CN113941901B - 机床刀具监控方法、监控装置及电子设备 - Google Patents
机床刀具监控方法、监控装置及电子设备 Download PDFInfo
- Publication number
- CN113941901B CN113941901B CN202010693879.8A CN202010693879A CN113941901B CN 113941901 B CN113941901 B CN 113941901B CN 202010693879 A CN202010693879 A CN 202010693879A CN 113941901 B CN113941901 B CN 113941901B
- Authority
- CN
- China
- Prior art keywords
- machine tool
- numerical control
- monitoring
- cutter
- monitoring model
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000012806 monitoring device Methods 0.000 title claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 63
- 238000003754 machining Methods 0.000 claims abstract description 23
- 239000000463 material Substances 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 13
- 238000005520 cutting process Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 239000003550 marker Substances 0.000 description 5
- 239000000306 component Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
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
Abstract
本发明提供机床刀具监控方法、监控装置及电子设备。其中，数控机床所对应的边缘设备执行的机床刀具监控方法包括：获取针对所述机床刀具的监控模型；其中，所述监控模型包括所述机床刀具的预设参数及所述预设参数的阈值；采集所述数控机床利用所述机床刀具进行加工作业时，所述机床刀具的工作过程数据；比对所述工作过程数据与所述监控模型，若所述工作过程数据超出所述阈值，则发出报警信号或令所述数控机床停止加工作业。本发明实现了机床刀具的自动化监控，并能灵活地设置监控过程，从而提高机床刀具的监控效率。
Description
技术领域
本发明涉及数控机床技术领域，特别是涉及机床刀具监控方法、监控装置及电子设备。
背景技术
刀具是机床的核心部件，刀具的健康情况将影响机床的工作性能，直接影响机床加工产品的质量。如果刀具磨损或损坏后不能及时发现，将会造成产品质量不合格，严重的会引起撞刀从而损坏更多的刀具，甚至损坏机床。因此，一旦刀具磨损到一定程度，或者出现崩刀、折断等情况，就要更换刀具。
由于在生产环境下，刀具不易拆卸，因此，传统的数控机床加工，对刀具的磨损和损坏程度的检查，是通过对加工出来的零件的尺寸和表面质量检查实现的。在人工操作的情况下，操作人员在上下料时进行工件的尺寸检查和表面质量检查，这就要求操作人员必须坚守在机床旁边。但在自动化程度不断提高的大环境下，数控机床的上下料操作已经逐渐用机器人来代替人，操作人员只负责巡检，并不接触机床加工出来的产品，因此，对刀具的磨损和损坏程度的传统检查方法失去意义。另外，若对数控机床进行停车检查的频次太高，不仅会增加工作量，同时也会降低生产效率。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供机床刀具监控方法、监控装置及电子设备，用于解决现有技术中机床刀具缺少有效的自动化监控方案的技术问题。
为实现上述目的及其他相关目的，本发明提供一种机床刀具监控方法，应用于数控机床所对应的边缘设备，所述方法包括：获取针对所述机床刀具的监控模型；其中，所述监控模型包括所述机床刀具的预设参数及所述预设参数的阈值；采集所述数控机床利用所述机床刀具进行加工作业时，所述机床刀具的工作过程数据；比对所述工作过程数据与所述监控模型，若所述工作过程数据超出所述阈值，则发出报警信号或令所述数控机床停止加工作业。
于本发明一实施例中，获取针对所述机床刀具的监控模型，包括：向服务端发送获取监控模型的请求信息；所述请求信息包括：所述机床刀具的型号、当前应用所述机床刀具的数控机床的编号、当前需要加工的零件材料的编号，以及所述数控机床利用所述机床刀具加工所述零件材料的数控程序的编号；接收由所述服务端响应所述请求信息所发送的监控模型，并予以存储。
于本发明一实施例中，若所述数控机床的数控程序包括多个程序段，则对应的监控模型中包括对应于不同程序段的预设参数及相应阈值；其中，所述预设参数包括：主轴电流/电压、进给轴电流/电压、及所述数控机床各个轴的实时功率中的至少一种。
于本发明一实施例中，所述数控程序在指定指令位置处设有对应于所述指定指令的预设标识，所述预设标识用于改变所述数控机床的数控系统的标识寄存器的标识位状态；所述方法还包括：检测所述标识寄存器的标识位状态；若检测到所述指定指令对应的标识位状态改变，则控制关于所述指定指令的数据采集。
于本发明一实施例中，所述指定指令包括：开始学习、停止学习、开始监控、停止监控、主程序起止、子程序起止、及子程序跳转中的至少一种。
为实现上述目的及其他相关目的，本发明提供一种机床刀具监控方法，应用于服务端，所述方法包括：获取数控机床利用所述机床刀具进行加工作业时，所述机床刀具的工作过程数据；基于所述工作过程数据生成针对所述机床刀具的监控模型；当接收由所述数控机床对应的边缘设备所发送的请求信息时，将所述监控模型提供至所述边缘设备，以供所述边缘设备利用所述监控模型对所述机床刀具进行监控分析。
于本发明一实施例中，生成针对所述机床刀具的监控模型，包括：根据所述边缘设备提供的所述机床刀具的型号、当前应用所述机床刀具的数控机床的编号、当前需要加工的零件材料的编号、所述数控机床利用所述机床刀具加工所述零件材料的数控程序的编号，以及单次采集的所述机床刀具的工作过程数据生成所述监控模型；其中，所述监控模型包括所述机床刀具的预设参数及所述预设参数的阈值；将所述监控模型与对应的所述数控程序关联存储。
为实现上述目的及其他相关目的，本发明提供一种机床刀具监控装置，应用于数控机床所对应的边缘设备，所述装置包括：网络连接模块，用于与服务端通信连接，从所述服务端获取针对所述机床刀具的监控模型；其中，所述监控模型包括所述机床刀具的预设参数及所述预设参数的阈值；机床连接模块，用于与所述数控机床通信连接；数据采集模块，用于采集所述数控机床利用所述机床刀具进行加工作业时，所述机床刀具的工作过程数据；刀具监控模块，用于比对所述工作过程数据与所述监控模型，若所述工作过程数据超出所述阈值，则发出报警信号或令所述数控机床停止加工作业。
为实现上述目的及其他相关目的，本发明提供一种机床刀具监控装置，应用于服务端，所述装置包括：模型学习模块，用于基于工作过程数据生成针对所述机床刀具的监控模型；网络连接模块，用于获取数控机床利用所述机床刀具进行加工作业时，所述机床刀具的工作过程数据；当接收由所述数控机床对应的边缘设备所发送的请求信息时，将所述监控模型提供至所述边缘设备，以供所述边缘设备利用所述监控模型对所述机床刀具进行监控分析。
为实现上述目的及其他相关目的，本发明提供一种电子设备，包括：所述的机床刀具监控装置。
如上所述，本发明的机床刀具监控方法、监控装置及电子设备，具有以下有益技术效果：
1、对没有监控模型的加工过程进行一次数据采集和学习，确定监控模型，用于作为后续自动化监控的分析依据；该监控模型可以不断进行优化，从而提高后续监控分析的准确性；
2、可以灵活定义一段程序加工过程中需要进行数据采集与刀具监控的程序段，以及不需要进行监控的程序段，从而提高监控效率；
3、通过识别数控系统标识寄存器中的标志位，对数控程序的子程序、跳转、开始采集、结束采集等进行标识，有效地防止了数据的错行，用于数据的对齐，从而在后续监控分析中降低监控报警的误判率。
附图说明
图1显示为本发明一实施例中的应用场景示意图。
图2显示为本发明一实施例中的网络平台学习过程的原理示意图。
图3显示为本发明一实施例中的边缘设备执行机床刀具监控方法的原理示意图。
图4显示为本发明一实施例中的机床刀具监控装置的原理示意图。
图5显示为本发明另一实施例中的机床刀具监控装置的原理示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
鉴于现有技术中的不足，本发明提供机床刀具监控方法、监控装置及电子设备，利用网络平台对机床刀具(简称刀具)的工作过程数据进行采集和学习，并且结合边缘设备进行实时监控。网络平台通过学习的方法确定数控程序不同程序段的监控阈值，从而边缘设备可以灵活地对数控加工过程的刀具工况进行监控，如果发现其超过阈值，网络平台和边缘设备都可以及时发出警报。
本发明通过对数控机床的电流、电压、功率等参数进行采集，间接地获取刀具的工作情况。一般正常工作状态下的主轴电流、功率和进给轴电流、功率等都在一个稳定的区域内，如果超过了该区域，则极有可能是刀具工况发生了变化。此外，本发明的刀具监控过程还能被灵活地定义，不一定对切削的整个过程都进行监控，如部分程序段可能需要临时暂停刀具监控。另外，本发明对于不同程序段，刀具监控所对应的阈值也不一定相同，刀具监控过程的数据采集和数控程序语句相互对应，从而便于后续分析。
以下将结合附图对本发明进行详细介绍。
如图1所示，展示为本发明一实施例中的应用场景示意图，包括A：网络平台，至少一个B：边缘设备，以及各边缘设备所连接的C：数控机床控制系统。网络平台可以是一个工业云平台，边缘设备可以是一个智能数据采集设备，数控机床控制系统简称为数控系统。网络平台连接至少一个边缘设备，一个边缘设备连接一个数控机床的数控系统。
网络平台A具体包括：网络连接模块A10、刀具监控与分析模块A11、数据和模型管理模块A12、模型学习模块A13、模型优化模块A14、实时数据库A20、数控程序库A21、监控模型库A22。其中，A10网络连接模块用于连接各边缘设备；A11刀具监控与分析模块，可以根据刀具实际工况数据进行报警提示，同时可以对历史工况数据进行分析；数据和模型管理模块A12在网络平台上，对采集数据和模型进行管理；A14模型优化模块，用于利用加工过程的历史，对监控模型进行不断优化，以保证刀具监控过程的准确性。
边缘设备B具体包括：网络连接模块B1、数据采集模块B2、机床连接模块B3、刀具监控模块B4、标志位分析模块B5。其中，网络连接模块B1用于和网络平台连接；数据采集模块B2用于通过机床连接模块B3和数控系统C通讯，采集数据，本地可存储/缓存，并且可通过网络连接模块B1上传到网络平台A；机床连接模块B3用于连接数控系统；刀具监控模块B4用于根据实际工况对刀具切削过程进行监控，如果发生异常，则发出报警，并把报警信息传送给网络平台A的刀具监控与分析模块A11进行预警；标志位分析模块B5用于读取数控系统的标识寄存器，来获取标志位信息，来对刀具数据采集与监控过程进行标识等。
数控系统C具体包括：标识寄存器C1、数控程序C2。其中，标识寄存器C1是一组存放数据标志位的存储器，根据需要可以定义若干个标志位，每个标志位标识一个含义；数控程序C2用于控制数控机床的动作，同时，数控程序在指定指令位置处设有相应标识(如A01)，该标识会引起标识寄存器C1的对应标志位的状态发生改变(由0变为1或由1变为0)。
刀具监控的步骤分为两个大的阶段，一个是学习或优化过程，另一个是监控执行过程。
一般而言，一把新的刀具(同一个厂家生产的相同型号的刀具，可以看作是同样的一把刀具)用在一个新的机床上，执行一个新的数控程序加工一种新的材料的零件，需要经历一个学习过程，从而生成刀具的监控模型。也就是说，边缘设备在对机床刀具进行监控时，若没有对应的监控模型，则需要先经历学习阶段，由A13模型学习模块来产生监控模型，后续再利用该监控模型对该机床刀具进行监控；若有对应的监控模型，则无需经历学习阶段，可直接利用监控模型对该机床刀具进行监控，此外，还可通过A14模型优化模块对已经存在的监控模型进行优化，从而不断提高监控模型的准确性。参阅图2，学习过程具体流程如下：
S101：在一台确定的机床上，确定加工对象毛坯(即确定了机床、零件材料)，然后确定需要监控的刀具，如果这把刀具没有加工过这个数控程序，就需要进行监控模型的学习。
数控程序会经由边缘设备存放到网络平台A21数控程序库中，供后续分析使用。
数控程序开始执行。
S102：边缘设备上的标志位分析模块B5会通过机床连接模块B3，不断检测数控系统中的标识寄存器C1，查看其中需要开始进行模型学习的标志位的状态是否发生改变，如果发生改变，表示“开始学习”，则需要进行刀具工作过程数据的采集。
S103：当标志位分析模块B5检测到标志位发生改变，表示需要读取数据。
需要说明的是，一般地，数控程序C2中的指定的某些指令位置，设有对应于该指定指令的预设标识，该预设标识会导致数控机床控制系统C里面的标识寄存器C1中的对应的标志位的状态发生变化。指定指令包括但不限于：开始学习、停止学习、开始监控、停止监控、主程序起止、子程序起止、子程序跳转等。比如，S102检测到数控程序中的标识“A01”，则查看标识寄存器C1中对应于“A01”的标识位的状态是否发生改变(如由0变为1或由1变为0)，若发生了改变，则开始采集刀具学习阶段的工作过程数据。
S104：边缘设备数据采集模块B2，进行数据采集。
其中，采集的数据和后续执行监控流程所需监控的数据一致。例如，学习过程采集的是电流，则后续监控时也采集电流，并以电流是否超过阈值来进行报警。于此，具体采集何种数据，可以根据用户需要而定，较为典型的数据包括：采集主轴电流、进给轴电流，以及当前机床各个轴的实时功率等。
S105：标志位分析模块B5检测到关标识寄存器的变化，典型的检测行为包括：
(1)检测是否发生子程序跳转
数控程序C2中，在子程序跳转位置设有对应于该指令的标识，该标识会导致数控机床控制系统C里面的标识寄存器C1中对应的标志位的状态发生变化。若子程序跳转指令对应的标识位状态发生变化，则表示“子程序跳转”，边缘设备开始采集子程序的刀具工作过程数据。此外，如果发生子程序跳转，则有可能主程序的语句号和子程序的语句号一样，这样会导致数据对齐的错误。本发明在检测到子程序跳转的情况时，会给所采集数据的语句号前面增加特殊标识(如采用宏变量等)，从而区分主程序、子程序，或者是不同子程序的数据。
(2)检测是否终止学习
在整个数控程序中，可能某一段数控程序所控制的刀具运动过程不需要进行刀具监控，例如，刀具空行程，或者是某个不确定的切削部分，可以通过标识位进行判断。数控程序C2中，在无需进行刀具监控的程序段位置设有对应于终止学习指令的标识，该标识会导致数控机床控制系统C里面的标识寄存器C1中对应的标志位的状态发生变化。若终止学习指令对应的标识位状态发生变化，则表示“终止学习”，边缘设备停止采集该程序段的刀具工作过程数据。
S106：如果标志位分析模块B5检测到学习结束标识的标志位发生变化，表示“学习结束”，即结束数据采集。
S107：如果整个数控程序都结束了，则数据采集也结束；如果数控程序还没有结束，则表示是暂时停止数据采集，后面还有可能继续数据采集，因此跳转到步骤S102。
S108：数据采集结束，与机床连接的边缘采集设备将采集到的单次加工过程数据上传至云端，云端在接收到后开始对加工过程数据进行处理。
S109：网络平台A接收到数据采集结束通知后，生成监控模型，主要步骤包括：
STEP1：网络平台A的模型学习模块A13根据参与此次学习的数控机床、数控程序、刀具和零件材料，确定监控模型；
详细而言，网络平台A通过一个四元组(刀具，数控机床，零件材料，数控程序)生成一对应的监控模型，学习过程经历一次即可。学习之后，生成的监控模型会存放在A22监控模型库里面，供后续监控执行过程使用。
该监控模型中包括机床刀具的预设参数及所述预设参数的阈值(上下限值)，如主轴电流与主轴电流的阈值等。一般一个数控程序有一个主程序，再包括0个或多个子程序，可能每个子程序执行过程中，对刀具监控的阈值有不同的定义。所以，刀具的监控模型针对一个数控程序执行过程的不同部分都定义有不同的监控数据的阈值。
其中，刀具是一把具体的机床切削刀具，也可以是相同厂家所提供的相同型号的刀具。也就是说，相同厂家提供的相同型号的刀具针对同一加工程序之间的学习结果(监控模型)可以相互借鉴使用。数控机床一般用唯一机床编号确定。零件材料可以用材料型号或者供应商所提供的材料编号确定。一般一个数控程序确定了一个加工过程，包括刀具的运动轨迹、和材料的切削深度、切削进给速度、主轴转速等。值得注意的是，由于刀具在整个切削过程是运动的，切削深度、进给速度等都会有变化，故而刀具监控所需要的阈值也会有变化，会出现某段数控程序是一个阈值(假设为阈值A)，另外一段数控程序用到的是阈值B，等等。
STEP2：网络平台A将生成的监控模型与数控程序的语句关联存储。
详细而言，监控模型完成后，网络平台A将其存入A22监控模型库，同时，所关联的数控程序被存入A21数控程序库，学习所用的数据则存储于A20实时数据库中。
承接上述，模型优化是指根据新的数据对已有的监控模型重新进行学习的优化方法，优化的主要过程包括以下步骤：
步骤1：通过网络平台上的模型优化模块A14启动模型优化过程；
步骤2：选择一个已有的监控模型；
步骤3：利用最新的数据，进行监控模型的学习；
步骤4：形成新的监控模型，存入A22监控模型库。
模型优化过程的STEP3采用和S109类似的方法进行。但，由于模型优化过程所参考的数据比模型学习过程更多，所以得到的监控模型会更加精确。比如，S109步骤中使用了大数据分析方法，则可以根据刀具监控过程所采集的数据，结合第一次模型学习过程的数据，综合形成新的监控模型。
参阅图3，监控过程具体流程如下：
S301：边缘设备获取针对所述机床刀具的监控模型；
具体的，边缘设备根据所连接C数控系统的数控机床、当前执行的数控程序、零件材料和刀具配备等信息，从网络平台A获取监控模型，并予以保存。
S302：边缘设备采集所述数控机床利用所述机床刀具进行加工作业时，所述机床刀具的工作过程数据；
具体的，数控程序开始执行后，边缘设备上的标志位分析模块B5会通过机床连接模块B3，不断检测数控系统中的标识寄存器，查看里面需要开始监控的标志位是否发生改变，如果该标志位发生改变，表示“开始监控”，则需要开始进行数据采集。
边缘设备在检测到数控程序中某特定语句设定的标识在标识寄存器中对应的标志位状态发生改变时，控制关于该特定语句的数据采集。由于此部分的原理已在学习阶段中做出解释，故于此不再重复赘述。
S303：边缘设备比对所述工作过程数据与所述监控模型，若所述工作过程数据超出所述阈值，则发出报警信号或令所述数控机床停止加工作业。
承接上述，边缘设备若检测到监控结束标识的标志位发生变化，则结束数据采集。如果整个数控程序都结束了，则监控过程的数据采集也随即结束；如果数控程序还没有结束，则表示“监控结束”标识是暂时停止数据采集，后面还有可能继续数据采集，因此跳转到步骤S302。
在一实施例中，较佳的，边缘设备将监控采集的实时数据上传至网络平台，网络平台对实时数据进行数据对齐后利用监控模型进行判断，若超出阈值则发出警报，若超出阈值过大，则令数控机床停止加工。
需要说明的是，为了实现监控数据和数控程序语句的对应，实现对整个切削过程的自动分段设定阈值监控，网络平台需对监控数据进行对齐。同样的，在进行数控程序学习的时候，每一次数据点与学习时语句应该严格对齐。传统对齐方法包括：
(1)以数控程序为整体单位进行所采集数据的对齐，这样每一行语句中的稍微偏差，累计到后面就会造成实际工况中实际数据和学习时数据的较大偏差，从而影响调整效果。
(2)使用传感器采集的机床信号作为对齐标志，由于信号传递的时间延迟性会导致学习数据与后续监控数据不一致，易发生误报警。
本发明在监控后续加工负载时，首先，通过数控程序中预先添加的标识来区分主程序、子程序等，通过在主程序和子程序中添加标识，刀具监控过程在采集到相应标识变化后，对程序运行的当前位置进行判断；然后，再进行同一行号上的数据对齐，若不进行区分，会导致子程序的行号与主程序的行号无法分辨，从而误用主程序的负载来监控子程序的负载，导致数据错行，达不到应有的监控效果。本发明通过识别行号，主程序和子程序标识来进行区分，将整个加工程序通过添加的行号和标识切分为逐个连续的加工时段，通过添加的标志作为每个加工时段对齐的开始结束位置，从而实现监控数据的划分对齐，大幅度缩减了时间跨度，提高了对齐精度，降低了误报率。
实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。基于这样的理解，本发明还提供一种计算机程序产品，包括一个或多个计算机指令。所述计算机指令可以存储在计算机可读存储介质中。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(如：软盘、硬盘、磁带)、光介质(如：DVD)、或者半导体介质(如：固态硬盘SolidStateDisk(SSD))等。
如图4所示，与前述方法实施例技术原理一致的是，本实施例提供一种机床刀具监控装置40，应用于数控机床所对应的边缘设备，主要包括以下模块：
网络连接模块，用于与服务端通信连接，从所述服务端获取针对所述机床刀具的监控模型；其中，所述监控模型包括所述机床刀具的预设参数及所述预设参数的阈值；
机床连接模块，用于与所述数控机床通信连接；
数据采集模块，用于采集所述数控机床利用所述机床刀具进行加工作业时，所述机床刀具的工作过程数据；
刀具监控模块，用于比对所述工作过程数据与所述监控模型，若所述工作过程数据超出所述阈值，则发出报警信号或令所述数控机床停止加工作业。
如图5所示，与前述方法实施例技术原理一致的是，本实施例提供一种机床刀具监控装置50，应用于服务端(如图1的网络平台)，主要包括以下模块：
模型学习模块，用于基于工作过程数据生成针对所述机床刀具的监控模型；
网络连接模块，用于获取数控机床利用所述机床刀具进行加工作业时，所述机床刀具的工作过程数据；当接收由所述数控机床对应的边缘设备所发送的请求信息时，将所述监控模型提供至所述边缘设备，以供所述边缘设备利用所述监控模型对所述机床刀具进行监控分析。
本领域技术人员应当理解，图4和图5实施例中的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个或多个物理实体上。且这些模块可以全部以软件通过处理元件调用的形式实现，也可以全部以硬件的形式实现，还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。
除此之外，本实施例提供一种电子设备，电子设备可以是包括前述机床刀具监控装置40的边缘设备，或者，包括前述机床刀具监控装置50的工业云平台、台式机、便携式电脑等设备。
综上，本发明的机床刀具监控方法、监控装置及电子设备，实现了机床刀具的自动化监控，并能灵活地设置监控过程，从而提高机床刀具的监控效率，有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种机床刀具监控方法，其特征在于，应用于数控机床所对应的边缘设备，所述方法包括：
获取针对所述机床刀具的监控模型；其中，所述监控模型包括所述机床刀具的预设参数及所述预设参数的阈值；
采集所述数控机床利用所述机床刀具进行加工作业时，所述机床刀具的工作过程数据；
比对所述工作过程数据与所述监控模型，若所述工作过程数据超出所述阈值，则发出报警信号或令所述数控机床停止加工作业；
其中，获取针对所述机床刀具的监控模型，包括：
向服务端发送获取监控模型的请求信息；所述请求信息包括：所述机床刀具的型号、当前应用所述机床刀具的数控机床的编号、当前需要加工的零件材料的编号，以及所述数控机床利用所述机床刀具加工所述零件材料的数控程序的编号；
接收由所述服务端响应所述请求信息所发送的监控模型，并予以存储。
2.根据权利要求1所述的方法，其特征在于，若所述数控机床的数控程序包括多个程序段，则对应的监控模型中包括对应于不同程序段的预设参数及相应阈值；其中，所述预设参数包括：主轴电流/电压、进给轴电流/电压、及所述数控机床各个轴的实时功率中的至少一种。
3.根据权利要求1所述的方法，其特征在于，所述数控程序在指定指令位置处设有对应于所述指定指令的预设标识，所述预设标识用于改变所述数控机床的数控系统的标识寄存器的标识位状态；所述方法还包括：
检测所述标识寄存器的标识位状态；
若检测到所述指定指令对应的标识位状态改变，则控制关于所述指定指令的数据采集。
4.根据权利要求3所述的方法，其特征在于，所述指定指令包括：开始学习、停止学习、开始监控、停止监控、主程序起止、子程序起止、及子程序跳转中的至少一种。
5.一种机床刀具监控方法，其特征在于，应用于服务端，所述方法包括：
获取数控机床利用所述机床刀具进行加工作业时，所述机床刀具的工作过程数据；
基于所述工作过程数据生成针对所述机床刀具的监控模型；
当接收由所述数控机床对应的边缘设备所发送的请求信息时，将所述监控模型提供至所述边缘设备，以供所述边缘设备利用所述监控模型对所述机床刀具进行监控分析；
其中，生成针对所述机床刀具的监控模型，包括：
根据所述边缘设备提供的所述机床刀具的型号、当前应用所述机床刀具的数控机床的编号、当前需要加工的零件材料的编号、所述数控机床利用所述机床刀具加工所述零件材料的数控程序的编号，以及单次采集的所述机床刀具的工作过程数据生成所述监控模型；其中，所述监控模型包括所述机床刀具的预设参数及所述预设参数的阈值；
将所述监控模型与对应的所述数控程序关联存储。
6.一种机床刀具监控装置，其特征在于，应用于数控机床所对应的边缘设备，所述装置包括：
网络连接模块，用于与服务端通信连接，从所述服务端获取针对所述机床刀具的监控模型；其中，所述监控模型包括所述机床刀具的预设参数及所述预设参数的阈值；
机床连接模块，用于与所述数控机床通信连接；
数据采集模块，用于采集所述数控机床利用所述机床刀具进行加工作业时，所述机床刀具的工作过程数据；
刀具监控模块，用于比对所述工作过程数据与所述监控模型，若所述工作过程数据超出所述阈值，则发出报警信号或令所述数控机床停止加工作业；
其中，获取针对所述机床刀具的监控模型，包括：
向服务端发送获取监控模型的请求信息；所述请求信息包括：所述机床刀具的型号、当前应用所述机床刀具的数控机床的编号、当前需要加工的零件材料的编号，以及所述数控机床利用所述机床刀具加工所述零件材料的数控程序的编号；
接收由所述服务端响应所述请求信息所发送的监控模型，并予以存储。
7.一种机床刀具监控装置，其特征在于，应用于服务端，所述装置包括：
模型学习模块，用于基于工作过程数据生成针对所述机床刀具的监控模型；
网络连接模块，用于获取数控机床利用所述机床刀具进行加工作业时，所述机床刀具的工作过程数据；当接收由所述数控机床对应的边缘设备所发送的请求信息时，将所述监控模型提供至所述边缘设备，以供所述边缘设备利用所述监控模型对所述机床刀具进行监控分析；其中，生成针对所述机床刀具的监控模型，包括：根据所述边缘设备提供的所述机床刀具的型号、当前应用所述机床刀具的数控机床的编号、当前需要加工的零件材料的编号、所述数控机床利用所述机床刀具加工所述零件材料的数控程序的编号，以及单次采集的所述机床刀具的工作过程数据生成所述监控模型；其中，所述监控模型包括所述机床刀具的预设参数及所述预设参数的阈值；将所述监控模型与对应的所述数控程序关联存储。
8.一种电子设备，其特征在于，包括：如权利要求6或7所述的机床刀具监控装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010693879.8A CN113941901B (zh) | 2020-07-17 | 2020-07-17 | 机床刀具监控方法、监控装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010693879.8A CN113941901B (zh) | 2020-07-17 | 2020-07-17 | 机床刀具监控方法、监控装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113941901A CN113941901A (zh) | 2022-01-18 |
| CN113941901B true CN113941901B (zh) | 2024-04-23 |
Family
ID=79327235
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010693879.8A Active CN113941901B (zh) | 2020-07-17 | 2020-07-17 | 机床刀具监控方法、监控装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113941901B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115509177B (zh) * | 2022-09-22 | 2024-01-12 | 成都飞机工业（集团）有限责任公司 | 一种零件加工过程异常监控方法、装置、设备及介质 |
| CN117226530B (zh) * | 2023-11-13 | 2024-03-15 | 成都飞机工业（集团）有限责任公司 | 一种无人生产线设备进给轴电流数据自动采集方法及系统 |
Citations (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DD286536A5 (de) * | 1989-06-30 | 1991-01-31 | Veb Polygraph Druckmaschinenwerk Planeta,De | Einrichtung zur standzeitueberwachung von werkzeugen |
| KR20090076363A (ko) * | 2008-01-08 | 2009-07-13 | 김종욱 | 공작기계의 툴 모니터링 시스템 |
| CN101592950A (zh) * | 2009-06-05 | 2009-12-02 | 南通职业大学 | 一种基于web的数控编程与仿真服务系统 |
| CN101770222A (zh) * | 2010-03-09 | 2010-07-07 | 江南大学 | 数控机床刀具的在线管理方法 |
| CN102023615A (zh) * | 2010-10-25 | 2011-04-20 | 武汉华中数控股份有限公司 | 一种基于指令序列的数控机床加工状态信息显示方法 |
| CN102789193A (zh) * | 2011-05-18 | 2012-11-21 | 大连光洋科技工程有限公司 | 一种数控机床数控系统的运行方法 |
| CN102819239A (zh) * | 2011-06-08 | 2012-12-12 | 同济大学 | 一种数控机床智能故障诊断方法 |
| CN107092544A (zh) * | 2016-05-24 | 2017-08-25 | 口碑控股有限公司 | 监控方法及装置 |
| CN107741732A (zh) * | 2017-10-26 | 2018-02-27 | 广州市敏嘉机器人技术有限公司 | 一种基于电流法的机床刀具监控方法与系统 |
| CN107738140A (zh) * | 2017-09-30 | 2018-02-27 | 深圳吉兰丁智能科技有限公司 | 一种监控刀具状态的方法、系统以及处理设备 |
| CN108490880A (zh) * | 2018-04-24 | 2018-09-04 | 湖北文理学院 | 一种数控机床切削刀具磨损状态实时监测方法 |
| CN108776457A (zh) * | 2018-07-20 | 2018-11-09 | 安徽江机重型数控机床股份有限公司 | 一种数控机床刀头故障诊断系统 |
| CN108788927A (zh) * | 2018-06-19 | 2018-11-13 | 珠海格力智能装备有限公司 | 机床刀具的监控方法和装置 |
| CN108932184A (zh) * | 2018-06-21 | 2018-12-04 | 新华三云计算技术有限公司 | 监控装置及方法 |
| CN109318056A (zh) * | 2017-10-23 | 2019-02-12 | 沈阳百祥机械加工有限公司 | 一种基于多种类传感器复合信号的刀具磨损监控方法 |
| CN109822398A (zh) * | 2019-03-25 | 2019-05-31 | 华中科技大学 | 一种基于深度学习的数控机床断刀检测系统及方法 |
| CN109909804A (zh) * | 2018-12-21 | 2019-06-21 | 北京工业大学 | 基于主轴驱动电流和工步的刀具磨损破损在线监测方法 |
| CN209157874U (zh) * | 2018-09-27 | 2019-07-26 | 富华科精密工业（深圳）有限公司 | 刀具受损状态监控系统 |
| CN110069520A (zh) * | 2019-03-16 | 2019-07-30 | 平安城市建设科技(深圳)有限公司 | 数据采集方法、数据采集终端、后台服务器及存储介质 |
| EP3570160A1 (en) * | 2018-05-18 | 2019-11-20 | Siemens Aktiengesellschaft | Method and platform for deployment of an industrial application on an edge computing device of a machine tool |
| CN110509110A (zh) * | 2019-07-24 | 2019-11-29 | 深圳市五湖智联实业有限公司 | 一种数控机床刀具切削力智能监测系统 |
| CN110794768A (zh) * | 2019-11-27 | 2020-02-14 | 北京航空航天大学 | 基于实时数据和step-nc数据推测数控加工状态的方法和装置 |
| CN110842646A (zh) * | 2019-11-22 | 2020-02-28 | 江苏师范大学 | 一种基于多特征融合的铣削声压级监测及预测系统和方法 |
| CN110888780A (zh) * | 2019-11-19 | 2020-03-17 | 泰康保险集团股份有限公司 | 应用监控方法、装置、设备及存储介质 |
| CN110958418A (zh) * | 2019-12-30 | 2020-04-03 | 广州市迪士普音响科技有限公司 | 一种智慧灯柱及其工作方法 |
| CN111347292A (zh) * | 2020-02-21 | 2020-06-30 | 青岛理工大学 | 数控机床刀具状态监测及控制系统与方法 |
-
2020
- 2020-07-17 CN CN202010693879.8A patent/CN113941901B/zh active Active
Patent Citations (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DD286536A5 (de) * | 1989-06-30 | 1991-01-31 | Veb Polygraph Druckmaschinenwerk Planeta,De | Einrichtung zur standzeitueberwachung von werkzeugen |
| KR20090076363A (ko) * | 2008-01-08 | 2009-07-13 | 김종욱 | 공작기계의 툴 모니터링 시스템 |
| CN101592950A (zh) * | 2009-06-05 | 2009-12-02 | 南通职业大学 | 一种基于web的数控编程与仿真服务系统 |
| CN101770222A (zh) * | 2010-03-09 | 2010-07-07 | 江南大学 | 数控机床刀具的在线管理方法 |
| CN102023615A (zh) * | 2010-10-25 | 2011-04-20 | 武汉华中数控股份有限公司 | 一种基于指令序列的数控机床加工状态信息显示方法 |
| CN102789193A (zh) * | 2011-05-18 | 2012-11-21 | 大连光洋科技工程有限公司 | 一种数控机床数控系统的运行方法 |
| CN102819239A (zh) * | 2011-06-08 | 2012-12-12 | 同济大学 | 一种数控机床智能故障诊断方法 |
| CN107092544A (zh) * | 2016-05-24 | 2017-08-25 | 口碑控股有限公司 | 监控方法及装置 |
| CN107738140A (zh) * | 2017-09-30 | 2018-02-27 | 深圳吉兰丁智能科技有限公司 | 一种监控刀具状态的方法、系统以及处理设备 |
| CN109318056A (zh) * | 2017-10-23 | 2019-02-12 | 沈阳百祥机械加工有限公司 | 一种基于多种类传感器复合信号的刀具磨损监控方法 |
| CN107741732A (zh) * | 2017-10-26 | 2018-02-27 | 广州市敏嘉机器人技术有限公司 | 一种基于电流法的机床刀具监控方法与系统 |
| CN108490880A (zh) * | 2018-04-24 | 2018-09-04 | 湖北文理学院 | 一种数控机床切削刀具磨损状态实时监测方法 |
| EP3570160A1 (en) * | 2018-05-18 | 2019-11-20 | Siemens Aktiengesellschaft | Method and platform for deployment of an industrial application on an edge computing device of a machine tool |
| CN108788927A (zh) * | 2018-06-19 | 2018-11-13 | 珠海格力智能装备有限公司 | 机床刀具的监控方法和装置 |
| CN108932184A (zh) * | 2018-06-21 | 2018-12-04 | 新华三云计算技术有限公司 | 监控装置及方法 |
| CN108776457A (zh) * | 2018-07-20 | 2018-11-09 | 安徽江机重型数控机床股份有限公司 | 一种数控机床刀头故障诊断系统 |
| CN209157874U (zh) * | 2018-09-27 | 2019-07-26 | 富华科精密工业（深圳）有限公司 | 刀具受损状态监控系统 |
| CN109909804A (zh) * | 2018-12-21 | 2019-06-21 | 北京工业大学 | 基于主轴驱动电流和工步的刀具磨损破损在线监测方法 |
| CN110069520A (zh) * | 2019-03-16 | 2019-07-30 | 平安城市建设科技(深圳)有限公司 | 数据采集方法、数据采集终端、后台服务器及存储介质 |
| CN109822398A (zh) * | 2019-03-25 | 2019-05-31 | 华中科技大学 | 一种基于深度学习的数控机床断刀检测系统及方法 |
| CN110509110A (zh) * | 2019-07-24 | 2019-11-29 | 深圳市五湖智联实业有限公司 | 一种数控机床刀具切削力智能监测系统 |
| CN110888780A (zh) * | 2019-11-19 | 2020-03-17 | 泰康保险集团股份有限公司 | 应用监控方法、装置、设备及存储介质 |
| CN110842646A (zh) * | 2019-11-22 | 2020-02-28 | 江苏师范大学 | 一种基于多特征融合的铣削声压级监测及预测系统和方法 |
| CN110794768A (zh) * | 2019-11-27 | 2020-02-14 | 北京航空航天大学 | 基于实时数据和step-nc数据推测数控加工状态的方法和装置 |
| CN110958418A (zh) * | 2019-12-30 | 2020-04-03 | 广州市迪士普音响科技有限公司 | 一种智慧灯柱及其工作方法 |
| CN111347292A (zh) * | 2020-02-21 | 2020-06-30 | 青岛理工大学 | 数控机床刀具状态监测及控制系统与方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113941901A (zh) | 2022-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11237539B2 (en) | System and method for operational-data-based detection of anomaly of a machine tool | |
| US6937942B2 (en) | Method and apparatus of detecting tool abnormality in a machine tool | |
| CN113941901B (zh) | 机床刀具监控方法、监控装置及电子设备 | |
| JP2018086712A (ja) | 工具摩耗予測装置およびその方法 | |
| CN102929210A (zh) | 基于特征的数控加工过程控制和优化系统及方法 | |
| CN103760820A (zh) | 数控铣床加工过程状态信息评价装置 | |
| CN109507952A (zh) | 一种基于切削负载的复杂零件数控加工异常状态监控方法 | |
| CN110187694A (zh) | 故障预测装置以及机器学习装置 | |
| EP3864475B1 (en) | Method and system for monitoring tool wear to estimate rul of tool in machining | |
| CN111381563A (zh) | 加工设备误差补正方法及系统 | |
| CN111381556A (zh) | 加工设备误差补正方法及系统 | |
| CN114144280A (zh) | 在数控机床上使用的控制装置，以及包括控制装置的机床 | |
| Pereverzev et al. | Optimization of control programs for numerically controlled machine tools by dynamic programming | |
| Kang et al. | An integrated energy data analytics approach for machine tools | |
| KR20220092865A (ko) | 치과용 공구의 마모 상태를 예측하기 위한 치과 기계 가공 시스템 | |
| Tugengol’d et al. | Monitoring and control of tools in multifunctional machine tools | |
| KR20230114818A (ko) | IoT 기반 공작기계의 지능형 모니터링 진단 방법 및 장치 | |
| CN111381558A (zh) | 加工设备误差补正方法及系统 | |
| US11226613B2 (en) | Anomaly detection device, anomaly detection server and anomaly detection method | |
| US20240019838A1 (en) | Composite tool cutting monitoring system and monitoring method thereof | |
| CN111598364B (zh) | 用于机械零部件的数字化工艺编排系统 | |
| CN111381562A (zh) | 圆弧拐角加工设备误差补正方法及系统 | |
| KR20230032675A (ko) | Ｃｎｃ 공작기계를 이용한 데이터 수집 시스템 | |
| US9971343B2 (en) | Portable intelligent controlling system for machines | |
| CN111381557A (zh) | 基于单机的加工设备误差补正方法及系统 |
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 | ||
| GR01 | Patent grant |