CN114055249B - 镗孔表面粗糙度监测方法和系统以及存储介质 - Google Patents

Abstract

本发明公开了一种对进行精镗电主轴的振动状态进行实时监测，并找出振动加速度曲线与表面粗糙度曲线的相关性，以开始出现表面粗糙度不合格现象时的最小振动加速度值为限值，若加工时的振动加速度超过限值，则进行报警，提示表面粗糙度可能不合格，进行人工复测。本发明专利通过监测电主轴的振动加速度来判断表面粗糙度是否合格，将加工后的人工检测转移至加工过程中监控，由抽检或普检变为在线实时检测，实现了质量探测的前移，提高了生产效率，降低了人工成本，且能有效防止质量问题的流出。

Description

镗孔表面粗糙度监测方法和系统以及存储介质

技术领域

本发明属于精镗加工技术领域，尤其涉及一种镗孔表面粗糙度监测方法和系统以及存储介质。

背景技术

镗孔是指用旋转的镗刀把工件上的预制孔扩大到一定尺寸，使之达到要求的精度和表面粗糙度的切削加工技术。目前，对于精镗后的加工表面，一般采用人工抽检的方式，检查其表面粗糙度是否符合要求，人工成本高，且耗时较长，影响产出，且无法保证表面粗糙度不合格的工件都被检测出，有可能导致不合格产品的流出，造成经济损失。

发明内容

针对上述问题，本发明提供了一种镗孔表面粗糙度监测方法和系统以及存储介质。

本发明提供的镗孔表面粗糙度监测方法，其包括下步骤：

在精镗加工时监测加工工具的振动状态，以获取加工工具的振动加速度实时测量值；

将振动加速度实时测量值与振动加速度预设门限值进行比较：

当振动加速度实时测量值大于振动加速度预设门限值时，发出判断工件镗孔的表面粗糙度可能不合格的预警提示信息；

其中，所述振动加速度预设门限值是对应于工件镗孔的表面粗糙度不合格的门限值。

根据本发明的实施例，上述方法还包括：利用机器学习算法分析加工工具的振动加速度与工件镗孔的表面粗糙度之间的相关性，并根据所述相关性确定所述振动加速度预设门限值。

根据本发明的实施例，上述利用机器学习算法分析加工工具的振动加速度与工件镗孔的表面粗糙度之间的相关性，并根据所述相关性确定所述振动加速度预设门限值，包括以下步骤：

根据加工工具的振动加速度确定加工工具的振动能量；

利用机器学习算法分析加工工具的振动能量与工件镗孔的表面粗糙度之间的相关性；

根据加工工具的振动能量与工件镗孔的表面粗糙度之间的相关性确定加工工具的振动加速度预设门限值。

根据本发明的实施例，上述根据加工工具的振动加速度确定加工工具的振动能量，包括以下步骤：

在精镗加工时对加工工具的振动状态以及工件镗孔的表面粗糙度进行监测，以收集相互对应的加工工具的振动加速度样本值和工件镗孔的表面粗糙度样本值；

将振动加速度样本值从时域转换到频域，以获得相应的振动加速度频谱，并利用所述振动加速度频谱计算加工工具的振动能量值。

根据本发明的实施例，上述利用所述振动加速度频谱计算加工工具的振动能量值，包括以下步骤：

在所述振动加速度频谱上计算加工频率及其若干倍频中每个频率的能量值；

对加工频率及其若干倍频中每个频率的能量值进行求和，以获得加工工具的振动能量值。

根据本发明的实施例，上述利用机器学习的方法分析加工工具的振动能量与工件镗孔的表面粗糙度之间的相关性，包括以下步骤：

基于计算得到的加工工具的振动能量值以及测量得到的工件镗孔的表面粗糙度样本值，利用机器学习的方法建立用于描述振动能量与表面粗糙度之间关系的相关性模型。

根据本发明的实施例，上述根据加工工具的振动能量与工件镗孔的表面粗糙度之间的相关性确定加工工具的振动加速度预设门限值，包括以下步骤：

利用用于描述振动能量与表面粗糙度之间关系的相关性模型，确定当工件镗孔的表面粗糙度等于表面粗糙度阈值时，与该表面粗糙度对应的振动能量阈值；

根据该振动能量阈值确定相应的振动加速度阈值；

将所述振动加速度阈值作为加工工具的振动加速度预设门限值；

其中，所述表面粗糙度阈值用于表征当工件镗孔的表面粗糙度大于表面粗糙度阈值时工件镗孔的表面粗糙度不合格。

本发明还提供一种镗孔表面粗糙度监测系统，其包括：

加速度测量装置，用于在精镗加工时对加工工具的振动加速度进行测量，以获取振动加速度实时测量值；

数据采集装置，与所述加速度测量装置连接，用于获取所述加速度测量装置提供的振动加速度实时测量值，对振动加速度实时测量值与振动加速度预存门限值进行比较，并输出比较结果；

控制装置，与所述数据采集装置连接，用于根据所述数据采集装置提供的比较结果输出相应的控制信号；

预警装置，与所述控制装置连接，用于根据所述控制装置输出的控制信号发出相应的预警提示信息；

其中，所述振动加速度预设门限值是对应于工件镗孔的表面粗糙度不合格的门限值。

根据本发明的实施例，除了振动加速度实时测量值以外，所述数据采集装置还用于收集所述加速度测量装置获取的加工工具的振动加速度样本值，所述系统还包括粗糙度测量装置和上位机；

所述上位机一方面获取所述数据采集装置提供的加工工具的振动加速度样本值，另一方面获取通过粗糙度测量装置测得的工件镗孔的表面粗糙度样本值，利用预存的机器学习算法分析加工工具的振动加速度样本值与工件镗孔的表面粗糙度样本值之间的相关性，根据所述相关性确定所述振动加速度预设门限值，并将所述振动加速度预设门限值提供给所述数据采集装置。

此外，本发明还提供一种存储介质，其中存储有计算机程序，所述计算机程序被处理器执行时，实现如上述镗孔表面粗糙度监测方法的步骤。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：

通过监测加工工具主轴的振动加速度来判断工件表面粗糙度是否合格，将加工后的人工检测转移至加工过程中监控，由抽检或普检变为在线实时检测，实现了质量探测的前移，提高了生产效率，降低了人工成本，且能有效防止不合格产品的流出，从而避免经济损失和信誉受损。

本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例一的镗孔表面粗糙度监测系统的组成结构示意图；

图2为本发明实施例二的镗孔表面粗糙度监测系统的工作场景示意图；

图3为图2的镗孔表面粗糙度监测系统的加工频率的频谱图；

图4为图3的频谱图中加工频率的前五个倍频的振动能量值的列表；

图5为根据图4的振动能量值分析振动能量值与表面粗糙度之间的相关性的示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

实施例一

为解决现有技术中存在的上述技术问题，本发明实施例提供了一种镗孔表面粗糙度监测系统。如图1所示，该系统包括：

加速度测量装置100，用于在精镗加工时对加工工具的振动加速度进行测量，以获取加工工具的振动加速度样本值以及获取加工工具的振动加速度实时测量值；

粗糙度测量装置200，用于在精镗加工时对工件镗孔的表面粗糙度进行测量，以获取工件镗孔的表面粗糙度样本值；

数据采集装置300，与所述加速度测量装置100连接，一方面用于在测试阶段收集所述加速度测量装置100获取的加工工具的振动加速度样本值，另一方面用于在加工阶段接收所述加速度测量装置100获取的加工工具的振动加速度实时测量，对所述振动加速度实时测量值与振动加速度预存门限值进行比较，并输出比较结果；

上位机300，一方面获取数据采集装置400提供的加工工具的振动加速度样本值，另一方面获取人工输入的利用粗糙度测量装置测得的工件镗孔的表面粗糙度样本值，然后利用预存的机器学习算法分析加工工具的振动加速度样本值与工件镗孔的表面粗糙度样本值之间的相关性，根据所述相关性确定所述振动加速度预设门限值，并为所述数据采集装置400设置所述振动加速度预设门限值；

控制装置500，与所述数据采集装置400连接，用于根据所述数据采集装置400提供的比较结果输出相应的控制信号；

预警装置600，与所述控制装置500连接，用于根据所述控制装置500输出的控制信号发出相应的预警提示信息。

实施例二

如图2所示，在具体实施时，上述系统可以优选由三向振动加速度传感器1，粗糙度测量仪(图中未示出)，数据传输线2，数据采集装置3，工业电脑(上位机)4，控制器5，报警灯6等组成。具体设置如下：

将两个三向振动加速度传感器1安装在两个进行精镗加工的电主轴上，使用粗糙度测量仪测量已加工表面的表面粗糙度Ra；数据采集装置3将收集的振动加速度的测量值发送给工业电脑4；工业电脑4以振动加速度为输入，以利用粗糙度测量仪测得的表面粗糙度Ra为标签值，通过机器学习的方式编写算法来拟合振动加速度与表面粗糙度Ra之间的关系，建立关系模型，然后利用振动加速度和表面粗糙度的样本数据来训练的关系模型，并利用训练好的关系模型确定使表面粗糙度出现不合格现象时的振动加速度门限值，进而在数据采集装置3上编程设置振动加速度门限值；若数据采集装置3实时采集的振动加速度测量值超出预设的振动加速度门限值，则通过控制器5输出报警信号，点亮报警灯6，同时还可通过网线将报警信号输出给工业电脑4，以显示给现场操作人员。

实施例三

下面结合附图对本发明的工作原理做进一步的说明：

已知影响表面粗糙度的振动频带，主要集中在加工频率及其倍频处。在上述实施例中利用机床进行精镗加工时，机床的转速为1600r/min，共有4个切削刃与缸筒的加工表面接触，所以机床的加工频率应为：

在机床进行精加工时，使用仪器采集电主轴的振动加速度数据，由于使用时域数据时只能计算采集到的全部频带内的振动能量值(RMS值)，有很多与表面粗糙度相关性较小的频带参与其中，难以正确的反应出振动能量值(RMS值)与表面粗糙度之间的关系，故对采集的时域数据进行傅里叶变换，将其从时域变换到频域中，求出其频谱。

如图3所示，验证出加工频率确实在107Hz左右，在此优选计算加工频率及其倍频20HZ带宽内能量用来更精确预测粗糙度。由于频率分析范围为0-1000Hz，因此为了使用与表面粗糙度强相关频带的振动能量，本实施例优选选取加工频率的前五个倍频，计算加工频率每个倍频±10Hz内的振动能量值(RMS值)，计算公式如下：

如图4所示，选取这五个频段的振动能量值之和，将其与表面粗糙度做相关性分析。

如图5所示，为确定振动加速度门限值的过程。在本实施例中，将两个三向振动加速度传感器安装在两个进行精镗加工的电主轴上，同时使用粗糙度测量仪测量已加工表面的表面粗糙度Ra，通过数据采集装置采集精镗过程中所有阶段的振动加速度数据并提供给工业电脑(上位机)，工业电脑以之前所提的五个频段的振动能量值之和为输入，以粗糙度测量仪测得的Ra为输出，通过机器学习的方式编写算法拟合振动加速度能量值与表面粗糙度Ra的关系模型，再利用训练好的关系模型，求出精镗加工中各个阶段使表面粗糙度开始出现不合格现象时的振动加速度，作为振动加速度门限值。

在实际加工过程中，两个三向振动加速度传感器1被分别安装在两根精加工的电主轴2上，数据采集装置4实时采集加工过程中的振动加速度数据，且在数据采集装置上设定了特定算法以及振动加速度的门限值，通过该算法，若精镗加工的某个阶段的振动加速度超过了为该阶段设定的振动加速度门限值，则便会输出一个信号给控制装置，控制装置在接收到这个信号后，便会向报警装置(在此为报警灯)输出一个信号，(点亮报警灯)进行报警，以提示现场操作人员对已加工表面的表面粗糙度进行复检。此外，本操作系统配有工业电脑9，通过网线与数据采集装置进行数据通信，可实时显示由数据采集装置采集的数据形成的振动曲线，若振动加速度超过限值，数据采集装置也会将报警信号输出给工业电脑，进行报警提示。

此外，为解决现有技术中存在的上述技术问题，本发明实施例还相应地提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。

需要说明的是，本发明实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本发明实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (7)

1.一种镗孔表面粗糙度监测方法，其特征在于，包括以下步骤：

在精镗加工时监测加工工具的振动状态，以获取加工工具的振动加速度实时测量值；

将振动加速度实时测量值与振动加速度预设门限值进行比较：

当振动加速度实时测量值大于振动加速度预设门限值时，发出判断工件镗孔的表面粗糙度可能不合格的预警提示信息；

其中，所述振动加速度预设门限值是对应于工件镗孔的表面粗糙度不合格的门限值，其中，确定所述振动加速度预设门限值包括：根据加工工具的振动加速度确定加工工具的振动能量；利用机器学习的方法分析加工工具的振动能量与工件镗孔的表面粗糙度之间的相关性；根据加工工具的振动能量与工件镗孔的表面粗糙度之间的相关性确定加工工具的振动加速度预设门限值。

2.根据权利要求1所述的镗孔表面粗糙度监测方法，其特征在于，根据加工工具的振动加速度确定加工工具的振动能量，包括以下步骤：

在精镗加工时对加工工具的振动状态以及工件镗孔的表面粗糙度进行监测，以收集相互对应的加工工具的振动加速度样本值和工件镗孔的表面粗糙度样本值；

将振动加速度样本值从时域转换到频域，以获得相应的振动加速度频谱，并利用所述振动加速度频谱计算加工工具的振动能量值。

3.根据权利要求2所述的镗孔表面粗糙度监测方法，其特征在于，利用所述振动加速度频谱计算加工工具的振动能量值，包括以下步骤：

在所述振动加速度频谱上计算加工频率及其若干倍频中每个频率的能量值；

对加工频率及其若干倍频中每个频率的能量值进行求和，以获得加工工具的振动能量值。

4.根据权利要求2或3所述的镗孔表面粗糙度监测方法，其特征在于，利用机器学习的方法分析加工工具的振动能量与工件镗孔的表面粗糙度之间的相关性，包括以下步骤：

基于计算得到的加工工具的振动能量值以及测量得到的工件镗孔的表面粗糙度样本值，利用机器学习的方法建立用于描述振动能量与表面粗糙度之间关系的相关性模型。

5.根据权利要求4所述的镗孔表面粗糙度监测方法，其特征在于，根据加工工具的振动能量与工件镗孔的表面粗糙度之间的相关性确定加工工具的振动加速度预设门限值，包括以下步骤：

利用用于描述振动能量与表面粗糙度之间关系的相关性模型，确定当工件镗孔的表面粗糙度等于表面粗糙度阈值时，与该表面粗糙度对应的振动能量阈值；

根据该振动能量阈值确定相应的振动加速度阈值；

将所述振动加速度阈值作为加工工具的振动加速度预设门限值；

其中，所述表面粗糙度阈值用于表征当工件镗孔的表面粗糙度大于表面粗糙度阈值时工件镗孔的表面粗糙度不合格。

6.一种镗孔表面粗糙度监测系统，其特征在于，包括：

加速度测量装置，用于在精镗加工时对加工工具的振动加速度进行测量，以获取振动加速度实时测量值；

数据采集装置，与所述加速度测量装置连接，用于获取所述加速度测量装置提供的振动加速度实时测量值，对振动加速度实时测量值与振动加速度预存门限值进行比较，并输出比较结果；

控制装置，与所述数据采集装置连接，用于根据所述数据采集装置提供的比较结果输出相应的控制信号；

预警装置，与所述控制装置连接，用于根据所述控制装置输出的控制信号发出相应的预警提示信息；

其中，所述振动加速度预设门限值是对应于工件镗孔的表面粗糙度不合格的门限值，所述数据采集装置还用于收集所述加速度测量装置获取的加工工具的振动加速度样本值，所述系统还包括粗糙度测量装置和上位机；所述上位机一方面获取所述数据采集装置提供的加工工具的振动加速度样本值，另一方面获取通过粗糙度测量装置测得的工件镗孔的表面粗糙度样本值，利用预存的机器学习算法分析加工工具的振动加速度样本值与工件镗孔的表面粗糙度样本值之间的相关性，根据所述相关性确定所述振动加速度预设门限值，并将所述振动加速度预设门限值提供给所述数据采集装置。

7.一种存储介质，其中存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至5中任一项所述的镗孔表面粗糙度监测方法的步骤。

Images