CN114473651A - 一种用于刀刃磨削的智能控制系统 - Google Patents
一种用于刀刃磨削的智能控制系统 Download PDFInfo
- Publication number
- CN114473651A CN114473651A CN202210198683.0A CN202210198683A CN114473651A CN 114473651 A CN114473651 A CN 114473651A CN 202210198683 A CN202210198683 A CN 202210198683A CN 114473651 A CN114473651 A CN 114473651A
- Authority
- CN
- China
- Prior art keywords
- grinding machine
- blade
- grinding
- sequence
- thickness
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B3/00—Sharpening cutting edges, e.g. of tools; Accessories therefor, e.g. for holding the tools
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B1/00—Processes of grinding or polishing; Use of auxiliary equipment in connection with such processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B47/00—Drives or gearings; Equipment therefor
- B24B47/20—Drives or gearings; Equipment therefor relating to feed movement
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B51/00—Arrangements for automatic control of a series of individual steps in grinding a workpiece
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
本发明涉及数控机械设备领域,具体涉及一种用于刀刃磨削的智能控制系统,该系统包括:数据采集模块,用于获取每个刀刃上多个采样点处的刀刃厚度、温度以及刀刃的表面粗糙度,得到每个磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列;数据处理模块,用于根据刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,获取多个磨削机床集合;磨削机床控制模块,用于根据磨削机床集合内各磨削机床加工的最后一个刀刃上多个采样点处的刀刃厚度获取磨削机床集合对应的刀刃上多个采样点处的代表刀刃厚度;根据代表刀刃厚度对磨削机床中磨具的进给量进行控制。本发明可对磨削机床中磨具的进给量进行精确控制,提高磨削效率和磨削效果。
Description
技术领域
本发明涉及数控机械设备领域,具体涉及一种用于刀刃磨削的智能控制系统。
背景技术
在刀具制品制作过程中,刀刃的磨削过程时工艺过程中比较重要的一步,磨削过程中磨具的进给量对刀刃的成型有很大的影响。目前多是根据人为经验对磨具的进给量进行调整,存在误差,降低了磨削效率。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种用于刀刃磨削的智能控制系统,所采用的技术方案具体如下:
本发明一个实施例提供了一种用于刀刃磨削的智能控制系统,该系统包括:
数据采集模块,用于在磨削机床完成每个刀刃的加工后,获取每个刀刃上多个采样点处的刀刃厚度、温度以及刀刃的表面粗糙度,得到每个磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列;
数据处理模块,用于根据刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,获取多个磨削机床集合,磨削机床集合内磨削机床的磨损情况相同或相似;
磨削机床控制模块,用于根据磨削机床集合内各磨削机床加工的最后一个刀刃上多个采样点处的刀刃厚度获取磨削机床集合对应的刀刃上多个采样点处的代表刀刃厚度;根据代表刀刃厚度对磨削机床中磨具的进给量进行控制。
进一步地,得到每个磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,具体为:
每个刀刃上多个采样点处的刀刃厚度、温度以及刀刃的表面粗糙度分别构成刀刃的厚度特征描述子、温度特征描述子以及表面粗糙度特征描述子;
根据磨削机床加工的所有刀刃的厚度特征描述子、温度特征描述子以及表面粗糙度特征描述子,分别得到刀刃厚度序列、温度序列以及刀刃表面粗糙度序列。
进一步地,根据刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,获取多个磨削机床集合,具体为:
根据任意两个磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,计算其刀刃厚度相似度、温度相似度以及刀刃表面粗糙度相似度;根据刀刃厚度相似度、温度相似度以及刀刃表面粗糙度相似度计算所述任意两个磨削机床磨损情况的相似度;
根据任意两个磨削机床磨损情况的相似度,获取多个磨削机床集合。
进一步地,根据磨削机床集合内各磨削机床加工的最后一个刀刃上多个采样点处的刀刃厚度获取磨削机床集合对应的刀刃上多个采样点处的代表刀刃厚度,具体为:
对于刀刃上的每个采样点,根据磨削机床集合内各磨削机床加工的最后一个刀刃上该采样点处的刀刃厚度的均值为该采样点处的代表刀刃厚度。
进一步地,根据磨削机床集合内各磨削机床加工的最后一个刀刃上多个采样点处的刀刃厚度获取磨削机床集合对应的刀刃上多个采样点处的代表刀刃厚度,具体为:
获取磨削机床集合内各磨削机床的磨削质量指数,磨削质量指数表示磨削机床磨削效果的好坏;
对于刀刃上的每个采样点,基于磨削质量指数,对磨削机床集合内各磨削机床加工的最后一个刀刃上该采样点处的刀刃厚度进行加权求和,得到该采样点处的代表刀刃厚度。
进一步地,获取磨削机床集合内各磨削机床的磨削质量指数,具体为:
根据磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,分别计算厚度方差、温度方差以及刀刃表面粗糙度粗糙度方差,根据厚度方差、温度方差以及刀刃表面粗糙度粗糙度方差计算磨削机床的磨削质量指数;其中,磨削质量指数与方差呈反比关系。
本发明实施例至少具有如下有益效果:本发明在磨削机床完成刀刃的加工后,获取刀刃厚度、温度以及刀刃表面粗糙度,基于上述获取的数据获取磨削情况相似的磨削机床,根据刀刃的加工情况对磨削情况相似的磨削机床的磨削效果进行统一监测,进而对磨削机床中磨具的进给量进行控制调整,从而得到满足要求的刀刃;因此,本发明可对磨削机床中磨具的进给量进行精确控制,提高磨削效率和磨削效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明实施例的模块构成图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于刀刃磨削的智能控制系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
在刀刃的磨削过程中,数控磨削机床往往是采用三轴甚至更多轴共同完成一件异形刀刃的磨削加工,但是由于各个方向的磨具在不断使用过程中,会一直产生磨损消耗,因此需要适时的调整磨具的进给量,或进行磨具的更换。因此,本发明提出一种用于刀刃磨削的智能控制系统,其是监测磨削机床磨削过程中刀刃及机床的工作状态并及时修正磨具进给量的一种智能控制系统。
下面结合附图具体的说明本发明所提供的一种用于刀刃磨削的智能控制系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于刀刃磨削的智能控制系统的模块构成图,该系统包括:
数据采集模块,用于在磨削机床完成每个刀刃的加工后,获取每个刀刃上多个采样点处的刀刃厚度、温度以及刀刃的表面粗糙度,得到每个磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列;
数据处理模块,用于根据刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,获取多个磨削机床集合,磨削机床集合内磨削机床的磨损情况相同或相似;
磨削机床控制模块,用于根据磨削机床集合内各磨削机床加工的最后一个刀刃上多个采样点处的刀刃厚度获取磨削机床集合对应的刀刃上多个采样点处的代表刀刃厚度;根据代表刀刃厚度对磨削机床中磨具的进给量进行控制。
下面对上述内容进行具体展开描述:
由于刀刃的形状是异形的,不同地方需要不同方向的磨具进行磨削,因此需要使用多轴机床进行不同部位的磨削,所以需要在刀刃上的多个采样点进行数据采集,增加数据可靠性;采样点的数量和位置与刀刃的大小和形状有关,本实施例中以小型刀刃,且在刀刃上间隔均匀的选取三个采样点为例,对本发明进行具体说明。
数据采集模块,用于在磨削机床完成每个刀刃的加工后,获取每个刀刃上多个采样点处的刀刃厚度、温度以及刀刃的表面粗糙度,得到每个磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列。
刀刃磨削效果的好坏最直观的评价标准为刀刃的厚度情况,最理想的情况为刀刃处的厚度情况以及均匀性和标准件的差异几乎可以忽略不计,但是由于磨削机床的磨具会出现损耗,因此在磨具的进给量不变的情况下,加工完成后的刀刃的厚度会逐渐增加,而且厚度均匀性也有较大的差异。因此,需要进行刀刃厚度数据的采集。优选地,实施例获取刀刃厚度的仪器采用依托于计算机屏幕测量技术和强大的空间几何运算软件的影像测量仪,影像测量仪可以测量人工较难测量的部位。
在磨削过程中,由于磨具与金属产生高速摩擦,因此在摩擦部位的温度会较常温有明显的提高。但磨具在长时间的使用后会发生磨损,与金属材料的接触面积会逐渐减小,因此磨削过程中产生的温度也会相对降低。因此可以采集温度变化情况来反应磨具的损耗情况。在数控机床中安装温度测量仪,安放位置不影响正常的机床工作,采集磨削过程中的温度变化情况。
表面粗糙度是指加工表面具有的较小间距和微小峰谷的不平度。其两波峰或两波谷之间的距离(波距)很小(在1mm以下),属于微观几何形状误差。表面粗糙度越小,则表面越光滑。根据磨具的磨损情况不同,刀刃的表面粗糙度也会发生变化,当磨具损耗过大时,刀刃的表面粗糙度越大,其数值可以通过粗糙度测量仪测得。
则得到每个磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,具体为:
每个刀刃上多个采样点处的刀刃厚度、温度以及刀刃的表面粗糙度分别构成刀刃的厚度特征描述子、温度特征描述子以及表面粗糙度特征描述子;根据磨削机床加工的所有刀刃的厚度特征描述子、温度特征描述子以及表面粗糙度特征描述子,分别得到刀刃厚度序列、温度序列以及刀刃表面粗糙度序列。需要说明,所有刀刃的厚度特征描述子、温度特征描述子以及表面粗糙度特征描述子按照时序排列,得到刀刃厚度序列、温度序列以及刀刃表面粗糙度序列。
具体地,以一个磨削机床为例,说明刀刃厚度序列、温度序列以及刀刃表面粗糙度序列的获取过程。对于每个刀刃:在刀刃加工完成后,获取三个采样点处的刀刃厚度,得到厚度特征描述子,表示刀刃厚度,上标表示采样点序号;从开始加工采集记录温度,每0.1秒更新一个数值,加工完成后每个采样点对应得到一段连续的温度序列,记录每个刀刃磨削加工过程中三个采样点的温度最高值:、,表示温度最大值,上标表示采样点序号,温度最高值能反应加工过程中砂轮与金属的摩擦接触情况,磨具损耗越小,此数值越大,从而得到温度特征描述子(、);在刀刃加工完成后,获取三个采样点处的表面粗糙度,得到表面粗糙度特征描述子,表示表面粗糙度,上标表示采样点序号;则该磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列分别为,刀刃厚度序列、温度序列)、表面粗糙度序列;序列中的下标表示磨削机床加工的刀刃的标号,磨削机床加工的刀刃的总数量为。
数据处理模块,用于根据刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,获取多个磨削机床集合,磨削机床集合内磨削机床的磨损情况相同或相似。
在加工中心有多台磨削车床同时对一种型号的刀具进行加工,但每台机床的磨具的磨损程度是不一样的,如果每台设备的磨具进给量数据不变的情况下,刀刃的厚度及表面粗糙度误差越来越大,因此需要对每台设备的磨具进给量进行微调,以保证能够实时生产出高精度低误差的刀刃。若人为的操作控制每台设备的磨具进给量需要大量的时间成本,并且不能保证精确程度。因此需要智能操作系统对多台机床设备进行统一管理。本发明中根据每台磨削机床的各项数据指标的大小对磨具磨损情况进行划分,当两台磨削机床的各项数据大小及序列的变化情况越接近,意味着这两台磨削机床的磨具损耗情况越接近,可以对这两台磨削机床统一操作磨具的进给量。
具体地,根据刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,获取多个磨削机床集合:
一个实施方式中,根据任意两个磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,计算其刀刃厚度相似度、温度相似度以及刀刃表面粗糙度相似度;根据刀刃厚度相似度、温度相似度以及刀刃表面粗糙度相似度计算所述任意两个磨削机床磨损情况的相似度;根据任意两个磨削机床磨损情况的相似度,获取多个磨削机床集合。作为一个示例,任意两个磨削机床磨损情况的相似度的计算方式为:
表示两个磨削机床和磨损情况的相似度,越大,两个磨削机床和的磨损情况的差异越小,两个磨削机床和的磨损情况越相似,反之,两个磨削机床和的磨损情况的差异越大,两个磨削机床和的磨损情况越不相似;、、为余弦相似度,分别表示两个磨削机床和对应的刀刃厚度相似度、温度相似度、刀刃表面粗糙度相似度。
另一个实施方式中,根据任意两个磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,计算其刀刃厚度相似度、温度相似度以及刀刃表面粗糙度相似度;将刀刃厚度序列、温度序列以及刀刃表面粗糙度序列作为向量,获取各序列对应的向量的模;根据刀刃厚度相似度、温度相似度、刀刃表面粗糙度相似度以及各序列对应的向量的模计算所述任意两个磨削机床磨损情况的相似度;根据任意两个磨削机床磨损情况的相似度,获取多个磨削机床集合。
为了对磨削机床归类分组即获取磨削机床集合,需要将R值转化为聚类所需的样本距离,得到样本距离后,由于样本距离是在一个假想空间中,无法直接使用基于欧式距离的聚类算法,因此,本发明使用DBSCAN密度聚类算法,对磨削机床进行分组;使用DBSCAN可得到多个密度聚类分类小组即得到多个磨削机床集合,实施者可以根据实际情况确定搜索半径的大小,得到不同数量的分组。因为刀刃加工精度要求较高,因此可以适当减少搜索半径的大小,得到多个磨削机床集合。
磨削机床控制模块,用于根据磨削机床集合内各磨削机床加工的最后一个刀刃上多个采样点处的刀刃厚度获取磨削机床集合对应的刀刃上多个采样点处的代表刀刃厚度;根据代表刀刃厚度对磨削机床中磨具的进给量进行控制。
根据磨削机床集合内各磨削机床加工的最后一个刀刃上多个采样点处的刀刃厚度获取磨削机床集合对应的刀刃上多个采样点处的代表刀刃厚度:
一个实施方式中,对于刀刃上的每个采样点,根据磨削机床集合内各磨削机床加工的最后一个刀刃上该采样点处的刀刃厚度的均值为该采样点处的代表刀刃厚度。
另一个实施方式中,获取磨削机床集合内各磨削机床的磨削质量指数,磨削质量指数表示磨削机床磨削效果的好坏;对于刀刃上的每个采样点,基于磨削质量指数,对磨削机床集合内各磨削机床加工的最后一个刀刃上该采样点处的刀刃厚度进行加权求和,得到该采样点处的代表刀刃厚度。
一个实施方式中,可以历史加工的刀刃的好坏为依据,人为的基于经验为磨削机床集合内的各磨削机床设置磨削质量指数。
根据先验了,在刀刃上各个采样点处获取的数据应该是相同或相似的,一个刀刃上各采样点处的数据越一致,说明磨削机床的磨削效果越好,反之,意味着磨削机床的磨削水平不一,容易出现厚度不均,粗糙度不均等情况;因此,另一个实施方式中,根据磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,分别计算厚度方差、温度方差以及刀刃表面粗糙度粗糙度方差,根据厚度方差、温度方差以及刀刃表面粗糙度粗糙度方差计算磨削机床的磨削质量指数;其中,磨削质量指数与方差呈反比关系。作为一个示例,磨削机床的磨削质量指数的计算方式为:
需要注意,对于每个磨削机床集合,得到集合内各磨削机床的磨削质量指数后,需要对磨削质量指数进行归一化处理,归一化后的磨削质量指数为权重,加权求和得到磨削机床集合的各采样点处的代表刀刃厚度,即实施例中每个磨削机床集合对应有三个代表刀刃厚度。
根据代表刀刃厚度对磨削机床中磨具的进给量进行控制,具体为:对于每个采样点,将各磨削机床集合对应的该采样点处的代表刀刃厚度与标准厚度相比,当差值大于此阈值,意味着生产的刀刃该采样点处的厚度不合格,需要对磨削机床集合内所有机床的该采样点处的磨具进给量进行微调,增加进给量,直到刀刃厚度合格。完成微调后,将上述数据清零,进行新的序列统计、分组、计算、调整进给量。
此外,磨具在经过长时间工作后,其表面的砂石会不断减少,在一定范围内的磨损是可以接受的,但是超过此范围后所加工的刀刃的表面粗糙度会不达标,因此可以设置一个表面粗糙度阈值,当表面粗糙度高于此阈值时,意味着磨具需要更换。
需要说明,本发明中的磨具包括砂轮,磨削机床中包括有X轴移动机构、Y轴移动机构和Z轴移动机构,通过移动机构控制磨具的进给量,本发明中磨具的进给量为X方向和/或Y方向和/或Z方向上的进给量;其中,X、Y、Z所表征的意义是本领域技术人员公知的,本发明不再具体描述。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种用于刀刃磨削的智能控制系统,其特征在于,该系统包括:
数据采集模块,用于在磨削机床完成每个刀刃的加工后,获取每个刀刃上多个采样点处的刀刃厚度、温度以及刀刃的表面粗糙度,得到每个磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列;
数据处理模块,用于根据刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,获取多个磨削机床集合,磨削机床集合内磨削机床的磨损情况相同或相似;
磨削机床控制模块,用于根据磨削机床集合内各磨削机床加工的最后一个刀刃上多个采样点处的刀刃厚度获取磨削机床集合对应的刀刃上多个采样点处的代表刀刃厚度;根据代表刀刃厚度对磨削机床中磨具的进给量进行控制。
2.如权利要求1所述的系统,其特征在于,得到每个磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,具体为:
每个刀刃上多个采样点处的刀刃厚度、温度以及刀刃的表面粗糙度分别构成刀刃的厚度特征描述子、温度特征描述子以及表面粗糙度特征描述子;
根据磨削机床加工的所有刀刃的厚度特征描述子、温度特征描述子以及表面粗糙度特征描述子,分别得到刀刃厚度序列、温度序列以及刀刃表面粗糙度序列。
3.如权利要求2所述的系统,其特征在于,根据刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,获取多个磨削机床集合,具体为:
根据任意两个磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,计算其刀刃厚度相似度、温度相似度以及刀刃表面粗糙度相似度;根据刀刃厚度相似度、温度相似度以及刀刃表面粗糙度相似度计算所述任意两个磨削机床磨损情况的相似度;
根据任意两个磨削机床磨损情况的相似度,获取多个磨削机床集合。
4.如权利要求3所述的系统,其特征在于,根据磨削机床集合内各磨削机床加工的最后一个刀刃上多个采样点处的刀刃厚度获取磨削机床集合对应的刀刃上多个采样点处的代表刀刃厚度,具体为:
对于刀刃上的每个采样点,根据磨削机床集合内各磨削机床加工的最后一个刀刃上该采样点处的刀刃厚度的均值为该采样点处的代表刀刃厚度。
5.如权利要求3所述的系统,其特征在于,根据磨削机床集合内各磨削机床加工的最后一个刀刃上多个采样点处的刀刃厚度获取磨削机床集合对应的刀刃上多个采样点处的代表刀刃厚度,具体为:
获取磨削机床集合内各磨削机床的磨削质量指数,磨削质量指数表示磨削机床磨削效果的好坏;
对于刀刃上的每个采样点,基于磨削质量指数,对磨削机床集合内各磨削机床加工的最后一个刀刃上该采样点处的刀刃厚度进行加权求和,得到该采样点处的代表刀刃厚度。
6.如权利要求5所述的系统,其特征在于,获取磨削机床集合内各磨削机床的磨削质量指数,具体为:
根据磨削机床对应的刀刃厚度序列、温度序列以及刀刃表面粗糙度序列,分别计算厚度方差、温度方差以及刀刃表面粗糙度粗糙度方差,根据厚度方差、温度方差以及刀刃表面粗糙度粗糙度方差计算磨削机床的磨削质量指数;其中,磨削质量指数与方差呈反比关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210198683.0A CN114473651B (zh) | 2022-03-02 | 2022-03-02 | 一种用于刀刃磨削的智能控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210198683.0A CN114473651B (zh) | 2022-03-02 | 2022-03-02 | 一种用于刀刃磨削的智能控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114473651A true CN114473651A (zh) | 2022-05-13 |
CN114473651B CN114473651B (zh) | 2022-10-11 |
Family
ID=81483961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210198683.0A Active CN114473651B (zh) | 2022-03-02 | 2022-03-02 | 一种用于刀刃磨削的智能控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114473651B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1111664A (en) * | 1978-10-26 | 1981-11-03 | Minyoung Lee | Polycrystalline diamond body/silicon carbide or silicon nitride substrate composite |
CN102229077A (zh) * | 2011-06-21 | 2011-11-02 | 武汉华夏精冲技术有限公司 | 两端面面积不等环状零件的高精度双面磨削方法及磨床 |
CN102592035A (zh) * | 2012-03-20 | 2012-07-18 | 北京航空航天大学 | 一种车铣复合切削加工表面粗糙度及表面形貌仿真预测方法 |
CN103878705A (zh) * | 2014-03-21 | 2014-06-25 | 郑州磨料磨具磨削研究所有限公司 | 用于齿轮高效精密成形磨削的电镀cbn砂轮及其制备方法 |
CN104400334A (zh) * | 2014-10-16 | 2015-03-11 | 中国科学院上海技术物理研究所 | 一种超薄壁厚金属管类零件的车床精密加工方法 |
CN205438053U (zh) * | 2016-04-12 | 2016-08-10 | 苏州热工研究院有限公司 | 一种用于金属圆棒或钢管的自动温控打磨抛光设备 |
CN106503350A (zh) * | 2016-10-25 | 2017-03-15 | 北京航空航天大学 | 一种基于磨削和热处理的弧齿锥齿轮长寿命传动疲劳可靠性的设计方法 |
CN111347571A (zh) * | 2020-03-17 | 2020-06-30 | 华中科技大学 | 用于光学硬脆材料的激光辅助低损伤切削加工系统及方法 |
CN113962105A (zh) * | 2021-11-02 | 2022-01-21 | 西安交通大学 | 一种无颤振精加工铣削过程的高效参数优化方法 |
-
2022
- 2022-03-02 CN CN202210198683.0A patent/CN114473651B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1111664A (en) * | 1978-10-26 | 1981-11-03 | Minyoung Lee | Polycrystalline diamond body/silicon carbide or silicon nitride substrate composite |
CN102229077A (zh) * | 2011-06-21 | 2011-11-02 | 武汉华夏精冲技术有限公司 | 两端面面积不等环状零件的高精度双面磨削方法及磨床 |
CN102592035A (zh) * | 2012-03-20 | 2012-07-18 | 北京航空航天大学 | 一种车铣复合切削加工表面粗糙度及表面形貌仿真预测方法 |
CN103878705A (zh) * | 2014-03-21 | 2014-06-25 | 郑州磨料磨具磨削研究所有限公司 | 用于齿轮高效精密成形磨削的电镀cbn砂轮及其制备方法 |
CN104400334A (zh) * | 2014-10-16 | 2015-03-11 | 中国科学院上海技术物理研究所 | 一种超薄壁厚金属管类零件的车床精密加工方法 |
CN205438053U (zh) * | 2016-04-12 | 2016-08-10 | 苏州热工研究院有限公司 | 一种用于金属圆棒或钢管的自动温控打磨抛光设备 |
CN106503350A (zh) * | 2016-10-25 | 2017-03-15 | 北京航空航天大学 | 一种基于磨削和热处理的弧齿锥齿轮长寿命传动疲劳可靠性的设计方法 |
CN111347571A (zh) * | 2020-03-17 | 2020-06-30 | 华中科技大学 | 用于光学硬脆材料的激光辅助低损伤切削加工系统及方法 |
CN113962105A (zh) * | 2021-11-02 | 2022-01-21 | 西安交通大学 | 一种无颤振精加工铣削过程的高效参数优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114473651B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Research on the milling tool wear and life prediction by establishing an integrated predictive model | |
CN111222258B (zh) | 一种基于金刚石磨粒晶面方向性的砂轮磨削性能分类方法 | |
CN110780639A (zh) | 研磨质量评估模型生成装置及相关装置 | |
Xie et al. | Form-truing error compensation of diamond grinding wheel in CNC envelope grinding of free-form surface | |
Deng et al. | A study of the grinding performance of laser micro-structured coarse-grained diamond grinding wheels | |
CN111660141A (zh) | 一种工况无关的基于主轴驱动电流的铣刀磨损状态识别方法 | |
Sun et al. | Research on the matching relationship between ultrasonic-assisted grinding parameters and workpiece surface roughness | |
CN110900379A (zh) | 一种压气机叶片机器人砂带磨抛加工方法 | |
Ren et al. | A new in-process material removal rate monitoring approach in abrasive belt grinding | |
Jumare et al. | Prediction model for single-point diamond tool-tip wear during machining of optical grade silicon | |
Saikumar et al. | Investigations into high-speed rough and finish end-milling of hardened EN24 steel for implementation of control strategies | |
Wang et al. | Novel monitoring method for belt wear state based on machine vision and image processing under grinding parameter variation | |
CN114473651B (zh) | 一种用于刀刃磨削的智能控制系统 | |
Bai et al. | A hybrid physics-data-driven surface roughness prediction model for ultra-precision machining | |
CN112946072A (zh) | 基于机器学习的砂带磨损状态监测方法 | |
Lin et al. | Optimal parameter ranges of material removal depth of abrasive cloth wheel polishing based on sensitivity analysis | |
CN114952434B (zh) | 一种高良品率的机床打磨控制方法 | |
Wan et al. | Quantitative evaluation on abrasion loss and grinding performance of hollow-sphere belt based on geometric characteristics of abrasive grains | |
CN113051740A (zh) | 一种超精密动态切削加工过程的三维形貌仿真方法 | |
CN112504209A (zh) | 一种高精度刀具磨损2d在线检测方法 | |
Wan et al. | A U-net-based intelligent approach for belt morphology quantification and wear monitoring | |
Ferreira et al. | Inferential measurement of the dresser width for the grinding process automation | |
CN114918736B (zh) | 一种适用于难加工材料的智能工艺系统 | |
CN110744359A (zh) | 一种数控车床刀具磨损监测系统及方法 | |
CN107103594B (zh) | 微粉金刚石砂轮磨粒磨耗定量化测量表征方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |