CN114888634A - 铣刀磨损监测方法及装置 - Google Patents

铣刀磨损监测方法及装置 Download PDF

Info

Publication number
CN114888634A
CN114888634A CN202210292147.7A CN202210292147A CN114888634A CN 114888634 A CN114888634 A CN 114888634A CN 202210292147 A CN202210292147 A CN 202210292147A CN 114888634 A CN114888634 A CN 114888634A
Authority
CN
China
Prior art keywords
function
vibration signal
milling cutter
vibration
effective
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
Application number
CN202210292147.7A
Other languages
English (en)
Other versions
CN114888634B (zh
Inventor
王民
杨斌
昝涛
高相胜
高鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN202210292147.7A priority Critical patent/CN114888634B/zh
Publication of CN114888634A publication Critical patent/CN114888634A/zh
Application granted granted Critical
Publication of CN114888634B publication Critical patent/CN114888634B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B23Q17/0971—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 by measuring mechanical vibrations of parts of the machine
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明提供一种铣刀磨损监测方法及装置，该方法包括：采集铣削加工过程中机床主轴端的振动信号；选取有效铣削状态下的有效振动信号进行EEMD分解，以得到有效振动信号对应的多个IMF分量；根据各本征模态函数分量分别与有效振动信号的互信息系数和能量权重从多个IMF分量中选出主模态振动；计算所述主模态振动的瞬时幅值函数和瞬时频率函数；根据所述瞬时幅值函数和瞬时频率函数计算振动阻尼比；根据主轴旋转周期，选择旋转周期内对应的所述振动阻尼比计算一个旋转周期的平均阻尼比；以所述平均阻尼比作为铣刀磨损指标监测铣刀磨损过程，从而实现了对铣刀磨损过程有效地监测。

Description

铣刀磨损监测方法及装置
技术领域
本发明涉及机械制造技术领域，尤其涉及一种铣刀磨损监测方法及装置。
背景技术
铣削是机械加工中一种重要的加工方式，随着加工进程，作为关键执行单元的铣刀不可避免的会发生磨损。铣刀磨损会影响加工精度和产品质量，严重的可导致工件报废和机床故障，造成严重的经济损失。因此，准确评估铣刀状态对加工质量和保障生产安全高效运行意义重大。
铣刀磨损机理复杂，而且影响因素较多，铣刀磨损的有效监测一直是个难题。切削过程中，铣刀与工件相互作用产生的摩擦作用，以及切削热是铣刀磨损的主要因素，最终影响铣刀寿命。铣刀磨损或破损会引起切削过程动态特性变化，影响切削振动信号特征。因此，针对铣削加工的特点，如何通过铣削振动信号特征变化监测铣刀磨损过程是目前业界亟待解决的技术问题。
发明内容
针对现有技术存在的技术问题，本发明提供一种铣刀磨损监测方法及装置。
本发明提供一种铣刀磨损监测方法，包括：
采集铣削加工过程中机床主轴端的振动信号；
选取有效铣削状态下的所述振动信号为有效振动信号，对所述有效振动信号进行集合经验模式分解，以得到所述有效振动信号对应的多个本征模态函数分量；
根据各本征模态函数分量分别与有效振动信号的互信息系数和能量权重从多个所述本征模态函数分量中选出主模态振动；
计算所述主模态振动的瞬时幅值函数和瞬时频率函数；
根据所述瞬时幅值函数和瞬时频率函数计算振动阻尼比；
根据机床主轴的旋转周期，选取旋转周期内对应的所述振动阻尼比计算一个旋转周期的平均阻尼比；
以所述平均阻尼比作为铣刀磨损指标监测铣刀磨损过程。
根据本发明提供的一种铣刀磨损监测方法，所述对所述有效振动信号进行集合经验模式分解，以得到所述有效振动信号对应的本征模态函数分量包括：对所述有效振动信号x(t)按如下公式进行集合经验模式分解：
Figure BDA0003560695830000021
其中，Cj(t)为分解后的第j个本征模态函数分量，r(t)为残余分量，t表示时间，j＝1,2,……,k，k为分解出的本征模态函数分量总个数。
根据本发明提供的一种铣刀磨损监测方法，根据各本征模态函数分量分别与有效振动信号的互信息系数和能量权重从多个所述本征模态函数分量中选出主模态振动包括：
计算各本征模态函数分量与所述有效振动信号的互信息系数MI(Cj(t),x(t))：
MIj＝MI(Cj(t),x(t))＝H(Cj(t))+H(x(t))–H(Cj(t),x(t))
其中，H(Cj(t))为第j个本征模态函数分量Cj(t)的信息熵，H(x(t))为所述有效振动信号x(t)的信息熵，H(Cj(t),x(t))为第j个本征模态函数分量Cj(t)和所述有效振动信号x(t)的联合信息熵，t表示时间；
计算各本征模态函数分量的能量占所述有效振动信号总能量的能量权重：
Figure BDA0003560695830000031
其中Ej为第j个本征模态函数分量的能量，E为所述有效振动信号的总能量，EPj为第j个本征模态函数分量的能量在总能量中的能量权重；
计算各本征模态函数分量的互信息系数和能量权重的乘积：
MIEj＝MIj·EPj
其中MIj为第j个本征模态函数分量与所述有效振动信号的互信息系数；
选取对应最大MIEj值的本征模态函数分量为主模态振动。
根据本发明提供的一种铣刀磨损监测方法，所述计算所述主模态振动的瞬时幅值函数和瞬时频率函数包括：
对所述主模态振动进行希尔伯特变换，得到主模态振动的希尔伯特变换y(t)：
Figure BDA0003560695830000032
构造解析函数z(t):
z(t)＝c(t)+iy(t)＝a(t)eiθ(t)
由此可得到瞬时幅值函数a(t)和瞬时相位函数θ(t)：
Figure BDA0003560695830000033
Figure BDA0003560695830000034
瞬时相位函数的导数即为所述瞬时频率函数：
Figure BDA0003560695830000035
其中，c(t)表示主模态振动，t表示时间，z(t)为复数形式，其中i为虚数单位。
根据本发明提供的一种铣刀磨损监测方法，所述根据所述瞬时幅值函数和瞬时频率函数计算振动阻尼比包括：
根据所述瞬时幅值函数和瞬时频率函数计算所述有效振动信号的衰减因子γ(t)和固有频率ω0(t)：
Figure BDA0003560695830000041
Figure BDA0003560695830000042
根据所述有效振动信号的衰减因子γ(t)和固有频率ω0(t)计算所述有效振动信号的振动阻尼比：
Figure BDA0003560695830000043
其中，a(t)和ω(t)分别为瞬时幅值函数和瞬时频率函数，
Figure BDA0003560695830000044
表示a(t)的一阶导数，t表示时间。
根据本发明提供的一种铣刀磨损监测方法，所述根据机床主轴的旋转周期，选择旋转周期内对应的所述振动阻尼比计算一个旋转周期的平均阻尼比的公式如下：
Figure BDA0003560695830000045
其中，T为机床主轴的旋转周期，ξ(t)为振动阻尼比，t表示时间。
根据本发明提供的一种铣刀磨损监测方法，所述采集铣削加工过程中机床主轴端的振动信号包括：通过安装在所述机床主轴端的加速度传感器获取所述振动信号。
本发明还提供一种铣刀磨损监测装置，包括：
信号采集单元，用于采集铣削加工过程中机床主轴端的振动信号；
信号分解单元，用于选取有效铣削状态下的所述振动信号为有效振动信号，对所述有效振动信号进行集合经验模式分解，以得到所述有效振动信号对应的多个本征模态函数分量；
主模态振动选择单元，用于根据各本征模态函数分量分别与有效振动信号的互信息系数和能量权重从多个所述本征模态函数分量中选出主模态振动；
第一计算单元，用于计算所述主模态振动的瞬时幅值函数和瞬时频率函数；
第二计算单元，用于根据所述瞬时幅值函数和瞬时频率函数计算振动阻尼比；
第三计算单元，用于根据机床主轴的旋转周期，选取旋转周期内对应的所述振动阻尼比计算一个旋转周期的平均阻尼比；
磨损监测单元，用于以所述平均阻尼比作为铣刀磨损指标监测铣刀磨损过程。
本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一种所述的铣刀磨损监测方法。
本发明还提供一种非暂态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任一种所述的铣刀磨损监测方法。
本发明提供的铣刀磨损监测方法及装置，通过从铣削时的有效振动信号中选出主模态振动，计算主模态振动的瞬时幅值函数和瞬时频率函数，根据这两个函数计算振动阻尼比，再根据机床主轴的旋转周期，选择旋转周期内对应振动阻尼比计算一个旋转周期的平均阻尼比，采用平均阻尼比监测铣刀磨损过程，从而能够有效地监测铣刀的磨损过程，尤其对于变工况条件，本发明为铣刀的及时更换提供了理论依据。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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他的附图。
图1是本发明提供的铣刀磨损监测方法的流程示意图；
图2是本发明提供的铣刀磨损监测方法中铣刀在锋利状态下的振动信号曲线图；
图3是本发明提供的铣刀磨损监测方法中铣刀在严重磨损状态下的振动信号曲线图；
图4是本发明提供的铣刀磨损监测方法中铣刀在锋利状态下的振动信号EEMD分解结果；
图5是本发明提供的铣刀磨损监测方法中铣刀在严重磨损状态下的振动信号EEMD分解结果；
图6是本发明提供的铣刀磨损监测方法中铣刀在锋利状态下的主模态振动信号曲线图；
图7是本发明提供的铣刀磨损监测方法中铣刀在严重磨损状态下的主模态振动信号曲线图；
图8是本发明提供的铣刀磨损监测方法中铣刀整个有效铣削过程对应的主模态振动信号的瞬时幅值函数曲线图；
图9是本发明提供的铣刀磨损监测方法中铣刀整个有效铣削过程对应的主模态振动信号的瞬时频率函数曲线图；
图10是本发明提供的铣刀磨损监测方法中铣刀整个有效铣削过程对应的振动信号的平均阻尼比曲线图；
图11是本发明提供的铣刀磨损监测装置结构示意图；
图12是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明一实施例提供的铣刀磨损监测方法流程图，该方法包括：
步骤S100：采集铣削加工过程中机床主轴端的振动信号。具体地，机床主轴端安装有加速度传感器，在铣削加工过程中，安装在机床主轴端的加速度传感器感应振动信号，通过获取加速度传感器感应的信号即能够采集到机床主轴端的振动信号，图2和3分别示出了铣刀在锋利状态和严重磨损状态下的振动信号图。
步骤S200：选取有效铣削状态下的振动信号为有效振动信号，对有效振动信号进行集合经验模式分解(Ensemble Empirical Mode Decomposition，EEMD)，以得到有效振动信号对应的多个本征模态函数(Intrinsic Mode Function，IMF)分量。有效铣削状态为铣刀切到工件的状态，整个铣削过程包括：有效切削过程及空切过程等状态，空切过程状态对铣刀磨损分析不起作用，在监测时不予考虑。通常，空切过程的振动信号的有效值(振动信号的均方根值)要远低于铣刀切削工件时的有效值，因此，根据采集到的振动信号振幅的有效值可判断出铣刀是切到工件还是空切过程。如图4和5所示，分别为铣刀在锋利状态和严重磨损状态下对振动信号EEMD分解的结果，将振动信号分解成了7个本征模态函数分量imf1～imf7和一个残余分量r。
步骤S300：根据各本征模态函数分量分别与有效振动信号的互信息系数和能量权重从多个本征模态函数分量中选出主模态振动。其中，互信息系数为各本征模态函数分量与原信号(即有效振动信号)的互信息系数，能量权重为各本征模态函数分量的能量占有效振动信号总能量的能量比重。图6和7分别示出了铣刀在锋利状态下和严重磨损状态下的主模态振动信号曲线图。
步骤S400：计算主模态振动的瞬时幅值函数和瞬时频率函数。
步骤S500：根据瞬时幅值函数和瞬时频率函数计算振动阻尼比，铣刀整个有效铣削过程对应的主模态振动信号的瞬时幅值函数曲线和瞬时频率函数曲线如图8和9所示。
步骤S600：根据机床主轴的旋转周期，选取旋转周期内对应的所述振动阻尼比计算一个旋转周期的平均阻尼比，铣刀整个有效铣削过程对应的振动信号的平均阻尼比曲线图如图10所示。
步骤S700：以平均阻尼比作为铣刀磨损指标监测铣刀磨损过程。
铣刀磨损引起的铣削过程动态特性变化，是铣削振动特征变化的根本原因。因此，本实施例提供的铣刀磨损监测方法通过从铣削时的有效振动信号中选出主模态振动，计算主模态振动的瞬时幅值函数和瞬时频率函数，根据这两个函数计算振动阻尼比，再根据机床主轴的旋转周期，选择旋转周期内对应振动阻尼比计算一个旋转周期的平均阻尼比，采用平均阻尼比监测铣刀磨损过程，从而能够有效地监测铣刀的磨损过程，尤其对于变工况条件，本发明为铣刀的及时更换提供了理论依据。
步骤S200包括：对所述有效振动信号x(t)按如下公式进行集合经验模式分解：
Figure BDA0003560695830000081
有效振动信号x(t)是随时间t连续变化的具有振幅的信号量，其中，Cj(t)为分解后的第j个本征模态函数分量，r(t)为残余分量，t表示时间，j＝1,2,……,k，k为分解出的本征模态函数分量总个数。如图4和5所示，分别为铣刀在锋利状态和严重磨损状态下对振动信号EEMD分解的结果，最终分解出的本征模态函数分量总个数k是由EEMD根据信号自适应的确定，本实施例中，将振动信号分解成了7个本征模态函数分量imf1～imf7和一个残余分量r。
本实施例中，步骤S300包括：
计算各本征模态函数分量与有效振动信号的互信息系数MI(Cj(t),x(t))：
MIj＝MI(Cj(t),x(t))＝H(Cj(t))+H(x(t))–H(Cj(t),x(t))
其中，H(Cj(t))为第j个本征模态函数分量Cj(t)的信息熵，H(x(t))为有效振动信号x(t)的信息熵，H(Cj(t),x(t))为第j个本征模态函数分量Cj(t)和有效振动信号x(t)的联合信息熵。
计算各本征模态函数分量的能量占所述有效振动信号总能量的能量权重：
Figure BDA0003560695830000091
其中Ej为第j个本征模态函数分量的能量，E为有效振动信号的总能量，EPj为第j个本征模态函数分量的能量在总能量中的能量权重；
计算各本征模态函数分量的互信息系数和能量权重的乘积：
MIEj＝MIj·EPj
其中MIj为第j个本征模态函数分量的互信息系数；
选取对应最大MIEj值的本征模态函数分量为主模态振动。
本实施例中，互信息系数衡量IMF分量和原信号之间的相关性，它既可以描述变量间的线性相关，也可描述变量之间的非线性相关，比相关系数更有优势。能量权重代表了每个IMF分量在信号总能量中的比重。随着铣刀磨损，EEMD分解得到的IMF分量其所对应的频带能量可能会发生变化，两者组合得到的综合参数更适合不同铣削条件下主模态振动的选择。
本实施例中，步骤S400包括：
对所述主模态振动进行希尔伯特变换，得到主模态振动的希尔伯特变换y(t)：
Figure BDA0003560695830000101
构造解析函数z(t):
z(t)＝c(t)+iy(t)＝a(t)eiθ(t)
由此可得到瞬时幅值函数a(t)和瞬时相位函数θ(t)：
Figure BDA0003560695830000102
Figure BDA0003560695830000103
瞬时相位函数的导数即为所述瞬时频率函数：
Figure BDA0003560695830000104
其中，c(t)表示主模态振动，t表示时间，z(t)为复数形式，其中i为虚数单位。
本实施例中，步骤S500包括：
根据瞬时幅值函数和瞬时频率函数计算有效振动信号的衰减因子γ(t)和固有频率ω0(t)：
Figure BDA0003560695830000105
Figure BDA0003560695830000106
根据有效振动信号的衰减因子γ(t)和固有频率ω0(t)计算有效振动信号的振动阻尼比：
Figure BDA0003560695830000107
其中，a(t)和ω(t)分别为瞬时幅值函数和瞬时频率函数，
Figure BDA0003560695830000108
表示a(t)的一阶导数。
振动阻尼比是一个无量纲且具有明确物理意义的参数，能很好的反映铣刀磨损引起的铣削过程动态特性的变化。
步骤S600中，所述根据机床主轴的旋转周期，选择旋转周期内对应的所述振动阻尼比计算一个旋转周期的平均阻尼比的公式如下：
Figure BDA0003560695830000111
其中，T表示主轴旋转周期。铣削是铣刀各刀齿周期性的参与切削的一种切削方式，因此采用根据铣刀的旋转周期计算平均阻尼比能更准确地反映铣削过程动态特性的变化，即能更准确地监测铣刀的磨损过程。结合图10，平均阻尼比在1300s之前上升趋势明显，说明刀具磨损速度快，此阶段为刀具初期磨损阶段；1300～2500s，平均阻尼比上升趋势比较平缓，此阶段为刀具正常磨损阶段；2500s之后平均阻尼比又开始急剧上升，此阶段为刀具急剧/严重磨损阶段。平均阻尼比在3000s之后又有小幅回落，因此可考虑在3000s时更换铣刀。
图11为本发明一实施例提供的铣刀磨损监测装置结构示意图，该装置包括：
信号采集单元1101，用于采集铣削加工过程中机床主轴端的振动信号。
信号分解单元1102，用于选取有效铣削状态下的所述振动信号为有效振动信号，对所述有效振动信号进行集合经验模式分解，以得到所述有效振动信号对应的多个本征模态函数分量。
主模态振动选择单元1103，用于根据各本征模态函数分量分别与有效振动信号的互信息系数和能量权重从多个本征模态函数分量中选出主模态振动。
第一计算单元1104，用于计算所述主模态振动的瞬时幅值函数和瞬时频率函数。
第二计算单元1105，用于根据所述瞬时幅值函数和瞬时频率函数计算振动阻尼比。
第三计算单元1106，用于根据机床主轴旋转周期，选择旋转周期内对应的所述振动阻尼比计算一个旋转周期的平均阻尼比。
磨损监测单元1107，用于以所述平均阻尼比作为铣刀磨损指标监测铣刀磨损过程。
本发明实施例提供的铣刀磨损监测装置具体可以用于执行上述实施例的铣刀磨损监测方法，其技术原理和有益效果类似，具体可参见上述实施例，此处不再赘述。
图12为本发明一实施例提供的电子设备，该电子设备可以包括：处理器(processor)1210、通信接口(Communications Interface)1220、存储器(memory)1230和通信总线1240，其中，处理器1210，通信接口1220，存储器1230通过通信总线1240完成相互间的通信。处理器1210可以调用存储器1230中的逻辑指令，以执行上述实施例提供的铣刀磨损监测方法，该方法包括：步骤S100：采集铣削加工过程中机床主轴端的振动信号；步骤S200：选取有效铣削状态下的所述振动信号为有效振动信号，对所述有效振动信号进行集合经验模式分解，以得到所述有效振动信号对应的多个本征模态函数分量；步骤S300：根据各本征模态函数分量分别与有效振动信号的互信息系数和能量权重从多个本征模态函数分量中选出主模态振动；步骤S400：计算所述主模态振动的瞬时幅值函数和瞬时频率函数；步骤S500：根据所述瞬时幅值函数和瞬时频率函数计算振动阻尼比；步骤S600：根据机床主轴的旋转周期，选择旋转周期内对应的所述振动阻尼比计算一个旋转周期的平均阻尼比；步骤S700：以所述平均阻尼比作为铣刀磨损指标监测铣刀磨损过程。
此外，上述的存储器1230中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述实施例提供的铣刀磨损监测方法，该方法包括：步骤S100：采集铣削加工过程中机床主轴端的振动信号；步骤S200：选取有效铣削状态下的所述振动信号为有效振动信号，对所述有效振动信号进行集合经验模式分解，以得到所述有效振动信号对应的多个本征模态函数分量；步骤S300：根据各本征模态函数分量分别与有效振动信号的互信息系数和能量权重从多个所述本征模态函数分量中选出主模态振动；步骤S400：计算所述主模态振动的瞬时幅值函数和瞬时频率函数；步骤S500：根据所述瞬时幅值函数和瞬时频率函数计算振动阻尼比；步骤S600：根据机床主轴的旋转周期，选择旋转周期内对应的所述振动阻尼比计算一个旋转周期的平均阻尼比；步骤S700：以所述平均阻尼比作为铣刀磨损指标监测铣刀磨损过程。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述实施例提供的铣刀磨损监测方法，该方法包括：步骤S100：采集铣削加工过程中机床主轴端的振动信号；步骤S200：选取有效铣削状态下的所述振动信号为有效振动信号，对所述有效振动信号进行集合经验模式分解，以得到所述有效振动信号对应的多个本征模态函数分量；步骤S300：根据互信息系数和能量权重从多个所述本征模态函数分量中选出主模态振动；步骤S400：计算所述主模态振动的瞬时幅值函数和瞬时频率函数；步骤S500：根据所述瞬时幅值函数和瞬时频率函数计算振动阻尼比；步骤S600：根据机床主轴的旋转周期，选择旋转周期内对应的所述振动阻尼比计算一个旋转周期的平均阻尼比；步骤S700：以所述平均阻尼比作为铣刀磨损指标监测铣刀磨损过程。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种铣刀磨损监测方法，其特征在于，包括：
采集铣削加工过程中机床主轴端的振动信号；
选取有效铣削状态下的所述振动信号为有效振动信号，对所述有效振动信号进行集合经验模式分解，以得到所述有效振动信号对应的多个本征模态函数分量；
根据各本征模态函数分量分别与有效振动信号的互信息系数和能量权重从多个所述本征模态函数分量中选出主模态振动；
计算所述主模态振动的瞬时幅值函数和瞬时频率函数；
根据所述瞬时幅值函数和瞬时频率函数计算振动阻尼比；
根据机床主轴的旋转周期，选取旋转周期内对应的所述振动阻尼比计算一个旋转周期的平均阻尼比；
以所述平均阻尼比作为铣刀磨损指标监测铣刀磨损过程。
2.根据权利要求1所述的铣刀磨损监测方法，其特征在于，所述对所述有效振动信号进行集合经验模式分解，以得到所述有效振动信号对应的本征模态函数分量包括：对所述有效振动信号x(t)按如下公式进行集合经验模式分解：
Figure FDA0003560695820000011
其中，Cj(t)为分解后的第j个本征模态函数分量，r(t)为残余分量，t表示时间，j＝1,2,……,k，k为分解出的本征模态函数分量总个数。
3.根据权利要求1所述的铣刀磨损监测方法，其特征在于，根据各本征模态函数分量分别与有效振动信号的互信息系数和能量权重从多个所述本征模态函数分量中选出主模态振动包括：
计算各本征模态函数分量与所述有效振动信号的互信息系数MI(Cj(t),x(t))：
MIj＝MI(Cj(t),x(t))＝H(Cj(t))+H(x(t))–H(Cj(t),x(t))
其中，H(Cj(t))为第j个本征模态函数分量Cj(t)的信息熵，H(x(t))为所述有效振动信号x(t)的信息熵，H(Cj(t),x(t))为第j个本征模态函数分量Cj(t)和所述有效振动信号x(t)的联合信息熵，t表示时间；
计算各本征模态函数分量的能量占所述有效振动信号总能量的能量权重：
Figure FDA0003560695820000021
其中Ej为第j个本征模态函数分量的能量，E为所述有效振动信号的总能量，EPj为第j个本征模态函数分量的能量在总能量中的能量权重；
计算各本征模态函数分量的互信息系数和能量权重的乘积：
MIEj＝MIj·EPj
其中MIj为第j个本征模态函数分量与所述有效振动信号的互信息系数；
选取对应最大MIEj值的本征模态函数分量为主模态振动。
4.根据权利要求1所述的铣刀磨损监测方法，其特征在于，所述计算所述主模态振动的瞬时幅值函数和瞬时频率函数包括：
对所述主模态振动进行希尔伯特变换，得到主模态振动的希尔伯特变换y(t)：
Figure FDA0003560695820000022
构造解析函数z(t):
Figure FDA0003560695820000023
由此可得到瞬时幅值函数a(t)和瞬时相位函数θ(t)：
Figure FDA0003560695820000024
Figure FDA0003560695820000025
瞬时相位函数的导数即为所述瞬时频率函数：
Figure FDA0003560695820000031
其中，c(t)表示主模态振动，t表示时间，z(t)为复数形式，其中i为虚数单位。
5.根据权利要求1所述的铣刀磨损监测方法，其特征在于，所述根据所述瞬时幅值函数和瞬时频率函数计算振动阻尼比包括：
根据所述瞬时幅值函数和瞬时频率函数计算所述有效振动信号的衰减因子γ(t)和固有频率ω0(t)：
Figure FDA0003560695820000032
Figure FDA0003560695820000033
根据所述有效振动信号的衰减因子γ(t)和固有频率ω0(t)计算所述有效振动信号的振动阻尼比：
Figure FDA0003560695820000034
其中，a(t)和ω(t)分别为瞬时幅值函数和瞬时频率函数，
Figure FDA0003560695820000035
表示a(t)的一阶导数，t表示时间。
6.根据权利要求1所述的铣刀磨损监测方法，其特征在于，所述根据机床主轴的旋转周期，选择旋转周期内对应的所述振动阻尼比计算一个旋转周期的平均阻尼比的公式如下：
Figure FDA0003560695820000036
其中，T为机床主轴的旋转周期，ξ(t)为振动阻尼比，t表示时间。
7.根据权利要求1～6中任一项所述的铣刀磨损监测方法，其特征在于，所述采集铣削加工过程中机床主轴端的振动信号包括：通过安装在所述机床主轴端的加速度传感器获取所述振动信号。
8.一种铣刀磨损监测装置，其特征在于，包括：
信号采集单元，用于采集铣削加工过程中机床主轴端的振动信号；
信号分解单元，用于选取有效铣削状态下的所述振动信号为有效振动信号，对所述有效振动信号进行集合经验模式分解，以得到所述有效振动信号对应的多个本征模态函数分量；
主模态振动选择单元，用于根据各本征模态函数分量分别与有效振动信号的互信息系数和能量权重从多个所述本征模态函数分量中选出主模态振动；
第一计算单元，用于计算所述主模态振动的瞬时幅值函数和瞬时频率函数；
第二计算单元，用于根据所述瞬时幅值函数和瞬时频率函数计算振动阻尼比；
第三计算单元，用于根据机床主轴的旋转周期，选取旋转周期内对应的所述振动阻尼比计算一个旋转周期的平均阻尼比；
磨损监测单元，用于以所述平均阻尼比作为铣刀磨损指标监测铣刀磨损过程。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～7中任一项所述的铣刀磨损监测方法。
10.一种非暂态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1～7中任一项所述的铣刀磨损监测方法。
CN202210292147.7A 2022-03-23 2022-03-23 铣刀磨损监测方法及装置 Active CN114888634B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210292147.7A CN114888634B (zh) 2022-03-23 2022-03-23 铣刀磨损监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210292147.7A CN114888634B (zh) 2022-03-23 2022-03-23 铣刀磨损监测方法及装置

Publications (2)

Publication Number Publication Date
CN114888634A true CN114888634A (zh) 2022-08-12
CN114888634B CN114888634B (zh) 2023-09-01

Family

ID=82716285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210292147.7A Active CN114888634B (zh) 2022-03-23 2022-03-23 铣刀磨损监测方法及装置

Country Status (1)

Country Link
CN (1) CN114888634B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115365890A (zh) * 2022-09-23 2022-11-22 深圳职业技术学院 在线预测刀具磨损值的方法、装置、智能终端及存储介质
CN117217050A (zh) * 2023-09-12 2023-12-12 哈尔滨理工大学 一种铣刀刀工界面熵产生及熵流分布特性表征方法
CN117217050B (zh) * 2023-09-12 2024-06-04 哈尔滨理工大学 一种铣刀刀工界面熵产生及熵流分布特性表征方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106840637A (zh) * 2017-03-24 2017-06-13 国网山东省电力公司莱芜供电公司 基于改进hht算法的gis机械振动信号时频分析方法
KR20170066818A (ko) * 2015-12-07 2017-06-15 현대위아 주식회사 절삭 작업을 위한 공구의 마모 및 파손 감지 방법
CN107329932A (zh) * 2017-05-08 2017-11-07 上海交通大学 基于非线性调频分量分解的时频域模态参数辨识方法
CN108229382A (zh) * 2017-12-29 2018-06-29 广州供电局有限公司 振动信号特征提取方法、装置、存储介质和计算机设备
CN112394642A (zh) * 2020-11-27 2021-02-23 华中科技大学 一种基于超参数优化的机器人铣削加工颤振辨识方法
CN112621382A (zh) * 2020-12-17 2021-04-09 北京工业大学 基于切削振动阻尼特性的在线刀具磨损监测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170066818A (ko) * 2015-12-07 2017-06-15 현대위아 주식회사 절삭 작업을 위한 공구의 마모 및 파손 감지 방법
CN106840637A (zh) * 2017-03-24 2017-06-13 国网山东省电力公司莱芜供电公司 基于改进hht算法的gis机械振动信号时频分析方法
CN107329932A (zh) * 2017-05-08 2017-11-07 上海交通大学 基于非线性调频分量分解的时频域模态参数辨识方法
CN108229382A (zh) * 2017-12-29 2018-06-29 广州供电局有限公司 振动信号特征提取方法、装置、存储介质和计算机设备
CN112394642A (zh) * 2020-11-27 2021-02-23 华中科技大学 一种基于超参数优化的机器人铣削加工颤振辨识方法
CN112621382A (zh) * 2020-12-17 2021-04-09 北京工业大学 基于切削振动阻尼特性的在线刀具磨损监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘小峰: ""基于小波包的经验模态分解法的研究及应用"" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115365890A (zh) * 2022-09-23 2022-11-22 深圳职业技术学院 在线预测刀具磨损值的方法、装置、智能终端及存储介质
CN117217050A (zh) * 2023-09-12 2023-12-12 哈尔滨理工大学 一种铣刀刀工界面熵产生及熵流分布特性表征方法
CN117217050B (zh) * 2023-09-12 2024-06-04 哈尔滨理工大学 一种铣刀刀工界面熵产生及熵流分布特性表征方法

Also Published As

Publication number Publication date
CN114888634B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
EP2916187B1 (en) Improved database for chatter predictions
Jemielniak et al. Tool condition monitoring based on numerous signal features
CN107186547A (zh) 基于切削功率的数控车削批量加工刀具磨损在线监测方法
EP1650622B1 (en) Data management and networking system and method
Chen et al. Development of a tool wear observer model for online tool condition monitoring and control in machining nickel-based alloys
CN113741377A (zh) 一种基于切削特征遴选的加工过程智能监控系统及方法
CN105058165A (zh) 基于振动信号的刀具磨损量监测系统
CN110539202B (zh) 一种以主轴功率恒定为目标的自适应控制加工方法
CN110103079A (zh) 一种微铣削过程中刀具磨损的在线监测方法
CN111774931A (zh) 数控车削批量加工刀具磨损在线监测方法
CN102152172A (zh) 基于协整建模的刀具磨损监测方法
CN114888634A (zh) 铣刀磨损监测方法及装置
CN116757648B (zh) 基于人工智能的生产制造管理系统及方法
Mou et al. A study of tool tipping monitoring for titanium milling based on cutting vibration
de Carvalho et al. Vibration analysis and energy efficiency in interrupted face milling processes
CN115922442A (zh) 基于主轴振动信号的刀具磨破损实时监控方法及相关装置
Wu et al. Research on formation mechanism and optimization method of surface waviness of TC4 blisk blade
CN112077670B (zh) 一种数控机床刀具磨损状态实时监测方法
Wang et al. Study of an efficient real-time monitoring and control system for BUE and cutter breakage for CNC machine tools
Thangavel et al. Application of response surface methodology for predicting flank wear in turning operation
RU2417140C1 (ru) Устройство контроля износа и прогнозирования остаточной стойкости режущего инструмента для системы чпу станка
Das et al. A study on effect of process parameters on vibration of cutting tool in turning operation
Zhang et al. Research progress on the chatter stability in machining systems
Qiu et al. A theoretical model and experimental investigation to predict and evaluate cutting capability of turning center based on material removal rate
Twardowski et al. Identification of Tool Wear During Cast Iron Drilling Using Machine Learning Methods

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