-08-06

Family

ID=77089523

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110456281.1A Pending CN113211189A (zh) 2021-04-26 2021-04-26 基于振动信号的拉削刀具磨损与损伤定量预测系统及方法

Country Status (1)

Country Link
CN (1) CN113211189A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114055252A (zh) * 2021-08-31 2022-02-18 上海大学 一种基于敏感段振动信号时域/频域均方根的拉削刀具磨损定量预测系统及方法
CN114091544A (zh) * 2021-11-29 2022-02-25 西南交通大学 基于振动信号与神经网络的tbm盘形滚刀磨损识别系统
CN114147284A (zh) * 2021-08-31 2022-03-08 上海大学 一种拉床拉刀结构健康监测系统及方法
CN114378362A (zh) * 2021-12-13 2022-04-22 东方电气集团东方汽轮机有限公司 燃气轮机转子轮盘榫槽的拉削工艺

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007098523A (ja) * 2005-10-05 2007-04-19 Fuji Heavy Ind Ltd ブローチの寿命判断方法、ブローチ品質管理装置、及びブローチ加工装置
CN101319956A (zh) * 2008-07-08 2008-12-10 重庆工学院 机床极限切宽的测定方法
CN102765010A (zh) * 2012-08-24 2012-11-07 常州大学 刀具破磨损状态检测方法及其检测系统
CN108520125A (zh) * 2018-03-29 2018-09-11 上海理工大学 一种预测刀具磨损状态的方法及系统
CN111230590A (zh) * 2020-01-20 2020-06-05 中南大学 拉削加工稳定性监测方法及系统
CN111761411A (zh) * 2020-07-20 2020-10-13 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种基于振动信号的刀具健康预测装置及其方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007098523A (ja) * 2005-10-05 2007-04-19 Fuji Heavy Ind Ltd ブローチの寿命判断方法、ブローチ品質管理装置、及びブローチ加工装置
CN101319956A (zh) * 2008-07-08 2008-12-10 重庆工学院 机床极限切宽的测定方法
CN102765010A (zh) * 2012-08-24 2012-11-07 常州大学 刀具破磨损状态检测方法及其检测系统
CN108520125A (zh) * 2018-03-29 2018-09-11 上海理工大学 一种预测刀具磨损状态的方法及系统
CN111230590A (zh) * 2020-01-20 2020-06-05 中南大学 拉削加工稳定性监测方法及系统
CN111761411A (zh) * 2020-07-20 2020-10-13 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种基于振动信号的刀具健康预测装置及其方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114055252A (zh) * 2021-08-31 2022-02-18 上海大学 一种基于敏感段振动信号时域/频域均方根的拉削刀具磨损定量预测系统及方法
CN114147284A (zh) * 2021-08-31 2022-03-08 上海大学 一种拉床拉刀结构健康监测系统及方法
CN114091544A (zh) * 2021-11-29 2022-02-25 西南交通大学 基于振动信号与神经网络的tbm盘形滚刀磨损识别系统
CN114378362A (zh) * 2021-12-13 2022-04-22 东方电气集团东方汽轮机有限公司 燃气轮机转子轮盘榫槽的拉削工艺
CN114378362B (zh) * 2021-12-13 2023-08-18 东方电气集团东方汽轮机有限公司 燃气轮机转子轮盘榫槽的拉削工艺

Similar Documents

Publication Publication Date Title
CN113211189A (zh) 基于振动信号的拉削刀具磨损与损伤定量预测系统及方法
CN108490880B (zh) 一种数控机床切削刀具磨损状态实时监测方法
CN105058165A (zh) 基于振动信号的刀具磨损量监测系统
TWI472402B (zh) Tool flutter monitoring method
CA2098943A1 (en) System and method for dectecting cutting tool failure
Chung et al. A multi-sensor approach to the monitoring of end milling operations
CN106112697A (zh) 一种基于3σ准则的铣削颤振自动报警阈值设定方法
JP2019098515A (ja) 刃具状態検査システム及び方法
CN109894925B (zh) 基于内嵌式压电传感器的薄壁件铣削加工振动监测方法
CN104101498A (zh) 一种加工机床主轴轴承的实时故障检测方法及系统
JP2019155411A (ja) 異常検知方法および異常検知装置
CN111761411A (zh) 一种基于振动信号的刀具健康预测装置及其方法
Yang et al. Application of bispectrum diagonal slice feature analysis in tool wear states monitoring
CN115922442A (zh) 基于主轴振动信号的刀具磨破损实时监控方法及相关装置
Aguiar et al. In-process grinding monitoring through acoustic emission
Albers et al. Prediction of the product quality of turned parts by real-time acoustic emission indicators
CN111761410A (zh) 一种基于振动信号的刀具磨损状态监测装置及其方法
CN114055252A (zh) 一种基于敏感段振动信号时域/频域均方根的拉削刀具磨损定量预测系统及方法
CN114147284A (zh) 一种拉床拉刀结构健康监测系统及方法
Hassan et al. Tool pre-failure monitoring in intermittent cutting operations
CN103048383A (zh) 三元叶轮粗加工过程中牛鼻铣刀破损检测系统
Zhang et al. Experimental study and logistic regression modeling for machine condition monitoring through microcontroller-based data acquisition system
CN101319956B (zh) 机床极限切宽的测定方法
CN111300145B (zh) 用于复杂曲面铣削加工的时变切削条件刀具破损检测方法
CN201262587Y (zh) 机床极限切宽的测定系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210806