CN115716218A - 一种数控刀具状态在线监控系统 - Google Patents
一种数控刀具状态在线监控系统 Download PDFInfo
- Publication number
- CN115716218A CN115716218A CN202211211780.5A CN202211211780A CN115716218A CN 115716218 A CN115716218 A CN 115716218A CN 202211211780 A CN202211211780 A CN 202211211780A CN 115716218 A CN115716218 A CN 115716218A
- Authority
- CN
- China
- Prior art keywords
- machine tool
- value
- signal
- power
- signals
- 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
-
- 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
- Numerical Control (AREA)
Abstract
本发明公开了一种数控刀具状态在线监控系统,包括:数据采集模块,用于实时采集加工过程中机床主轴功率信号、三向切削振动信号;碰撞监测模块,用于根据采集的机床主轴端的实时切削振动信号,分析其信号区间的数据均值斜率变化,向机床发出停机指令;刀具加工状态监测模块,根据实际加工情况,选定通道的识别刀具状态实时信号超出设定上、下限阈值,则触发监控报警,向机床发送停机指令;自适应加工模块,用于根据采集机床主轴功率信号,调整加工过程机床的进给倍率;离线分析模块,用于分析历史数据特征;服务模块,用于记录在线监控系统运行状态、刀具加工过程中的日志信息。本发明系统能实现机床刀具状态的在线准确监控。
Description
技术领域
本发明涉及数控机床加工技术,尤其涉及一种数控刀具状态在线监控系统。
背景技术
目前,机械加工现场根据经验预估刀具使用寿命,一般根据刀具加工时长与加工工件件数设置刀具寿命,到达一定标准时需更换新刀具。由于同型号刀具具有个体差异性,同一标准定义刀具保守性的极限寿命,会造成刀具资源浪费;若刀具在预定极限寿命内到达磨损极限或破损没有及时发现并继续加工,会导致当前加工工件的加工质量问题。
现有大量的刀具状态监测研究是根据积累数据特征的分析,通过机器学习和深度学习的预测刀具状态,由于机械加工环境错综复杂,刀具的状态信号在不同刀具、不同机床和不同工艺参数等情况下存在很大的差异性,现有刀具状态预测算法的鲁棒性和实时较差,对于不同刀具状态信号的识别缺乏灵活性。因此,在线准确预测刀具状态和充分发挥刀具性能存在一定难度。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种数控刀具状态在线监控系统。
本发明解决其技术问题所采用的技术方案是:一种数控刀具状态在线监控系统,包括:
数据采集模块,用于实时采集加工过程中机床主轴功率信号、三向切削振动信号以及机床主轴空间位置坐标,选择敏感特征实时信号通道,作为监控刀具状态的识别刀具状态敏感实时信号;
碰撞监测模块,用于根据采集的机床主轴端的实时切削振动信号,分析其信号区间的数据均值斜率变化,当斜率突变超出的设定阈值时,向机床发出停机指令;
刀具加工状态监测模块,根据实际加工情况,选定系统单一通道的识别刀具状态实时信号超出设定上、下限阈值,则触发监控报警,向机床发送停机指令;
自适应加工模块,用于根据采集机床主轴功率信号,调整加工过程机床的进给倍率;具体如下:
若当前时间段机床主轴功率信号均值小于设定功率Pg值,判断刀具此时为空运行状态,将进给倍率调整为最大值;
若当前时间段机床主轴功率信号均值保持在最小值Pmmin和最大值Pmmax之间,利用布伦特算法(Brent-Dekker)调整加工过程机床的进给倍率;
若当前时间段机床主轴功率信号均值小于Pmmin值,提升进给倍率直至机床主轴功率信号均值等于Pmmin值;
若当前时间段功率信号均值大于Pmmax值,降低进给倍率直至机床主轴功率信号均值等于Pmmax值;
离线分析模块,用于分析历史数据特征,包含数据离线展示、历史数据回访、数据滤波操作、数据特征提取、数据截取、数据合并和数据改正;
服务模块,用于记录在线监控系统运行状态、刀具加工过程中的日志信息;日志信息包括日期时间、事件列表、事件限制、日志评估。
按上述方案,所述刀具加工状态监测模块中,上、下限阈值按如下方式设定:
将采集的单一通道的实时信号按每段信号为一个周期的正弦波规则分成若干个信号段,均分为N段,以每组包含M段信号区间均分成I组,N=M×I,设定学习次数为K次,N、M、I和K均为≥1的正整数,每组信号段上、下边界点公式为:
为第i组M段信号的上边界点,为第i组M段信号的下边界点;将各M段信号的上边界点连接,形成刀具状态监测上限阈值曲线,将各M段信号的下边界点连接,形成刀具状态监测下限阈值曲线;根据刀具性能实际情况,利用α1/2、β1/2系数调整阈值区间。
按上述方案,所述自适应加工模块中,结合布伦特算法(Brent-Dekker)调整加工过程机床的进给倍率;
然后根据布伦特(Brent-Dekker)算法调整进给倍率值,运算过程中,算法首先利用反二次插值法或线性插值法快速迭代实现超线性收敛,如果不满足插值条件,则利用二分法迭代求根,计算得出符合要求的进给倍率值;具体如下:
1)利用反二次插值法或线性插值法快速迭代实现超线性收敛;
当f(bk-2)·f(bk-1)<0,且|f(bk-2)|<|f(bk-1)|时,
若满足f(bk-2)≠f(bk)和f(bk-1)≠f(bk);
式中:s表示进给倍率;bk表示当前迭代点的进给倍率,bk-1表示上次迭代点的进给倍率,bk-2表示上上次迭代点的进给倍率,初始运算时bk-2取机床进给倍率设定区间的最小值,bk-1为机床进给倍率设定区间的最大值;f(bk)为当前迭代点的功率值;
否则进行线性插值,满足f(bk)≠f(bk-1);
2)利用二分法迭代求根,计算得出符合要求的进给倍率值;
若给定固定值δ,按以下步骤计算:
2.2)在上次迭代使用二分法的前提下,若使当前迭代利用插值算法,则计算不等式:
不等式均满足时,则输出进给倍率s作为调整后的进给倍率;否则,二分法将继续实施;
2.3)在上次迭代使用插值算法的前提下,若使当前迭代利用插值算法,则计算不等式:
不等式均满足时,输出进给倍率s作为调整后的进给倍率;否则,二分法将继续实施,公式如下:
当f(b)值属于[-ε,ε]时,停止迭代计算,输出运行时进给倍率值。
本发明产生的有益效果是:
本发明适应不同加工条件下的刀具状态实时监控,能有效发挥刀具寿命,避免发生由于刀具磨损、破损和机床碰撞导致的加工异常问题,对实现机床刀具状态的在线准确监控具有重要意义。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的结构示意图;
图2是本发明实施例的信号上、下限监控阈值示意图;
图3是本发明实施例的进给倍率在线调整策略示意图;
图4是本发明实施例的进给倍率优化方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一种数控刀具状态在线监控系统,包括:
数据采集模块,用于实时采集加工过程中机床主轴功率信号、三向切削振动信号以及机床主轴空间位置坐标,选择敏感特征实时信号通道,作为监控刀具状态的识别刀具状态敏感实时信号;
本系统中使用的数据采集硬件由传感器、数据采集卡、接线端子、工控机和显示器组成,在机床边缘侧采集机床信息、传感器信号和输出控制机床指令;
碰撞监测模块,用于根据采集的机床主轴端的实时切削振动信号,分析其信号区间的数据均值斜率变化,当斜率突变超出的设定阈值时,向机床发出停机指令;
刀具加工状态监测模块,根据实际加工情况,选定系统单一通道的识别刀具状态实时信号超出设定上、下限阈值,则触发监控报警,向机床发送停机指令;
如图2所示,刀具加工状态监测模块中,上、下限阈值按如下方式设定:
将采集的单一通道的实时信号按每段信号为一个周期的正弦波规则分成若干个信号段,均分为N段,以每组包含M段信号区间均分成I组,N=M×I,设定学习次数为K次,N、M、I和K均为≥1的正整数,每组信号段上、下边界点公式为:
为第i组M段信号的上边界点,为第i组M段信号的下边界点;将各M段信号的上边界点连接,形成刀具状态监测上限阈值曲线,将各M段信号的下边界点连接,形成刀具状态监测下限阈值曲线;根据刀具性能实际情况,利用α1/2、β1/2系数调整阈值区间;
自适应加工模块,用于根据采集机床主轴功率信号,调整加工过程机床的进给倍率;如图3所示,具体如下:
若当前时间段机床主轴功率信号均值小于设定功率Pg值,判断刀具此时为空运行状态,将进给倍率调整为最大值;
若当前时间段机床主轴功率信号均值保持在最小值Pmmin和最大值Pmmax之间,利用布伦特算法(Brent-Dekker)调整加工过程机床的进给倍率;
自适应加工模块中,结合布伦特算法(Brent-Dekker)调整加工过程机床的进给倍率;
然后根据布伦特(Brent-Dekker)算法调整进给倍率值,如图4所示。运算过程中,算法首先利用反二次插值法或线性插值法快速迭代实现超线性收敛,如果不满足插值条件,则利用二分法迭代求根,计算得出符合要求的进给倍率值;具体如下:
1)利用反二次插值法或线性插值法快速迭代实现超线性收敛;
当f(bk-2)·f(bk-1)<0,且|f(bk-2)|<|f(bk-1)|时,
若满足f(bk-2)≠f(bk)和f(bk-1)≠f(bk);
式中:s表示进给倍率;bk表示当前迭代点的进给倍率,bk-1表示上次迭代点的进给倍率,bk-2表示上上次迭代点的进给倍率,初始运算时bk-2取机床进给倍率设定区间的最小值,bk-1为机床进给倍率设定区间的最大值;f(bk)为当前迭代点的功率值;
否则进行线性插值,满足f(bk)≠f(bk-1);
2)利用二分法迭代求根,计算得出符合要求的进给倍率值;
若给定固定值δ,按以下步骤计算:
2.2)在上次迭代使用二分法的前提下,若使当前迭代利用插值算法,则计算不等式:
不等式均满足时,则输出进给倍率s作为调整后的进给倍率;否则,二分法将继续实施;
2.3)在上次迭代使用插值算法的前提下,若使当前迭代利用插值算法,则计算不等式:
不等式均满足时,输出进给倍率s作为调整后的进给倍率;否则,二分法将继续实施,公式如下:
当f(b)值属于[-ε,ε]时,停止迭代计算,输出运行时进给倍率值;
若当前时间段机床主轴功率信号均值小于Pmmin值,提升进给倍率直至机床主轴功率信号均值等于Pmmin值;
若当前时间段功率信号均值大于Pmmax值,降低进给倍率直至机床主轴功率信号均值等于Pmmax值;
离线分析模块,用于分析历史数据特征,包含数据离线展示、历史数据回访、数据滤波操作、数据特征提取、数据截取、数据合并和数据改正;
服务模块,用于记录在线监控系统运行状态、刀具加工过程中的日志信息;日志信息包括日期时间、事件列表、事件限制、日志评估。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (3)
1.一种数控刀具状态在线监控系统,其特征在于,包括:
数据采集模块,用于实时采集加工过程中机床主轴功率信号、三向切削振动信号以及机床主轴空间位置坐标,选择敏感特征实时信号通道,作为监控刀具状态的识别刀具状态敏感实时信号;
碰撞监测模块,用于根据采集的机床主轴端的实时切削振动信号,分析其信号区间的数据均值斜率变化,当斜率突变超出的设定阈值时,向机床发出停机指令;
刀具加工状态监测模块,用于根据实际加工情况,选定通道的识别刀具状态实时信号超出设定上、下限阈值,则触发监控报警,向机床发送停机指令;
自适应加工模块,用于根据采集机床主轴功率信号,调整加工过程机床的进给倍率;具体如下:
若当前时间段机床主轴功率信号均值小于设定功率Pg值,判断刀具此时为空运行状态,将进给倍率调整为最大值;
若当前时间段机床主轴功率信号均值保持在最小值Pmmin和最大值Pmmax之间,利用布伦特算法调整加工过程机床的进给倍率;
若当前时间段机床主轴功率信号均值小于Pmmin值,提升进给倍率直至机床主轴功率信号均值等于Pmmin值;
若当前时间段功率信号均值大于Pmmax值,降低进给倍率直至机床主轴功率信号均值等于Pmmax值;
离线分析模块,用于分析历史数据特征,包含数据离线展示、历史数据回访、数据滤波操作、数据特征提取、数据截取、数据合并和数据改正;
服务模块,用于记录在线监控系统运行状态、刀具加工过程中的日志信息;日志信息包括日期时间、事件列表、事件限制、日志评估。
2.根据权利要求1所述的数控刀具状态在线监控系统,其特征在于,所述刀具加工状态监测模块中,上、下限阈值按如下方式设定:
将采集通道的实时信号按每段信号为一个周期的正弦波规则分成若干个信号段,均分为N段,以每组包含M段信号区间均分成I组,N=M×I,设定学习次数为K次,N、M、I和K均为≥1的正整数,每组信号段上、下边界点公式为:
3.根据权利要求1所述的数控刀具状态在线监控系统,其特征在于,所述自适应加工模块中,结合布伦特算法调整加工过程机床的进给倍率;
然后根据布伦特算法调整进给倍率值,运算过程中,算法首先利用反二次插值法或线性插值法快速迭代实现超线性收敛,如果不满足插值条件,则利用二分法迭代求根,计算得出符合要求的进给倍率值;具体如下:
1)利用反二次插值法或线性插值法快速迭代实现超线性收敛;
当f(bk-2)·f(bk-1)<0,且|f(bk-2)|<|f(bk-1)|时,
若满足f(bk-2)≠f(bk)和f(bk-1)≠f(bk);
式中:s表示进给倍率;bk表示当前迭代点的进给倍率,bk-1表示上次迭代点的进给倍率,bk-2表示上上次迭代点的进给倍率,初始运算时bk-2取机床进给倍率设定区间的最小值,bk-1为机床进给倍率设定区间的最大值;f(bk)为当前迭代点的功率值;
否则进行线性插值,满足f(bk)≠f(bk-1);
2)利用二分法迭代求根,计算得出符合要求的进给倍率值;
若给定固定值δ,按以下步骤计算:
2.2)在上次迭代使用二分法的前提下,若使当前迭代利用插值算法,则计算不等式:
不等式均满足时,则输出进给倍率s作为调整后的进给倍率;否则,二分法将继续实施;
2.3)在上次迭代使用插值算法的前提下,若使当前迭代利用插值算法,则计算不等式:
不等式均满足时,输出进给倍率s作为调整后的进给倍率;否则,二分法将继续实施,公式如下:
当f(b)值属于[-ε,ε]时,停止迭代计算,输出运行时进给倍率值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211211780.5A CN115716218A (zh) | 2022-09-30 | 2022-09-30 | 一种数控刀具状态在线监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211211780.5A CN115716218A (zh) | 2022-09-30 | 2022-09-30 | 一种数控刀具状态在线监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115716218A true CN115716218A (zh) | 2023-02-28 |
Family
ID=85253766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211211780.5A Pending CN115716218A (zh) | 2022-09-30 | 2022-09-30 | 一种数控刀具状态在线监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115716218A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117872962A (zh) * | 2024-03-11 | 2024-04-12 | 南通钜盛数控机床有限公司 | 一种数控机床控制系统 |
-
2022
- 2022-09-30 CN CN202211211780.5A patent/CN115716218A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117872962A (zh) * | 2024-03-11 | 2024-04-12 | 南通钜盛数控机床有限公司 | 一种数控机床控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11481630B2 (en) | Machining condition adjustment device and machining condition adjustment system | |
CN109396953A (zh) | 基于信号融合的机床工作状态智能辨识系统 | |
CN112613646A (zh) | 一种基于多维数据融合的设备状态预测方法及系统 | |
CN110488754B (zh) | 一种基于ga-bp神经网络算法的机床自适应控制方法 | |
CN111113150A (zh) | 一种机床刀具状态的监控方法 | |
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 | |
CN115351601A (zh) | 一种基于迁移学习的刀具磨损监测方法 | |
CN115716218A (zh) | 一种数控刀具状态在线监控系统 | |
Yan et al. | A hybrid method for on-line performance assessment and life prediction in drilling operations | |
CN113341883B (zh) | 一种用于机床加工工时预测的方法及设备 | |
CN110197296B (zh) | 一种基于时间序列相似性的机组负荷预测方法 | |
Jemielniak | Contemporary challenges in tool condition monitoring | |
CN106774162A (zh) | 一种数控加工参数多目标优化方法 | |
CN109725599A (zh) | 一种数控机床能效在线监测方法 | |
CN103500251A (zh) | 数控铣削中刀具切削用量的优化加工方法 | |
CN112783138B (zh) | 生产线设备加工稳定性智能监控和异常诊断方法及装置 | |
CN117171590B (zh) | 一种电机智能驱动优化方法及系统 | |
CN116690313B (zh) | 一种飞机结构件腹板加工刀具失效监控方法 | |
Danai | Machine tool monitoring and control | |
CN117381533A (zh) | 复材刀具切削监控系统及其监控方法 | |
CN112835326B (zh) | 一种大型铸锻件加工智能化方法及系统 | |
CN116628467A (zh) | 基于空间和时序相结合的涡轮盘榫槽拉刀磨损识别方法 | |
Zhou et al. | Milling cutter wear prediction based on bidirectional long short-term memory neural networks | |
CN114936590A (zh) | 一种光伏电站弃光数据识别方法、装置及存储介质 | |
CN101206471A (zh) | 用于数控系统的嵌入式优化方法和装置 |
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 |