CN114102261A - 一种机床刀具安全检测方法、系统及机床 - Google Patents
一种机床刀具安全检测方法、系统及机床 Download PDFInfo
- Publication number
- CN114102261A CN114102261A CN202111612552.4A CN202111612552A CN114102261A CN 114102261 A CN114102261 A CN 114102261A CN 202111612552 A CN202111612552 A CN 202111612552A CN 114102261 A CN114102261 A CN 114102261A
- Authority
- CN
- China
- Prior art keywords
- machine tool
- real
- time
- cutter
- main shaft
- 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
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
Abstract
本发明涉及数控机床安全检测技术领域,尤其是涉及一种机床刀具安全检测方法、系统及机床,包括以下步骤:获取目标机床刀具在加工状态下设定时间内所对应的目标主轴扭矩数据;统计所述目标主轴扭矩数据的峰值负载数据和平均负载数据,作为标准指标,根据所述标准指标设定断刀阈值;获取所述目标机床刀具在加工状态下所对应的实时主轴扭矩数据;若所述实时主轴扭矩数据超过所述断刀阈值,则判断所述目标机床刀具出现断刀,发出急停信号以锁定机床。本发明解决了机床刀具无法实时准确地进行检测的问题。
Description
技术领域
本申请涉及数控机床安全检测技术领域,尤其是涉及一种机床刀具安全检测方法、系统及机床。
背景技术
数控机床是一种装有程序控制系统的自动化机床,其数控装置经运算处理后,发出各种控制信号,控制机床的动作,按要求的形状和尺寸加工零件。在加工过程中,机床中所安装的刀具按照预设的程序对零件进行切割,而切割过程中,刀具会出现断刀或磨损的情况。
刀具的断刀或磨损的程度会极大地影响到加工工件的质量和加工的效率。而刀具的断刀或磨损的过程具有实时性、不确定性等特点,因此刀具状态的实效监测已经成为机床安全检测领域的发展趋势。
相关技术中,实际应用中的断刀检测还是较多地采用物理方式,即触碰后确定是否断刀;而磨损的检测也会采用接触法或视觉系统之类的方式或一些间接的检测方法。
在实践过程中,发明人发现该技术中至少还存在如下问题:
现有的各类方法均有不足之处,采用直接的触碰方式较为影响加工的效率,且无法做到实时准确地检测;而其他间接的检测方式由于干扰因素多且复杂,不容易实时准确判断刀具的状态。
发明内容
为了解决机床刀具无法实时准确地进行检测的问题,本申请提供一种机床刀具安全检测方法、系统及机床。
第一方面,本申请提供的一种机床刀具安全检测方法,采用如下的技术方案:
一种机床刀具安全检测方法,包括以下步骤:
获取目标机床刀具在加工状态下设定时间内所对应的目标主轴扭矩数据;
统计所述目标主轴扭矩数据的峰值负载数据和平均负载数据,作为标准指标,根据所述标准指标设定断刀阈值;
获取所述目标机床刀具在加工状态下所对应的实时主轴扭矩数据;
若所述实时主轴扭矩数据超过所述断刀阈值,则判断所述目标机床刀具出现断刀,发出急停信号以锁定机床。
通过采用上述技术方案,对机床刀具对应的主轴扭矩实时监测,判断数据是否出现异常,如异常数据超差过大,则停机待查。
在一些实施方式中,所述获取目标机床刀具在加工状态下所对应的实时主轴扭矩数据之后还包括以下步骤:
根据加工工况获取目标机床刀具的实时磨损度值;
若所述实时磨损度值超过预设的磨损度阈值,则发出急停信号以锁定机床。
通过采用上述技术方案,对机床刀具的实时磨损度可以即时监测,保证加工过程的安全稳定。
在一些实施方式中,所述目标机床刀具的实时磨损度值可以基于主轴扭矩来获取,具体包括以下步骤:
选取达到一定数量的不同使用时期的同型号机床刀具;
获取各机床刀具在加工状态下设定时间内所对应的机床主轴扭矩数据;
统计不同使用时期的所述机床主轴扭矩数据的峰值负载数据和平均负载数据,建立刀具磨损度-扭矩关系模型;
对刀具磨损度-扭矩关系模型进行模型训练;
利用所述刀具磨损度-扭矩关系模型对所述实时主轴扭矩数据进行相似度比对,得到目标机床刀具的实时磨损度值。
通过采用上述技术方案,基于大数据分析的刀具磨损度-扭矩关系模型训练,通过之前获得的实时主轴扭矩数据,得到实时磨损度值。
在一些实施方式中,所述目标机床刀具的实时磨损度值还可以基于主轴振动来获取,具体包括以下步骤:
选取达到一定数量的不同使用时期的同型号机床刀具;
获取各机床刀具在加工状态下设定时间内所对应的机床主轴的三轴振动数据;
对所述三轴振动数据进行滤波处理,得到三轴加速度数据;
根据不同使用时期的三轴加速度数据,建立刀具磨损度-振动关系模型;
对所述刀具磨损度-振动关系模型进行模型训练;
获取目标机床刀具在正常加工状态下的实时主轴振动数据;
对所述实时主轴振动数据进行滤波处理,得到实时主轴加速度数据;
利用所述刀具磨损度-振动关系模型对所述实时主轴加速度数据进行相似度比对,得到目标机床刀具的实时磨损度值。
通过采用上述技术方案,基于大数据分析的刀具磨损度-振动关系模型训练,得到实时磨损度值。
在一些实施方式中,所述目标机床刀具的实时磨损度值还可以基于主轴扭矩和主轴振动的结合来获取,具体包括以下步骤:
基于主轴扭矩获取所述目标机床刀具的第一实时磨损度值E1;
基于主轴振动获取所述目标机床刀具的第二实时磨损度值E2;
得到所述目标机床刀具的实时磨损度值E=n1E1+n2E2,其中,n1为基于主轴扭矩方法的权重,n2为基于主轴振动方法的权重,n1+n2=1。
通过采用上述技术方案,将刀具磨损度-扭矩关系模型和刀具磨损度-振动关系模型结合,通过两种模型分别得到实时磨损度值,再通过预设的权重关系,得到实时磨损度值,两种模型相结合的方式,使得结果值更加准确。
在一些实施方式中,所述磨损度阈值的设定按所述加工工况进行分组,加工工况包括机床种类、刀具种类、切割方式、主轴转速和工件材料。
第二方面,本申请提供的一种机床刀具安全检测系统,采用如下的技术方案:
一种机床刀具安全检测系统,包括:
目标主轴扭矩获取模块,用于获取目标机床刀具在加工状态下设定时间内所对应的目标主轴扭矩数据;
断刀阈值设定模块,用于统计所述目标主轴扭矩数据的峰值负载数据和平均负载数据,作为标准指标,根据所述标准指标设定断刀阈值;
实时主轴扭矩获取模块,用于获取所述目标机床刀具在加工状态下所对应的实时主轴扭矩数据;
锁机模块,用于判断所述实时主轴扭矩数据是否超过所述断刀阈值,若是则判断所述目标机床刀具出现断刀,发出急停信号以锁定机床。
第三方面,本申请提供的一种机床,采用如下的技术方案:
一种机床,所述机床应用上述技术方案的方法进行机床刀具的安全检测。
第四方面,本申请提供了一种电子设备,采用如下的技术方案:
一种电子设备,包括:
至少一个处理器;
存储装置,用于存储至少一个计算机程序;
当所述至少一个计算机程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述机床刀具安全检测方法。
第五方面,本申请提供了一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述机床刀具安全检测方法。
综上所述,本申请包括以下至少一种有益技术效果:
1.不需采用接触方式来监测刀具的实时状态,提高了工作效率。
2.通过对系统后台的实时扭矩数据采集,保证数据的实时性和准确性。
3.可采用多种方式来判断刀具的实时状态,保证其准确性。
4.通过大数据的模型训练,以及两个模型的结合,确保在各种加工工况下数据比对的准确性。
附图说明
图1为本申请实施例提供的机床刀具安全检测方法的流程示意图;
图2为本申请实施例提供的基于主轴扭矩获取机床刀具实时磨损度值的流程示意图;
图3为本申请实施例提供的基于主轴振动获取机床刀具实时磨损度值的流程示意图;
图4为本申请实施例提供的基于主轴扭矩和主轴振动的结合来获取机床刀具实时磨损度值的流程示意图;
图5为本申请实施例提供的机床刀具安全检测系统的结构示意图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图1至5对本申请作进一步详细说明。
如图1所示,本申请实施例公开了一种机床刀具安全检测方法,可以实施以下步骤:
101、获取目标机床刀具在加工状态下设定时间内所对应的目标主轴扭矩数据。
本申请实施例中,在需要断刀检测的程序段中增加学习的M代码(M50),在M代码信号触发后,系统的二次开发会自动开始采集主轴的实时扭矩输出,并以0.1s为单位实时存储主轴扭矩值,直至结束的M代码信号触发(M70),才停止对主轴实时扭矩的采集,采集时间可以为1分钟或以上。也可以进行多次学习,取学习结果的平均值作为标准。
102、统计所述目标主轴扭矩数据的峰值负载数据和平均负载数据,作为标准指标,根据所述标准指标设定断刀阈值。
本申请实施例中,在数据采集完毕后,经过计算得到过程中的最大值、最小值和平均值,作为学习的参考值。所述断刀阈值的设定,因加工工况不同,需人为设定阈值,可默认标准指标的50%差异作为断刀阈值,超过即报警。为了提高灵敏度,还是结合刀具特性和其他实际的加工工况来进行阈值的设定。
103、获取所述目标机床刀具在加工状态下所对应的实时主轴扭矩数据。
本申请实施例中,记录目标机床刀具的实时主轴扭矩,同时记录其具体的加工工况,以用于刀具磨损度的实时比对。
在一些实施方式中,还可以实施以下步骤:
201、根据加工工况获取目标机床刀具的实时磨损度值。
如图2所示,在一些实施方式中,所述目标机床刀具的实时磨损度值可以基于主轴扭矩来获取,具体可以实施以下步骤:
A2011、选取达到一定数量的不同使用时期的同型号机床刀具;
可以根据工具检测及行业经验,选择一定数量的各个使用时期或达到各种磨损程度的刀具,可依据行业内常规的指标来判断,比如各种刀具的作废标准等等;
A2012、获取各机床刀具在加工状态下设定时间内所对应的机床主轴扭矩数据;
A2013、统计不同使用时期的所述机床主轴扭矩数据的峰值负载数据和平均负载数据,建立刀具磨损度-扭矩关系模型;
即将测得的扭矩数据与使用时期(磨损程度)关联对应起来,形成其关联模型;
A2014、对刀具磨损度-扭矩关系模型进行模型训练;
进行大数据下的模型训练;
A2015、利用所述刀具磨损度-扭矩关系模型对所述实时主轴扭矩数据进行相似度比对,得到目标机床刀具的实时磨损度值。
如图3所示,在一些实施方式中,所述目标机床刀具的实时磨损度值还可以基于主轴振动来获取,具体可以实施以下步骤:
B2011、选取达到一定数量的不同使用时期的同型号机床刀具;
可以根据工具检测及行业经验,选择一定数量的各个使用时期或达到各种磨损程度的刀具,可依据行业内常规的指标来判断,比如各种刀具的作废标准等等;
B2012、获取各机床刀具在加工状态下设定时间内所对应的机床主轴的三轴振动数据;
B2013、对所述三轴振动数据进行滤波处理,得到三轴加速度数据;
B2014、根据不同使用时期的三轴加速度数据,建立刀具磨损度-振动关系模型;
即将测得的加速度数据与使用时期(磨损程度)关联对应起来,形成其关联模型;
B2015、对所述刀具磨损度-振动关系模型进行模型训练;
进行大数据下的模型训练;
B2016、获取目标机床刀具在正常加工状态下的实时主轴振动数据;
B2017、对所述实时主轴振动数据进行滤波处理,得到实时主轴加速度数据;
B2018、利用所述刀具磨损度-振动关系模型对所述实时主轴加速度数据进行相似度比对,得到目标机床刀具的实时磨损度值。
如图4所示,在一些实施方式中,所述目标机床刀具的实时磨损度值还可以基于主轴扭矩和主轴振动的结合来获取,具体可以实施以下步骤:
C2011、基于主轴扭矩获取所述目标机床刀具的第一实时磨损度值E1;
C2012、基于主轴振动获取所述目标机床刀具的第二实时磨损度值E2;
C2013、得到所述目标机床刀具的实时磨损度值E=n1E1+n2E2,其中,n1为基于主轴扭矩方法的权重,n2为基于主轴振动方法的权重,n1+n2=1;
上述两项权重的比例可以根据大数据分析或实际加工工况来确定。可以n1=n2=0.5;或n1=0.4,n2=0.6;或n1=0.6,n2=0.4;或其他数值。
202、若所述实时磨损度值超过预设的磨损度阈值,则发出急停信号以锁定机床。
在一些实施方式中,所述磨损度阈值的设定按所述加工工况进行分组,加工工况包括机床种类、刀具种类、切割方式、主轴转速和工件材料等。
104、若所述实时主轴扭矩数据超过所述断刀阈值,则判断所述目标机床刀具出现断刀,发出急停信号以锁定机床。
本申请实施例中,对每把刀的切削负载都会先进行学习,学习数据和后面的监控数据对比,如果超差过大,则判断为刀具已断刀。本申请的方法应用在直径大于等于4mm的刀具上效果较好。
如图5所示,本申请实施例公开了一种机床刀具安全检测系统,包括:
目标主轴扭矩获取模块301,用于获取目标机床刀具在加工状态下设定时间内所对应的目标主轴扭矩数据;
断刀阈值设定模块302,用于统计所述目标主轴扭矩数据的峰值负载数据和平均负载数据,作为标准指标,根据所述标准指标设定断刀阈值;
实时主轴扭矩获取模块303,用于获取所述目标机床刀具在加工状态下所对应的实时主轴扭矩数据;
锁机模块304,用于判断所述实时主轴扭矩数据是否超过所述断刀阈值,若是则判断所述目标机床刀具出现断刀,发出急停信号以锁定机床。
本申请实施例中,还包括:
实时磨损度值获取模块401,用于根据加工工况获取目标机床刀具的实时磨损度值;
磨损度锁机模块402,用于判断所述实时磨损度值是否超过预设的磨损度阈值,若是则发出急停信号以锁定机床。
本申请实施例公开了一种机床,所述机床应用上述技术方案的方法进行机床刀具的安全检测。
本申请实施例中,通过系统二次开发,实现后台的实时扭矩数据采集,代替以往通过外置传感器的接触式判断刀具是否断刀的方式,具备不占用加工时间、节约硬件成本、效果好、可靠性高的优点。
在一些可能的实施方式中,根据本申请实施方式的电子设备可以至少包括至少一个处理器、以及至少一个存储装置。其中,所述存储装置存储有至少一个计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器执行本说明书上述技术方案中描述的根据本申请各种具体实施方式的方法中的步骤。
在一些可能的实施方式中,本申请的各个方面还可以实现为一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序被电子设备的处理器执行时用于实现本说明书上述技术方案中描述的根据本申请各种具体实施方式的方法中的步骤。
需要说明的是:上述的介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于:电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于:电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、有线、光缆、RF等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
需要说明的是,在本文中,诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已经示出和描述了本申请的实施例,并非依此限制本申请的保护范围,对于本领域的普通技术人员而言,可以理解在不脱离本申请的原理和精神的情况下,还可以对这些实施例进行多种变化、修改、替换和变型。因此,凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种机床刀具安全检测方法,其特征在于,包括以下步骤:
获取目标机床刀具在加工状态下设定时间内所对应的目标主轴扭矩数据;
统计所述目标主轴扭矩数据的峰值负载数据和平均负载数据,作为标准指标,根据所述标准指标设定断刀阈值;
获取所述目标机床刀具在加工状态下所对应的实时主轴扭矩数据;
若所述实时主轴扭矩数据超过所述断刀阈值,则判断所述目标机床刀具出现断刀,发出急停信号以锁定机床。
2.根据权利要求1所述的机床刀具安全检测方法,其特征在于,所述获取目标机床刀具在加工状态下所对应的实时主轴扭矩数据之后还包括以下步骤:
根据加工工况获取目标机床刀具的实时磨损度值;
若所述实时磨损度值超过预设的磨损度阈值,则发出急停信号以锁定机床。
3.根据权利要求2所述的机床刀具安全检测方法,其特征在于,所述目标机床刀具的实时磨损度值可以基于主轴扭矩来获取,具体包括以下步骤:
选取达到一定数量的不同使用时期的同型号机床刀具;
获取各机床刀具在加工状态下设定时间内所对应的机床主轴扭矩数据;
统计不同使用时期的所述机床主轴扭矩数据的峰值负载数据和平均负载数据,建立刀具磨损度-扭矩关系模型;
对刀具磨损度-扭矩关系模型进行模型训练;
利用所述刀具磨损度-扭矩关系模型对所述实时主轴扭矩数据进行相似度比对,得到目标机床刀具的实时磨损度值。
4.根据权利要求3所述的机床刀具安全检测方法,其特征在于,所述目标机床刀具的实时磨损度值还可以基于主轴振动来获取,具体包括以下步骤:
选取达到一定数量的不同使用时期的同型号机床刀具;
获取各机床刀具在加工状态下设定时间内所对应的机床主轴的三轴振动数据;
对所述三轴振动数据进行滤波处理,得到三轴加速度数据;
根据不同使用时期的三轴加速度数据,建立刀具磨损度-振动关系模型;
对所述刀具磨损度-振动关系模型进行模型训练;
获取目标机床刀具在正常加工状态下的实时主轴振动数据;
对所述实时主轴振动数据进行滤波处理,得到实时主轴加速度数据;
利用所述刀具磨损度-振动关系模型对所述实时主轴加速度数据进行相似度比对,得到目标机床刀具的实时磨损度值。
5.根据权利要求4所述的机床刀具安全检测方法,其特征在于:所述目标机床刀具的实时磨损度值还可以基于主轴扭矩和主轴振动的结合来获取,具体包括以下步骤:
基于主轴扭矩获取所述目标机床刀具的第一实时磨损度值E1;
基于主轴振动获取所述目标机床刀具的第二实时磨损度值E2;
得到所述目标机床刀具的实时磨损度值E=n1E1+n2E2,其中,n1为基于主轴扭矩方法的权重,n2为基于主轴振动方法的权重,n1+n2=1。
6.根据权利要求2所述的机床刀具安全检测方法,其特征在于:所述磨损度阈值的设定按所述加工工况进行分组,加工工况包括机床种类、刀具种类、切割方式、主轴转速和工件材料。
7.一种机床刀具安全检测系统,其特征在于,包括:
目标主轴扭矩获取模块,用于获取目标机床刀具在加工状态下设定时间内所对应的目标主轴扭矩数据;
断刀阈值设定模块,用于统计所述目标主轴扭矩数据的峰值负载数据和平均负载数据,作为标准指标,根据所述标准指标设定断刀阈值;
实时主轴扭矩获取模块,用于获取所述目标机床刀具在加工状态下所对应的实时主轴扭矩数据;
锁机模块,用于判断所述实时主轴扭矩数据是否超过所述断刀阈值,若是则判断所述目标机床刀具出现断刀,发出急停信号以锁定机床。
8.一种机床,其特征在于:所述机床应用权利要求1至6中任一项所述的方法进行机床刀具的安全检测。
9.一种电子设备,其特征在于,包括:
至少一个处理器;
存储装置,用于存储至少一个计算机程序;
当所述至少一个计算机程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1至6中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,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6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612552.4A CN114102261A (zh) | 2021-12-27 | 2021-12-27 | 一种机床刀具安全检测方法、系统及机床 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612552.4A CN114102261A (zh) | 2021-12-27 | 2021-12-27 | 一种机床刀具安全检测方法、系统及机床 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114102261A true CN114102261A (zh) | 2022-03-01 |
Family
ID=80363157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111612552.4A Pending CN114102261A (zh) | 2021-12-27 | 2021-12-27 | 一种机床刀具安全检测方法、系统及机床 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114102261A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114700802A (zh) * | 2022-03-30 | 2022-07-05 | 西门子(中国)有限公司 | 断刀检测方法和装置 |
CN114918739A (zh) * | 2022-06-10 | 2022-08-19 | 中科航迈数控软件(深圳)有限公司 | 一种机床主轴故障检测方法、装置、终端及存储介质 |
CN116224902A (zh) * | 2023-03-22 | 2023-06-06 | 广州弘亚数控机械股份有限公司 | 一种智能换刀决策控制系统 |
WO2023201855A1 (zh) * | 2022-04-18 | 2023-10-26 | 湖南三一中益机械有限公司 | 铣刨刀具检测方法、检测系统、电子设备和铣刨机 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073300A (zh) * | 2010-12-28 | 2011-05-25 | 华中科技大学 | 一种数控加工状态自学习的刀具磨损监控系统 |
JP2012076168A (ja) * | 2010-09-30 | 2012-04-19 | Okuma Corp | 工具摩耗検出方法及び工作機械 |
CN106425686A (zh) * | 2016-12-12 | 2017-02-22 | 龙熙德 | 一种数控机床刀具磨损监测方法及系统 |
CN108563185A (zh) * | 2018-03-13 | 2018-09-21 | 深圳市腾浩科技有限公司 | Pcb数控加工控制系统及其扭矩断刀检测方法 |
CN108620949A (zh) * | 2017-03-24 | 2018-10-09 | 郑芳田 | 刀具磨耗监测与预测方法 |
CN108747590A (zh) * | 2018-06-28 | 2018-11-06 | 哈尔滨理工大学 | 一种基于振动频谱和神经网络的刀具磨损测量方法 |
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 |
JP2019030954A (ja) * | 2017-08-07 | 2019-02-28 | Dmg森精機株式会社 | 工作機械、および、工具の摩耗の度合いを算出する方法 |
CN109500657A (zh) * | 2018-11-14 | 2019-03-22 | 华中科技大学 | 一种基于视觉的断刀检测方法及系统 |
CN109807685A (zh) * | 2017-11-21 | 2019-05-28 | 发那科株式会社 | 工具寿命判定装置 |
CN110394689A (zh) * | 2018-04-25 | 2019-11-01 | 富华科精密工业(深圳)有限公司 | 刀具受损状态监测系统及方法 |
CN110561193A (zh) * | 2019-09-18 | 2019-12-13 | 杭州友机技术有限公司 | 一种基于特征融合的刀具磨损评估及监控的方法与系统 |
CN111487924A (zh) * | 2020-04-03 | 2020-08-04 | 北京航空航天大学 | 一种基于生产线多源异构数据的刀具破损分析方法 |
CN111774932A (zh) * | 2020-06-30 | 2020-10-16 | 华中科技大学无锡研究院 | 一种刀具健康状况在线监测方法、装置及系统 |
-
2021
- 2021-12-27 CN CN202111612552.4A patent/CN114102261A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012076168A (ja) * | 2010-09-30 | 2012-04-19 | Okuma Corp | 工具摩耗検出方法及び工作機械 |
CN102073300A (zh) * | 2010-12-28 | 2011-05-25 | 华中科技大学 | 一种数控加工状态自学习的刀具磨损监控系统 |
CN106425686A (zh) * | 2016-12-12 | 2017-02-22 | 龙熙德 | 一种数控机床刀具磨损监测方法及系统 |
CN108620949A (zh) * | 2017-03-24 | 2018-10-09 | 郑芳田 | 刀具磨耗监测与预测方法 |
JP2019030954A (ja) * | 2017-08-07 | 2019-02-28 | Dmg森精機株式会社 | 工作機械、および、工具の摩耗の度合いを算出する方法 |
CN109807685A (zh) * | 2017-11-21 | 2019-05-28 | 发那科株式会社 | 工具寿命判定装置 |
CN108563185A (zh) * | 2018-03-13 | 2018-09-21 | 深圳市腾浩科技有限公司 | Pcb数控加工控制系统及其扭矩断刀检测方法 |
CN110394689A (zh) * | 2018-04-25 | 2019-11-01 | 富华科精密工业(深圳)有限公司 | 刀具受损状态监测系统及方法 |
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 |
CN108747590A (zh) * | 2018-06-28 | 2018-11-06 | 哈尔滨理工大学 | 一种基于振动频谱和神经网络的刀具磨损测量方法 |
CN109500657A (zh) * | 2018-11-14 | 2019-03-22 | 华中科技大学 | 一种基于视觉的断刀检测方法及系统 |
CN110561193A (zh) * | 2019-09-18 | 2019-12-13 | 杭州友机技术有限公司 | 一种基于特征融合的刀具磨损评估及监控的方法与系统 |
CN111487924A (zh) * | 2020-04-03 | 2020-08-04 | 北京航空航天大学 | 一种基于生产线多源异构数据的刀具破损分析方法 |
CN111774932A (zh) * | 2020-06-30 | 2020-10-16 | 华中科技大学无锡研究院 | 一种刀具健康状况在线监测方法、装置及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114700802A (zh) * | 2022-03-30 | 2022-07-05 | 西门子(中国)有限公司 | 断刀检测方法和装置 |
CN114700802B (zh) * | 2022-03-30 | 2023-09-05 | 西门子(中国)有限公司 | 断刀检测方法和装置 |
WO2023201855A1 (zh) * | 2022-04-18 | 2023-10-26 | 湖南三一中益机械有限公司 | 铣刨刀具检测方法、检测系统、电子设备和铣刨机 |
CN114918739A (zh) * | 2022-06-10 | 2022-08-19 | 中科航迈数控软件(深圳)有限公司 | 一种机床主轴故障检测方法、装置、终端及存储介质 |
CN114918739B (zh) * | 2022-06-10 | 2023-11-10 | 中科航迈数控软件(深圳)有限公司 | 一种机床主轴故障检测方法、装置、终端及存储介质 |
CN116224902A (zh) * | 2023-03-22 | 2023-06-06 | 广州弘亚数控机械股份有限公司 | 一种智能换刀决策控制系统 |
CN116224902B (zh) * | 2023-03-22 | 2023-10-20 | 广州弘亚数控机械股份有限公司 | 一种智能换刀决策控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114102261A (zh) | 一种机床刀具安全检测方法、系统及机床 | |
TWI518469B (zh) | 加工監控系統及方法 | |
JP6649684B2 (ja) | びびり予測のための改良型データベース | |
US8862429B2 (en) | Operating history management method and operating history management apparatus | |
CN110576335B (zh) | 一种基于切削力的刀具磨损在线监测方法 | |
EP3864475B1 (en) | Method and system for monitoring tool wear to estimate rul of tool in machining | |
JP7131646B2 (ja) | 情報処理装置、情報処理方法、情報処理プログラム、および情報処理システム | |
CN107066775B (zh) | 一种刀具车削温升均值的预测方法 | |
CN111381563B (zh) | 加工设备误差补正方法及系统 | |
CN114850969A (zh) | 一种基于振动信号的刀具失效监控方法 | |
CN113361958A (zh) | 一种缺陷预警方法及系统 | |
CN116757648A (zh) | 基于人工智能的生产制造管理系统及方法 | |
CN117270514A (zh) | 基于工业物联网的生产过程全流程故障检测方法 | |
CN114800040A (zh) | 工艺-状态数据关联的刀具磨损监测方法及系统 | |
CN113941901B (zh) | 机床刀具监控方法、监控装置及电子设备 | |
CN112964470A (zh) | 一种基于轴承健康指标检测滚动轴承早期故障的方法 | |
CN114227378A (zh) | 一种夹具状态的检测方法、装置、终端和存储介质 | |
Jain et al. | Quality control based tool condition monitoring | |
CN114330890A (zh) | 一种电子元件的防误切预警方法及系统 | |
CN114102262B (zh) | 一种机床主轴安全检测方法、系统及机床 | |
CN111531404B (zh) | 数控机床刀具状态的实时检测方法、装置、计算机设备及存储介质 | |
Hill et al. | CNC spindle signal investigation for the prediction of cutting tool health | |
CN113792090A (zh) | 一种轧钢数据监控方法、系统、介质及电子终端 | |
CN111381559B (zh) | 基于服务器的加工设备误差补正方法及系统 | |
CN113053064A (zh) | 一种面向区域性地震预警系统评测方法及评测系统 |
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 |