CN113478295A - 用于确定工具磨损状态的方法 - Google Patents

用于确定工具磨损状态的方法 Download PDF

Info

Publication number
CN113478295A
CN113478295A CN202110285832.2A CN202110285832A CN113478295A CN 113478295 A CN113478295 A CN 113478295A CN 202110285832 A CN202110285832 A CN 202110285832A CN 113478295 A CN113478295 A CN 113478295A
Authority
CN
China
Prior art keywords
tool
wear
image
wear state
data
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
CN202110285832.2A
Other languages
English (en)
Inventor
J·莫沙特
P·基尔菲
F·梅德尔
J-P·贝苏切特
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.)
George Fisher Process Solutions
Fraser Ag
Fraisa SA
GF Machining Solutions AG
Original Assignee
George Fisher Process Solutions
Fraser Ag
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 George Fisher Process Solutions, Fraser Ag filed Critical George Fisher Process Solutions
Publication of CN113478295A publication Critical patent/CN113478295A/zh
Pending legal-status Critical Current

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
    • G05B19/4065—Monitoring tool breakage, life or condition
    • 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
    • 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
    • B23Q17/0904—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 before or after machining
    • B23Q17/0919—Arrangements for measuring or adjusting cutting-tool geometry in presetting devices
    • 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
    • B23Q17/24—Arrangements for observing, indicating or measuring on machine tools using optics or electromagnetic waves
    • 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
    • B23Q17/24—Arrangements for observing, indicating or measuring on machine tools using optics or electromagnetic waves
    • B23Q17/2452—Arrangements for observing, indicating or measuring on machine tools using optics or electromagnetic waves for measuring features or for detecting a condition of machine parts, tools or workpieces
    • B23Q17/2457—Arrangements for observing, indicating or measuring on machine tools using optics or electromagnetic waves for measuring features or for detecting a condition of machine parts, tools or workpieces of tools
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • B23Q2717/00—Arrangements for indicating or measuring
    • B23Q2717/003—Arrangements for indicating or measuring in lathes
    • 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
    • B23Q2717/00—Arrangements for indicating or measuring
    • B23Q2717/006—Arrangements for indicating or measuring in milling machines
    • 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
    • G05B2219/37256—Wear, tool wear
    • 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
    • G05B2219/37559—Camera, vision of tool, compute tool center, detect tool wear
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Machine Tool Sensing Apparatuses (AREA)
  • Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
  • Numerical Control (AREA)
  • Drilling And Boring (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及用于确定工具磨损状态的方法和设备。在用于确定工具（2）的磨损状态的方法中，记录工具（2）的表面的至少一个光学图像。处理至少一个光学图像的图像数据以识别磨损区。确定磨损区的平面伸展和/或空间伸展。基于所确定的伸展对工具（2）的磨损状态分类。用于确定工具的磨损状态的设备对应地包括用于记录工具（2）的表面的至少一个光学图像的相机（20），被配置为处理至少一个光学图像的图像数据以识别磨损区的图像处理模块（31），被配置为确定磨损区的平面伸展和/或空间伸展的计算模块（32）；以及被配置为基于所确定的伸展来对工具（2）的磨损状态进行分类的分类模块（33）。

Description

用于确定工具磨损状态的方法
技术领域
本发明涉及用于确定工具磨损状态的方法和设备以及用于修整工具的方法，以及具有用于确定磨损状态的设备和用于修整工具的装置的配置。
背景技术
许多工具，例如诸如铣刀、钻头等用于以切削方式加工材料的这种工具，由于它们与工件的相互作用而经受磨损。在某种程度上，所述磨损导致更差的加工结果、更长的加工时间和/或对工具（或甚至工件）的不可修复的损坏。因此，特别是在工具用于自动运行的机器中的情况下，在出现上述效果之前及时将所述工具从机器中移除。如果可能，对所述工具进行修整以备进一步使用，其方式是例如更换或修整（例如重新研磨）加工元件。如果通常或由于磨损状态不能（再）进行修整，则回收或处理掉所述工具。
可以分别在预给定的持续时间或预给定数量的加工循环后移除和更换所述工具，其中选择所述持续时间或所述数量，使得在对应的工具类型情况下，直到达到所述持续时间或所述数量为止，即使在“最坏的情况”场景下也预计不会出现负面效果。因此，通常会过早地移除和更换所述工具并且进行修整。对应地，所述工具的有效使用寿命会缩短，工具更换的次数和工具的修整次数会高于实际所需的次数。
替代地，由操作人员取决于工具用肉眼或借助于诸如放大镜、显微镜或测量设备的辅助工具，评估所述工具和/或工件上的加工结果。然后，所述操作人员决定是否可以进一步使用。
该评估工作量大，一般需要停止对应的机器，并且常常也需要从所述机器中移除所述工具。特别地，如果该评估由不同的人员进行，则该评估中也会产生不一致。
已经提出了用于自动识别磨损的系统。CN 108107838A（山东大学）涉及切削工具的磨损识别。为此建立了具有磨损数据的基于云的知识数据库，并基于支持向量机（SVM）训练探测模型。这些数据会不断更新，从而改善识别度。
US 7,479,056 B2（Kycera Tycom）描述了一种全自动系统，用于检查钻孔工具的特性和几何形状，修整所述工具，基于预给定公差进行检查，在工具杆上设置定位环以及对经过修整的工具进行清洁和包装。对几何形状的检查用光学单元进行。这些光学单元分别包括头部和前部相机，用于对所述工具的前表面和外侧面进行成像。可以将在工具检查时产生的数据存储在控制器中。基于所记录的图像，标识预给定的参考点并测量它们之间的距离。还对切削刃状态进行初步评估。
US 7,479,056 B2没有公开用于分析图像数据的任何更具体的内容。所述初步评估基于所述工具的外部几何形状和切削刃的状态进行，其中不清楚可以如何对所述状态进行确定或分类。
发明内容
本发明的任务是创建一种属于开头提到的技术领域的方法，该方法可以自动且可靠地识别工具的磨损状态。
该任务的解决方案通过权利要求1的特征限定。根据本发明，该方法包括以下步骤：
a）记录所述工具的表面的至少一个光学图像；
b）处理所述至少一个光学图像的图像数据以识别磨损区；
c）确定所述磨损区的平面伸展和/或空间伸展；和
d）基于所确定的伸展对所述工具的磨损状态进行分类。
取决于工具和应用，磨损可能以不同的方式表现出来。与未使用的可用工具相比，例如由于工具上的材料去除减小了一定尺寸，出现了导致几何形状改变的变形，或者各个区域具有在表面上和/或直到一定深度的磨损痕迹。在此，“磨损区”是工具表面具有明显磨损痕迹的区域。依据工具类型来规定这些痕迹是哪种类型。从而在旋转工具的情况下浅深度的典型的圆周划痕例如一般不分配给磨损区，而削片一般表明与加工结果和/或工具性能有关的磨损，因此将对应区域分配给磨损区。
所述光学图像是在可见光谱范围内或在相邻波长范围（IR和UV）中的记录。通常，对所述工具或其令人感兴趣的区域进行照明，并使用合适的装置（相机；带有图像传感器的成像光学器件）检测在表面反射的光。用于照明的光可以具有连续光谱或由多个波浪线或频带组成的光谱，或者可以是单色的。相机也可以检测宽频带、一个或多个窄频带或特定频率；相机同样可以转发单色或多色信息。
所检测的表面可以覆盖整个工具。一般记录多个光学图像，这些光学图像至少部分地对所述工具表面的不同区域成像，其中即使在一起记录多个光学图像的情况下也没有对整个工具表面成像，而是仅成像了感兴趣的区域，例如切削刃和邻接的区域。如果可以预期均匀的磨损，则仅检测代表性区域就能够足够。如果预期会出现点状磨损（例如削片），则一般光学地检测所有可能涉及的区域是合理的，从而例如在一起记录多个光学图像的情况下完全检测切削区域。
图像数据的处理是计算机辅助地进行的。根据本发明识别磨损区。在此，所述磨损区是平面的区域，在该区域中已发生了显著的材料去除，并且在光学上与其周围表面不同。
所述磨损区的平面伸展和/或空间伸展是定量说明。可以绝对地确定该说明（例如以µm2或µm3为单位的说明），或者相对于限定的参考表面或限定的参考体积（例如所述工具的工作区域表面或所述工具或切削元件的体积等）来确定该说明。在成像比率固定的情况下，不必将面积或体积转换为物理单位，于是像素或体素数量的说明就足够了。
所述分类将工具的磨损状态分配给多个类别之一。在最简单的情况下，只有两种类别可供选择，即“可以继续使用”和“不能继续使用”。具有至少三个类别“可以继续使用”、“要修整”、“要处理掉”的分类是有利的。多于三个类别是可能的，例如关于以下信息：
i）分配给多种可能的修整方法之一（抛光，研磨，重涂等）
ii）在工具仍可使用的情况下：关于在下一次检查的时刻方面或直接在检查间隔分配方面的状态的说明（“如新”，“轻微磨损”，“严重磨损”）；
iii）表明所述工具仍然可以部分地在特定方法中使用，但不能在其他方法中使用，在所述其他方法中例如应当加工硬质的或难以加工的材料，或者追求特别高的精度。
同样可以对工具的不同区域（例如，工具端面和工具外侧面）的磨损状态进行单独的分类，从而例如仅在所述工具的一定区域中才需要进行修整。
除了所确定的伸展外，其他特征也可以用于所述分类，更确切地说基于所述光学图像确定的这种特征以及还有来自外部来源的这种特征。来自外部来源的特征可以例如基于不同类型的测量，例如电测量或磁性测量，或涉及所述工具的迄今为止的使用情况（循环次数，经过加工的材料）。最后，还可以包括通过检查用所述工具加工的工件而获得的参数。
根据本发明的方法可以与大量工具结合使用，特别是与机械作用在工件上或由于与工件的相互作用而被磨掉的这种工具结合使用。第一组包括用于以切削的方式加工材料的工具，更确切地说用于铣削、钻孔或螺纹切削的旋转工具，以及诸如车刀、冲孔工具或锯子的固定或线性移动的工具。第二组特别是包括例如电极，例如在EDM方法（火花侵蚀）的范围中使用的电极。
所述方法特别被构造为确定以下工具之一的磨损状态：
-用于在埋头侵蚀机中侵蚀的电极，
-用于在线侵蚀机中侵蚀的线，
-用于在机床中进行工件加工的研磨或钻孔工具。
磨损确定可以全自动地进行，与手动评估相比，所述磨损确定还提供客观的图像，因为通过相同的方式评估所有工具。由于自动化，可以定期地进行磨损确定，使得一方面可以避免由于过度磨损的工具而导致加工结果中的缺陷，另一方面不会过早地修整、处理掉或回收实际仍可使用的工具。
所述图像数据优选地包括所述表面的二维图像，并且为了识别所述磨损区而使用与该二维图像相对应的图像数据。二维图像可以被有效地处理，并且可以基于一个或多个二维图像来精确地确定磨损区的伸展。所述磨损区例如以变化的表面结构表现出来，该表面结构在光学上也明显不同于不受磨损影响的区域。必要时可以改善可区别性，其方式是通过用特定光谱组成、特定射束形状和射束方向和/或特定强度的光对所述工具进行照明。
所述图像数据有利地包括所述表面的三维图像，并且为了识别所述磨损区和/或为了确定所述磨损区的伸展而使用与所述三维图像相对应的图像数据。
可以直接基于一个三维图像（或多个三维图像）识别所述磨损区（从而不需要二维图像），或者基于二维图像识别所述磨损区，并且为了确定所述磨损区的伸展，特别是空间伸展才使用三维图像。并行于空间伸展，还可以基于所述二维图像和/或所述三维图像来确定平面伸展。
因此，原则上尤其是以下变型是可能的：
步骤 变型A 变型B 变型C 变型D 变型E
识别磨损区 2d 2d 2d 2d 3d
确定平面伸展 2d 2d 2d 3d 3d
确定空间伸展 - 2d 3d 3d 3d
如果应当基于二维图像确定根据变型B的空间伸展，则例如使用多个二维图像，或者与存储的几何数据进行比较。首先可以从多个二维图像中获得三维图像，或者直接从二维图像中推断出所述磨损区的空间伸展。
组合也是可能的，从而二维图像和三维图像都用于识别磨损区，用于确定平面伸展或用于确定空间伸展。
在优选的实施方式中，所述至少一个光学图像通过白光干涉仪（WLI）获得。这样的设备包括宽带光源，所述宽带光源的光一方面经由分束器指向要检查的对象并从该对象反射或散射回相机（测量臂），另一方面经由一个或多个反射镜同样指向相机（参考臂），在那里将两个射束叠加在一起。要检查的对象的（轴向）轮廓导致测量臂和参考臂之间的路径长度差异不同，并由此导致变化的干涉信号。
这样的设备允许精确的三维轮廓测量，例如表面的精确的三维轮廓测量，其中轴向分辨率例如达到约100nm，而横向分辨率在微米范围内。
可以从所述白光干涉光学图像的信号幅度中获得所述二维图像。由此得到具有足够高分辨率的清晰图像。因此，可以从相同的一个或多个光学图像中获得二维图像和三维图像两者。
所述三维图像同样对应地从所述白光干涉光学图像中获得，更确切地说是从所述干涉信号中获得。
通常有利的是，可以从同一个检测过程的信息中获得三维信息和二维图像两者。一方面，使检测过程的数量以及由此使检测持续时间最小化，另一方面，所述信息从一开始就已经以像素精度彼此配准。
然而，本发明不限于白光干涉测量记录的分析。也可以使用来自其他来源的光学图像。例如可以使用显微镜相机来生成二维图像数据。如果需要三维图像数据，则可以使用3D相机（例如TOF相机）或使用共焦传感器获得所述三维图像数据，或由多个二维图像产生所述三维图像数据，其中例如从不同角度记录了这些二维图像。同样可以用合适的图案（例如条纹图案）对工具表面的要检查的区域进行照明，以获得关于三维轮廓的信息。也可以分析在不同照明方向的情况下产生的阴影投射，以生成三维信息。
有利地，为了确定所述磨损区的伸展，确定所述表面的当前分布与切削刃的额定分布的空间偏差。从而可以精确地确定（空间）伸展。该空间伸展对应于未磨损工具的额定体积与所述工具的当前体积（在预给定区域内）之差。在许多情况下，该磨损体积是对工具磨损状态的良好度量。
替代地，例如可以在特定范围内预给定工具体积的额定值或最小值，并且将所确定的总体积与所述额定值或最小值进行比较。
在优选的实施方式中，基于图像数据重建所述工具的切削刃的额定分布。假设在实际情况下的磨损不超过一定量，则在普通工具的情况下从代表所述工具的当前状态的（特别是空间）几何数据中重建未磨损的切削刃，例如通过使用合适参数化的曲线进行内插值。
替代地，可以从预先存在的数据中获得所述额定分布，例如特定工具类型的一般几何数据或所涉及工具的特殊数据（数字孪生）。
有利地，基于所确定的偏差来计算磨损体积。该磨损体积对应于所述磨损区的空间伸展，并且反映了与原始未磨损工具相比由于磨损而出现的体积损失。
替代地或附加地，可以量化平面的或线型的偏差，例如在包括（额定）切削刃的横截面中，或作为额定切削刃与其余表面之间的最大或平均距离来进行量化。
在评估工具磨损时，可以确定磨损的多个度量，并分析这些度量以进行分类。从而例如在实心材料杆式工具的情况下在切削刃的区域内，可以基于所述切削刃的重建来确定磨损体积，而在其他区域（例如在难以或不可能重建切削刃的刃尖中）使用平面度量，例如所述磨损区的平面伸展。从而可以可靠地评估不同几何形状区域中的磨损。
在优选的实施方式中，为了识别所述磨损区而使用机器学习算法。例如可以由评估人员基于有磨损工具的真实或模拟图像数据训练所述机器学习算法。最终，所述算法应当在图像数据中标记出要分配给所述磨损区的那些区域，其方式是例如在像素图中对应地标记出对应的像素。
由于所述机器学习算法基于训练数据，其中尤其是已经以需要的方式（例如手动）标记出所述磨损区，因此这样的算法可以纯粹基于为极不同工具类型选择不同的训练数据来加以训练。此外，随着使用量的增加，结果的精度可以进一步提高，其方式是输入额外的信息作为训练数据（例如所述机器学习算法的结果的事后校正）。这样的信息可以由后续过程产生，例如工具的修整。
所述机器学习算法优选地包括人工神经网络。已经被证明适合于当前目的的这种网络例如是VGG-16（K. Simonyan，A. Zisserman：“Very Deep Convolutional Networksfor Large-Scale Image Recognition（用于大规模图像识别的非常深的卷积网络”，预印本：1409.1556（2014））。
代替机器学习算法，还可以使用其他算法来识别所述磨损区，例如模式匹配算法。
在优选的应用情况中，确定实心材料杆式工具的磨损状态，其中分开确定外侧面切削几何形状的第一磨损状态和端面切削几何形状的第二磨损状态。
由此可以考虑不同的几何关系和对应切削刃的完整性的不同要求。从而例如在铣削工具的情况下，端面切削刃的应力常常比在钻孔工具情况下的应力小，而在外侧面切削时情况恰好相反。
为了对“整体磨损状态”进行分类，可以不同地获得和/或不同地使用所述第一磨损状态和所述第二磨损状态。在最简单的情况下，当这两个磨损状况中的至少一个需要替换时，应当替换工具，并且当这两个磨损状况中的至少一个需要修整时，应当对所述工具进行修整。如果所述工具的整体性能不是简单地对应于最薄弱的环节，而是由两个工具部分的性能的相互影响得到，则可能有意义的是，以更复杂的方式相互抵消这些磨损状态，使得在所述整体性能需要时才进行修整或替换。
有利地，为了确定所述第一磨损状态，特别是用于识别所述磨损区，使用基于第一数据集合的算法，并且为了确定所述第二磨损状态，特别是用于识别所述磨损区，使用基于第二数据集合的算法，其中所述第一数据集合和所述第二数据集合是不同的。特别地，这两个数据集合基本上是不相交的。从而例如所述第一数据集合包括显示有磨损工具的外侧面区域的图像数据作为机器学习算法的训练数据，而所述第二数据集合包括显示有磨损工具的端面区域的图像数据。在此，第一和第二数据集合的重叠最多发生在外侧面和端面之间的过渡区域（边缘或半径）中。
不仅这些数据集合可以不同，而且所使用的算法也可以不同，从而例如可以使用不同的机器学习算法或具有其他参数（例如神经网络情况下的网络拓扑）的算法。
根据本发明的用于修整工具的方法包括以下步骤：
a）使用根据权利要求1至13中任一项所述的方法来确定工具的磨损状态；
b）当所述磨损状态满足预给定条件时，控制至少一个用于特别是借助于研磨过程来修整所述工具的装置。
所述预给定条件特别是（也）包括所述工具的磨损状态的分类。从而可以从一开始就定义类别，使得这些类别对应于要执行的措施（“可继续使用”，“要修整”，“要处理掉”），或者从分类中直接或间接导出这些措施。从而例如可以将所述磨损状态分为八个类别1-8（1：如新，8：严重磨损），其中将所述条件预给定为，使得在分类为类别1和2的情况下，继续使用所述工具，在分类为类别3-6的情况下进行修整，以及在分类为类别7和8的情况下回收或处理掉所述工具。
所述磨损状态不仅可以用作决定是否应当利用对应装置进行修整的基础，而且可以与所述修整范围中要执行的措施有关。从而例如存在多个修整步骤可供选择（抛光，研磨，多个研磨过程等），并且取决于磨损状态进行不同的选择。
有利地，基于至少一个所记录的光学图像来确定用于修整工具的装置的加工几何形状。所述加工几何形状限定了所述工具的加工范围、加工位置和加工类型。除了前面提到的加工步骤的选择之外，例如还可以根据所述工具的当前几何形状来确定研磨路径。所述加工几何形状的确定可以直接基于所述光学图像和/或基于加工结果，例如由确定所述磨损区的伸展或分类来进行。
由此可以实现特定于工具的、面向需求的修整。在研磨方法中，例如可以最小化（额外的）材料去除，使得使所述工具的使用寿命最大化。此外无需在所述修整之前对所述工具（再次）进行费事的检查，因为所需要的数据已经存在。
在根据本发明的用于修整的方法的优选实现方案中，将用于记录所述至少一个光学图像的装置布置在第一使用位置，并且将在所述第一使用位置获得的数据存储在数据库中。将用于修整的装置布置在第二使用位置，并且用于修整的装置从所述数据库调用数据。在此，这两个使用位置彼此远离并且特别是位于不同的装置或不同的工厂中。所述数据库可以集中布置，使得分散地检测和使用数据，但集中存储。但是，所述数据库也可以存储在所述第一使用位置或所述第二使用位置，或者将数据保存在两个位置处并定期同步。
这特别是使得即使所述工具（分别在完成了修整之后）由不同的用户使用或甚至由不同的服务提供商修整，也可以完全检测并保存与特定工具有关的数据。
所述工具优选地配备有唯一标识符，并且分配给所述工具的数据在所述数据库中与所述唯一标识符链接。所述唯一标识符特别是以机器可读的形式安置在所述工具上，例如作为光学标记（条形码，矩阵代码，字母数字等）或存储在数据载体（例如RFID）上。所述唯一标识符确保正确的分配得以进行。
替代地，将检测的数据存储在数据载体上。然后将所述数据载体与对应的工具一起从所述第一使用位置运输到所述第二使用位置。
在另一种情况下，直接在用于修整的装置中记录所述至少一个光学图像。
根据本发明的用于确定工具的磨损状态的设备包括：
a）相机，用于记录所述工具的表面的至少一个光学图像；
b）图像处理模块，其被配置为处理所述至少一个光学图像的图像数据以识别磨损区；
c）计算模块，其被配置为确定所述磨损区的平面伸展和/或空间伸展；和
d）分类模块，其被配置为基于所确定的伸展来对所述工具的磨损状态进行分类。
所述相机优选地集成到带有所述工具的容器的加工机器中，特别是使得当所述工具被容纳在所述容器中时所述相机可以记录所述工具的表面的光学图像。
所述加工机器可以是用于钻孔或铣削的机床、加工中心或EDM机器。所述容器例如可以是工作主轴、在用于容纳工具以更换工具的储藏箱中的容器，或者用于在工作主轴和储藏箱之间来回转移所述工具的运输容器。
因此，特别有利的还有，加工机器包括所述相机并且连接至处理设备或全部或部分包含所述处理设备，其中所述处理设备包括图像处理模块、计算模块和分类模块。
根据本发明的机床装置包括机床（优选加工中心）、埋头侵蚀机或线侵蚀机或钻孔中心，以及根据本发明的用于确定磨损状态的设备。在此，所述相机集成到所述机床中或布置在所述机床上。所述图像处理模块、所述计算模块和所述分类模块容纳在处理设备中。在此，所述处理设备全部或部分地包含在所述机床中，或者布置在所述机床的外部并与所述机床信号连接。
根据本发明的配置包括：
a）根据本发明的用于确定工具的磨损状态的设备；
b）用于修整所述工具的装置，特别是借助于研磨过程；
c）用于控制用于修整的装置的控制器，所述控制器被配置为从用于确定的设备获得关于所述磨损状态的信息，并根据所获得的信息来控制用于修整所述工具的装置。
优选地向所述加工机器分配相机，借助于该相机可以定期监视机器中所使用的工具的磨损状态，例如在每次更换工具时。根据本发明，直接在所述加工机器的位置处进一步处理所述图像数据，使得可以基于所述分类来决定是否可以继续使用所述工具。如果可以继续使用，则将所述工具存放在工具储藏箱中。否则将所述工具剔除出来，并将关于所述磨损状态的数据（以及必要时所述图像数据或从中获得的其他信息）存储在数据库中。然后将剔除出来的工具物理运输给用于修整的装置。该装置从所述数据库中读取分配给所述工具的数据，并根据所述数据控制用于修整的装置。然后将经过修整的工具运输到同一加工机器或另外的加工机器，并在那里再次使用。
在所述修整时可以使用其他数据，例如关于所述工具的历史记录（使用循环数，迄今为止的修整等）或关于客户对其特殊加工过程的要求。
本发明的其他有利的实施方式和特征组合从下面的详细描述和整体权利要求书中得出。
附图说明
用于解释实施例的附图示出：
图1示出了根据本发明的用于确定工具的磨损状态和用于修整工具的设施的示意性框图；
图2示出了铣削工具的侧视图，其具有图像区域的示意图；
图3示出了从白光干涉测量记录的信号幅度中获得的有磨损工具的区域的第一二维图像；
图4示出了从白光干涉测量记录的信号幅度中获得的有磨损工具的区域的第二二维图像；
图5示出了根据第二图像的区域的三维图示；
图6示出了铣削工具的切削刃区域和切削尖区域的重建三维视图；
图7示出了具有重建的切削刃的根据图6的三维视图的剖视图；以及
图8以工具的连续横截面示出了具有磨损表面的柱形图。
原则上，图中相同的部分配备有相同的附图标记。
具体实施方式
图1是根据本发明的用于确定工具的磨损状态和用于修整工具的设施的示意性框图。
该设施包括布置在第一工厂1中的加工机器10，例如铣床。以本身已知的方式，所述加工机器包括（至少一个）工作主轴11、工具储藏箱13和带有工具容器12的传送装置，借助于该传送装置可以在工作主轴11和工具储藏箱13之间交换工具2。在所描述的示例中，所述工具是实心材料立铣刀，其在工具2的外侧面2a上具有螺旋状的主切削刃，并且在工具2的端面2b上具有直的副切削刃（参见图2）。所述传送装置还使得工具2能够被剔除出去，其中将工具2移动到移除位置14。
为加工机器10分配白光干涉仪20，借助于白光干涉仪20可以记录保持在所述传送装置的工具容器12中的工具2的切削区域的图像。白光干涉仪20和工具容器12在此可以定位在不同的相对位置上，使得可以记录所述切削区域的不同区域的多个图像。
白光干涉仪20是来自瑞士Root（Luzern）的Heliotis AG公司的heliInspect H6类型的设备。该白光干涉仪包括LED光源、Michelson物镜和CMOS图像传感器。所述白光干涉仪本身布置在四轴系统（X，Y，Z，R(Y)）上，使得所述白光干涉仪可以相对于容纳在工具容器12中的工具2灵活地定位。
白光干涉仪20提供0.56×0.54mm的测量场，其中可以检测2mm的深度范围。轴向精度为100nm，横向精度为2µm。该设备提供三维点云和与所测量的信号幅度相对应的二维图像。所述二维图像相当于所检测区域的灰度图像。
如图2中示意性所示，白光干涉仪20现在依次检测多个图像区域70.1、70.2、70.3，这些图像区域对应于工具表面的相关区域，并且例如从切削尖开始沿着切削刃2c布置。为此，借助于4轴系统使白光干涉仪20的相机相对于工具2移动。原则上可以既对工具2的外侧面2a上的区域又对工具2的端面2b上的区域成像。图像区域70.1、70.2、70.3有利地具有一定的重叠，使得它们以后可以更简单地彼此组合。
由白光干涉仪20记录的数据被传送到处理单元30。处理单元30是计算机，在该计算机上以软件方式实现图像处理模块31、计算模块32和分类模块33。图像处理模块31接收所述白光干涉仪的数据，并且首先融合多个图像区域70.1、70.2、70.3的图像，使得最终产生尺寸约为2×2mm的图像。分辨率约为1000x1000像素。
一方面，所述图像作为三维图示存在，在该三维图示中将深度值分配给所述测量场的每个像素。对应的图示在下面进一步描述的图5中再现。不同的灰度对不同的深度编码。
另一方面，图像处理模块31产生给每个像素分配了亮度值的二维图示。所述二维图示对应于在传感器处产生的信号幅度（参见图3和图4）。
然后，基于所述二维图示在图像处理模块31中标识出磨损区，如更下面更详细地描述的那样。然后，如同样在下面示出的，由计算模块32进一步处理关于磨损区的位置和所检测的部分的三维几何形状的信息，使得得出所述磨损区的空间伸展。最后，所述分类模块获得该结果，并为所述工具分配磨损类别（“可以继续使用”，“要修整”，“要处理掉”）。
通过这种方式，在将每个工具从所述工作主轴上移除后都要检查该工具的磨损状态。可能合理的是，在所述检查之前执行清洁步骤，使得测量不受到粘附性的灰尘或碎屑测量。为此目的，可以使用清洁设备，例如具有液体或空气喷嘴的清洁设备。如果所述磨损状态允许继续使用，则将所述工具存放在工具储藏箱13中。如果需要进行修整或者应当处理掉或回收所述工具，则将所述工具移动至移除位置14。同时显示分类结果。关于要修整的工具2的数据与该工具的唯一标识符一起存储在中央数据库3中。中央标识符也被例如光学或电子地标记在工具2上。
如果应当对工具2进行修整，则将所述工具以通常的方式发送至修整装置4。在那里，首先利用读取设备53读取所述标识符，例如借助于相机或RFID读取设备和下游电子设备。然后，控制器51基于所述标识符从数据库3调用关于工具2的数据。然后根据所调用的数据控制用于修整的机器，例如磨床52。所述数据包括例如关于待修整区域的说明（端面，外侧面；切削或切削区域的特殊说明）和/或关于所述工具的当前几何形状的信息。从而可以在没有进一步数据检测的情况下有效且有针对性地进行所述修整。关于修整完成的信息又存储在分配工具标识符的数据库3中，。
在完成了修整之后，将工具2又发送回工厂1（或另外的工厂）。在那里可以继续使用所述工具。
借助于人工神经网络基于二维图示（参见图3、图4）在图像处理模块31中识别磨损区。具体地，为了识别所述磨损区而使用两个网络，一个用于识别所述工具的外侧面2a，另一个用于识别所述工具的端面2b。从而可以考虑两个区域中的磨损的不同外观。这两个网络均为VGG-16类型。这些网络全自动地识别所述图像的哪些区域代表磨损区，并对应地在像素图中标记这些区域。为了降低识别所需的计算力并且根据图像数据的原始分辨率，在前面的步骤中可以首先使用本身已知的方法降低二维图像数据的分辨率。在当前情况下，如果分别组合四个像素，则例如可以将要处理的像素的数量减少到四分之一。然后还得到500x500像素的分辨率。
这两个网络的训练基于总共1950个WLI幅度图像进行，这些幅度图像首先被降低到500x500像素的分辨率。使用“图像标记器”手动对图像进行了分割，然后利用磨损区的分配馈入所述神经网络中。在完成了训练之后，这些网络能够既在外侧面上又在端面上以高精度全自动地标记出磨损区。在图3和图4中，所识别的磨损区81、82由实线框起来。从与图5的比较中可以清楚地看出——在图5中基于图4标识的磨损区82用虚线示出，在信号幅度的二维图示中比在三维图示中明显更好地识别所述磨损区。
在计算模块32中，将磨损所涉及的测量点根据像素图传输到3D模型并进行标记（参见图6）。从铣刀的切削尖和切削刃区域的该重建三维视图中可以清楚地看到，在切削尖中的状况（左侧或下方，在横截面85a...85d的区域中）与实际切削刃中的状况有很大的不同。在切削尖的区域中，不同于切削刃区域，通常不（再）存在切削表面和/或前刃面，本来可以基于所述切削表面和/或前刃面重建切削刃的几何形状。因此，在确定所述磨损区的伸展时，切削尖的区域与切削刃的区域将得到不同的处理。
特别地，在切削尖区域中对已在像素图中被标记为属于磨损区的像素的数量进行分析。这提供了工具磨损的第一度量。
在切削刃的区域中，为了确定所述磨损区的空间伸展，首先基于所述图像数据重建所考虑的区域中的切削刃。为了显著减少计算量，从3D点云中切出“切片”，在当前情况下产生112个横截面，其中16个横截面85a...85p在图6和图7中示出。然后，在分配给切削刃的那些横截面85e...p中重建原始几何形状（参见图7）。为此对切削表面和前刃面分别利用外推进行曲线拟合（实心细黑线），其中磨损所涉及的表面区域（分别在横截面（a））-（l）中的两个垂直线之间）被排除出所述拟合，以防止所述外推失真。切削表面或前刃面的两条曲线的交点被解释为额定切削刃。在当前情况下，利用二阶多项式的拟合已经提供了良好的结果。然后，将重建的几何形状与实际几何形状之间的面积差计算为相应横截面中的磨损区（经过标记的面积，在图7（e），7（f）中可以特别清楚地看见）。
图8示出了具有沿着切削刃的磨损面积的柱形图，这里针对所考虑的所有112个横截面。在此，纵轴表示以mm2为单位的磨损面积，横轴代表沿着切削刃的位置。
合适的磨损面积之和最终对应于磨损体积。
为了获得磨损的度量，也可以简单地形成所有横截面磨损面积的平均值。因此，连同所有切削尖的“磨损像素”总数，存在两种度量来量化磨损。
在分类模块33中，最终基于这两个度量对所述工具的磨损状态进行分类。例如，在简单的情况下可以根据以下方案进行所述分类：
场景 横截面磨损面积的平均值 切削尖的磨损像素的总数 分类
A ≤T<sub>QV1</sub> ≤ T<sub>NVP1</sub> 可继续使用
B &gt; T<sub>QV1</sub>, ≤T<sub>QV2</sub> 无关 可继续使用，观察
C 无关 &gt; T<sub>NVP1</sub>, ≤T<sub>NVP2</sub> 可继续使用，观察
D &gt; T<sub>QV2</sub>, ≤T<sub>QV3</sub> ≤T<sub>NVP3</sub> 要修整
E ≤T<sub>QV3</sub> &gt; T<sub>NVP2</sub>, ≤T<sub>NVP3</sub> 要修整
F &gt; T<sub>QV3</sub> 无关 回收
G 无关 &gt; T<sub>NVP3</sub> 回收
在此，参数Tx表示可以特定于工具地预给定的极限值。分类“观察”意味着在一定的使用时间或使用循环次数之后必须再次检查所述工具，因为可能很快出现磨损极限。在此，所述使用时间或循环次数小于为所有工具一般预给定的。
在更复杂的场景中，这些工具在一定情况下仍可以在受限的应用领域中使用，使得可以形成其他类别。
所述度量也可以基于更复杂的定义。从而可以对切削刃或切削尖的不同区域例如不同地加权，以便在使用所述工具时考虑不同的意义。此外，也可以单独考虑磨损面积（或其他针对磨损的局部度量）。从而例如可以将其中至少一个局部度量超过预给定的（相对高的）极限值的工具自动指派给类别“要修整”或类别“回收”，而与全局度量是什么无关。
此外，如有必要还可以产生三个或更多度量，并进行分析以用于所述分类。
本发明不限于图示的实施例。从而各个组件可以不同地构造或不同地布置。可以以其他方式进行所述图像数据的检测和分析，并且所述方法的细节可以与特殊工具类型适配。
总而言之应当确定，本发明创建了一种用于确定工具的磨损状态的方法，该方法可以自动且可靠地识别工具的磨损状态。

Claims (17)

1.用于确定工具的磨损状态的方法，包括以下步骤：
a）记录所述工具的表面的至少一个光学图像；
b）处理所述至少一个光学图像的图像数据以识别磨损区；
c）确定所述磨损区的平面伸展和/或空间伸展；和
d）基于所确定的伸展对所述工具的磨损状态进行分类。
2.根据权利要求1所述的方法，其特征在于，所述图像数据包括所述表面的二维图像，并且为了识别所述磨损区而使用与所述二维图像相对应的图像数据。
3.根据权利要求1或2所述的方法，其特征在于，所述图像数据包括所述表面的三维图像，并且为了识别所述磨损区和/或为了确定所述磨损区的伸展而使用与所述三维图像相对应的图像数据。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法被构造为确定以下工具之一的磨损状态：
-用于在埋头侵蚀机中侵蚀的电极，
-用于在线侵蚀机中侵蚀的线，
-用于在机床中进行工件加工的研磨或钻孔工具。
5.根据权利要求1至4中任一项所述的方法，其特征在于，为了确定所述磨损区的伸展，确定所述表面的当前分布与切削刃的额定分布的空间偏差。
6.根据权利要求5所述的方法，其特征在于，基于所述图像数据重建所述工具的切削刃的额定分布。
7.根据权利要求5或6所述的方法，其特征在于，基于所确定的偏差来计算磨损体积。
8.根据权利要求1至7中任一项所述的方法，其特征在于，确定实心材料杆式工具的磨损状态，其中分开确定外侧面切削几何形状的第一磨损状态和端面切削几何形状的第二磨损状态。
9.根据权利要求8所述的方法，其特征在于，为了确定所述第一磨损状态使用基于第一数据集合的算法，并且为了确定所述第二磨损状态使用基于第二数据集合的算法，其中所述第一数据集合和所述第二数据集合是不同的。
10.用于修整工具的方法，包括以下步骤：
a）使用根据权利要求1至9中任一项所述的方法来确定工具的磨损状态；
b）当所述磨损状态满足预给定条件时，控制至少一个用于特别是借助于研磨过程来修整所述工具的装置。
11.根据权利要求10所述的方法，其特征在于，基于至少一个所记录的光学图像来确定所述用于修整工具的装置的加工几何形状。
12.根据权利要求10或11所述的方法，其特征在于，将用于记录所述至少一个光学图像的装置布置在第一使用位置，将在所述第一使用位置获得的数据存储在数据库中，将所述用于修整的装置布置在第二使用位置，并且所述用于修整的装置从所述数据库调用数据。
13.根据权利要求12所述的方法，其特征在于，所述工具配备有唯一标识符，并且分配给所述工具的数据在所述数据库中与所述唯一标识符链接。
14.用于确定工具的磨损状态的设备，包括：
a）相机，用于记录所述工具的表面的至少一个光学图像；
b）图像处理模块，其被配置为处理所述至少一个光学图像的图像数据以识别磨损区；
c）计算模块，其被配置为确定所述磨损区的平面伸展和/或空间伸展；和
d）分类模块，其被配置为基于所确定的伸展来对所述工具的磨损状态进行分类。
15.根据权利要求14所述的设备，其特征在于，所述相机集成到带有所述工具的容器的加工机器中，特别是使得当所述工具容纳在所述容器中时所述相机能够记录所述工具的表面的光学图像。
16.机床装置，包括机床、优选加工中心、埋头侵蚀机或线侵蚀机或钻孔中心，以及根据权利要求14或15所述的设备，其特征在于，所述相机集成到所述机床中或布置在所述机床上，并且所述图像处理模块、所述计算模块和所述分类模块容纳在处理设备中，其中所述处理设备全部或部分地包含在所述机床中，或者布置在所述机床的外部并与所述机床信号连接。
17.一种配置，包括：
a）根据权利要求14或15所述的用于确定工具的磨损状态的设备；
b）用于修整所述工具的装置，特别是借助于研磨过程；
c）用于控制用于修整的装置的控制器，所述控制器被配置为从用于确定的设备获得关于所述磨损状态的信息，并根据所获得的信息来控制用于修整所述工具的装置。
CN202110285832.2A 2020-03-17 2021-03-17 用于确定工具磨损状态的方法 Pending CN113478295A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP20163664.4A EP3881968A1 (de) 2020-03-17 2020-03-17 Verfahren zur ermittlung des verschleisszustandes eines werkzeugs
EP20163664.4 2020-03-17

Publications (1)

Publication Number Publication Date
CN113478295A true CN113478295A (zh) 2021-10-08

Family

ID=69845225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110285832.2A Pending CN113478295A (zh) 2020-03-17 2021-03-17 用于确定工具磨损状态的方法

Country Status (4)

Country Link
US (1) US20210294297A1 (zh)
EP (1) EP3881968A1 (zh)
JP (1) JP2021146500A (zh)
CN (1) CN113478295A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115008255A (zh) * 2022-08-09 2022-09-06 南通吉帆精密科技有限公司 一种用于机床的刀具磨损识别方法及装置
CN116309788A (zh) * 2023-03-23 2023-06-23 中铁武汉电气化局集团有限公司 一种3d点云铁路接触线横截面积检测方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220326111A1 (en) * 2021-04-08 2022-10-13 Pavement Recycling Systems Inc. Automated Analysis and Sorting of Milling Drum Tools
JP2023009980A (ja) * 2021-07-08 2023-01-20 株式会社日立製作所 工具摩耗モニタリング装置、工具摩耗モニタリングシステム、およびプログラム
CN113848806B (zh) * 2021-10-12 2023-05-23 中国石油大学(华东) 数字孪生驱动的高效放电脉冲电弧铣削加工故障诊断方法及系统
KR102526052B1 (ko) * 2021-12-27 2023-04-27 (재)대구기계부품연구원 공구수명 예측방법
CN114742776B (zh) * 2022-03-30 2024-03-15 西安交通大学 一种机床加工刀具三维磨破损在线监测方法
CN114850967B (zh) * 2022-04-18 2024-04-19 上海交通大学 一种基于人在回路的刀具磨损状态检测方法和系统
EP4293445A1 (de) * 2022-06-14 2023-12-20 Ivoclar Vivadent AG Herstellungsgerät zum herstellen eines dentalobjektes
CN115319538B (zh) * 2022-08-30 2023-11-17 上海诺倬力机电科技有限公司 五轴头刀具磨损智能检测方法及系统
KR102701023B1 (ko) * 2022-12-26 2024-08-30 주식회사 에임즈 인공지능을 활용한 공구상태 진단 방법 및 시스템
DE102023106475A1 (de) * 2023-03-15 2024-09-19 TRUMPF Werkzeugmaschinen SE + Co. KG Computergestütztes Wartungsverfahren sowie Fertigungssystem
CN116394161B (zh) * 2023-06-05 2023-08-11 深圳市鑫冠亚科技有限公司 一种基于数据分析的电极生产管理方法及系统
CN117086698B (zh) * 2023-10-19 2024-02-06 齐鲁工业大学(山东省科学院) 一种基于数字孪生的刀具多工况状态监测方法及系统

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6283824B1 (en) 1998-05-21 2001-09-04 Tycom Corporation Automated drill bit re-sharpening and verification system
DE10002768A1 (de) * 1999-02-11 2000-09-28 Mvtec Software Gmbh Verfahren und Vorrichtung zum Bestimmen der Abmessungen und/oder der Konturen eines Gegenstandes
US6619406B1 (en) * 1999-07-14 2003-09-16 Cyra Technologies, Inc. Advanced applications for 3-D autoscanning LIDAR system
EP1679566B1 (en) * 2004-12-28 2008-10-22 Fanuc Ltd Threshold determination for a tool damage/abnormality detecting device
DE202005015485U1 (de) * 2005-04-12 2005-12-29 E. Zoller GmbH & Co. KG Einstell- und Messgeräte Mess- und/oder Einstellgerät mit einer Bilderfassungseinheit
DE102010017625A1 (de) * 2010-06-28 2011-12-29 Bohle Ag Schneidwerkzeug, insbesondere Schneidrädchen und Verfahren zu dessen Herstellung
DE102012106139B4 (de) * 2012-07-09 2015-06-11 Hochschule Reutlingen Verfahren und Vorrichtung zur Ermittlung eines Werkzeugverschleißes in einer Werkzeugmaschine zur geometrisch bestimmten Zerspanung
DE102013111793B4 (de) * 2013-10-25 2018-06-21 Hochschule Furtwangen Verfahren zur Beurteilung der Schneideigenschaften abrasiver Werkzeuge und Einrichtung hierzu
DE102013112972A1 (de) * 2013-11-25 2015-05-28 Wirtgen Gmbh Verschleißprognoseverfahren und Wartungsverfahren
DE102016106898A1 (de) * 2016-04-14 2017-10-19 Hochschule Furtwangen Verfahren und Vorrichtung zur Ermittlung der Schleiffähigkeit eines Schleifwerkzeugs
DE102017107343A1 (de) * 2016-06-21 2017-12-21 Werth Messtechnik Gmbh Verfahren und Vorrichtung zum Betreiben eines optischen Abstandssensors
CN108107838A (zh) 2017-12-27 2018-06-01 山东大学 一种基于云知识库和机器学习的数控装备刀具磨损检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115008255A (zh) * 2022-08-09 2022-09-06 南通吉帆精密科技有限公司 一种用于机床的刀具磨损识别方法及装置
CN116309788A (zh) * 2023-03-23 2023-06-23 中铁武汉电气化局集团有限公司 一种3d点云铁路接触线横截面积检测方法

Also Published As

Publication number Publication date
JP2021146500A (ja) 2021-09-27
US20210294297A1 (en) 2021-09-23
EP3881968A1 (de) 2021-09-22

Similar Documents

Publication Publication Date Title
CN113478295A (zh) 用于确定工具磨损状态的方法
CN108500736B (zh) 工具状态推定装置以及机床
CN111929309B (zh) 一种基于机器视觉的铸造件外观缺陷检测方法及系统
JP6005498B2 (ja) レンズ加工システム、工具交換時期検出方法および眼鏡レンズの製造方法
Giusti et al. On-line sensing of flank and crater wear of cutting tools
JP6660636B2 (ja) 研削工具砥面評価装置とその学習器、評価プログラムおよび評価方法
Shahabi et al. Prediction of surface roughness and dimensional deviation of workpiece in turning: a machine vision approach
Jeon et al. Optical flank wear monitoring of cutting tools by image processing
CN108296880B (zh) 基于ccd的刀具磨破损在线检测装置及其检测方法
CN115035120B (zh) 基于物联网的机床控制方法及系统
JPH07119585B2 (ja) 加工品表面からプロセスパラメータを決定するる方法
CN113305644A (zh) 一种基于零件测量数据的刀具状态监测及预警方法和系统
Bas et al. Assessment of the production quality in machining by integrating a system of high precision measurement
JP2021077205A (ja) 品質予測システム
CN109285156A (zh) 离线预测拖拉机变速箱加工用整体立铣刀寿命的方法
Pimenov et al. State-of-the-art review of applications of image processing techniques for tool condition monitoring on conventional machining processes
Agarwal et al. Analyzing the evolution of tool wear area in trochoidal milling of Inconel 718 using image processing methodology
CN117974661A (zh) 一种数控机床防错方法
Kowal et al. Surface defects detection using a 3D vision system
US9879968B2 (en) Component measurement system having wavelength filtering
Ismail et al. Geometrical transcription of diamond electroplated tool in ultrasonic vibration assisted grinding of steel
KR101896291B1 (ko) 공작 기계의 가공경로 보정방법
CN113359655A (zh) 铸件打磨智能生产信息模型的建立方法
Owczarek et al. Examination of optical coordinate measurement systems in the conditions of their operation
CN117891225B (zh) 一种金属徽章饰品加工设备智能控制方法及系统

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