CN115922442A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN115922442A
CN115922442A CN202211669296.7A CN202211669296A CN115922442A CN 115922442 A CN115922442 A CN 115922442A CN 202211669296 A CN202211669296 A CN 202211669296A CN 115922442 A CN115922442 A CN 115922442A
Authority
CN
China
Prior art keywords
cutter
monitoring
tool
index
damage
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
Application number
CN202211669296.7A
Other languages
English (en)
Inventor
张俊
白乐乐
吴世杰
严佳星
刘弘光
张会杰
赵万华
卢秉恒
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202211669296.7A priority Critical patent/CN115922442A/zh
Publication of CN115922442A publication Critical patent/CN115922442A/zh
Pending legal-status Critical Current

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
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

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，包括：同步采集主轴振动及数控系统内部数据；在振动数据降噪基础上进行功率谱分析得到反映刀具磨损的功率谱频带能量指标和反映刀具破损的无量纲监测指标；对指标进行融合得到反映刀具状态的综合监测指标；提出了设定刀具磨损及破损阈值的有效方法；一旦综合监测指标超过失效阈值，通过材料去除率增量辅助判断刀具是否失效，进而在消除工况参数切换瞬间产生的误报警同时准确识别刀具状态。本发明仅通过单只外置三向加速度传感器及数控系统内部数据即可实现对刀具磨损与刀具破损的实时监测，提出面向单台机床与柔性生产线的工业可接受刀具状态监测系统，为工业应用提供了切实可行的解决方案。

Description

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
技术领域
本发明属于数控加工技术领域，涉及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。
背景技术
数控机床作为高端装备制造的“工业母机”，是航空、航天、航海等领域大型装备复杂结构件高精度制造的基础。刀具作为数控机床完成结构件制造的最终执行者，对零件加工精度有着至关重要的影响。刀具在切削加工过程中不可避免会发生磨损，刀具过度磨损会导致切削刃外圆尺寸变小进而引起零件加工尺寸不合格。同时切削刃磨损会使得刀具后刀面宽度VB值增加，进而造成已加工表面粗糙度超差。一旦刀具切削刃意外破损后，不仅会导致机床振动明显加剧，而且会恶化零件表面质量。
高精度数控机床以及正确数控程序也不一定能够加工出合格零件，刀具几何形态也是保障零件是否合格的关键。实时掌握刀具的几何状态对于保证零件加工质量来说至关重要。现阶段刀具磨损、破损状态判断主要依赖机床操作工人经验，刀具失效后一段时间后才被察觉的事件发生频繁，大大增加了零件不合格的风险。考虑刀具潜在的风险，保守提前更换刀具，则会增加刀具使用成本，造成资源极大浪费。随着自动化生产线的成熟发展，市场对无人值守生产线的需求更加迫切。刀具健康状态的自动诊断判别正是实现无人值守生产线技术的最为关键的一步。
通过传感器采集机床加工过程中的状态响应信号及NC指令数据等可用于刀具磨破损状态的判别。然而，如何从海量制造大数据中提取反映切削刃状态变化的有用信息成为了解决刀具状态实时监测的关键。刀具状态监测流程大体可分为数据采集、特征提取与状态判别3个阶段。专利202111085598.5发明了一种基于对抗迁移学习的刀具磨损状态预测方法及装置，基于源域数据集和目标域数据集训练对抗迁移学习模型。尽管借助深度学习方法可实现端到端的刀具状态判别，但深度学习模型在模型泛化能力方面不足的问题导致其当前很难用于真实的工业现场。专利202210778313.4发明了一种基于多类信号特征融合的刀具磨损监测方法，通过辨识切削力系数实现复杂切削工况下的刀具磨损监测。基于模型-数据融合方法可得到对刀具磨损敏感而不受工况参数影响的铣削力系数等指标，但这些都依赖瞬时铣削力模型。从加工制造数据中获取辨识铣削力系数所需的输入参数是非常具有挑战性。专利201610668278.5发明了一种复杂曲面加工过程中铣刀状态在线监测与预警方法，以三向加速度传感器测得的机床主轴端部X、Y方向的加速度信号二次频域积分获取位移信号实现刀具状态监测。专利号202010735535.9发明了一种基于振动监测的刀具破损识别方法，通过提取振动信号的均方根值实现飞机结构件加工过程刀具破损在线识别。但上述方法很容易受到工况参数的干扰，产生大量误报警造成机床的频繁停机，影响正常生产节拍。
发明内容
本发明的目的在于提供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，基于单只加速度传感器及数控系统内部数据实现时变切削工况下的刀具破损及破损监测。提出的刀具磨破损监测方法及相关装置不仅可在用于单台机床，同时也适用于柔性生产线。
为实现上述目的，本发明采用以下技术方案：
基于主轴振动信号的刀具磨破损实时监控方法，包括：
采集数控机床主轴振动数据及数控系统内部数据；
对采集到的数据进行降噪处理；
通过对降噪处理后的主轴振动数据进行功率谱分析，得到反映刀具磨损的功率谱频带能量指标和反映刀具破损的无量纲监测指标；
对指标进行融合，得到反映刀具磨损与刀具破损的综合监测指标；
当综合监测指标超过失效阈值，通过材料去除率增量辅助判断刀具是否失效，进而在消除工况参数切换瞬间产生的误报警同时准确识别刀具状态。
进一步的，通过OPC UA协议采集数控系统内部刀具名称、程序名称，以及实时的主轴转速、进给速度、XYZ轴坐标数据；
通过安装于主轴侧壁的三向加速度传感器实时采集主轴XYZ振动数据；
进一步的，降噪：对原始数据分别进行异常值替换处理，去除均值与趋势项。用数据的均值代替异常数值，使得处理后数据瞬时幅值波动稳定。
进一步的，功率谱频带能量指标：
通过对预处理后主轴XYZ三个方向的振动信号进行功率谱分析，利用直接法计算功率谱如下式(1)：
Figure BDA0004015564300000031
定义选择功率谱特征频率幅值作为监测指标，给出功率谱特征频率幅值指标的数学定义如下式(2)：
F＝Amppsd(f)                         (2)
其中，Amp(f)为特征频率f对应的幅值；
定义刀齿通过频率为fp，其大小通过该式fp＝(n/60)·Nt计算得到，n为主轴转速，Nt为刀具齿数；分别选择功率谱成分中刀齿通过频率fp及三倍频3fp幅值作为监测指标；
通过分析主轴振动信号不同磨损阶段功率谱频率成分的相对分布，提出反映刀具磨损变化的监测指标—功率谱频带能量指标；选择0-7fp频带范围内频率成分幅值的累积总和，给出功率谱频带能量指标的数学定义如下式(3)：
Figure BDA0004015564300000032
进一步的，无量纲监测指标：
根据刀具破损前后功率谱频率成分幅值大小及分布，定义了两个对刀具破损敏感而不受工况参数干扰的无量纲监测指标；
根据刀具破损前后振动信号功率谱频率成分幅值大小相对变化，给出无量纲指标—幅值比的数学定义如下式(4)：
Figure BDA0004015564300000041
其中，Amppsd(fp)为刀齿通过频率基频幅值，Amppsd(2fp)为刀齿通过频率2倍频幅值；
根据刀具破损前后振动信号功率谱频率成分组成和分布相对变化，给出无量纲指标—能量比的数学定义如下式(5)：
Figure BDA0004015564300000042
其中，
Figure BDA0004015564300000043
为振动信号功率谱低频带能量，
Figure BDA0004015564300000044
为刀振动信号功率谱高频带能量。
进一步的，对指标进行融合，得到反映刀具磨损与刀具破损的综合监测指标：
不同指标归一化的数学定义如下式(6)：
Figure BDA0004015564300000045
其中，Knormal为刀具正常时各个监测指标的幅值，Ki为刀具不同磨损阶段的归一化前的监测指标，Kt为经过归一化处理后的刀具不同退化阶段的监测指标；
指标归一化后，给出不同指标间融合的数学定义如下式(7)：
Figure BDA0004015564300000051
其中，Ksynthetic为刀具破损综合监测指标或者刀具破损综合监测指标；pn为各个监测指标权重；Ktn为归一化后用于特征融合的监测指标，包括不同方向与不同类型间的指标；通过式(6)-(7)进行归一化处理与无量纲指标融合，得到反映刀具磨损与刀具破损的综合监测指标。
进一步的，当综合监测指标超过失效阈值，通过材料去除率增量辅助判断刀具是否失效，进而在消除工况参数切换瞬间产生的误报警同时准确识别刀具状态：
以零件加工质量为约束设定刀具磨损阈值，加工质量分别指零件关键尺寸允许的尺寸偏差与零件加工表面允许表面粗糙度偏差，通过试切削实验建立起刀具不同磨损阶段零件加工质量与刀具磨损综合指标之间的关联数据库，根据加工零件的不同的质量要求动态设定刀具磨损阈值，最大程度利用刀具寿命；给出刀具磨损失效阈值的数学定义如下式(8)所示：
Twear＝min{Ktolerance,Kroughness}                      (8)
其中，Twear为刀具磨损监测阈值；Ktolerance为公差允许范围内综合监测指标的最大幅值；Kroughness为表面粗糙度允许范围内综合监测指标的最大幅值；
基于高斯统计分布识别异常数据方法设定刀具破损阈值，刀具破损监测浮动阈值的数学定义如下式(9)所示：
Figure BDA0004015564300000052
其中，Tbreakage为刀具破损监测阈值；μ为历史刀具破损综合监测指标的均值；σ为历史刀具破损综合监测指标的标准差；N为历史刀具破损综合监测指标的数量；x(j)为历史刀具破损综合监测指标；
给出衡量工况参数变化的材料去除率MRR定义如下式(10)：
Figure BDA0004015564300000061
其中，vf为机床进给速度；ap为刀具轴向切削深度；ae为刀具径向切削宽度；
通过刀具的每齿进给量也可用于固定切削宽度与切削深度下的工况参数变化的识别与监测，给出衡量工况参数变化的每齿进给量定义如下式(11)：
Figure BDA0004015564300000062
当综合监测指标超过阈值时，首先判定指标幅值波动是否由工况参数改变引起的，如果是工况参数改变造成的监测指标幅值增加则不会发出报警信息，刀具状态监测系统继续监测刀具状态；如果综合监测指标在工况参数保持恒定情况下达到失效阈值，则判定为刀具已经失效；
Figure BDA0004015564300000063
其中，Normal为刀具属于正常状态；Fault为刀具属于失效状态，包括刀具过度磨损与刀具异常破损；Q为材料去除率变化阈值；Ksynthetic为刀具磨损或刀具破损综合监测指标；Tthreshold为刀具磨损或刀具破损失效阈值。
进一步的，一种基于主轴振动信号的刀具磨破损实时监控系统，包括：
数据采集模块，用于采集主轴振动及数控系统内部数据；
预处理模块，用于对采集到的数据进行降噪处理；
指标设计模块，用于通过对降噪处理后的主轴振动数据进行功率谱分析，得到反映刀具磨损变化的功率谱频带能量指标和无量纲监测指标；
融合模块，用于对指标进行融合，得到反映刀具磨损与刀具破损的综合监测指标；
综合判断模块，当综合监测指标超过失效阈值，通过材料去除率增量辅助判断刀具是否失效，进而在消除工况参数切换瞬间产生的误报警同时准确识别刀具状态。
进一步的，一种计算机设备，包括存储器、处理器以及存储在所述存储器中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计算机程序时实现基于主轴振动信号的刀具磨破损实时监控方法的步骤。
进一步的，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现基于主轴振动信号的刀具磨破损实时监控方法的步骤。
与现有技术相比，本发明有以下技术效果：
本发明利用低成本且安装方便的三向加速度传感器，采集主轴振动信号提出适用于时变切削工况下刀具磨损与刀具破损监测方法。开发的刀具状态监测系统不仅可用于单台数控机床刀具状态监测，同时也可快速集成到柔性生产线中实现多台数控机床实时监控与远程访问，为生产现场刀具磨破损监测提供了切实可行的解决手段。
本发明仅通过单只外置三向加速度传感器数据及数控系统内部数据即可实现对刀具磨损与刀具破损的实时监测，提出了面向单台机床与柔性生产线的工业可接受刀具状态监测系统。监测系统使用的硬件传感器成本低且安装方便。
本发明基于主轴振动信号功率谱频率成分，提出了分别用于刀具磨损监测与刀具破损监测的综合指标。这些指标包括特征频率幅值、特征频带能量，以及特征频带幅值比及特征频带能量比。提出的监测指标对刀具磨破损敏感，而对工况参数的敏感性弱，大大减少了误报警。
本发明提出了基于零件加工质量约束的刀具磨损失效阈值方法，可在最大程度上利用刀具的寿命，减少刀具的使用成本。提出了基于高斯统计分布的刀具破损浮动阈值方法，大大简化了刀具破损失效阈值的设计难度。
本发明提出了综合指标与工况参数同步监测融合诊断刀具破损与破损的发生，提高了刀具状态监测方法的准确率。基于该方法可消除在工况参数改变瞬间造成的误报警，减少了不必要的停机。
附图说明
图1为刀具磨破损监测系统硬件组成示意图；
图2为主轴振动信号异常值替换前后对比结果图；
图3为主轴振动信号功率谱；
图4为用于刀具磨损监测特征频率幅值指标，(a)刀具通过频率基频幅值比变化曲线；(b)刀具通过频率3倍频频幅值比变化曲线；
图5为用于刀具磨损监测的功率谱频带能量指标变化曲线；
图6为用于刀具破损监测的幅值比示意图；
图7为用于刀具破损监测的能量比示意图；
图8为用于刀具破损监测的幅值比、能量比与均方根指标对比结果图
图9为刀具磨损后切削刃包络变化及对零件加工尺寸影响示意图；
图10为基于MRR与综合监测指标同步诊断的刀具失效判定示意图；
图11为刀具破损监测结果图；
图12为提出的刀具状态监测系统功能示意图；
图13为提出的面向单台数控机床的刀具状态监测系统方案图。
具体实施方式
下面结合附图和实施例对本发明做详细描述。
一种基于主轴振动信号的刀具磨破损实时监控方法及系统，包括以下步骤：
步骤1：主轴振动信号及数控系统内部数据同步采集
在DMU 50机床上通过OPC UA协议采集执行数控程序的刀具名称、程序名称，以及实时的主轴转速、进给速度、XYZ轴坐标等数控系统内部数据。通过安装于主轴侧壁的单只三向加速度传感器采集主轴XYZ方向振动数据。刀具-刀柄-主轴组成的工艺系统产生的振动可通过靠近切削区域的加速度传感器实时采集。图1为本发明提出的刀具状态监测系统硬件及数据传输示意图。为将每把刀具加工过程中产生的制造数据与刀具名称等相匹配关联，以及将刀具的监测阈值与加工场景相匹配，传感器采集的原始数据与监测系统果数据以刀具名称、程序名称进行命名。
步骤2：数据预处理
传感器采集的原始振动信号包含大量包含测量误差在内的噪音信息，这些干扰信号一方面会造成监测结果不准确，另一方面容易产生误报警。因此，对原始数据分别进行异常值替换处理，去除均值与趋势项。异常离群数据点识别方法可根据高斯统计分布确定，离群点数据由数据整体的均值替换。图2为数据异常点替换前后对比结果图，经过异常值数据处理之后，可减少由传感器测量误差引起的误报警。
步骤3：刀具磨破损监测指标
3.1、振动信号的功率谱分析
信号功率谱(Power Spectral Density,PSD)反映随机信号各频率成份功率能量的分布情况。通过对预处理后的主轴XYZ三个方向的振动信号进行功率谱分析，给出直接法计算功率谱如下式(1):
Figure BDA0004015564300000091
图3为主轴振动信号功率谱频率成分，频率范围为0-300Hz。
3.2、基于振动信号功率谱的刀具磨损监测指标
定义选择功率谱特征频率幅值作为监测指标，给出功率谱特征频率幅值指标的数学定义如下式(2)：
F＝Amppsd(f)                         (2)
其中，Amp(f)为特征频率f对应的幅值。
定义刀齿通过频率为fp，其大小可通过该式fp＝(n/60)·Nt计算得到，n为主轴转速，Nt为刀具齿数。分别选择功率谱成分中刀齿通过频率fp及三倍频3fp幅值作为监测指标。图4为矩形槽腔零件加工过程中主轴振动信号功率谱刀齿通过频率基频及3倍频幅值变化曲线，(a)为刀齿通过频率fp幅值变化曲线；(a)为刀齿通过频率三倍频3fp幅值变化曲线。图4可知，在复杂零件加工过程中，提出的特征频率幅值指标可很好的反映刀具磨损退化过程。
通过分析主轴振动信号不同磨损阶段功率谱频率成分的相对分布，提出反映刀具磨损变化的监测指标—功率谱频带能量指标。选择0-7fp频带范围内频率成分幅值的累积总和。给出功率谱频带能量指标的数学定义如下式(3)：
Figure BDA0004015564300000101
图5为槽腔零件加工过程中，随着刀具磨损程度的增加功率谱频带能量指标的变化曲线，监测曲线出现单个瞬态的异常值，可通过5秒内两次超过监测阈值检验判定为刀具磨损失效。
3.3、基于振动信号功率谱的刀具破损监测指标
针对时变切削工况下的刀具破损监测难题，提出基于无量纲监测指标的刀具破损监测指标。根据刀具破损前后功率谱频率成分幅值大小及分布，定义了两个对刀具破损敏感而不受工况参数干扰的无量纲监测指标。
根据刀具破损前后振动信号功率谱频率成分幅值大小相对变化，给出无量纲指标—幅值比的数学定义如下式(4)：
Figure BDA0004015564300000102
其中，Amppsd(fp)为刀齿通过频率基频幅值，Amppsd(2fp)为刀齿通过频率2倍频幅值。图6为用于刀具破损监测的幅值比指标曲线图。
根据刀具破损前后振动信号功率谱频率成分组成和分布相对变化，给出无量纲指标—能量比的数学定义如下式(5)：
Figure BDA0004015564300000111
其中，
Figure BDA0004015564300000112
为振动信号功率谱低频带能量，
Figure BDA0004015564300000113
为刀振动信号功率谱高频带能量。振动信号高低频分界线根据数据采样率及机床动力学等确定。在采样率为5120Hz条件下，选择刀齿通过频率的10倍频为高低频分界线。图7为用于刀具破损监测的能量比指标曲线图。图8为本发明提出的幅值比与能量比指标在刀具破损前后的幅值变化曲线，由此可见，监测指标对刀具破损现象的发生非常敏感。
3.4、指标归一化处理
为实现反映刀具状态监测指标的进一步降维融合，给出不同指标归一化的数学定义如下式(6)：
Figure BDA0004015564300000114
其中，Knormal为刀具正常时各个监测指标的幅值，使用正常刀具试切得到。为使得正常工况下监测指标的幅值具有很好的代表性，监测指标的数量通常选取60及以上个数据点；Ki为刀具不同磨损阶段的归一化前的监测指标；Kt为经过归一化处理后的刀具不同退化阶段的监测指标。
3.5、指标融合
指标归一化后，给出不同指标间融合的数学定义如下式(7)：
Figure BDA0004015564300000115
其中，Ksynthetic为刀具破损综合监测指标或者刀具破损综合监测指标；pn为各个监测指标权重，可根据不同指标对刀具磨破损状态敏感程度确定；Ktn为归一化后用于特征融合的监测指标，包括不同方向与不同类型的指标。
通过式(6)-(7)进行归一化处理与无量纲指标融合，即可得到反映刀具磨损与刀具破损的综合监测指标。此外，特征融合方法也可借助于其他智能方法，如主成分分析法、聚类等。
步骤4：刀具磨损及破损阈值设定
所述的第4步，具体为：
4.1、刀具磨损阈值设定
以零件加工质量为约束设定刀具磨损阈值。加工质量分别指零件关键尺寸允许的尺寸偏差与零件加工表面允许表面粗糙度偏差。通过试切削实验建立起刀具不同磨损阶段零件加工质量与刀具磨损综合指标之间的关联数据库。根据加工零件的不同的质量要求即可动态设定刀具磨损阈值，在最大程度上利用刀具寿命。给出刀具磨损失效阈值的数学定义如下式(8)所示：
Twear＝min{Ktolerance,Kroughness}                          (8)
其中，Twear为刀具磨损监测阈值；Ktolerance为公差允许范围内综合监测指标的最大幅值；Kroughness为表面粗糙度允许范围内综合监测指标的最大幅值。图9为刀具磨损前后切削刃包络示意图及对零件加工精度的影响。
4.2、刀具磨损阈值设定
刀具破损过程通过不可预测，属于突发现象。切削刃一旦发生破损，刀具破损综合监测指标幅值会迅速偏离正常状态，与刀具在正常状态下的指标幅值差别非常大。提出基于高斯统计分布的浮动监测阈值设定方法，即可在最大程度上降低刀具破损阈值的设置复杂度。给出刀具破损监测浮动阈值的数学定义如下式(9)所示：
Figure BDA0004015564300000121
其中，Tbreakage为刀具破损监测阈值；μ为历史刀具破损综合监测指标的均值；σ为历史刀具破损综合监测指标的标准差；N为历史刀具破损综合监测指标的数量；x(j)为历史刀具破损综合监测指标。
第5步：工况参数变化识别
在加工过程中当一把刀具完成零件不同位置处毛坯材料去除时，考虑到拐角、台阶等主轴负载可能会突变，往往通过在G代码中降低进给倍率来使得主轴负载在小范围内波动。给出衡量工况参数变化的材料去除率MRR定义如下式(10)：
MRR(t)＝vf(t)·ap(t)·ae(t)                    (10)
其中，vf为机床进给速度；ap为刀具轴向切削深度；ae为刀具径向切削宽度。
在大部分加工场合，刀具的轴向切深和径向切深基本保持恒定，通过刀具的每齿进给量也可用于工况参数变化的识别与监测，给出衡量工况参数变化的每齿进给量定义如下式(11)：
Figure BDA0004015564300000131
第5步：刀具磨损、破损失效判定方法
在刀具与工件相对运动去除毛坯材料的过程中，切削参数改变经常会造成监测指标幅值波动，而刀具却处于正常状态，这种情况下很容易产生误报警。提出同步监测综合监测指标与工况参数指标的刀具破损与刀具破损失效判别方法。
当综合监测指标超过阈值时，首先判定指标幅值波动是否由工况参数改变引起的，如果是工况参数改变造成的监测指标幅值增加则不会发出报警信息，刀具状态监测系统继续发挥监测效果。如果综合监测指标在工况参数保持恒定情况下达到失效阈值，则可判定为刀具已经失效。
Figure BDA0004015564300000132
其中，Normal为刀具属于正常状态；Fault为刀具属于失效状态，包括刀具过度磨损与刀具异常破损；Q为材料去除率变化阈值；Ksynthetic为刀具磨损或刀具破损综合监测指标；Kthreshold为刀具磨损或刀具破损失效阈值。图10为刀具磨破损状态失效判定示意图，(a)为刀具失效判定的流程；(b)为刀具失效判定的曲线示意图。图11为刀具破损监测的案例结果图，在工况改变瞬间，刀具在正常情况综合监测指标可能存在轻微的幅值变化，这里存在潜在的误报警。然而，通过本发明提出的方法在识别到材料去除率增量大于阈值情况下，可以综合评估指标的幅值波动时工况改变引起的，而不是刀具发生破损。此外，在刀具破损瞬间综合监测指标可在短时间内识别，大大减少刀具破损对零件的损伤。图12为本发明基于振动加速度传感器提出的刀具磨破损状态监测的流程图。在此硬件基础上，也可进一步拓展其他过程监测功能，如切削颤振监测与零件表面粗糙度监测等。
第6步：面向柔性生产线的刀具状态监测系统
通过外置三向加速度传感器采集的主轴振动数据以及数控系统内部数据即可用于刀具磨损与刀具破损监测。将本发明提出的刀具磨损与刀具破损监测算法进行封装，嵌入到基于LabVIEW语言开发的刀具状态监测软件中。通过一只三向加速度传感器、带内置电路的(IEPE/ICP)数据采集工控单元、触摸屏幕显示器组成面向单台机床的刀具状态监测系统硬件。通过内嵌监测算法工业软件实现对刀具磨损、破损的实时监测。图13为本发明面向单台数控机床的刀具状态监测系统方案图。此外，在柔性生产线中，每台机床配备的数据采集工控单元可在本地进行数据采集、数据处理与结果展示。同时，每台机床产生的监测结果数据也可通过交换机传输到中央服务器，在远程展示刀具磨损及破损结果数据。
本发明再一实施例中，提供一种基于主轴振动信号的刀具磨破损实时监控系统，能够用于实现上述的一种基于主轴振动信号的刀具磨破损实时监控方法，具体的，该系统包括：
数据采集模块，用于采集主轴XYZ方向振动及数控系统内部数据；
预处理模块，用于对采集到的数据进行降噪处理；
指标获取模块，用于通过对降噪处理后的主轴振动数据进行功率谱分析，得到反映刀具磨损变化的功率谱频带能量指标和无量纲监测指标；
融合模块，用于对指标进行融合，得到反映刀具磨损与刀具破损的综合监测指标；
判断模块，当综合监测指标超过失效阈值，通过材料去除率增量辅助判断刀具是否失效，进而在消除工况参数切换瞬间产生的误报警同时准确识别刀具状态。
本发明实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，另外，在本发明各个实施例中的各功能模块可以集成在一个处理器中，也可以是单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
本发明再一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于一种基于主轴振动信号的刀具磨破损实时监控方法的操作。
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关一种基于主轴振动信号的刀具磨破损实时监控方法的相应步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.基于主轴振动信号的刀具磨破损实时监控方法，其特征在于，包括：
采集数控机床主轴振动数据及数控系统内部数据；
对采集到的数据进行降噪处理；
通过对降噪处理后的主轴振动数据进行功率谱分析，得到反映刀具磨损的功率谱频带能量指标和反映刀具破损的无量纲监测指标；
对指标进行融合，得到反映刀具磨损与刀具破损的综合监测指标；
当综合监测指标超过失效阈值，通过材料去除率增量辅助判断刀具是否失效，进而在消除工况参数切换瞬间产生的误报警同时准确识别刀具状态。
2.根据权利要求1所述的基于主轴振动信号的刀具磨破损实时监控方法，其特征在于，通过OPC UA协议采集数控系统内部的刀具名称、程序名称，以及实时的主轴转速、进给速度、XYZ轴坐标数据；
通过安装于主轴侧壁的三向加速度传感器实时采集主轴XYZ振动数据。
3.根据权利要求1所述的基于主轴振动信号的刀具磨破损实时监控方法，其特征在于，降噪：对原始数据分别进行异常值替换处理，去除均值与趋势项。
4.根据权利要求1所述的基于主轴振动信号的刀具磨破损实时监控方法，其特征在于，功率谱频带能量指标：
通过对预处理后的主轴XYZ三个方向的振动信号进行功率谱分析，利用直接法计算功率谱如下式(1)：
Figure FDA0004015564290000011
定义选择功率谱特征频率幅值作为监测指标，给出功率谱特征频率幅值指标的数学定义如下式(2)：
F＝Amppsd(f)                         (2)
其中，Amp(f)为特征频率f对应的幅值；
定义刀齿通过频率为fp，其大小通过该式fp＝(n/60)·Nt计算得到，n为主轴转速，Nt为刀具齿数；分别选择功率谱成分中刀齿通过频率fp及三倍频3fp幅值作为监测指标；
通过分析主轴振动信号不同磨损阶段功率谱频率成分的相对分布，提出反映刀具磨损变化的监测指标—功率谱频带能量指标；选择0-7fp频带范围内频率成分幅值的累积总和，给出功率谱频带能量指标的数学定义如下式(3)：
Figure FDA0004015564290000021
5.根据权利要求1所述的基于主轴振动信号的刀具磨破损实时监控方法，其特征在于，无量纲监测指标：
根据刀具破损前后功率谱频率成分幅值大小及分布，定义了两个对刀具破损敏感而不受工况参数干扰的无量纲监测指标；
根据刀具破损前后振动信号功率谱频率成分幅值大小相对变化，给出无量纲指标—幅值比的数学定义如下式(4)：
Figure FDA0004015564290000022
其中，Amppsd(fp)为刀齿通过频率基频幅值，Amppsd(2fp)为刀齿通过频率2倍频幅值；
根据刀具破损前后振动信号功率谱频率成分组成和分布相对变化，给出无量纲指标—能量比的数学定义如下式(5)：
Figure FDA0004015564290000023
其中，
Figure FDA0004015564290000024
为振动信号功率谱低频带能量，
Figure FDA0004015564290000025
为刀振动信号功率谱高频带能量。
6.根据权利要求1所述的基于主轴振动信号的刀具磨破损实时监控方法，其特征在于，对指标进行融合，得到反映刀具磨损与刀具破损的综合监测指标：
不同指标归一化的数学定义如下式(6)：
Figure FDA0004015564290000031
其中，Knormal为刀具正常时各个监测指标的幅值，Ki为刀具不同磨损阶段的归一化前的监测指标，Kt为经过归一化处理后的刀具不同退化阶段的监测指标；
指标归一化后，给出不同指标间融合的数学定义如下式(7)：
Figure FDA0004015564290000032
其中，Ksynthetic为刀具破损综合监测指标或者刀具破损综合监测指标；pn为各个监测指标权重；Ktn为归一化后用于特征融合的监测指标，包括不同方向与不同类型间的指标；通过式(6)-(7)进行归一化处理与无量纲指标融合，得到反映刀具磨损与刀具破损的综合监测指标。
7.根据权利要求1所述的基于主轴振动信号的刀具磨破损实时监控方法，其特征在于，当综合监测指标超过失效阈值，通过材料去除率增量辅助判断刀具是否失效，进而在消除工况参数切换瞬间产生的误报警同时准确识别刀具状态：
以零件加工质量为约束设定刀具磨损阈值，加工质量分别指零件关键尺寸允许的尺寸偏差与零件加工表面允许表面粗糙度偏差，通过试切方式建立起刀具不同磨损阶段零件加工质量与刀具磨损综合指标之间的关联数据库，根据加工零件的不同的质量要求动态设定刀具磨损阈值，最大程度利用刀具寿命；给出刀具磨损失效阈值的数学定义如下式(8)所示：
Twear＝min{Ktolerance,Kroughness}                      (8)
其中，Twear为刀具磨损监测阈值；Ktolerance为公差允许范围内综合监测指标的最大幅值；Kroughness为表面粗糙度允许范围内综合监测指标的最大幅值；
基于高斯统计分布识别异常数据方法设定刀具破损阈值，刀具破损监测浮动阈值的数学定义如下式(9)所示：
Figure FDA0004015564290000041
其中，Tbreakage为刀具破损监测阈值；μ为历史刀具破损综合监测指标的均值；σ为历史刀具破损综合监测指标的标准差；N为历史刀具破损综合监测指标的数量；x(j)为历史刀具破损综合监测指标；
给出衡量工况参数变化的材料去除率MRR定义如下式(10)：
MRR(t)＝vf(t)·ap(t)/ae(t)                    (10)
其中，vf为机床进给速度；ap为刀具轴向切削深度；ae为刀具径向切削宽度；
通过刀具每齿进给量也可用于固定切削宽度与切削深度下的工况参数变化的识别与监测，给出衡量工况参数变化的每齿进给量定义如下式(11)：
Figure FDA0004015564290000042
当综合监测指标超过阈值时，首先判定指标幅值波动是否由工况参数改变引起的，如果是工况参数改变造成的监测指标幅值增加则不会发出报警信息，刀具状态监测系统继续监测刀具状态；如果综合监测指标在工况参数保持恒定情况下达到失效阈值，则判定为刀具已经失效；
Figure FDA0004015564290000043
其中，Normal为刀具属于正常状态；Fault为刀具属于失效状态，包括刀具过度磨损与刀具异常破损；Q为材料去除率变化阈值；Ksynthetic为刀具磨损或刀具破损综合监测指标；Tthreshold为刀具磨损或刀具破损失效阈值。
8.一种基于主轴振动信号的刀具磨破损实时监控系统，其特征在于，包括：
数据采集模块，用于采集主轴振动及数控系统内部数据；
预处理模块，用于对采集到的数据进行降噪处理；
指标设计模块，用于通过对降噪处理后的主轴振动数据进行功率谱分析，得到反映刀具磨损变化的功率谱频带能量指标和无量纲监测指标；
融合模块，用于对指标进行融合，得到反映刀具磨损与刀具破损的综合监测指标；
综合判断模块，当综合监测指标超过失效阈值，通过材料去除率增量辅助判断刀具是否失效，进而在消除工况参数切换瞬间产生的误报警同时准确识别刀具状态。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如权利要求1至7任一项所述基于主轴振动信号的刀具磨破损实时监控方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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至7任一项所述基于主轴振动信号的刀具磨破损实时监控方法的步骤。
CN202211669296.7A 2022-12-24 2022-12-24 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 Pending CN115922442A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211669296.7A CN115922442A (zh) 2022-12-24 2022-12-24 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211669296.7A CN115922442A (zh) 2022-12-24 2022-12-24 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

Publications (1)

Publication Number Publication Date
CN115922442A true CN115922442A (zh) 2023-04-07

Family

ID=86652239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211669296.7A Pending CN115922442A (zh) 2022-12-24 2022-12-24 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

Country Status (1)

Country Link
CN (1) CN115922442A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116690313A (zh) * 2023-08-01 2023-09-05 成都飞机工业（集团）有限责任公司 一种飞机结构件腹板加工刀具失效监控方法
CN117170306A (zh) * 2023-10-31 2023-12-05 成都飞机工业（集团）有限责任公司 一种刀具状态监控方法、系统、电子设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116690313A (zh) * 2023-08-01 2023-09-05 成都飞机工业（集团）有限责任公司 一种飞机结构件腹板加工刀具失效监控方法
CN116690313B (zh) * 2023-08-01 2023-12-12 成都飞机工业（集团）有限责任公司 一种飞机结构件腹板加工刀具失效监控方法
CN117170306A (zh) * 2023-10-31 2023-12-05 成都飞机工业（集团）有限责任公司 一种刀具状态监控方法、系统、电子设备及存储介质
CN117170306B (zh) * 2023-10-31 2024-03-15 成都飞机工业（集团）有限责任公司 一种刀具状态监控方法、系统、电子设备及存储介质

Similar Documents

Publication Publication Date Title
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
JP6450738B2 (ja) 工作機械における工具のビビり発生の予兆を検知する機械学習装置、ｃｎｃ装置および機械学習方法
CN102929210B (zh) 基于特征的数控加工过程控制和优化系统及方法
Li et al. Systematic review on tool breakage monitoring techniques in machining operations
CN108490880B (zh) 一种数控机床切削刀具磨损状态实时监测方法
CN104808585B (zh) 一种机床健康状态快速检查方法
Roth et al. Quality and inspection of machining operations: tool condition monitoring
Martins et al. Tool condition monitoring of single-point dresser using acoustic emission and neural networks models
Teti et al. Advanced monitoring of machining operations
Mahata et al. A robust condition monitoring methodology for grinding wheel wear identification using Hilbert Huang transform
US20060089742A1 (en) System and method for monitoring machine health
EP1650623A1 (en) Method for managing machine tool data
Mou et al. A study of tool tipping monitoring for titanium milling based on cutting vibration
JP2019098515A (ja) 刃具状態検査システム及び方法
CN114850969B (zh) 一种基于振动信号的刀具失效监控方法
CN114905336B (zh) 基于切削力成分解耦的变工况刀具磨损监测方法及系统
CN114800040B (zh) 工艺-状态数据关联的刀具磨损监测方法及系统
Khairnar et al. Supervision of carbide tool condition by training of vibration-based statistical model using boosted trees ensemble
CN114102260A (zh) 机理-数据融合驱动的变工况刀具磨损状态监测方法
Hassan et al. Intelligent machining: real-time tool condition monitoring and intelligent adaptive control systems
CN116871978A (zh) 基于多传感器融合的钻削刀具状态监测方法
Bai et al. Real-time tool breakage monitoring based on dimensionless indicators under time-varying cutting conditions
Kasim et al. Cutting tool wear progression index via signal element variance
CN116690313B (zh) 一种飞机结构件腹板加工刀具失效监控方法
CN105807716A (zh) 再制造机床健康监测系统

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