CN115509177A - 一种零件加工过程异常监控方法、装置、设备及介质 - Google Patents
一种零件加工过程异常监控方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115509177A CN115509177A CN202211162037.5A CN202211162037A CN115509177A CN 115509177 A CN115509177 A CN 115509177A CN 202211162037 A CN202211162037 A CN 202211162037A CN 115509177 A CN115509177 A CN 115509177A
- Authority
- CN
- China
- Prior art keywords
- power
- monitoring
- processing
- target part
- machining
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 533
- 238000003754 machining Methods 0.000 title claims abstract description 263
- 238000000034 method Methods 0.000 title claims abstract description 135
- 238000012545 processing Methods 0.000 claims abstract description 229
- 230000002159 abnormal effect Effects 0.000 claims abstract description 94
- 230000008569 process Effects 0.000 claims description 77
- 230000005856 abnormality Effects 0.000 claims description 27
- 230000003321 amplification Effects 0.000 claims description 24
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 24
- 238000005520 cutting process Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 17
- 239000000463 material Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 230000002547 anomalous effect Effects 0.000 claims 3
- 238000012806 monitoring device Methods 0.000 claims 1
- 238000002474 experimental method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 229910001069 Ti alloy Inorganic materials 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/34—Director, elements to supervisory
- G05B2219/34465—Safety, control of correct operation, abnormal states
Abstract
本申请公开了一种零件加工过程异常监控方法、装置、设备及介质，涉及零件加工的异常监控技术领域。该方法包括判断目标零件是否为首件零件；若所述目标零件为首件零件，则获得加工所述目标零件的每把刀具在第一功率监控段中的最大功率；将加工所述目标零件的所述刀具在所述第一功率监控段中的最大功率与所述监控最大阈值进行比对；若所述目标零件为非首件零件，则获得每把所述刀具在第二功率监控段中的最大功率；将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常。通过上述技术方案可以更准确的监控目标零件在加工的过程中是否存在异常情况。
Description
技术领域
本申请涉及零件加工的异常监控技术领域，尤其涉及零件加工过程异常监控方法、装置、设备及介质。
背景技术
加工过程的实时监控技术不仅是实现全自动加工的关键技术之一，也是先进制造技术的重要内容。随着航空结构件小批量、多品种、高精度和高复杂度等生产需求日益突出，在零件切削加工过程中，由于零件材料难加工、零件结构复杂以及工艺参数不合理等因素导致加工过程异常的现象时有发生，直接影响零件的全自动加工流程。因此，需要对航空结构件在数控加工过程中的异常状态进行监控。
目前，航空结构件数控加工过程中的异常现象主要依靠现场工人经验来判断，然而受人为因素影响较大，现有技术中不能准确的对航空结构件在数控加工过程中的异常现象进行监控，从而影响到对航空结构件的加工。
发明内容
本申请的主要目的在于提供零件加工过程异常监控方法、装置、设备及介质，旨在解决现有技术中不能准确的对航空结构件在数控加工过程中的异常现象进行监控，从而影响到对航空结构件加工的技术问题。
为实现上述目的，本申请第一方面提供了一种零件加工过程异常监控方法，所述方法包括：
判断目标零件是否为首件零件；其中，所述首件零件为首次加工的零件；
若所述目标零件为首件零件，则获得加工所述目标零件的每把刀具在第一功率监控段中的最大功率；其中，所述第一功率监控段为每把所述刀具加工完对应零件的过程中的时间段；
基于监控最大阈值和所述首件零件的加工监控数据库，将加工所述目标零件的所述刀具在所述第一功率监控段中的最大功率与所述监控最大阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述加工监控数据库中的最大功率包括所述监控最大阈值；所述加工监控数据库包括在所述第一功率监控段中加工历史零件的若干刀具的最大功率集合；
若所述目标零件为非首件零件，则获得每把所述刀具在第二功率监控段中的最大功率；其中，所述第二功率监控段为每把所述刀具加工对应零件的过程中从加工安全平面进入加工区域到退回安全平面的一个程序段；
基于监控级阈值和所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述学习数据库中的最大功率包括所述监控级阈值；所述学习数据库包括在所述第二功率监控段中加工历史零件的若干刀具的最大功率集合。
可选地，所述监控级阈值包括一级功率监控阈值和二级功率监控阈值；
所述基于监控级阈值和所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常，包括：
基于所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率分别与所述一级功率监控阈值、所述二级功率监控阈值进行对比，以判断对所述目标零件的加工是否异常。
可选地，所述基于所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率分别与所述一级功率监控阈值、所述二级功率监控阈值进行对比，以判断对所述目标零件的加工是否异常，包括：
若加工所述目标零件的所述刀具在第二功率监控段中的最大功率大于一级功率监控阈值，则判断加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间是否超时，以判断对所述目标零件的加工是否异常；
若加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间未超时，则判断单位时间内加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计次数是否超次，以判断对所述目标零件的加工是否异常；
若所述单位时间内加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计次数未超次，则判断所述刀具在所述第二功率监控段中的最大功率是否超过所述二级功率监控阈值，以判断对所述目标零件的加工是否异常。
可选地，所述若加工所述目标零件的所述刀具在第二功率监控段中的最大功率大于一级功率监控阈值，则判断加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间是否超时，以判断对所述目标零件的加工是否异常，包括：
在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间超时的情况下，判断对所述目标零件的加工异常；
所述若加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间未超时，则判断单位时间内加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计次数是否超次，以判断对所述目标零件的加工是否异常，包括：
在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级阈值功率监控的累计次数超次的情况下，判断对所述目标零件的加工异常；
所述若所述单位时间内加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计次数未超次，则判断所述刀具在所述第二功率监控段中的最大功率是否超过所述二级功率监控阈值，以判断对所述目标零件的加工是否异常，包括：
在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出二级功率监控阈值的情况下，判断对所述目标零件的加工异常；
所述基于所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率分别与所述一级功率监控阈值、所述二级功率监控阈值进行对比，以判断对所述目标零件的加工是否异常，包括：
在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率未超出所述一级功率监控阈值的情况下，或加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间未超时，且单位时间内加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计次数未超次，且加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率未超出所述二级功率监控阈值的情况下，判断对所述目标零件的加工正常。
可选地，在基于所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率分别与所述一级功率监控阈值、所述二级功率监控阈值进行对比，以判断对所述目标零件的加工是否异常的步骤之后，还包括：
在判断对所述目标零件的加工异常的情况下，发送报警信息和/或停机指令；其中，所述停机指令为使加工所述目标零件的所述刀具停止的指令；
在判断对所述目标零件的加工正常的情况下，储存加工所述目标零件的所述刀具的最大功率。
可选地，在基于监控级阈值和所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常的步骤之前，还包括：
获得加工v-1件所述历史零件在所述第二功率监控段中的所述刀具的最大功率，以获得前v-1件所述历史零件的学习数据库；其中，v为大于2的正整数；
基于加工v-1件所述历史零件在所述第二功率监控段中的所述刀具的最大功率，获得前v-1件所述历史零件的功率阈值；
判断加工第v件所述历史零件是否需要对前v-1件所述历史零件的功率阈值进行放大，以获得所述非首件零件的学习数据库。
可选地，所述判断加工第v件所述历史零件是否需要对前v-1件所述历史零件的功率阈值进行放大，以获得所述非首件零件的学习数据库，包括：
若不需要对前v-1件所述历史零件的功率阈值进行放大，则将加工第v件所述历史零件在所述第二功率监控段中的所述刀具的最大功率传送至前v-1件所述历史零件的学习数据库中，以获得所述非首件零件的学习数据库；
若需要对前v-1件所述历史零件的功率阈值进行放大，则基于所述历史零件的材料经验参数，获得第v件所述历史零件的阈值放大系数；
基于所述历史零件的阈值放大系数和前v-1件所述历史零件的学习数据库，获得所述非首件零件的学习数据库。
可选地，在所述基于所述历史零件的阈值放大系数和前v-1件所述历史零件的学习数据库，获得所述非首件零件的学习数据库的步骤之后，还包括：
若加工第v件所述历史零件在所述第二功率监控段中的所述刀具的最大功率与前v-1件所述历史零件的功率阈值的平均误差小于或等于预设误差，则判断所述非首件零件的学习数据库已收敛；
若所述非首件零件的学习数据库已收敛，则停止获得加工所述历史零件的刀具的最大功率。
可选地，在所述基于监控最大阈值和所述首件零件的加工监控数据库，将加工所述目标零件的所述刀具在所述第一功率监控段中的最大功率与所述监控最大阈值进行比对，以判断对所述目标零件的加工是否异常的步骤之前，还包括：
获取加工所述目标零件的若干刀具，以对所述若干刀具进行边界试切试验；
获得所述若干刀具在进行边界试切试验过程中的最大功率；
基于所述若干刀具的在进行边界试切试验过程中的最大功率，构建首件零件的加工监控数据库。
第二方面，本申请提供了一种零件加工过程异常监控装置，所述装置包括：
第一判断模块，用于判断目标零件是否为首件零件；其中，所述首件零件为首次加工的零件；
第一获得模块，用于若所述目标零件为首件零件，则获得加工所述目标零件的每把刀具在第一功率监控段中的最大功率；其中，所述第一功率监控段为每把所述刀具加工完对应零件的过程中的时间段；
第二判断模块，用于基于监控最大阈值和所述首件零件的加工监控数据库，将加工所述目标零件的所述刀具在所述第一功率监控段中的最大功率与所述监控最大阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述加工监控数据库中的最大功率包括所述监控最大阈值；所述加工监控数据库包括在所述第一功率监控段中加工历史零件的若干刀具的最大功率集合；
第二获得模块，用于若所述目标零件为非首件零件，则获得每把所述刀具在第二功率监控段中的最大功率；其中，所述第二功率监控段为每把所述刀具加工对应零件的过程中从加工安全平面进入加工区域到退回安全平面的一个程序段；
第三判断模块，用于基于监控级阈值和所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述学习数据库中的最大功率包括所述监控级阈值；所述学习数据库包括在所述第二功率监控段中加工历史零件的若干刀具的最大功率集合。
第三方面，本申请提供了一种计算机设备，该计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现实施例中所述的方法。
第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现实施例中所述的方法。
通过上述技术方案，本申请至少具有如下有益效果：
本申请实施例提出的零件加工过程异常监控方法、装置、设备及介质，该方法通过先判断目标零件是否为首件零件；其中，所述首件零件为首次加工的零件；然后若所述目标零件为首件零件，则获得加工所述目标零件的每把刀具在第一功率监控段中的最大功率；其中，所述第一功率监控段为每把所述刀具加工完对应零件的过程中的时间段；然后基于监控最大阈值和所述首件零件的加工监控数据库，将加工所述目标零件的所述刀具在所述第一功率监控段中的最大功率与所述监控最大阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述加工监控数据库中的最大功率包括所述监控最大阈值；所述加工监控数据库包括在所述第一功率监控段中加工历史零件的若干刀具的最大功率集合；再若所述目标零件为非首件零件，则获得每把所述刀具在第二功率监控段中的最大功率；其中，所述第二功率监控段为每把所述刀具加工对应零件的过程中从加工安全平面进入加工区域到退回安全平面的一个程序段；最后基于监控级阈值和所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述学习数据库中的最大功率包括所述监控级阈值；所述学习数据库包括在所述第二功率监控段中加工历史零件的若干刀具的最大功率集合。即，当需要监控对目标零件的加工是否存在异常时，先判断这种目标零件是不是首次加工，若是首次加工，则获得加工目标零件的刀具的最大功率，再以加工监控数据库中的刀具的最大功率为基础，使加工目标零件的刀具的最大功率与加工监控数据库中的功率数据进行比对，通过比对即可知道目标零件在加工的过程中是否存在异常情况。若目标零件不是首次加工，则获得加工目标零件的刀具的最大功率，再以学习数据库中的刀具的最大功率为基础，使加工目标零件的刀具的最大功率与学习数据库中的功率数据进行比对，通过比对即可知道目标零件在加工的过程中是否存在异常情况。即，由于该监控方法将加工的目标零件分为是否是首次加工，并根据是否为首次加工分别选取加工监控数据库和学习数据库中的刀具的最大功率作为对比基础，而加工监控数据库和学习数据库中的刀具的最大功率是由与目标零件同种类的历史零件预先获得的，而加工历史零件的刀具不存在异常情况。因此，通过比对后的结果可以更准确的反应出目标零件在加工的过程中是否存在异常情况，由于可以更准确的监控目标零件在加工的过程中是否存在异常情况，因此可以对目标零件进行更准确的加工，从而可以减少目标零件在加工过程中的报废率以及机床的故障，进而可以提高对目标零件的加工效率和降低对目标零件的加工成本。
附图说明
图1为本申请实施例涉及的硬件运行环境的计算机设备结构示意图；
图2为本申请实施例的一种零件加工过程异常监控方法的流程图；
图3为本申请实施例提供的首件零件加工异常的监控数据示意图；
图4为本申请实施例提供的首件零件正常加工的监控数据示意图；
图5为本申请实施例提供的非首件零件超出一级功率监控阈值累计时间超时的加工异常监控数据示意图；
图6为本申请实施例提供的非首件零件超出一级功率监控阈值累计次数超次的加工异常监控数据示意图；
图7为本申请实施例提供的非首件零件超出二级功率监控阈值的加工异常监控数据示意图；
图8为本申请实施例提供的非首件零件正常加工的监控数据示意图；
图9为本申请实施例提供的构建非首件零件学习数据库的流程示意图；
图10为本申请实施例的一种零件加工过程异常监控装置的示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
加工过程的实时监控技术不仅是实现全自动加工的关键技术之一，也是先进制造技术的重要内容。随着航空结构件小批量、多品种、高精度和高复杂度等生产需求日益突出，在零件切削加工过程中，由于零件材料难加工、零件结构复杂以及工艺参数不合理等因素导致加工过程异常的现象时有发生，直接影响零件的全自动加工流程。
目前，航空结构件数控加工过程中的异常状态主要依靠现场工人的个人经验来判断，受人为因素影响较大，且对一些加工异常情况不能及时响应，常常致使加工质量事故发生。加工过程异常不仅会影响零件的尺寸精度及表面质量，也容易致使机床主轴机械故障、零件加工报废以及加工刀具破损失效甚至断裂报废，不断增加制造企业的零件生产成本和流转周期。市场上虽然已有ARTIS、OMATIVE、MONTRONIX等商业化监控系统，并在单一品种且大批量零件加工行业(如汽车行业)中得到成熟应用，但对于航空结构件多品种、小批量的加工模式，单个零件可用于学习的数据量少，且加工过程数据在航空结构件等复杂零件的加工过程中易受加工状态波动的影响，故在应用过程中频繁发生误报警情况。综上，目前，航空结构件数控加工过程中的异常现象主要依靠现场工人个人经验来判断，然而受人为因素影响较大，因此，现有技术中不能准确的对航空结构件在数控加工过程中的异常现象进行监控，从而影响到对航空结构件的加工。
为了解决上述技术问题，本申请提供了一种零件加工过程异常监控方法、装置、设备及介质，在介绍本申请的具体技术方案之前，先介绍下本申请实施例方案涉及的硬件运行环境。
参照图1，图1为本申请实施例方案涉及的硬件运行环境的计算机设备结构示意图。
如图1所示，该计算机设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及电子程序。
在图1所示的计算机设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明计算机设备中的处理器1001、存储器1005可以设置在计算机设备中，所述计算机设备通过处理器1001调用存储器1005中存储的零件加工过程异常监控装置，并执行本申请实施例提供的零件加工过程异常监控方法。
参照图2，基于前述实施例的硬件环境，本申请的实施例提供了一种零件加工过程异常监控方法，该方法包括：
S10：判断目标零件是否为首件零件；其中，所述首件零件为首次加工的零件。
在具体实施过程中，目标零件是指加工时需要监控的零件，比如航空结构件等。当一种目标零件被加工时，需要判断下这种目标零件是否为第一次加工，即是否为首件零件，并依据判断结果执行相应加工过程监控。执行目标零件加工前准备工作，在数控机床工作台装夹零件工装，并将待加工的目标零件装夹至工装。通过常规手段可以判断目标零件是否为首件零件，比如通过加工机床上的相关程序记录可以获得。
S11：若所述目标零件为首件零件，则获得加工所述目标零件的每把刀具在第一功率监控段中的最大功率；其中，所述第一功率监控段为每把所述刀具加工完对应零件的过程中的时间段。
在具体实施过程中，加工一个目标零件时，所需要的刀具数量可能为一把或多把，因此，可以先把加工目标零件的刀具准备好。若加工的目标零件为首件零件，则依据工艺技术要求使用对应刀具执行首件零件加工，以每把刀具参与首件零件加工的一次过程划分首件零件的第一功率监控段，监控每把刀具在每个首件零件第一功率监控段的采集功率的最大值，记为：
其中，P表示功率值，1表示目标零件第1次加工，p表示首件零件第一功率监控段第p段，COL表示实际采集值，n表示首件零件功率监控段共n段，N*表示正整数，MAX表示最大值。
S12：基于监控最大阈值和所述首件零件的加工监控数据库，将加工所述目标零件的所述刀具在所述第一功率监控段中的最大功率与所述监控最大阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述加工监控数据库中的最大功率包括所述监控最大阈值；所述加工监控数据库包括在所述第一功率监控段中加工历史零件的若干刀具的最大功率集合。
在具体实施过程中，加工监控数据库可以提前构建，因此在步骤S12之前，还包括先获取加工所述目标零件的若干刀具，以对所述若干刀具进行边界试切试验；然后获得所述若干刀具在进行边界试切试验过程中的最大功率；最后基于所述若干刀具的在进行边界试切试验过程中的最大功率，构建首件零件的加工监控数据库。具体的，梳理加工该目标零件的所有刀具，并设计各刀具在各自复杂工况下的试切实验，采用加工机床所对应刀具参数库中的极限加工参数对所有刀具均进行边界试切实验。这里的“历史零件”指与目标零件种类不同的零件，以首件零件所对应的各刀具在之前的加工过程中的最大功率阈值为首件零件加工监控数据库，通过机床设备内部数据采集系统获取各刀具在进行边界试切实验过程中的最大功率值，记为：
其中，P表示功率值，0表示试切实验，l表示第l把刀具，MAX表示最大值，L表示该零件共需L种刀具加工。存储所有刀具所对应的最大功率值为最大功率阈值，并基于这些刀具对应的最大功率值形成首件零件的加工监控数据库，形成的加工监控数据库用于对首件零件加工时是否存在异常的对比基础。
以上述所形成的首件零件的加工监控数据库为依据，判断首件零件每个功率监控段的采集功率最大值是否超出监控最大阈值。若首件零件的第p段第一功率监控段的采集功率最大值超出监控最大阈值，即：
则反馈加工过程异常，机床执行加工异常报警并停机，如图3所示，图3为首件零件加工异常的监控数据示意图，图3中纵坐标表示刀具的功率，平行于横坐标的实线表示监控最大阈值。
若首件零件所有功率监控段的采集功率最大值未超出监控最大阈值，即：
则对首件零件的加工正常，并存储首件零件的加工数据(加工首件零件的最大功率值)，即将加工首件零件的正常的最大功率值用于加工监控数据库，这样可以增加加工监控数据库中的数据，从而可以提高加工监控数据库的准确性，如图4所示，图4为首件零件正常加工的监控数据示意图，图4中纵坐标表示刀具的功率，平行于横坐标的实线表示监控最大阈值。
S13：若所述目标零件为非首件零件，则获得每把所述刀具在第二功率监控段中的最大功率；其中，所述第二功率监控段为每把所述刀具加工对应零件的过程中从加工安全平面进入加工区域到退回安全平面的一个程序段。
在具体实施过程中，第二功率监控段是刀具加工的一个程序段，表示从加工安全平面进入加工区域到退回安全平面，其中安全平面可以理解为刀具未与目标零件接触，加工区域可以理解为刀具与目标零件接触。相应种类的目标零件要么是第一次加工要么不是第一次加工，若目标零件不是第一次加工，即非首件零件，则通过常规的方式获得加工目标零件的每把刀具在第二功率监控段中的最大功率。
S14：基于监控级阈值和所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述学习数据库中的最大功率包括所述监控级阈值；所述学习数据库包括在所述第二功率监控段中加工历史零件的若干刀具的最大功率集合。
在具体实施过程中，监控级阈值由非首件零件的学习数据库得到，而非首件零件的学习数据库得到可以提前得到。在加工非首件零件时，获得加工非首件零件在每个第二功率监控段中的最大功率，然后将这些实时的最大功率与监控级阈值进行比较，若加工目标零件的刀具的最大功率超过了监控级阈值，则说明加工目标零件时存在异常情况，反之，可以认为加工目标零件的过程是正常的。
综上，当需要监控对目标零件的加工是否存在异常时，先判断这种目标零件是不是首次加工，若是首次加工，则获得加工目标零件的刀具的最大功率，再以加工监控数据库中的刀具的最大功率为基础，使加工目标零件的刀具的最大功率与加工监控数据库中的功率数据进行比对，通过比对即可知道目标零件在加工的过程中是否存在异常情况。若目标零件不是首次加工，则获得加工目标零件的刀具的最大功率，再以学习数据库中的刀具的最大功率为基础，使加工目标零件的刀具的最大功率与学习数据库中的功率数据进行比对，通过比对即可知道目标零件在加工的过程中是否存在异常情况。即，由于该监控方法将加工的目标零件分为是否是首次加工，并根据是否为首次加工分别选取加工监控数据库和学习数据库中的刀具的最大功率作为对比基础，而加工监控数据库和学习数据库中的刀具的最大功率是由与目标零件同种类的历史零件预先获得的，而加工历史零件的刀具不存在异常情况。因此，通过比对后的结果可以更准确的反应出目标零件在加工的过程中是否存在异常情况，由于可以更准确的监控目标零件在加工的过程中是否存在异常情况，因此可以对目标零件进行更准确的加工，从而可以减少目标零件在加工过程中的报废率以及机床的故障，进而可以提高对目标零件的加工效率和降低对目标零件的加工成本。
为了更好的判断对非首件零件的加工是否存在异常情况，在一些实施例中，所述监控级阈值包括一级功率监控阈值和二级功率监控阈值；
所述基于监控级阈值和所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常的步骤包括：基于所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率分别与所述一级功率监控阈值、所述二级功率监控阈值进行对比，以判断对所述目标零件的加工是否异常。
具体的，基于一级功率监控阈值和二级功率监控阈值判断被加工的目标零件是否存在异常，主要有如下的判断顺序：
(1)若加工所述目标零件的所述刀具在第二功率监控段中的最大功率大于一级功率监控阈值，则判断加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间是否超时，以判断对所述目标零件的加工是否异常。
具体的，在判断对非首件零件的加工是否存在异常情况时，先划分第v个目标零件的每把刀具从加工安全平面进入加工区域到退回安全平面的一次过程为一个程序段，并执行零件加工。以每个程序段为第二功率监控段，监控每个程序段的采集功率最大值，记为：
其中，P表示功率值，i表示目标零件第i次加工，q表示该零件的第二功率监控段第q段(亦表示第q个程序段)，COL表示实际采集值，m表示该零件功率监控段共m段(亦表示共m个程序段)。
以加工过程学习数据库为依据，记前(v-1)件目标零件的加工过程监控数据为：
其中，v表示第v件目标零件，k[v-1]表示第v-1件目标零件的功率监控阈值放大系数。
并判断目标零件的每个第二功率监控段的采集功率最大值是否超出相应监控阈值。具体的，先判断加工过程中实际采集功率最大值是否超出一级功率监控阈值，记前v-1件目标零件在加工过程中的一级功率监控阈值为：
其中，LV1表示一级监控阈值，jLV1表示一级功率监控阈值系数,一级功率监控阈值系数由航空结构件材料(目标零件的材料)决定的功率监控恒定参数)。
若实际采集的加工目标零件的刀具的最大功率值超出一级功率监控阈值，即：
则继续判断实际采集功率最大值超出一级功率监控阈值的累计时间是否超时。具体的，如图5所示，图5为非首件零件超出一级功率监控阈值累计时间超时的加工异常监控数据示意图，图5中纵坐标表示刀具的功率，平行于横坐标的从下到上的实线分别表示一级功率监控阈值和二级功率监控阈值。在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间超时的情况下，判断对所述目标零件的加工存在异常情况。
(2)若加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间未超时，则判断单位时间内加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计次数是否超次，以判断对所述目标零件的加工是否异常。
具体的，若实际采集功率最大值超出一级功率监控阈值的累计时间未超时，则继续判断单位时间内实际采集功率最大值超出一级功率监控阈值的累计次数是否超次。具体的，如图6所示，图6为非首件零件超出一级功率监控阈值累计次数超次的加工异常监控数据示意图，图6中纵坐标表示刀具的功率，平行于横坐标的从下到上的实线分别表示一级功率监控阈值和二级功率监控阈值。在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级阈值功率监控的累计次数超次的情况下，判断对所述目标零件的加工存在异常现象。
(3)若所述单位时间内加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计次数未超次，则判断所述刀具在所述第二功率监控段中的最大功率是否超过所述二级功率监控阈值，以判断对所述目标零件的加工是否异常。
具体的，若单位时间内实际采集功率最大值超出一级功率监控阈值的累计次数未超次，则继续判断实际采集功率最大值是否超出二级功率监控阈值，记前(v-1)件目标零件加工过程的二级功率监控阈值为：
其中，LV2表示监控二级阈值，jLV2表示二级功率监控阈值系数，二级功率监控阈值系数由航空结构件材料决定的功率监控恒定参数。具体的，如图7所示，图7为非首件零件超出二级功率监控阈值的加工异常监控数据示意图，图7中纵坐标表示刀具的功率，平行于横坐标的从下到上的实线分别表示一级功率监控阈值和二级功率监控阈值。在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出二级功率监控阈值的情况下，判断对所述目标零件的加工异常。即，
综上，当在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间超时的情况下，或在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级阈值功率监控的累计次数超次的情况下，或在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出二级功率监控阈值的情况下，判断对所述目标零件的加工异常，若对目标零件的加工存在异常情况，则使机床停止，即使刀具停止对相应的目标零件进行加工。
如图8所示，图8为非首件零件正常加工的监控数据示意图，图8中纵坐标表示刀具的功率，平行于横坐标的从下到上的实线分别表示一级功率监控阈值和二级功率监控阈值。在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率未超出所述一级功率监控阈值的情况下，或加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间未超时，且单位时间内加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计次数未超次，且加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率未超出所述二级功率监控阈值的情况下，判断对所述目标零件的加工正常，则继续对目标零件进行加工。
本实施例中，以一级功率监控阈值和二级功率监控阈值为基础，并按照上述(1)、(2)和(3)的顺序判断加工目标零件的刀具(或机床)是否存在异常情况，这样可以更准确的判断加工目标零件的刀具(或机床)是否异常。
为了减少对目标零件的加工报废率，以及降低相应的加工成本，在一些实施例中，给出了如下技术方案：在基于所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率分别与所述一级功率监控阈值、所述二级功率监控阈值进行对比，以判断对所述目标零件的加工是否异常的步骤之后还包括：
在判断对所述目标零件的加工异常的情况下，发送报警信息和/或停机指令；其中，所述停机指令为使加工所述目标零件的所述刀具停止的指令；在判断对所述目标零件的加工正常的情况下，储存加工所述目标零件的所述刀具的最大功率。
本实施例中，若加工目标零件时存在异常情况，则表示继续加工目标零件，会对目标零件造成损坏，甚至损坏相应的机床。因此，若加工目标零件时存在异常情况，则需要及时的发送报警信息，当相关工作人员收到报警信息时，可以及时的采取相应的措施。若异常情况较为严重，则可以在发送报警信息的时候发送停机指令，或者直接发送停机指令，机床收到停机指令后，可以自动使机床停止。至于如何发送报警信息以及停止指令，对于本领域技术人员是知晓的。如此，可以防止对目标零件和机床损害，从而可以提高相应的加工效率和降低加工成本。
为了更进一步的提高判断目标零件是否存在异常情况的准确率，在一些实施例中，如图9所示，在基于监控级阈值和所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常的步骤之前还包括：
S20：获得加工v-1件所述历史零件在所述第二功率监控段中的所述刀具的最大功率，以获得前v-1件所述历史零件的学习数据库；其中，v为大于2的正整数。
在具体实施过程中，历史零件是指加工目标零件之前的零件，历史零件最好与目标零件同类，在获得非首件零件的学习数据库时，先将所有已加工完毕的v-1件历史零件的加工数据库，按照每个第二功率监控段为刻度，计算每段采集功率最大值的均值，并形成前v-1件历史零件的学习数据库。
S21：基于加工v-1件所述历史零件在所述第二功率监控段中的所述刀具的最大功率，获得前v-1件所述历史零件的功率阈值。
在具体实施过程中，得到在第二功率监控段中的刀具的最大功率后，即可通过常规方式获得前v-1件所述历史零件的功率阈值，即：
其中，
表示前v-1件历史零件的功率阈值。
S22：判断加工第v件所述历史零件是否需要对前v-1件所述历史零件的功率阈值进行放大，以获得所述非首件零件的学习数据库。
在具体实施过程中，判断第v件历史零件的加工过程监控是否需要对前v-1件学习数据库进行功率阈值放大，判断依据如下，若：
则学习数据库需要进行功率阈值放大，若：
则学习数据库不需要进行功率阈值放大，其中A和B数值是由航空结构件(历史零件)的材料决定的经验参数。
若不需要对前v-1件所述历史零件的功率阈值进行放大，则将加工第v件所述历史零件在所述第二功率监控段中的所述刀具的最大功率传送至前v-1件所述历史零件的学习数据库中，以获得所述非首件零件的学习数据库。
若需要对前v-1件所述历史零件的功率阈值进行放大，则基于所述历史零件的材料经验参数，获得第v件所述历史零件的阈值放大系数。具体的，通过如下关系式，获得历史零件的阈值放大系数：
其中，k[v]表示第v件历史零件的阈值放大系数。
最后基于所述历史零件的阈值放大系数和前v-1件所述历史零件的学习数据库，获得所述非首件零件的学习数据库。具体的，通过如下关系式，获得非首件零件的学习数据库：
其中，
表示非首件零件的学习数据库。
为了准确的判断非首件零件的学习数据库是否可以准确的判断目标零件在加工的过程中是否存在异常情况，在一些实施例中，给出了如下技术方案：在所述基于所述历史零件的阈值放大系数和前v-1件所述历史零件的学习数据库，获得所述非首件零件的学习数据库的步骤之后还包括：
若加工第v件所述历史零件在所述第二功率监控段中的所述刀具的最大功率与前v-1件所述历史零件的功率阈值的平均误差小于或等于预设误差，则判断所述非首件零件的学习数据库已收敛。若所述非首件零件的学习数据库已收敛，则停止获得加工所述历史零件的刀具的最大功率。
本实施例中，预设误差可以根据实际需要进行设置，本实施例中预设误差取5％，若第v件历史零件加工功率采集的最大值与前v-1件历史零件的学习数据在所有功率监控段的功率阈值的平均误差小于或等于5％，即：
其中，δv表示第v件历史零件的加工功率的最大值。
则判断第v件加工数据已收敛，若否，则判断第v件加工数据不收敛；若第v件历史零件的加工数据已收敛，则停止学习，若第v件历史零件的加工数据不收敛，则继续学习，若达到停止学习条件，则停止学习，并形成后续的加工稳定的监控数据库，即学习数据库。如此，可以极大的提高学习数据库的准确性，从而可以极大的提高判断目标零件加工是否存在异常情况的准确性。
综上，本申请与现有技术相比，不仅实现了对没有监控数据的首件零件加工过程的异常监控，还使用了能不断更新、优化学习数据库的监控数据学习方法，完成了针对更广泛的加工异常情况的两级监控判断，其优点及有益效果在于：(1)该方法对航空结构件首件加工亦实现了加工过程功率监控，避免了由于首件加工缺少监控数据而冒险加工带来的质量风险。航空结构件不仅原材料价格昂贵，加工成本也极高，不能以首件零件进行试错加工并存储监控数据库，加之刀具成本相较于零件而言，成本较低，故以首件零件所对应各刀具加工过程中的最大功率阈值为首件零件加工监控数据库，设计了刀具边界试切实验，以各刀具最大边界功率阈值为监控数据库执行首件零件加工监控。(2)该方法以刀具从加工安全平面进入加工区域到退回安全平面的一次过程作为功率监控数据分界依据，细分了第二功率监控段，大幅提高了功率监控的准确度。零件首次加工依据每把刀具为界划分功率监控数据，仅能实现粗略监控，判断是否存在较严重的加工异常，而获取到首次加工数据后，细分到每把刀具从安全平面进退刀的一次完整过程划分为第二功率监控段，每把刀具每次加工存在数段、数十段甚至数百段功率监控段，显著提升了每次监控判断的颗粒度，实现了功率精细化监控。(3)该方法依据不同零件材料设定了监控数据阈值放大系数，可对学习次数少的监控数据实现阈值放大，避免了由于学习数据不准确导致的误报警。学习次数越少，学习数据库里的异常数据对监控过程的影响越大，考虑学习次数对监控阈值适度放大，可有效规避异常数据的影响，减少误报警率。(4)该方法设计了两级功率监控报警机制，一级功率监控阈值实现了对机床持续高功率加工的异常监控判断，二级功率监控阈值实现了对机床功率陡然增加的烈性加工异常监控判断。航空结构件加工过程异常的情况比较复杂：加工余量不均匀、加工参数不合理、加工刀具磨/破损易造成机床持续高功率加工，造成零件尺寸超差，表面粗糙度不合格等问题，而加工余量过大、加工参数错误、装夹错误和工装干涉等易造成功率陡增，造成严重加工质量问题，甚至报废零件，损伤机床，设计两级功率监控报警机制，可对各类加工异常实现准确监控。
下面结合一个实例来证明上述方法，具体的，以加工钛合金航空结构件为例，具体实施内容及分步骤执行如下：
步骤S1：执行边界试切实验形成首件零件监控数据库。
步骤S101：梳理加工该零件的所有刀具，并设计各刀具在各自复杂工况下的试切实验，采用该加工机床所对应刀具参数库中的极限加工参数对所有刀具均进行边界试切实验，进入步骤S102。以第4把刀为例，刀具类型为整体硬质合金刀具，刀具直径D＝20mm，刀刃长度H＝40mm，工作长度L＝70mm，刀具底角半径R＝3mm，满刀加工钛合金深槽腔特征，主轴转速S＝1000r/min，进给速度F＝200mm/min，切深Ap＝3mm，切宽Ae＝20mm，进行边界试切实验。
步骤S102：通过机床设备内部数据采集系统获取各刀具在进行边界试切实验过程中的最大功率值，进入步骤S103。
边界试切实验过程中的最大功率值为：
以第4把刀为例，获取其在边界试切实验中的最大功率值7.6(表示机床额定功率的百分比)，即：
步骤S103：存储所有刀具所对应的最大功率值为最大功率阈值，并形成首件零件的加工监控数据库，进入步骤S2。
步骤S2：零件加工准备。
执行零件加工前准备工作，在数控机床工作台装夹零件工装，并将待加工零件装夹至工装，进入步骤S3。
步骤S3：判断零件是否为首件加工。
判断零件是否为首件加工，若为首件加工，则进入步骤S4，若为非首件加工，则进入步骤S5。
步骤S4：首件零件加工过程监控。
步骤S401：依据工艺技术要求使用对应刀具执行首件零件加工，进入步骤S402。
步骤S402：以每把刀具参与首件零件加工的一次过程划分首件零件的第一功率监控段，监控每把刀具在每个首件零件的第一功率监控段的监控功率值，进入步骤S403。
首件零件第p段的第一功率监控段的采集功率最大值为：
以第4段功率监控段为例，获取其在加工过程中的采集功率的最大值为4.4(表示机床额定功率的百分比)，即：
步骤S403：以S1所形成的首件加工监控数据库为依据，判断首件零件每个功率监控段的采集功率最大值是否超出监控最大阈值，若采集功率最大值超出监控最大阈值，则进入步骤S404，若采集功率最大值未超出监控最大阈值，则进入步骤S405。
步骤S404：若首件零件第p段功率监控段的采集功率最大值超出监控最大阈值，即：
则反馈加工过程异常，机床执行加工异常报警并停机；
步骤S405：若首件零件所有功率监控段的采集功率最大值未超出监控最大阈值，即：
以第4段功率监控段为例，该功率监控段的采集功率最大值未超出监控最大阈值，即：
则存储首件加工数据。
步骤S5：形成加工过程学习数据库。
步骤S501：将所有已加工完毕的v-1件加工数据库，按照每个功率监控段为刻度，计算每段采集功率最大值的均值，并形成前v-1件学习数据库，进入步骤S502。
前v-1件学习数据库阈值为：
以加工至第6件零件，且第12段功率监控段为例，其前5件的第12段功率学习数据为：
步骤S502：判断第v件加工过程监控是否需要对前v-1件学习数据库进行功率阈值放大，若需要对前v-1件学习数据库进行功率阈值放大，则进入步骤S503，若不需要对前v-1件学习数据库进行功率阈值放大，则进入步骤S504。
鉴于该具体实施案例为加工钛合金航空结构件，经验参数A为0.025，B为1.25，则判断依据如下，若：
则学习数据库需要进行功率阈值放大，若：
则学习数据库不需要进行功率阈值放大。
步骤S503：若第v件加工需要对功率监控阈值进行放大，则计算第v件功率监控阈值放大系数k(v)，进入步骤S504。
第v件功率监控阈值放大系数k(v)为：
以加工至第6件目标零件为例，其功率监控阈值放大系数k(6)为：
k[6]＝1.1
步骤S504：得到第v件加工功率监控数据库，即：
以加工至第6件零件，且第12段功率监控段为例，其加工过程采集功率最大值为：
得到第6件零件，且第12段加工功率监控数据，即：
步骤S6：第v件(v≥2)零件加工过程监控
步骤S601：划分第v件零件的每把刀具从加工安全平面进入加工区域到退回安全平面的一次过程为一个程序段，并执行零件加工，进入步骤S602。
步骤S602：以每个程序段为功率监控段，监控每个程序段的采集功率最大值，进入步骤S603。
每个程序段的采集功率最大值为：
以加工第7件零件，且第12段程序段的采集功率最大值为例，即：
步骤S603：以加工过程学习数据库为依据，记前v-1件加工过程监控数据为：
并判断零件每个功率监控段的采集功率最大值是否超出监控阈值。
S60301：判断加工过程实际采集功率最大值是否超出一级功率监控阈值，若超出一级功率监控阈值，则进入步骤S60302，若未超出一级功率监控阈值，则进入步骤S60306。
前v-1件目标零件加工过程的一级功率监控阈值为：
其中，jLV1系航空结构件材料决定的功率监控恒定参数，钛合金零件jLV1取1.25。
以加工第7件零件，且第12段程序段的采集功率最大值为例，其前6件的第12段加工过程一级功率监控阈值为：
S60302：若实际采集功率最大值超出一级功率监控阈值，即：
则继续判断实际采集功率最大值超出一级功率监控阈值的累计时间是否超时，若累计时间超时2s，则进入步骤S60305，若累计时间未超时2s，则进入步骤S60303。
S60303：若实际采集功率最大值超出一级功率监控阈值的累计时间未超时，则继续判断单位时间内实际采集功率最大值超出一级功率监控阈值的累计次数是否超次，若1min内累计次数超次达10次，则进入步骤S60305，若1min内累计次数超次未达10次，则进入步骤S60304。
S60304：若单位时间内实际采集功率最大值超出一级功率监控阈值的累计次数未超次，则继续判断实际采集功率最大值是否超出二级功率监控阈值，若超出二级功率监控阈值，则进入步骤S60305，若未超出二级功率监控阈值，则进入步骤S60306。
前v-1件加工过程二级功率监控阈值为：
其中，jLV2系航空结构件材料决定的功率监控恒定参数，钛合金零件jLV2取1.5；
以加工第7件零件，且第12段程序段的采集功率最大值为例，其前6件的第12段加工过程二级功率监控阈值为：
S60305：若实际采集功率最大值超出一级功率监控阈值的累计时间超时，或者单位时间内实际采集功率最大值超出一级功率监控阈值的累计次数超次，或者实际采集功率最大值超出二级功率监控阈值，即：
则反馈加工过程异常，机床执行加工异常报警并停机。
S60306：若实际采集功率最大值未超出一级功率监控阈值，即：
或者实际采集功率最大值超出一级功率监控阈值的累计时间未超时，且单位时间内实际采集功率最大值超出一级功率监控阈值的累计次数未超次，且实际采集功率最大值未超出二级功率监控阈值，即：
则反馈加工正常。
以加工第7件零件，且第12段程序段的采集功率最大值为例，其前6件的第12段加工过程实际采集功率最大值未超出一级功率监控阈值，即：
则反馈加工正常。
步骤S604：若零件某功率监控段的采集功率最大值判断为加工过程异常，机床执行加工异常报警并停机。
步骤S605：若零件所有功率监控段的采集功率最大值均判断为加工过程异常，则存储此次加工过程数据。
步骤S7：判断是否停止进行加工过程数据学习
步骤S701：比对第v件加工数据库与前v-1件学习数据库，进入步骤S702。
步骤S702：若第v件加工工程功率采集最大值与前v-1件学习数据在所有功率监控段功率阈值平均误差小于5％，即：
则判断第v件加工数据已收敛，进入步骤S703，若否，则判断第v件加工数据不收敛，进入步骤S704。
以第7件零件，且第12段功率监控段为例，其第7件加工工程功率采集最大值与前6件学习数据在第12段功率监控段功率阈值误差为：
由于该误差大于5％，则判断第7件加工数据不收敛。
步骤S703：若第v件加工数据已收敛，则停止学习。
步骤S704：若第v件加工数据不收敛，则继续学习。
步骤S8：若达到停止学习条件，则停止学习，并形成后续加工稳定监控数据库。
通过上述实例，可以看出，依据该方法可以对目标零件进行更准确的加工，从而可以减少目标零件在加工过程中的报废率以及机床的故障，进而可以提高对目标零件的加工效率和降低对目标零件的加工成本。
在另一实施例中，如图10所示，基于与前述实施例相同的发明思路，本申请的实施例还提供了一种零件加工过程异常监控装置，该装置包括：
第一判断模块，用于判断目标零件是否为首件零件；其中，所述首件零件为首次加工的零件；
第一获得模块，用于若所述目标零件为首件零件，则获得加工所述目标零件的每把刀具在第一功率监控段中的最大功率；其中，所述第一功率监控段为每把所述刀具加工完对应零件的过程中的时间段；
第二判断模块，用于基于监控最大阈值和所述首件零件的加工监控数据库，将加工所述目标零件的所述刀具在所述第一功率监控段中的最大功率与所述监控最大阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述加工监控数据库中的最大功率包括所述监控最大阈值；所述加工监控数据库包括在所述第一功率监控段中加工历史零件的若干刀具的最大功率集合；
第二获得模块，用于若所述目标零件为非首件零件，则获得每把所述刀具在第二功率监控段中的最大功率；其中，所述第二功率监控段为每把所述刀具加工对应零件的过程中从加工安全平面进入加工区域到退回安全平面的一个程序段；
第三判断模块，用于基于监控级阈值和所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述学习数据库中的最大功率包括所述监控级阈值；所述学习数据库包括在所述第二功率监控段中加工历史零件的若干刀具的最大功率集合。
需要说明的是，本实施例中零件加工过程异常监控装置中各模块是与前述实施例中的零件加工过程异常监控方法中的各步骤一一对应，因此，本实施例的具体实施方式和达到的技术效果可参照前述零件加工过程异常监控方法的实施方式，这里不再赘述。
此外，在一种实施例中，本申请还提供一种计算机设备，所述计算机设备包括处理器，存储器以及存储在所述存储器中的计算机程序，所述计算机程序被处理器运行时实现前述实施例中方法。
此外，在一种实施例中，本申请还提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现前述实施例中方法。
在一些实施例中，计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。
在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(HTML，Hyper TextMarkup Language)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。
作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
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上述实施例方法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，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的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，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台多媒体终端设备(可以是手机，计算机，电视接收机，或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (12)
1.一种零件加工过程异常监控方法，其特征在于，所述方法包括：
判断目标零件是否为首件零件；其中，所述首件零件为首次加工的零件；
若所述目标零件为首件零件，则获得加工所述目标零件的每把刀具在第一功率监控段中的最大功率；其中，所述第一功率监控段为每把所述刀具加工完对应零件的过程中的时间段；
基于监控最大阈值和所述首件零件的加工监控数据库，将加工所述目标零件的所述刀具在所述第一功率监控段中的最大功率与所述监控最大阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述加工监控数据库中的最大功率包括所述监控最大阈值；所述加工监控数据库包括在所述第一功率监控段中加工历史零件的若干刀具的最大功率集合；
若所述目标零件为非首件零件，则获得每把所述刀具在第二功率监控段中的最大功率；其中，所述第二功率监控段为每把所述刀具加工对应零件的过程中从加工安全平面进入加工区域到退回安全平面的一个程序段；
基于监控级阈值和所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述学习数据库中的最大功率包括所述监控级阈值；所述学习数据库包括在所述第二功率监控段中加工历史零件的若干刀具的最大功率集合。
2.如权利要求1所述的零件加工过程异常监控方法，其特征在于，所述监控级阈值包括一级功率监控阈值和二级功率监控阈值；
所述基于监控级阈值和所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常，包括：
基于所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率分别与所述一级功率监控阈值、所述二级功率监控阈值进行对比，以判断对所述目标零件的加工是否异常。
3.如权利要求2所述的零件加工过程异常监控方法，其特征在于，所述基于所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率分别与所述一级功率监控阈值、所述二级功率监控阈值进行对比，以判断对所述目标零件的加工是否异常，包括：
若加工所述目标零件的所述刀具在第二功率监控段中的最大功率大于一级功率监控阈值，则判断加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间是否超时，以判断对所述目标零件的加工是否异常；
若加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间未超时，则判断单位时间内加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计次数是否超次，以判断对所述目标零件的加工是否异常；
若所述单位时间内加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计次数未超次，则判断所述刀具在所述第二功率监控段中的最大功率是否超过所述二级功率监控阈值，以判断对所述目标零件的加工是否异常。
4.如权利要求3所述的零件加工过程异常监控方法，其特征在于，所述若加工所述目标零件的所述刀具在第二功率监控段中的最大功率大于一级功率监控阈值，则判断加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间是否超时，以判断对所述目标零件的加工是否异常，包括：
在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间超时的情况下，判断对所述目标零件的加工异常；
所述若加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间未超时，则判断单位时间内加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计次数是否超次，以判断对所述目标零件的加工是否异常，包括：
在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级阈值功率监控的累计次数超次的情况下，判断对所述目标零件的加工异常；
所述若所述单位时间内加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计次数未超次，则判断所述刀具在所述第二功率监控段中的最大功率是否超过所述二级功率监控阈值，以判断对所述目标零件的加工是否异常，包括：
在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出二级功率监控阈值的情况下，判断对所述目标零件的加工异常；
所述基于所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率分别与所述一级功率监控阈值、所述二级功率监控阈值进行对比，以判断对所述目标零件的加工是否异常，包括：
在加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率未超出所述一级功率监控阈值的情况下，或加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计时间未超时，且单位时间内加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率超出所述一级功率监控阈值的累计次数未超次，且加工所述目标零件的所述刀具在所述第二功率监控段中的最大功率未超出所述二级功率监控阈值的情况下，判断对所述目标零件的加工正常。
5.如权利要求4所述的零件加工过程异常监控方法，其特征在于，在基于所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率分别与所述一级功率监控阈值、所述二级功率监控阈值进行对比，以判断对所述目标零件的加工是否异常的步骤之后，还包括：
在判断对所述目标零件的加工异常的情况下，发送报警信息和/或停机指令；其中，所述停机指令为使加工所述目标零件的所述刀具停止的指令；
在判断对所述目标零件的加工正常的情况下，储存加工所述目标零件的所述刀具的最大功率。
6.如权利要求1所述的零件加工过程异常监控方法，其特征在于，在基于监控级阈值和所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常的步骤之前，还包括：
获得加工v-1件所述历史零件在所述第二功率监控段中的所述刀具的最大功率，以获得前v-1件所述历史零件的学习数据库；其中，v为大于2的正整数；
基于加工v-1件所述历史零件在所述第二功率监控段中的所述刀具的最大功率，获得前v-1件所述历史零件的功率阈值；
判断加工第v件所述历史零件是否需要对前v-1件所述历史零件的功率阈值进行放大，以获得所述非首件零件的学习数据库。
7.如权利要求6所述的零件加工过程异常监控方法，其特征在于，所述判断加工第v件所述历史零件是否需要对前v-1件所述历史零件的功率阈值进行放大，以获得所述非首件零件的学习数据库，包括：
若不需要对前v-1件所述历史零件的功率阈值进行放大，则将加工第v件所述历史零件在所述第二功率监控段中的所述刀具的最大功率传送至前v-1件所述历史零件的学习数据库中，以获得所述非首件零件的学习数据库；
若需要对前v-1件所述历史零件的功率阈值进行放大，则基于所述历史零件的材料经验参数，获得第v件所述历史零件的阈值放大系数；
基于所述历史零件的阈值放大系数和前v-1件所述历史零件的学习数据库，获得所述非首件零件的学习数据库。
8.如权利要求7所述的零件加工过程异常监控方法，其特征在于，在所述基于所述历史零件的阈值放大系数和前v-1件所述历史零件的学习数据库，获得所述非首件零件的学习数据库的步骤之后，还包括：
若加工第v件所述历史零件在所述第二功率监控段中的所述刀具的最大功率与前v-1件所述历史零件的功率阈值的平均误差小于或等于预设误差，则判断所述非首件零件的学习数据库已收敛；
若所述非首件零件的学习数据库已收敛，则停止获得加工所述历史零件的刀具的最大功率。
9.如权利要求8所述的零件加工过程异常监控方法，其特征在于，在所述基于监控最大阈值和所述首件零件的加工监控数据库，将加工所述目标零件的所述刀具在所述第一功率监控段中的最大功率与所述监控最大阈值进行比对，以判断对所述目标零件的加工是否异常的步骤之前，还包括：
获取加工所述目标零件的若干刀具，以对所述若干刀具进行边界试切试验；
获得所述若干刀具在进行边界试切试验过程中的最大功率；
基于所述若干刀具的在进行边界试切试验过程中的最大功率，构建首件零件的加工监控数据库。
10.一种零件加工过程异常监控装置，其特征在于，所述装置包括：
第一判断模块，用于判断目标零件是否为首件零件；其中，所述首件零件为首次加工的零件；
第一获得模块，用于若所述目标零件为首件零件，则获得加工所述目标零件的每把刀具在第一功率监控段中的最大功率；其中，所述第一功率监控段为每把所述刀具加工完对应零件的过程中的时间段；
第二判断模块，用于基于监控最大阈值和所述首件零件的加工监控数据库，将加工所述目标零件的所述刀具在所述第一功率监控段中的最大功率与所述监控最大阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述加工监控数据库中的最大功率包括所述监控最大阈值；所述加工监控数据库包括在所述第一功率监控段中加工历史零件的若干刀具的最大功率集合；
第二获得模块，用于若所述目标零件为非首件零件，则获得每把所述刀具在第二功率监控段中的最大功率；其中，所述第二功率监控段为每把所述刀具加工对应零件的过程中从加工安全平面进入加工区域到退回安全平面的一个程序段；
第三判断模块，用于基于监控级阈值和所述非首件零件的学习数据库，将加工所述目标零件的所述刀具在第二功率监控段中的最大功率与所述监控级阈值进行比对，以判断对所述目标零件的加工是否异常；其中，所述学习数据库中的最大功率包括所述监控级阈值；所述学习数据库包括在所述第二功率监控段中加工历史零件的若干刀具的最大功率集合。
11.一种计算机设备，其特征在于，该计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现如权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现如权利要求1-9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211162037.5A CN115509177B (zh) | 2022-09-22 | 2022-09-22 | 一种零件加工过程异常监控方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211162037.5A CN115509177B (zh) | 2022-09-22 | 2022-09-22 | 一种零件加工过程异常监控方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115509177A true CN115509177A (zh) | 2022-12-23 |
| CN115509177B CN115509177B (zh) | 2024-01-12 |
Family
ID=84506628
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211162037.5A Active CN115509177B (zh) | 2022-09-22 | 2022-09-22 | 一种零件加工过程异常监控方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115509177B (zh) |
Citations (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100294616A1 (en) * | 2009-05-21 | 2010-11-25 | Yamabiko Corporation | Work Apparatus With Safety Equipment |
| 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 |
| CN102091972A (zh) * | 2010-12-28 | 2011-06-15 | 华中科技大学 | 一种数控机床刀具磨损监测方法 |
| CN102789200A (zh) * | 2012-08-21 | 2012-11-21 | 南京航空航天大学 | 集成式飞机结构件数控加工能力测试模型及其应用 |
| US20140094956A1 (en) * | 2012-09-28 | 2014-04-03 | Robert Bosch Gmbh | System And Method For Identification Of Contact Between A Human And A Static Implement In A Power Tool |
| EP2767150A1 (en) * | 2013-02-19 | 2014-08-20 | Husqvarna AB | Improved robotic work tool |
| CN104750027A (zh) * | 2015-04-10 | 2015-07-01 | 大连理工大学 | 一种基于机床主轴功率信号的刀具破损预警系统 |
| CN105867305A (zh) * | 2016-05-13 | 2016-08-17 | 南京航空航天大学 | 基于加工特征的复杂结构件数控加工状态实时监控方法 |
| CN107186547A (zh) * | 2017-05-25 | 2017-09-22 | 重庆大学 | 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 |
| CN107738140A (zh) * | 2017-09-30 | 2018-02-27 | 深圳吉兰丁智能科技有限公司 | 一种监控刀具状态的方法、系统以及处理设备 |
| 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 |
| US20190025795A1 (en) * | 2016-01-13 | 2019-01-24 | Komet Group Gmbh | Method for monitoring a machine tool, and controller |
| CN109507952A (zh) * | 2018-12-12 | 2019-03-22 | 成都飞机工业（集团）有限责任公司 | 一种基于切削负载的复杂零件数控加工异常状态监控方法 |
| CN110549162A (zh) * | 2018-06-01 | 2019-12-10 | 日立汽车系统（中国）有限公司 | 切削异常的检测方法、切削异常的检测装置 |
| CN111347292A (zh) * | 2020-02-21 | 2020-06-30 | 青岛理工大学 | 数控机床刀具状态监测及控制系统与方法 |
| CN111522297A (zh) * | 2020-05-09 | 2020-08-11 | 湖南工学院 | 基于能耗优化的数控加工控制方法、装置及电子设备 |
| CN111948976A (zh) * | 2020-07-31 | 2020-11-17 | 深圳吉兰丁智能科技有限公司 | 刀具状态监控方法、非易失性可读存储介质及电子设备 |
| CN112147950A (zh) * | 2020-09-17 | 2020-12-29 | 成都航空职业技术学院 | 数控侧铣加工系统及其阈值与待监控信号的精确同步方法 |
| CN112305992A (zh) * | 2020-10-24 | 2021-02-02 | 西安航天动力测控技术研究所 | 数控加工设备无人值守加工方法 |
| CN112434613A (zh) * | 2020-11-25 | 2021-03-02 | 北京南洋思源智能科技有限公司 | 一种刀具状态监测方法及装置、设备、存储介质 |
| CN112589535A (zh) * | 2020-11-25 | 2021-04-02 | 北京南洋思源智能科技有限公司 | 一种刀具状态监测方法及装置、设备、存储介质 |
| CN113031521A (zh) * | 2021-03-08 | 2021-06-25 | 西门子工厂自动化工程有限公司 | 数控机床的刀具监控系统和方法 |
| CN113220537A (zh) * | 2021-06-02 | 2021-08-06 | 上海节卡机器人科技有限公司 | 一种软件监控方法、装置、设备及可读存储介质 |
| CN113608482A (zh) * | 2021-08-13 | 2021-11-05 | 重庆允成互联网科技有限公司 | 一种精密加工刀具智能监控方法、系统及管理系统 |
| CN113941901A (zh) * | 2020-07-17 | 2022-01-18 | 智能云科信息科技有限公司 | 机床刀具监控方法、监控装置及电子设备 |
| CN114064382A (zh) * | 2020-07-31 | 2022-02-18 | 中移(苏州)软件技术有限公司 | 一种异常监控方法、装置、设备及存储介质 |
| CN114237156A (zh) * | 2021-12-07 | 2022-03-25 | 纽控(广东)数控技术有限公司 | Cnc自动化生产线加工过程监控方法、装置、终端和介质 |
| CN114488949A (zh) * | 2022-01-19 | 2022-05-13 | 成都飞机工业（集团）有限责任公司 | 实现数控加工状态监控数据与学习数据同步的方法和装置 |
| US20220179394A1 (en) * | 2020-12-09 | 2022-06-09 | Aktiebolaget Skf | Machine tool management method, machine tool management system and medium |
| CN115061426A (zh) * | 2022-06-27 | 2022-09-16 | 陕西法士特齿轮有限责任公司 | 一种数控机床断刀监测方法、可读存储介质及终端设备 |
-
2022
- 2022-09-22 CN CN202211162037.5A patent/CN115509177B/zh active Active
Patent Citations (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100294616A1 (en) * | 2009-05-21 | 2010-11-25 | Yamabiko Corporation | Work Apparatus With Safety Equipment |
| 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 |
| CN102091972A (zh) * | 2010-12-28 | 2011-06-15 | 华中科技大学 | 一种数控机床刀具磨损监测方法 |
| CN102789200A (zh) * | 2012-08-21 | 2012-11-21 | 南京航空航天大学 | 集成式飞机结构件数控加工能力测试模型及其应用 |
| US20140094956A1 (en) * | 2012-09-28 | 2014-04-03 | Robert Bosch Gmbh | System And Method For Identification Of Contact Between A Human And A Static Implement In A Power Tool |
| EP2767150A1 (en) * | 2013-02-19 | 2014-08-20 | Husqvarna AB | Improved robotic work tool |
| CN104750027A (zh) * | 2015-04-10 | 2015-07-01 | 大连理工大学 | 一种基于机床主轴功率信号的刀具破损预警系统 |
| US20190025795A1 (en) * | 2016-01-13 | 2019-01-24 | Komet Group Gmbh | Method for monitoring a machine tool, and controller |
| CN105867305A (zh) * | 2016-05-13 | 2016-08-17 | 南京航空航天大学 | 基于加工特征的复杂结构件数控加工状态实时监控方法 |
| CN107186547A (zh) * | 2017-05-25 | 2017-09-22 | 重庆大学 | 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 |
| CN107738140A (zh) * | 2017-09-30 | 2018-02-27 | 深圳吉兰丁智能科技有限公司 | 一种监控刀具状态的方法、系统以及处理设备 |
| CN110549162A (zh) * | 2018-06-01 | 2019-12-10 | 日立汽车系统（中国）有限公司 | 切削异常的检测方法、切削异常的检测装置 |
| 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 |
| CN109507952A (zh) * | 2018-12-12 | 2019-03-22 | 成都飞机工业（集团）有限责任公司 | 一种基于切削负载的复杂零件数控加工异常状态监控方法 |
| CN111347292A (zh) * | 2020-02-21 | 2020-06-30 | 青岛理工大学 | 数控机床刀具状态监测及控制系统与方法 |
| CN111522297A (zh) * | 2020-05-09 | 2020-08-11 | 湖南工学院 | 基于能耗优化的数控加工控制方法、装置及电子设备 |
| CN113941901A (zh) * | 2020-07-17 | 2022-01-18 | 智能云科信息科技有限公司 | 机床刀具监控方法、监控装置及电子设备 |
| CN111948976A (zh) * | 2020-07-31 | 2020-11-17 | 深圳吉兰丁智能科技有限公司 | 刀具状态监控方法、非易失性可读存储介质及电子设备 |
| CN114064382A (zh) * | 2020-07-31 | 2022-02-18 | 中移(苏州)软件技术有限公司 | 一种异常监控方法、装置、设备及存储介质 |
| CN112147950A (zh) * | 2020-09-17 | 2020-12-29 | 成都航空职业技术学院 | 数控侧铣加工系统及其阈值与待监控信号的精确同步方法 |
| CN112305992A (zh) * | 2020-10-24 | 2021-02-02 | 西安航天动力测控技术研究所 | 数控加工设备无人值守加工方法 |
| CN112589535A (zh) * | 2020-11-25 | 2021-04-02 | 北京南洋思源智能科技有限公司 | 一种刀具状态监测方法及装置、设备、存储介质 |
| CN112434613A (zh) * | 2020-11-25 | 2021-03-02 | 北京南洋思源智能科技有限公司 | 一种刀具状态监测方法及装置、设备、存储介质 |
| US20220179394A1 (en) * | 2020-12-09 | 2022-06-09 | Aktiebolaget Skf | Machine tool management method, machine tool management system and medium |
| CN113031521A (zh) * | 2021-03-08 | 2021-06-25 | 西门子工厂自动化工程有限公司 | 数控机床的刀具监控系统和方法 |
| CN113220537A (zh) * | 2021-06-02 | 2021-08-06 | 上海节卡机器人科技有限公司 | 一种软件监控方法、装置、设备及可读存储介质 |
| CN113608482A (zh) * | 2021-08-13 | 2021-11-05 | 重庆允成互联网科技有限公司 | 一种精密加工刀具智能监控方法、系统及管理系统 |
| CN114237156A (zh) * | 2021-12-07 | 2022-03-25 | 纽控(广东)数控技术有限公司 | Cnc自动化生产线加工过程监控方法、装置、终端和介质 |
| CN114488949A (zh) * | 2022-01-19 | 2022-05-13 | 成都飞机工业（集团）有限责任公司 | 实现数控加工状态监控数据与学习数据同步的方法和装置 |
| CN115061426A (zh) * | 2022-06-27 | 2022-09-16 | 陕西法士特齿轮有限责任公司 | 一种数控机床断刀监测方法、可读存储介质及终端设备 |
Non-Patent Citations (1)
| Title |
|---|
| 高鑫 等: "柔性线加工模式下航空结构件数控加工工艺设计技术研究", 《航空制造技术》, vol. 65, no. 7, pages 96 - 103 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115509177B (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE102017011290B4 (de) | Vorrichtung für maschinelles Lernen, CNC-Vorrichtung und maschinelles Lernverfahren zum Erkennen eines Anzeichens eines Auftretens von Rattern im Werkzeug einer Werkzeugmaschine | |
| CN109909804B (zh) | 基于主轴驱动电流和工步的刀具磨损破损在线监测方法 | |
| DE102017129227B4 (de) | Nummerische Steuerung und Maschinenlernvorrichtung | |
| CN100465829C (zh) | 制程机台监控的离线量测的方法与系统 | |
| US20200089191A1 (en) | Method for monitoring cutting-tool abrasion | |
| CN115712268B (zh) | 一种电子产品辅料自动贴合装置用故障预警系统 | |
| CN105204443A (zh) | 无须进行繁杂的准备工作便可算出能够抑制再生颤振的主轴稳定转数的装置 | |
| US20200004221A1 (en) | Method and system for tool life monitoring and management in a cnc environment | |
| WO2015021751A1 (zh) | 一种数据驱动的集成电路工艺设备异常预警技术方法 | |
| CN103197609A (zh) | 数控加工动态特征建模方法 | |
| CN113552840A (zh) | 一种机械加工控制系统 | |
| CN105302123A (zh) | 在线测量数据的监控方法 | |
| CN112904800A (zh) | 一种机床智能优化方法及机床智能优化辅助系统 | |
| DE102015225501A1 (de) | Werkzeuglebensdauer-Managementvorrichtung für abgestuftes Werkzeug | |
| CN106774160A (zh) | 推荐维护通知系统 | |
| CN115509177A (zh) | 一种零件加工过程异常监控方法、装置、设备及介质 | |
| DE102017001578A1 (de) | Zellensteuervorrichtung, die einen Anomaliezustand einer Fertigungsmaschine für jeden Bereich oder Vorgang anzeigt | |
| CN113927370A (zh) | 一种基于多源信号的产线用刀具剩余寿命实时云监测系统及方法 | |
| CN116690313B (zh) | 一种飞机结构件腹板加工刀具失效监控方法 | |
| CN108115206B (zh) | 利用切削刀具对工件进行加工的方法、控制装置和系统 | |
| DE112011105907B4 (de) | Steuervorrichtung zum steuern einer elektrischen entladungsmaschine | |
| DE102020005810A1 (de) | Erfassungsvorrichtung und Programm | |
| CN104625273A (zh) | 线放电加工机以及线放电加工机的加工方法 | |
| CN116661403A (zh) | 一种柔性生产线的自适应匹配控制系统 | |
| CN115455359A (zh) | 小批量误差数据的自动校正与分布拟合方法 |
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 |