CN114055252A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114055252A CN114055252A CN202111013692.XA CN202111013692A CN114055252A CN 114055252 A CN114055252 A CN 114055252A CN 202111013692 A CN202111013692 A CN 202111013692A CN 114055252 A CN114055252 A CN 114055252A
- Authority
- CN
- China
- Prior art keywords
- time domain
- vibration signal
- frequency domain
- sensitive
- broaching
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000001133 acceleration Effects 0.000 claims abstract description 47
- 238000005299 abrasion Methods 0.000 claims abstract description 25
- 230000036541 health Effects 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 9
- 238000011158 quantitative evaluation Methods 0.000 claims description 7
- 230000005284 excitation Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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。本系统包括主溜板、工件、拉刀、加速器传感器、数据采集卡和上位机。本方法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方法，可达到对拉床拉刀结构健康定量管理。用数据采集卡读取加速度信号，先从整段加速度信号中截取那段对刀具磨损敏感的振动信号段，然后计算敏感段振动信号时域/频域，敏感段振动信号时域/频域变化幅度代表刀具磨损程度或不同损伤类型，敏感段振动信号时域/频域变化的幅度越大即代表刀具的磨损或损伤程度越大。利用这一特性定量预测拉刀磨损程度或不同损伤类型。
Description
技术领域
本发明涉及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，应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。
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
本发明的目的在于针对实际情况中存在的一些问题，提供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，可实现对拉床刀具轻微磨损或损伤的定量评估与预测。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，可以直观的根据时域RMS或频域RMS判断拉刀是否磨损与损伤。
为达到上述目的，本发明采用下述技术方案：
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，包括主溜板、工件、拉刀、加速度传感器、数据采集卡和上位机；所述加速度传感器安装在拉床两侧溜板上，用于测量拉削方向的加速度信号；加速度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上位机，上位机计算截取的敏感段振动信号时域或频域即可对拉刀进行结构健康状态定量评估。
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方法，采用本发明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进行操作，所述预测方法包括以下步骤：
①拉刀以恒定速度进行拉削运动，其刀齿对工件会产生激励；
②刀具的磨损与损伤会导致刀具对工件的激励在某时间段明显增大，为磨损敏感段；
③计算磨损敏感振动信号时域/频域即可定量预测拉刀的磨损与损伤。
本发明有现有技术相比较，具有如下显而易见的突出实质性特点和显著的优点：
1.本发明系统包括拉刀、加工工件、传感器、数据采集卡、上位机；拉刀以恒定的拉削速度拉削被加工工件，在数据采集卡将拉削所产生的加速度信号采集后先截取敏感段振动信号然后计算敏感段振动信号时域/频域；当拉刀发生磨损或损伤时，敏感段振动信号时域/频域会增大；利用这一特性实现对拉床刀具轻微磨损或损伤的定量评估与预测；
2.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，可以直观的根据时域RMS或频域RMS判断拉刀是否磨损与损伤，成本低，易于操作，适合推广应用。
附图说明
图1为本发明基于敏感段振动信号时域RMS(均方根值)或频域RMS(均方根值)的拉削刀具磨损定量预测技术的结构示意图。
图2为本发明基于敏感段振动信号时域RMS(均方根值)或频域RMS(均方根值)的拉削刀具磨损定量预测技术的流程图。
图3为44组实验数据中第1组数据和第2组数据时域对比图。
图4为44组实验数据中第1组数据和第44组数据时域对比图。
图5为44组实验数据中第1组数据敏感段振动时域信号被截取图。
图6为44组实验数据中第1组数据敏感段振动信号频谱图。
图7为44组实验数据中第44组数据敏感段振动时域信号被截取图。
图8为44组实验数据中第44组数据敏感段振动信号频谱图。
图9为44组实验数据中第1组数据和第44组数据敏感段振动信号时域对比图。
图10为44组实验数据中第1组数据和第44组数据敏感段振动信号频谱图对比图。
图11为敏感段振动信号时域RMS随着磨损加剧规律变化统计图。
图12为敏感段振动信号频域RMS随着磨损加剧规律变化统计图。
具体实施方案
下面就优选实施例结合附图，对本发明的技术方案做进一步说明。
实施例一
参见图1，一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，包括主溜板1、工件2、拉刀3、加速度传感器4、数据采集卡5和上位机6，其特征在于：所述加速度传感器4安装在拉床两侧溜板上，用于测量拉削方向的加速度信号；加速度传感器4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上位机6，上位机6计算截取的敏感段振动信号时域或频域即可对拉刀进行结构健康状态定量评估。
本实施例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可实现对拉床刀具轻微磨损或损伤的定量评估与预测。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，可以直观的根据时域RMS或频域RMS判断拉刀是否磨损与损伤。
实施例二
参见图2，一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方法，采用实施例一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进行操作，所述预测方法包括以下步骤：
①拉刀以恒定速度进行拉削运动，其刀齿对工件会产生激励；
②刀具的磨损与损伤会导致刀具对工件的激励在某时间段明显增大，为磨损敏感段；
③计算磨损敏感振动信号时域/频域即可定量预测拉刀的磨损与损伤。
本实施例方法将拉刀以恒定的拉削速度拉削被加工工件，在数据采集卡将拉削所产生的加速度信号采集后先截取敏感段振动信号然后计算敏感段振动信号时域/频域，可直观的根据时域或频域判断拉刀是否磨损与损伤，成本低，易于操作，适合推广应用。
实施例三
在本实施例中，所述加速度传感器所采集到的加速度信号要经过筛选才能使用；通过观察时域信号来确定拉刀损伤对能量变化影响大的振动信号段，为敏感段振动信号，计算振动敏感段的时域/频域即可对刀具磨损与损伤信号作出评估。
在截取时域敏感段时，必须保证在传感器采样频率一定时其截取的数据的长度和位置一致。如果长度或者位置不一致就意味着敏感段振动信号时域与频域不具有可比性。
本实施例在数据采集卡将拉削所产生的加速度信号采集后先截取敏感段振动信号然后计算敏感段振动信号时域/频域；当拉刀发生磨损或损伤时，敏感段振动信号时域/频域会增大；利用这一特性实现对拉床刀具轻微磨损或损伤的定量评估与预测。
实施例四
本实施例可与工厂自动化生产设备进行配套使用。如图1所示，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。在数据采集卡读取加速度信号后，需要通过观察时域找出容易受刀具磨损从而影响加工的敏感段振动信号。
加速度传感器所测得的加速度信号不能直接用来计算时域/频域，原因是整段加速度信号能量过于巨大，但是刀具磨损所造成的能量相对来说十分微小，细微的能量不足以引起整段加速度信号时域/频域有规律的变化。解决这个问题的方法是通过观察整段加速度信号所对应的时域图，通过观察时域图随着刀具磨损产生的变化特征而截取对刀具磨损比较敏感的振动信号段从而将敏感段振动信号提取出来并计算其时域RMS与频域RMS。如图3所示，轻微的磨损引起15s后的加速度时域信号段幅值增大，当磨损积累到一定程度后，加速度时域信号的敏感特征就非常明显了，如图4所示。在经过观察加速度时域信号的敏感特征后可知拉削时间从15s后到结束这段加速度时域信号为敏感段振动信号。这段信号受刀具磨损所影响产生的能量变化最为剧烈，截取这段振动信号并计算敏感段振动信号时域/频域即可定量预测拉刀磨损程度或不同损伤类型。
参见图5、图7和图9，将第1组加速度的敏感段振动信号段(图5)与第44组加速度的敏感段振动信号段(图7)截取出来并做出对比(图9)，可以直观的得出结论：随着磨损的增大，敏感段振动信号的振动强度是增大的。
在统计44组加速度敏感段振动信号对应的时域后，可得到每组实验数据对应的时域。参见图11，以实验先后顺序为横坐标以实验组对应的敏感段振动信号时域为纵坐标绘图可直观的得出结论：随着刀具磨损或损伤的增大，加速度敏感段振动信号对应的时域RMS在小范围内有波动，但是从整体上来看是增大的。
参见图5和图6，将第1组加速度的敏感段振动信号段截取出来,作快速傅里叶变换得到频谱图。
参见图7和图8，将第44组加速度的敏感段振动信号段截取出来(图7)作快速傅里叶变换得到频谱图(图8)。
参见图6和图8，将第1组加速度的敏感段振动信号对应的频谱图(图6)与第44组加速度的敏感段振动信号对应的频谱图(图8)作比较。从图十可以得知不仅仅是具有高能量频率的特征频率，其它的频率所对应的幅值随着刀具的磨损与损伤均有较大的变化，幅值增大，这意味着随着刀具的磨损其敏感段振动信号频域会增大。
在统计44组加速度敏感段振动信号对应频域信号RMS后，以实验先后顺序为横坐标以实验组对应的频域信号为纵坐标绘图，如图12所示，可以直观的得出结论：随着刀具磨损或损伤的增大，加速度敏感段振动信号对应的频域在小范围内有波动，但是从整体上来看是增大的并且增大的幅度与时域值类似。
综上所述，本发明上述实施例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。上述系统包括主溜板、工件、拉刀、加速器传感器、数据采集卡和上位机。本方法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方法，可达到对拉床拉刀结构健康定量管理。用数据采集卡读取加速度信号，先从整段加速度信号中截取那段对刀具磨损敏感的振动信号段，然后计算敏感段振动信号时域/频域，敏感段振动信号时域/频域变化幅度代表刀具磨损程度或不同损伤类型，敏感段振动信号时域/频域变化的幅度越大即代表刀具的磨损或损伤程度越大。上述实施例利用这一特性定量预测拉刀磨损程度或不同损伤类型。
上面对本发明实施例结合附图进行了说明，但本发明不限于上述实施例，还可以根据本发明的发明创造的目的做出多种变化，凡依据本发明技术方案的精神实质和原理下做的改变、修饰、替代、组合或简化，均应为等效的置换方式，只要符合本发明的发明目的，只要不背离本发明的技术原理和发明构思，都属于本发明的保护范围。
Claims (4)
1.一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，包括主溜板(1)、工件(2)、拉刀(3)、加速度传感器(4)、数据采集卡(5)和上位机(6)，其特征在于：所述加速度传感器(4)安装在拉床两侧溜板上，用于测量拉削方向的加速度信号；加速度传感器(4)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上位机(6)，上位机(6)计算截取的敏感段振动信号时域或频域即可对拉刀进行结构健康状态定量评估。
2.一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方法，采用权利要求1所述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进行操作，其特征在于,所述预测方法包括以下步骤：
①拉刀以恒定速度进行拉削运动，其刀齿对工件会产生激励；
②刀具的磨损与损伤会导致刀具对工件的激励在某时间段明显增大，为磨损敏感段；
③计算磨损敏感振动信号时域/频域，即可定量预测拉刀的磨损与损伤。
3.根据权利要求2所述的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方法，其特征在于：所述加速度传感器所采集到的加速度信号要经过筛选才能使用；通过观察时域信号，来确定拉刀损伤对能量变化影响大的振动信号段，即敏感段振动信号，计算振动敏感段的时域/频域，即可对刀具磨损与损伤信号作出评估。
4.根据权利要求2所述的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方法，其特征在于：在截取时域敏感段时，必须保证在传感器采样频率一定时其截取的数据的长度和位置一致；如果长度或者位置不一致，就意味着敏感段振动信号时域与频域不具有可比性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111013692.XA CN114055252A (zh) | 2021-08-31 | 2021-08-31 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111013692.XA CN114055252A (zh) | 2021-08-31 | 2021-08-31 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114055252A true CN114055252A (zh) | 2022-02-18 |
Family
ID=80233653
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111013692.XA Pending CN114055252A (zh) | 2021-08-31 | 2021-08-31 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114055252A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104122106A (zh) * | 2014-07-16 | 2014-10-29 | 华中科技大学 | 一种基于切削凸点工件的机床激励方法 |
| CN104741638A (zh) * | 2015-04-20 | 2015-07-01 | 江苏师范大学 | 一种车削刀具磨损状态监测系统 |
| 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 |
| CN113211189A (zh) * | 2021-04-26 | 2021-08-06 | 上海大学 | 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 |
-
2021
- 2021-08-31 CN CN202111013692.XA patent/CN114055252A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104122106A (zh) * | 2014-07-16 | 2014-10-29 | 华中科技大学 | 一种基于切削凸点工件的机床激励方法 |
| CN104741638A (zh) * | 2015-04-20 | 2015-07-01 | 江苏师范大学 | 一种车削刀具磨损状态监测系统 |
| 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 |
| CN113211189A (zh) * | 2021-04-26 | 2021-08-06 | 上海大学 | 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 |
Non-Patent Citations (1)
| Title |
|---|
| 孙惠斌编著: "高品质切削过程的智能感知与预测技术", 28 February 2019, 西北工业大学出版社, pages: 69 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cao et al. | Chatter identification in end milling process based on EEMD and nonlinear dimensionless indicators | |
| 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 | |
| Yang et al. | A novel feature representation method based on original waveforms for acoustic emission signals | |
| US5407265A (en) | System and method for detecting cutting tool failure | |
| CN105058165A (zh) | 基于振动信号的刀具磨损量监测系统 | |
| CN107350900B (zh) | 一种基于断屑时间提取的刀具状态监测方法 | |
| CN105033763B (zh) | 一种数控机床滚珠丝杠磨损状态的预测方法 | |
| CN102854252A (zh) | 一种检测金属材料疲劳状态的方法和系统 | |
| Miranda et al. | Monitoring single-point dressers using fuzzy models | |
| CN112781820B (zh) | 一种滚刀性能退化趋势评估方法 | |
| Rizal et al. | The application of I-kazTM-based method for tool wear monitoring using cutting force signal | |
| 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 | |
| CN103203670B (zh) | 基于最大信息熵与方向散度的磨削颤振预测方法 | |
| Aguiar et al. | In-process grinding monitoring by acoustic emission | |
| Wang et al. | Condition monitoring on grease lubrication of rolling bearing using AE technology | |
| 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 | |
| Albers et al. | Prediction of the product quality of turned parts by real-time acoustic emission indicators | |
| Aguiar et al. | In-process grinding monitoring through acoustic emission | |
| CN103674550A (zh) | 一种滚动轴承静电监测信号实时混合去噪方法 | |
| CN114147284A (zh) | 一种拉床拉刀结构健康监测系统及方法 | |
| Dotto et al. | Acoustic image-based damage identification of oxide aluminum grinding wheel during the dressing operation | |
| JP2018111171A (ja) | 異常予兆検知システム及び異常予兆検知方法 | |
| de Aguiar et al. | Acoustic emission applied to detect workpiece burn during grinding | |
| CN103644960B (zh) | 一种超声辅助磨削加工动态振幅测量工具及测量方法 | |
| CN110849928B (zh) | 一种超声滚压加工温度测量分析方法 |
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 |