CN115533617A - 一种cnc加工中心刀具状态在线监测系统 - Google Patents
一种cnc加工中心刀具状态在线监测系统 Download PDFInfo
- Publication number
- CN115533617A CN115533617A CN202211336457.0A CN202211336457A CN115533617A CN 115533617 A CN115533617 A CN 115533617A CN 202211336457 A CN202211336457 A CN 202211336457A CN 115533617 A CN115533617 A CN 115533617A
- Authority
- CN
- China
- Prior art keywords
- cutting
- cutter
- cutting action
- target
- target cutting
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明涉及刀具状态在线监测技术领域,具体公开一种CNC加工中心刀具状态在线监测系统,包括切割过程预处理模块、切割过程状态分析模块、切割过程预警分析与显示模块、切割完成预处理模块、切割完成状态分析模块和切割完成预警分析与显示模块,通过对目标切割动作对应的刀具卡顿评估系数进行分析,有效弥补了近代刀具监控技术对切割过程视频中指定刀具对应的卡顿高度和卡顿次数分析的不足,提升了对指定刀具对应的切割动作分析的可靠性和有效性,为目标切割动作对应的切割过程状态评估系数提供了有力的数据支撑,增加了对指定刀具进行更换的及时性和响应效率,规避了处理工件质量存在的安全隐患,提高了处理工件的处理效率。
Description
技术领域
本发明涉及刀具状态在线监测技术领域,具体而言,涉及一种CNC加工中心刀具状态在线监测系统。
背景技术
CNC指的是计算机数字控制机床,因其具有普通机床不具备的特点,例如加工精度高、加工质量好等被广泛应用于机械制造业,而CNC加工中心刀具的状态对处理工件质量、生产效率、加工成本等均有着不同凡响的影响力,由此凸显了对刀具状态进行在线监测的重要性。
随着近代刀具监控技术的成熟,对切割过程中刀具状态的识别逐步由人工识别转变成通过各类传感器进行识别,由于各类传感器易受加工方式的影响,进而导致监测结果的精准度降低,其具体体现在以下方面:1.近代刀具监控技术没有对切割视频中切割刀具对应的卡顿高度和卡顿次数进行监测分析,无法有效地对切割刀具对应的切割动作进行分析,进而无法精准判断切割刀具的磨损程度,不利于及时对切割刀具进行更换,使得生产工件的质量存在一定的安全隐患,降低了生产工件的生产效率。
2.近代刀具监控技术主要通过对切割刀具的外观状态或处理工件的平整度进行监测分析,没有对此进行综合分析,不仅造成了切割刀具磨损状态的分析存在单一性和片面性,同时还无法为后续切割刀具的处理提供有力的数据支撑,使得切割刀具的更换和处理存在一定的延时,进一步造成了加工成本的增长,无法确保生产效率和生产工件质量。
发明内容
为了克服背景技术中的缺点,本发明实施例提供了一种CNC加工中心刀具状态在线监测系统,能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现:一种CNC加工中心刀具状态在线监测系统,包括:切割过程预处理模块,用于对目标切割动作对应的切割过程视频进行获取,并对目标切割动作对应的切割过程视频进行预处理,同时对目标切割动作中切割过程对应指定刀具产生各次声波的持续时长、频率和振动幅度进行监测,记为目标切割动作中指定刀具对应各次声波的持续时长、频率和振动幅度。
切割过程状态分析模块,用于对目标切割动作对应的切割过程状态进行分析,得到目标切割动作对应的切割过程状态评估系数,其中切割过程状态分析模块包括刀具卡顿分析单元、刀具磨损状态分析单元和切割过程状态分析单元。
切割过程预警分析与显示模块,用于对目标切割动作对应的切割过程等级进行分析,若目标切割动作对应的切割过程等级为预警等级,则进行预警显示,反之,则进行切割过程等级显示。
切割完成预处理模块,用于对目标切割动作中切割完成对应的指定刀具图像和处理工件图像获取,得到目标切割动作中切割完成对应的参数集合。
切割完成状态分析模块,用于对目标切割动作对应的切割完成状态进行分析,得到目标切割动作在切割完成后的刀具切割完好状态符合系数,其中切割完成状态分析模块包括刀具外观分析单元、处理工件分析单元和切割完成状态分析单元。
切割完成预警分析与显示模块,用于对目标切割动作对应的切割完成状态进行分析,并进行相应的显示。
作为本发明的进一步改进,所述对目标切割动作对应的切割过程视频进行预处理,其具体预处理方式如下:将目标切割动作对应的切割视频按照预设的慢速播放速度进行调整,并从中提取指定刀具与处理工件初次相触的时间点,记为开始时间点,同时从中提取指定刀具与处理工件末次相触的时间点,记为结束时间点。
从目标切割动作对应的切割视频中提取开始时间点至结束时间点的视频片段,记为目标切割动作对应的目标切割视频片段。
作为本发明的进一步改进,所述刀具卡顿分析单元用于对目标切割动作对应的目标切割视频片段进行分析,其具体分析过程如下:基于目标切割动作对应的目标切割视频片段对目标切割动作对应的切割时长进行获取,得到目标切割动作对应的切割时长,记为T。
从目标切割动作对应的目标切割视频片段中提取目标切割动作对应的指定刀具卡顿图像,并从目标切割动作对应的各指定刀具卡顿图像中获取目标切割动作中各次指定刀具卡顿的高度,得到目标切割动作中各次指定刀具卡顿的高度,记为Hi,i表示为各次指定刀具卡顿的编号,i=1,2,......,n,同时统计指定刀具卡顿的次数,记为N。
依据公式计算出目标切割动作对应的刀具卡顿评估系数,φ表示为目标切割动作对应的刀具卡顿评估系数,e表示为自然常数,T′、H′、N′表示为设定的参考切割时长、参考指定刀具卡顿高度、允许指定刀具卡顿次数,ΔH表示为设定的允许指定刀具卡顿高度差,a1、a2、a3分别表示为设定切割时长、指定刀具卡顿高度、指定刀具卡顿次数对应的权值因子。
作为本发明的进一步改进,所述刀具磨损状态分析单元用于对目标切割动作对应的指定刀具磨损状态进行分析,其具体分析方式为:将目标切割动作中指定刀具对应各次声波的振动幅度按照从大到小的顺序依次进行排列,同时从中提取最大振动幅度、最小振动幅度、集中振动幅度、中点振动幅度,分别记为Fmax、Fmin、Fmod、Fmid,并通过计算得到目标切割动作中指定刀具对应的振动幅度稳定指数,记为
将目标切割动作中指定刀具对应各次声波的频率与设定的各种声波频率对应的参考持续时长进行匹配,得到目标切割动作中指定刀具对应各次声波的参考持续时长,记为Tj′,j表示为各次声波的编号,j=1,2,......,m。
作为本发明的进一步改进,所述目标切割动作中指定刀具对应的振动幅度稳定指数,具体计算公式为:计算出目标切割动作中指定刀具对应的振动幅度稳定指数,Fm′ax、Fm′in、Fm′od、Fm′id分别表示为设定的参考最大振动幅度、参考最小振动幅度、参考集中振动幅度、参考中点振动幅度,ΔFmax、ΔFmin、ΔFmod、ΔFmid分别表示为设定的允许最大振动幅度差、允许最小振动幅度差、允许集中振动幅度差、允许中点振动幅度差,q1、q2、q3、q4分别表示为设定的最大振动幅度、最小振动幅度、集中振动幅度、中点振动幅度对应的影响因子。
作为本发明的进一步改进,所述切割过程状态分析单元用于对目标切割动作对应的切割过程状态评估系数进行分析,其具体分析公式为η表示为目标切割动作对应的切割过程状态评估系数,c1、c2分别表示为设定的刀具卡顿评估系数、磨损状态评估系数对应的系数因子。
作为本发明的进一步改进,所述刀具外观分析单元用于对目标切割动作中切割完成的指定刀具进行分析,其具体分析过程如下:基于目标切割动作中切割完成对应指定刀具的刀刃厚度图像在刀刃厚度图像中进行检测点均匀布设,同时获取刀刃厚度图像中各检测点位置对应的刀刃厚度,并通过计算得到目标切割动作中切割完成对应指定刀具的刀刃厚度均匀指数,记为λ1。
从目标切割动作中切割完成对应指定刀具的刀尖部位图像内提取指定刀具对应刀尖部位的面积,记为S,同时从目标切割动作中切割完成对应指定刀具的刀身部位图像内提取指定刀具对应刀身部位的磨损面积和划痕长度,分别记为S1和L,并通过计算得到目标切割动作中切割完成对应指定刀具的刀具状态评估指数,记为λ2。
作为本发明的进一步改进,所述处理工件分析单元用于对目标切割动作中切割完成的处理工件进行分析,其具体分析方式如下:基于目标切割动作中切割完成对应处理工件的指定切割面图像在处理工件对应的指定切割面处进行平整度检测点均匀布设,同时获取指定切割面图像中各平整度检测点对应的指定距离,记为lf,f表示为各平整度检测点的编号,f=1,2,......,g,并从中筛选出最大指定距离和最小指定距离,分别记为lmax和lmin,进而统计目标切割动作中切割完成对应的平均指定距离,记为
依据公式计算出目标切割动作中切割完成的处理工件平整度评估系数,σ表示为目标切割动作中切割完成的处理工件平整度评估系数,Δl表示为设定的允许指定距离差,l′表示为设定的参考指定距离,d1、d2、d3分别表示为设定的最大指定距离、最小指定距离、指定距离差对应的权值因子。
作为本发明的进一步改进,所述切割完成状态分析单元用于对目标切割动作在切割完成后的刀具切割完好状态符合系数进行分析,其具体分析公式为ω表示为目标切割动作在切割完成后的刀具切割完好状态符合系数,c3、c4分别表示为设定的指定刀具外观评估系数、处理工件平整度评估系数对应的系数因子。
作为本发明的进一步改进,所述对目标切割动作对应的切割完成状态进行分析,其具体分析方式为:将目标切割动作在切割完成后的刀具切割完好状态符合系数与设定的刀具切割完好状态符合系数阈值进行对比,若目标切割动作在切割完成后的刀具切割完好状态符合系数小于刀具切割完好状态符合系数阈值,则判定目标切割动作对应的切割完成状态为异常状态,反之,则判定目标切割动作对应的切割完成状态为正常状态。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:1、本发明通过智能摄像头对目标切割动作对应的切割过程视频进行获取,并从中获取目标切割动作中各次指定刀具卡顿的高度和卡顿数量,进而综合分析得到目标切割动作对应的刀具卡顿评估系数,有效弥补了近代刀具监控技术对切割过程视频中指定刀具对应的卡顿高度和卡顿次数分析的不足,大幅度提升了对指定刀具对应的切割动作分析的可靠性和有效性,在很大程度上为目标切割动作对应的切割过程状态评估系数提供了有力的数据支撑,从而大大增加了对指定刀具进行更换的及时性和响应效率,有效规避了处理工件质量存在的安全隐患,提高了处理工件的处理效率。
2、本发明通过对目标切割动作中切割过程对应指定刀具产生各次声波的持续时长、频率和振动幅度进行监测,由此反映了目标切割动作中切割过程对应指定刀具的磨损状态,进而通过分析得到目标切割动作对应指定刀具的磨损状态评估系数,实现了对目标切割动作中切割过程对应指定刀具的多维度分析,避免造成指定刀具磨损状态分析结果的片面性和单一性,进一步保障了目标切割动作对应的切割过程状态评估系数的精准性、科学性和可靠性。
3、本发明通过对目标切割动作中切割完成对应的指定刀具图像和处理工件图像获取,并从中提取目标切割动作中切割完成对应指定刀具的刀刃厚度图像、刀尖部位图像、刀身部位图像和处理工件的指定切割面图像,同时通过分析得到目标切割动作中切割完成对应的指定刀具外观评估系数和处理工件平整度评估系数,进而综合分析得到目标切割动作在切割完成后的刀具切割完好状态符合系数,从一方面来说,实现了对目标切割动作对应刀具切割完好状态符合系数的多维度分析,有效规避了指定刀具状态分析结果存在的单一性和片面性;从另一方面来说,为后续指定刀具的处理提供了有力的数据支撑,大大提升了指定刀具更换和处理的及时性,在很大程度上避免了加工成本的提升,有效确保了生产效率和生产工件质量。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明系统模块连接示意图。
图2为本发明切割过程状态分析模块连接示意图。
图3为本发明切割完成状态分析模块连接示意图。
图4为本发明刀尖部位示意图。
图5为本发明切割动作示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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,都属于本发明保护的范围。
参照图1所示,本发明提供一种CNC加工中心刀具状态在线监测系统,包括切割过程预处理模块、切割过程状态分析模块、切割过程预警分析与显示模块、切割完成预处理模块、切割完成状态分析模块和切割完成预警分析与显示模块。
所述切割过程预处理模块和切割过程状态分析模块连接,切割过程状态分析模块和切割过程预警分析与显示模块连接,切割完成预处理模块和切割完成状态分析模块连接,切割完成状态分析模块和切割完成预警分析与显示模块连接。
切割过程预处理模块,用于对目标切割动作对应的切割过程视频进行获取,并对目标切割动作对应的切割过程视频进行预处理,同时对目标切割动作中切割过程对应指定刀具产生各次声波的持续时长、频率和振动幅度进行监测,记为目标切割动作中指定刀具对应各次声波的持续时长、频率和振动幅度。
作为本发明的进一步改进,所述对目标切割动作对应的切割过程视频进行预处理,其具体预处理方式如下:将目标切割动作对应的切割视频按照预设的慢速播放速度进行调整,并从中提取指定刀具与处理工件初次相触的时间点,记为开始时间点,同时从中提取指定刀具与处理工件末次相触的时间点,记为结束时间点。
从目标切割动作对应的切割视频中提取开始时间点至结束时间点的视频片段,记为目标切割动作对应的目标切割视频片段。
需要说明的是,对目标切割动作中切割过程对应指定刀具产生各次声波的持续时长、频率和振动幅度进行监测,其具体监测方式为:通过声发射传感器对目标切割动作中切割过程对应指定刀具产生各次声波的持续时长、频率和振动幅度进行监测。
参照图2所示,切割过程状态分析模块,用于对目标切割动作对应的切割过程状态进行分析,得到目标切割动作对应的切割过程状态评估系数,其中切割过程状态分析模块包括刀具卡顿分析单元、刀具磨损状态分析单元和切割过程状态分析单元。
作为本发明的进一步改进,所述刀具卡顿分析单元用于对目标切割动作对应的目标切割视频片段进行分析,其具体分析过程如下:基于目标切割动作对应的目标切割视频片段对目标切割动作对应的切割时长进行获取,得到目标切割动作对应的切割时长,记为T。
从目标切割动作对应的目标切割视频片段中提取目标切割动作对应的指定刀具卡顿图像,并从目标切割动作对应的各指定刀具卡顿图像中获取目标切割动作中各次指定刀具卡顿的高度,得到目标切割动作中各次指定刀具卡顿的高度,记为Hi,i表示为各次指定刀具卡顿的编号,i=1,2,......,n,同时统计指定刀具卡顿的次数,记为N。
需要说明的是,对指定刀具的卡顿图像进行获取,其目的是为了对指定刀具的锋利度进行监测分析,并由此判断指定刀具对应的损耗程度,进而进行相应的处理。
依据公式计算出目标切割动作对应的刀具卡顿评估系数,φ表示为目标切割动作对应的刀具卡顿评估系数,e表示为自然常数,T′、H′、N′表示为设定的参考切割时长、参考指定刀具卡顿高度、允许指定刀具卡顿次数,ΔH表示为设定的允许指定刀具卡顿高度差,a1、a2、a3分别表示为设定切割时长、指定刀具卡顿高度、指定刀具卡顿次数对应的权值因子。
在一个具体的实施例中,指定刀具卡顿现象通常表现为:指定刀具对处理工件进行切割动作后,指定刀具存在一个短暂的卡顿现象,进而重新移动至设定的指定位置处。
在一个具体的实施例中,本发明通过智能摄像头对目标切割动作对应的切割过程视频进行获取,并从中获取目标切割动作中各次指定刀具卡顿的高度和卡顿数量,进而综合分析得到目标切割动作对应的刀具卡顿评估系数,有效弥补了近代刀具监控技术对切割过程视频中指定刀具对应的卡顿高度和卡顿次数分析的不足,大幅度提升了对指定刀具对应的切割动作分析的可靠性和有效性,在很大程度上为目标切割动作对应的切割过程状态评估系数提供了有力的数据支撑,从而大大增加了对指定刀具进行更换的及时性和响应效率,有效规避了处理工件质量存在的安全隐患,提高了处理工件的处理效率。
作为本发明的进一步改进,所述刀具磨损状态分析单元用于对目标切割动作对应的指定刀具磨损状态进行分析,其具体分析方式为:将目标切割动作中指定刀具对应各次声波的振动幅度按照从大到小的顺序依次进行排列,同时从中提取最大振动幅度、最小振动幅度、集中振动幅度、中点振动幅度,分别记为Fmax、Fmin、Fmod、Fmid,并通过计算得到目标切割动作中指定刀具对应的振动幅度稳定指数,记为
需要说明的是,所述集中振动幅度和中点振动幅度分别为:目标切割动作中指定刀具对应振动幅度的众数和中位数。
若目标切割动作中指定刀具对应振动幅度的众数为多个,则取其平均值作为集中振动幅度。
作为本发明的进一步改进,所述目标切割动作中指定刀具对应的振动幅度稳定指数,具体计算公式为:计算出目标切割动作中指定刀具对应的振动幅度稳定指数,Fm′ax、Fm′in、Fm′od、Fm′id分别表示为设定的参考最大振动幅度、参考最小振动幅度、参考集中振动幅度、参考中点振动幅度,ΔFmax、ΔFmin、ΔFmod、ΔFmid分别表示为设定的允许最大振动幅度差、允许最小振动幅度差、允许集中振动幅度差、允许中点振动幅度差,q1、q2、q3、q4分别表示为设定的最大振动幅度、最小振动幅度、集中振动幅度、中点振动幅度对应的影响因子。
将目标切割动作中指定刀具对应各次声波的频率与设定的各种声波频率对应的参考持续时长进行匹配,得到目标切割动作中指定刀具对应各次声波的参考持续时长,记为Tj′,j表示为各次声波的编号,j=1,2,......,m。
需要说明的是,依据公式计算出目标切割动作中指定刀具对应的频率符合指数,Tj、Pj分别表示为目标切割动作中指定刀具对应各次声波的持续时长、频率,ΔT、ΔP分别表示为设定允许持续时长差、允许频率差,q5、q6分别表示为设定的持续时长、频率对应的影响因子。
在一个具体的实施例中,本发明通过对目标切割动作中切割过程对应指定刀具产生各次声波的持续时长、频率和振动幅度进行监测,由此反映了目标切割动作中切割过程对应指定刀具的磨损状态,进而通过分析得到目标切割动作对应指定刀具的磨损状态评估系数,实现了对目标切割动作中切割过程对应指定刀具的多维度分析,避免造成指定刀具磨损状态分析结果的片面性和单一性,进一步保障了目标切割动作对应的切割过程状态评估系数的精准性、科学性和可靠性。
作为本发明的进一步改进,所述切割过程状态分析单元用于对目标切割动作对应的切割过程状态评估系数进行分析,其具体分析公式为η表示为目标切割动作对应的切割过程状态评估系数,c1、c2分别表示为设定的刀具卡顿评估系数、磨损状态评估系数对应的系数因子。
切割过程预警分析与显示模块,用于对目标切割动作对应的切割过程等级进行分析,若目标切割动作对应的切割过程等级为预警等级,则进行预警显示,反之,则进行切割过程等级显示。
需要说明的是,对目标切割动作对应的切割过程状态评估系数进行预警分析,其具体分析方式为:将目标切割动作对应的切割过程状态评估系数与设定的各种切割过程等级对应的切割过程状态评估系数进行对比,得到目标切割动作对应的切割过程等级。
切割完成预处理模块,用于对目标切割动作中切割完成对应的指定刀具图像和处理工件图像获取,得到目标切割动作中切割完成对应的参数集合。
需要说明的是,对目标切割动作中切割完成对应的指定刀具图像和处理工件图像获取,其具体获取方式如下:通过智能摄像头对目标切割动作中切割完成的指定刀具图像进行获取,并对指定刀具图像对应的刀刃厚度进行放大聚焦,得到目标切割动作中切割完成对应指定刀具的刀刃厚度图像,同时对指定刀具图像对应的刀尖部位进行放大聚焦,得到目标切割动作中切割完成对应指定刀具的刀尖部位图像。
需要说明的是,参照图4所示,指定刀具的刀尖部位具体为:指定刀具的刀尖与设定的标记线之间构成的区域记为刀尖部位。
将目标切割动作中切割完成的指定刀具图像对应的刀身部位图像进行放大聚焦,得到目标切割动作中切割完成对应指定刀具的刀身部位图像。
通过智能摄像头对目标切割动作中切割完成的处理工件图像进行获取,得到目标切割动作中切割完成对应处理工件的指定指定切割面图像。
由目标切割动作中切割完成对应指定刀具的刀刃厚度图像、刀尖部位图像、刀身部位图像和处理工件的指定切割面图像构成目标切割动作中切割完成对应的参数集合。
切割完成状态分析模块,用于对目标切割动作对应的切割完成状态进行分析,得到目标切割动作在切割完成后的刀具切割完好状态符合系数,其中切割完成状态分析模块包括刀具外观分析单元、处理工件分析单元和切割完成状态分析单元。
作为本发明的进一步改进,所述刀具外观分析单元用于对目标切割动作中切割完成的指定刀具进行分析,其具体分析过程如下:基于目标切割动作中切割完成对应指定刀具的刀刃厚度图像在刀刃厚度图像中进行检测点均匀布设,同时获取刀刃厚度图像中各检测点位置对应的刀刃厚度,并通过计算得到目标切割动作中切割完成对应指定刀具的刀刃厚度均匀指数,记为λ1。
需要说明的是,依据公式计算出目标切割动作中切割完成对应指定刀具的刀刃厚度均匀指数,hmax、hmin、分别表示为目标切割动作中切割完成对应指定刀具的最大刀刃厚度、最小刀刃厚度、平均刀刃厚度,h′表示为设定的参考刀刃厚度,β1、β2、β3分别表示为设定的最大刀刃厚度、最小刀刃厚度、平均刀刃厚度对应的影响因子。
从目标切割动作中切割完成对应指定刀具的刀尖部位图像内提取指定刀具对应刀尖部位的面积,记为S,同时从目标切割动作中切割完成对应指定刀具的刀身部位图像内提取指定刀具对应刀身部位的磨损面积和划痕长度,分别记为S1和L,并通过计算得到目标切割动作中切割完成对应指定刀具的刀具状态评估指数,记为λ2。
需要说明的是,依据公式计算出目标切割动作中切割完成对应指定刀具的刀具状态评估指数,S′表示为设定的刀尖部位初始面积,S1′、L′分别表示为设定的允许磨损面积、允许划痕长度,β4、β5、β6分别表示为刀尖部位面积、磨损面积、划痕长度对应的影响因子。
作为本发明的进一步改进,所述处理工件分析单元用于对目标切割动作中切割完成的处理工件进行分析,其具体分析方式如下:基于目标切割动作中切割完成对应处理工件的指定切割面图像在处理工件对应的指定切割面处进行平整度检测点均匀布设,同时获取指定切割面图像中各平整度检测点对应的指定距离,记为lf,f表示为各平整度检测点的编号,f=1,2,......,g,并从中筛选出最大指定距离和最小指定距离,分别记为lmax和lmin,进而统计目标切割动作中切割完成对应的平均指定距离,记为
需要说明的是,参照图5所示,指定距离具体为指定切割面上各平整度检测点与设定的处理工件尾端之间的距离。
依据公式计算出目标切割动作中切割完成的处理工件平整度评估系数,σ表示为目标切割动作中切割完成的处理工件平整度评估系数,Δl表示为设定的允许指定距离差,l′表示为设定的参考指定距离,d1、d2、d3分别表示为设定的最大指定距离、最小指定距离、指定距离差对应的权值因子。
作为本发明的进一步改进,所述切割完成状态分析单元用于对目标切割动作在切割完成后的刀具切割完好状态符合系数进行分析,其具体分析公式为ω表示为目标切割动作在切割完成后的刀具切割完好状态符合系数,c3、c4分别表示为设定的指定刀具外观评估系数、处理工件平整度评估系数对应的系数因子。
在一个具体的实施例中,本发明通过对目标切割动作中切割完成对应的指定刀具图像和处理工件图像获取,并从中提取目标切割动作中切割完成对应指定刀具的刀刃厚度图像、刀尖部位图像、刀身部位图像和处理工件的指定切割面图像,同时通过分析得到目标切割动作中切割完成对应的指定刀具外观评估系数和处理工件平整度评估系数,进而综合分析得到目标切割动作在切割完成后的刀具切割完好状态符合系数,从一方面来说,实现了对目标切割动作对应刀具切割完好状态符合系数的多维度分析,有效规避了指定刀具状态分析结果存在的单一性和片面性;从另一方面来说,为后续指定刀具的处理提供了有力的数据支撑,大大提升了指定刀具更换和处理的及时性,在很大程度上避免了加工成本的提升,有效确保了生产效率和生产工件质量。
切割完成预警分析与显示模块,用于对目标切割动作对应的切割完成状态进行分析,并进行相应的显示。
作为本发明的进一步改进,所述对目标切割动作对应的切割完成状态进行分析,其具体分析方式为:将目标切割动作在切割完成后的刀具切割完好状态符合系数与设定的刀具切割完好状态符合系数阈值进行对比,若目标切割动作在切割完成后的刀具切割完好状态符合系数小于刀具切割完好状态符合系数阈值,则判定目标切割动作对应的切割完成状态为异常状态,反之,则判定目标切割动作对应的切割完成状态为正常状态。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种CNC加工中心刀具状态在线监测系统,其特征在于,包括:
切割过程预处理模块,用于对目标切割动作对应的切割过程视频进行获取,并对目标切割动作对应的切割过程视频进行预处理,同时对目标切割动作中切割过程对应指定刀具产生各次声波的持续时长、频率和振动幅度进行监测,记为目标切割动作中指定刀具对应各次声波的持续时长、频率和振动幅度;
切割过程状态分析模块,用于对目标切割动作对应的切割过程状态进行分析,得到目标切割动作对应的切割过程状态评估系数,其中切割过程状态分析模块包括刀具卡顿分析单元、刀具磨损状态分析单元和切割过程状态分析单元;
切割过程预警分析与显示模块,用于对目标切割动作对应的切割过程等级进行分析,若目标切割动作对应的切割过程等级为预警等级,则进行预警显示,反之,则进行切割过程等级显示;
切割完成预处理模块,用于对目标切割动作中切割完成对应的指定刀具图像和处理工件图像获取,得到目标切割动作中切割完成对应的参数集合;
切割完成状态分析模块,用于对目标切割动作对应的切割完成状态进行分析,得到目标切割动作在切割完成后的刀具切割完好状态符合系数,其中切割完成状态分析模块包括刀具外观分析单元、处理工件分析单元和切割完成状态分析单元;
切割完成预警分析与显示模块,用于对目标切割动作对应的切割完成状态进行分析,并进行相应的显示。
2.根据权利要求1所述的一种CNC加工中心刀具状态在线监测系统,其特征在于:所述对目标切割动作对应的切割过程视频进行预处理,其具体预处理方式如下:
将目标切割动作对应的切割视频按照预设的慢速播放速度进行调整,并从中提取指定刀具与处理工件初次相触的时间点,记为开始时间点,同时从中提取指定刀具与处理工件末次相触的时间点,记为结束时间点;
从目标切割动作对应的切割视频中提取开始时间点至结束时间点的视频片段,记为目标切割动作对应的目标切割视频片段。
3.根据权利要求2所述的一种CNC加工中心刀具状态在线监测系统,其特征在于:所述刀具卡顿分析单元用于对目标切割动作对应的目标切割视频片段进行分析,其具体分析过程如下:
基于目标切割动作对应的目标切割视频片段对目标切割动作对应的切割时长进行获取,得到目标切割动作对应的切割时长,记为T;
从目标切割动作对应的目标切割视频片段中提取目标切割动作对应的指定刀具卡顿图像,并从目标切割动作对应的各指定刀具卡顿图像中获取目标切割动作中各次指定刀具卡顿的高度,得到目标切割动作中各次指定刀具卡顿的高度,记为Hi,i表示为各次指定刀具卡顿的编号,i=1,2,......,n,同时统计指定刀具卡顿的次数,记为N;
4.根据权利要求3所述的一种CNC加工中心刀具状态在线监测系统,其特征在于:所述刀具磨损状态分析单元用于对目标切割动作对应的指定刀具磨损状态进行分析,其具体分析方式为:
将目标切割动作中指定刀具对应各次声波的振动幅度按照从大到小的顺序依次进行排列,同时从中提取最大振动幅度、最小振动幅度、集中振动幅度、中点振动幅度,分别记为Fmax、Fmin、Fmod、Fmid,并通过计算得到目标切割动作中指定刀具对应的振动幅度稳定指数,记为
将目标切割动作中指定刀具对应各次声波的频率与设定的各种声波频率对应的参考持续时长进行匹配,得到目标切割动作中指定刀具对应各次声波的参考持续时长,记为T′j,j表示为各次声波的编号,j=1,2,......,m;
7.根据权利要求1所述的一种CNC加工中心刀具状态在线监测系统,其特征在于:所述刀具外观分析单元用于对目标切割动作中切割完成的指定刀具进行分析,其具体分析过程如下:
基于目标切割动作中切割完成对应指定刀具的刀刃厚度图像在刀刃厚度图像中进行检测点均匀布设,同时获取刀刃厚度图像中各检测点位置对应的刀刃厚度,并通过计算得到目标切割动作中切割完成对应指定刀具的刀刃厚度均匀指数,记为λ1;
从目标切割动作中切割完成对应指定刀具的刀尖部位图像内提取指定刀具对应刀尖部位的面积,记为S,同时从目标切割动作中切割完成对应指定刀具的刀身部位图像内提取指定刀具对应刀身部位的磨损面积和划痕长度,分别记为S1和L,并通过计算得到目标切割动作中切割完成对应指定刀具的刀具状态评估指数,记为λ2;
8.根据权利要求7所述的一种CNC加工中心刀具状态在线监测系统,其特征在于:所述处理工件分析单元用于对目标切割动作中切割完成的处理工件进行分析,其具体分析方式如下:
基于目标切割动作中切割完成对应处理工件的指定切割面图像在处理工件对应的指定切割面处进行平整度检测点均匀布设,同时获取指定切割面图像中各平整度检测点对应的指定距离,记为lf,f表示为各平整度检测点的编号,f=1,2,......,g,并从中筛选出最大指定距离和最小指定距离,分别记为lmax和lmin,进而统计目标切割动作中切割完成对应的平均指定距离,记为
10.根据权利要求1所述的一种CNC加工中心刀具状态在线监测系统,其特征在于:所述对目标切割动作对应的切割完成状态进行分析,其具体分析方式为:
将目标切割动作在切割完成后的刀具切割完好状态符合系数与设定的刀具切割完好状态符合系数阈值进行对比,若目标切割动作在切割完成后的刀具切割完好状态符合系数小于刀具切割完好状态符合系数阈值,则判定目标切割动作对应的切割完成状态为异常状态,反之,则判定目标切割动作对应的切割完成状态为正常状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211336457.0A CN115533617A (zh) | 2022-10-28 | 2022-10-28 | 一种cnc加工中心刀具状态在线监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211336457.0A CN115533617A (zh) | 2022-10-28 | 2022-10-28 | 一种cnc加工中心刀具状态在线监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115533617A true CN115533617A (zh) | 2022-12-30 |
Family
ID=84718160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211336457.0A Pending CN115533617A (zh) | 2022-10-28 | 2022-10-28 | 一种cnc加工中心刀具状态在线监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115533617A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196417A (zh) * | 2023-11-08 | 2023-12-08 | 天津市丰和博科技发展有限公司 | 一种立式加工机床加工数据智能分析管理系统 |
-
2022
- 2022-10-28 CN CN202211336457.0A patent/CN115533617A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196417A (zh) * | 2023-11-08 | 2023-12-08 | 天津市丰和博科技发展有限公司 | 一种立式加工机床加工数据智能分析管理系统 |
CN117196417B (zh) * | 2023-11-08 | 2024-01-30 | 天津市丰和博科技发展有限公司 | 一种立式加工机床加工数据智能分析管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059442B (zh) | 一种基于零件表面粗糙度和功率信息的车削加工换刀方法 | |
CN110587377B (zh) | 一种在线监测铣削加工刀具缺损的方法 | |
Yang et al. | Vibration singularity analysis for milling tool condition monitoring | |
Jemielniak et al. | Tool condition monitoring based on numerous signal features | |
CN110561193A (zh) | 一种基于特征融合的刀具磨损评估及监控的方法与系统 | |
CN110576335B (zh) | 一种基于切削力的刀具磨损在线监测方法 | |
CN115202287B (zh) | 一种数控机床运行作业在线智能监测诊断分析系统 | |
Balsamo et al. | Multi sensor signal processing for catastrophic tool failure detection in turning | |
CN115533617A (zh) | 一种cnc加工中心刀具状态在线监测系统 | |
US20190160619A1 (en) | Tool State Detection Method of Machine Tool and System Thereof | |
CN114850969B (zh) | 一种基于振动信号的刀具失效监控方法 | |
Yang et al. | Application of bispectrum diagonal slice feature analysis in tool wear states monitoring | |
Jiang et al. | The monitoring of milling tool tipping by estimating holder exponents of vibration | |
TWI670138B (zh) | 應用於自動加工機的刀具磨耗預測方法 | |
JPH06344246A (ja) | 切削工具の摩耗検出方法 | |
CN116307938B (zh) | 一种加工中心进给系统健康状态评估方法 | |
CN210878880U (zh) | 一种数控车床刀具磨损监测系统 | |
JP3218908B2 (ja) | 表面疵検査方法及びその装置 | |
CN114880814A (zh) | 基于大数据的轧辊改制辅助优化方法 | |
Rawal et al. | Sensor based online quality monitoring system for detection of milling defects on CFRP structures | |
CN113752084A (zh) | 一种数控机床刀具性能的智能化监测方法和系统 | |
CN109239301B (zh) | 一种锚链闪光焊质量在线评估方法 | |
CN114988679B (zh) | 一种玻璃切割机床智能走刀控制方法 | |
CN114378355B (zh) | 一种办公家具加工用料板冲剪设备及其冲剪方法 | |
Xiqing et al. | Tool wear monitoring of acoustic emission signals from milling processes |
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 |