CN116011263A - 刀具使用寿命的预测方法及数控刀具的调度方法和系统 - Google Patents
刀具使用寿命的预测方法及数控刀具的调度方法和系统 Download PDFInfo
- Publication number
- CN116011263A CN116011263A CN202310302539.1A CN202310302539A CN116011263A CN 116011263 A CN116011263 A CN 116011263A CN 202310302539 A CN202310302539 A CN 202310302539A CN 116011263 A CN116011263 A CN 116011263A
- Authority
- CN
- China
- Prior art keywords
- cutter
- tool
- wear
- cutting
- service life
- 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
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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明公开了一种刀具使用寿命的预测方法及数控刀具的调度方法和系统。这种刀具使用寿命的预测方法,获取刀具刀刃的第一图像,根据第一图像的当前刃口边界与初始刃口边界计算刀具的初始磨损量和初始磨损面积。加工开始后,通过采集净切削功率和刃口摩擦力计算磨损强度,同时根据磨损面积的变化确定刀具磨损曲线的指数增长特性。相比预设固定的磨损曲线,该方法可以结合每一工步的磨损情况,更准确估算刀具的剩余使用寿命。本发明的数控刀具的调度方法和系统,通过所述刀具使用寿命的预测方法估算刀具的剩余使用寿命,及时指定并调取备用刀具,降低机床等待时间,提高数控加工效率。
Description
技术领域
本发明属于数控加工管理技术,尤其涉及一种刀具使用寿命的预测方法及数控刀具的调度方法和系统。
背景技术
刀具在切削过程中磨损逐渐增加,影响加工精度。尤其对于大型数控加工中心,刀具长时间连续工作,磨损较大。现有技术开发了一些磨损预测方法,如CN202210807766.5所述。该方法可以在刀具切削过程中监测功率信号,预测刀具的磨损,及时更换备用刀具。与基于深度学习的磨损预测方法不同,这类磨损预测方法需要预设磨损模型,磨损模型的准确性直接影响预测结果。CN202010660771.9 公开了一种考虑刀具磨损量和表面粗糙度的刀具剩余寿命预测方法,该方法记载了基于样本试验建立单一退化指标的刀具剩余寿命预测模型。但是这种完全固定的预测模型不能满足实际工况的变化,若实际工况发生偏差,预测模型不能准确获得刀具寿命数据。因此,现有技术有进一步改进的必要。
发明内容
本发明提供了一种刀具使用寿命的预测方法,通过采集净切削功率和刃口摩擦力计算磨损强度,同时根据磨损面积的变化确定刀具磨损曲线的指数增长特性,该方法结合每一工步的磨损情况,可以更准确估算刀具剩余使用寿命。
本发明进一步提供了一种数控刀具的调度方法和系统,通过所述刀具使用寿命的预测方法估算刀具的剩余使用寿命,及时选定并调取备用刀具,降低机床等待时间,提高数控加工效率。
一种刀具使用寿命的预测方法,包括以下步骤:
步骤31:加工开始前,获取刀具刀刃的第一图像,根据第一图像的当前刃口边界与初始刃口边界计算刀具的初始磨损量V0和初始磨损面积B0;
步骤32:加工开始后,从当前工序中提取n个工步,确定每一工步的切削时长及退刀时刻ti,i=1;
步骤33:刀具按工步的顺序进给并切削工件,采集机床主轴的输出功率,根据输出功率和机床的空载功率计算净切削功率;
步骤34:采集刀具的切削力,将切削力分解为切深抗力、主切削力、进给抗力,根据切深抗力、主切削力、进给抗力计算刀具的刃口摩擦力;
步骤35:根据采样周期将当前工步分割为多个切削时序,根据磨损强度模型确定每一切削时序的磨损强度;
步骤36:根据多个切削时序的磨损强度计算平均磨损强度Qi,根据磨损寿命模型预测刀具的剩余使用寿命Ti;
步骤37:在退刀时刻ti,获取刀具刀刃的第二图像,根据第二图像的当前刃口边界与第一图像的当前刃口边界计算刀具的实时磨损量Vi和实时磨损面积Bi;
步骤38:根据实时磨损面积确定磨损速率,根据磨损速率调整寿命预测模型的加速磨损指数,i=i+1,返回至步骤33。
在本发明中,在步骤31中,通过边缘检测方法获取当前刃口边界,根据当前刃口边界与初始刃口边界的纵坐标之差计算初始磨损量,根据初始刃口边界与当前刃口边界的积分之差计算初始磨损面积。
在本发明中,在步骤36中,工步i中切削时序j的磨损强度Qij=f(P2ij,Ffij),f(P2ij,Ffij)为磨损强度模型,P2ij为切削时序j的净切削功率,Ffij为切削时序j的刃口摩擦力。
在本发明中,在步骤36中,将多个切削时序的磨损强度拟合为以切削时序j为自变量的一次曲线,根据该一次曲线计算平均磨损强度。
在本发明中,在步骤36中,在工步i中,Vmax-Vi-1=g(Qi,Ti,μ),Vmax为最大磨损量,Vi-1为工步i-1的退刀时刻的实时磨损量,g(Qi,Ti,μ)为磨损寿命模型,μ为加速磨损指数,根据平均磨损强度反算刀具的剩余使用寿命Ti。
在本发明中,在步骤37中,通过流体压力清除刀具刀刃的积削瘤,再获取刀具刀刃的第二图像。
一种根据所述刀具使用寿命的预测方法的数控刀具的调度方法,包括:
步骤10:读取数控加工计划,将数控加工计划分解为多个工序,为每一工序分配机床,计算每一工序的刀型和总加工时长;
步骤20:根据所述工序的刀型要求从刀具中心调取刀具,将刀具装夹在机床上,该刀具基于磨损寿命模型获得的剩余使用寿命大于所述总加工时长;
步骤30:机床按所述工序切削工件,所述工序由多个工步组成,在每一工步的退刀时刻预测刀具的剩余使用寿命;
步骤40:若剩余使用寿命小于剩余加工时长,选定刀具中心同一刀型的另一刀具为备用刀具,进入步骤50,否则返回至步骤30;
步骤50:若同一备用刀具被两组机床选定,则加速磨损指数较小的机床重新选定备用刀具;
步骤60:若刀具的剩余使用寿命大于换刀时长,返回至步骤30,否则从刀具中心调取备用刀具,再返回至步骤30。
在本发明中,在控制中心设置一调度计划,该调度计划由多组调度标签组成,调度标签包括机床标识、刀型标识、刀具标识、加速磨损指数、备用刀具标识。
一种根据所述数控刀具的调度方法的调度系统,包括:
一控制中心;
一刀具中心,刀具中心具有多组刀具;
多组机床,该机床包括机床电机、机床主轴、工作台、进给机构、摄像机,机床电机设有第一测量单元,机床主轴带动工件转动,工作台具有进给工位和退刀工位,进给机构用于将刀具移至进给工位或退刀工位,进给机构设有第二测量单元,摄像机提取刀具的第一图像或第二图像,其中,控制中心提取第一测量单元的输出功率和第二测量单元的切削力,并调整磨损寿命模型的加速磨损指数,刀具中心根据刀具的剩余使用寿命选定备用刀具。
在本发明中,还包括数据中心,数据中心存储多个刀型的磨损强度模型和磨损寿命模型。
本发明的刀具使用寿命的预测方法,通过采集主要影响刀具磨损的净切削功率和刃口摩擦力计算磨损强度,再根据磨损面积的变化确定刀具磨损曲线的指数增长特性。相比预设固定的磨损曲线,该方法可以结合每一工步的磨损情况,更准确估算刀具的剩余使用寿命。
本发明的数控刀具的调度方法和系统,通过所述刀具使用寿命的预测方法估算刀具的剩余使用寿命,及时指定并调取备用刀具,降低机床等待时间。进一步的,为避免备用刀具被长时间占用,本发明以加速磨损指数为标准确定选定备用刀具的优先级,结合竞争原则确定备用刀具的选定关系。
附图说明
图1为数控刀具的刀具磨损曲线图;
图2为本发明的刀具使用寿命的预测方法的流程图;
图3为用时间轴表示每一工序的示意图;
图4为本发明的切削力坐标系变换的示意图;
图5为本发明获取当前刃口边界的流程图;
图6为本发明的数控刀具的调度方法的流程图;
图7为本发明的调度系统的框图;
图8为本发明优选的机床局部示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
如图1所示的磨损曲线,刀具通常在初始磨损期磨损较快,随后进入平稳磨损期,使用时间达到限额后进入加速磨损期。刀具的这一特性给刀具寿命预测带来难度。尤其是当工况发生变化导致刀具提前或延后进入加速磨损期时,使用寿命的预测值会产生非常大的误差。本发明的刀具使用寿命的预测方法及数控刀具的调度方法和系统,可以结合每一工步的磨损情况,更准确估算刀具的剩余使用寿命,提高更换备用刀具的准确性。
实施例一
如图2至图4所示的本发明的刀具使用寿命的预测方法,包括以下步骤:
步骤31:加工开始前,获取刀具刀刃的第一图像,根据第一图像的当前刃口边界与初始刃口边界计算刀具的初始磨损量V0和初始磨损面积B0。本实施例通过基于Canny算子的边缘检测方法获取当前刃口边界,根据当前刃口边界与初始刃口边界在切削模型三维坐标系中纵坐标之差计算初始磨损量,根据初始刃口边界与当前刃口边界的积分之差计算初始磨损面积。详细步骤可以参照实施例二。
步骤32:加工开始后,从当前工序中提取n个工步,确定每一工步的切削时长及退刀时刻ti,i=1。一个工序通常由多个工步组成,每一工步具有一个进刀阶段、切削阶段和退刀阶段。如图3,刀具在切削阶段内磨削工件,退刀时刻ti是指退刀阶段的结束时间。
步骤33:刀具按工步的顺序进给并切削工件,采集机床主轴的输出功率,根据输出功率和机床的空载功率计算净切削功率。空载功率是指维持机床转动所消耗的功率。净切削功率是指主轴传递给刀具的功率。附加载荷功率是指驱动刀具必要的无功功率。附加载荷功率随净切削功率增大,可以用附加载荷系数α表示附加载荷功率与净切削功率之比。
附加载荷系数产生原因主要是机床在切削时驱动电机和机械传动部分会产生附加的电流损耗和机械能损耗,对于同一台机床α为定值。由于α的测量比较复杂,因此一般不直接测量。在已知多次试验中的空载功率、主轴转速、进给速度、径向切深以及轴向切深等参数的前提下,可以运用最小二乘法测算α。数控车床的附加载荷系数α≈0.176。净切削功率,P0为机床主轴的输出功率,P1为空载功率。
步骤34:采集刀具的切削力,将切削力分解为切深抗力、主切削力、进给抗力,根据切深抗力、主切削力、进给抗力计算刀具的刃口摩擦力。刃口摩擦力越大,刀具磨损越快。切深抗力、主切削力、进给抗力的大小由受力坐标系oxyz决定。刃口摩擦力的方向由切削模型三维坐标系ox'y'z'决定,与刀具刃口与工件的相对位置有关。
本实施例可以通过变换坐标系计算刃口摩擦力。从切削特点出发,沿着受力坐标系oxyz,按照力对工件的作用形式将切削力分解为切深抗力Fx、主切削力Fy、进给抗力Fz。参照图4,切削模型三维坐标系ox'y'z'先绕x'轴旋转法前角β,再绕z轴旋转刃倾角γ可以得到受力坐标系。因此在切削模型中,刃口摩擦力。
步骤35:根据采样周期将当前工步分割为多个切削时序,根据磨损强度模型确定每一切削时序的磨损强度。在本实施例中,设置例如0.05min的采样周期,以该采样周期将工步分割为多个时长为0.05min的切削时序。根据每一切削时序的净切削功率和刃口摩擦力计算对应的磨损强度。工步i中切削时序j的磨损强度Qij=f(P2ij,Ffij),f(P2ij,Ffij)为磨损强度模型,P2ij为切削时序j的净切削功率,Ffij为切削时序j的刃口摩擦力。在另一实施例中,可以通过预选读取数控加工代码确定工步的总时长,将工步的总时长等分为多个切削时序。
步骤36:根据多个切削时序的磨损强度计算平均磨损强度Qi,根据磨损寿命模型预测刀具的剩余使用寿命Ti。本实施例将多个切削时序的磨损强度的算数平均值作为平均磨损强度,,m为工步i内切削时序的数量。总使用寿命T0、平均磨损强度Qi以及加速磨损指数μ共同决定刀具的最大磨损量。在工步i中,Vmax-Vi-1=g(Qi,Ti,μ),Vmax为最大磨损量,Vi-1为工步i-1的退刀时刻的实时磨损量,g(Qi,Ti,μ)为磨损寿命模型,μ为加速磨损指数。因此在预设刀具的最大磨损量Vmax、加速磨损指数μ后,再计算平均磨损强度Qi,根据Vmax-Vi-1=g(Qi,Ti,μ)可以反算刀具的剩余使用寿命Ti。在平稳磨损期,加速磨损指数μ=1,在加速磨损期,加速磨损指数μ>1。需要说明的是,在工序i+1中,磨损寿命模型更新为Vmax-Vi=g(Qi+1, Ti+1,μ)。
本实施例采用算数平均值计算磨损强度。由于在同一工步的多个切削时序中,磨损强度随加工时间波动,可能由于采样误差出现变异数值。在另一实施例中,首先根据步骤35获得的多个切削时序的磨损强度,采用最小二乘法或梯度下降法建立加工时间与磨损强度的拟合曲线,再计算该拟合曲线中平均磨损强度。该拟合曲线可以是一次曲线或二次曲线。该方法在拟合过程中可以排除变异数值,避免采样波动增大平均磨损强度的误差。
步骤37:在退刀时刻ti,获取刀具刀刃的第二图像,根据第二图像的当前刃口边界与第一图像的当前刃口边界计算刀具的实时磨损量Vi和实时磨损面积Bi。进一步的,退刀时刻的刀具刀刃可能产生积削瘤影响当前刃口边界的识别,可以先通过流体压力(例如高压气流)清除刀具刀刃的积削瘤,再获取刀具刀刃的第二图像。
步骤38:根据实时磨损面积确定磨损速率,根据磨损速率调整寿命预测模型的加速磨损指数,i=i+1,返回至步骤33。显然对于任意工序,若i=n,结束任务。磨损速率可以视为磨损曲线的斜率,磨损速率=(Bi-Bi-1)/(ri-ri-1),Bi为工步i的实时磨损面积,Bi-1为工步i-1的实时磨损面积,ri为截止工步i 的刀具已使用时间(截止当前退刀时刻的使用时间),ri-1为截止工步i-1的刀具已使用时间(本次装夹前的使用时间)。在平稳磨损期,加工时间(ri-ri-1)∝(Bi-Bi-1)。在加速磨损期,(ri-ri-1)μ∝(Bi-Bi-1),μ>1。本实施例可以通过log(Bi-Bi-1)计算新的加速磨损指数μ。
实施例二
如图5,本实施例公开了根据第一图像的当前刃口边界与初始刃口边界计算刀具的初始磨损量和初始磨损面积的方法,具体包括如下步骤。
步骤211:边界拟合。由于刀具的退刀位置固定,可以在调试机床时通过未使用刀具拟合出初始刃口边界。在切削模型三维坐标系ox'y'z'中,未使用刀具的边缘通常为直线,初始刃口边界的直线方程可以为y=ax+b,a为直线斜率,b为直线截距。
步骤212:图像裁剪。第一图像包含刀具整体部分和不必要的背景环境,如机床导轨、主轴、工件等。结合刀具位置预先裁剪第一图像,为减少后续计算量。在另一实施例中,可以在机床工作台设置标定点,通过该标定点确定刀具所在区域,据此裁剪第一图像。
步骤213:中值滤波。环境的亮度及光照条件等通常对图像产生噪声干扰。采用 7×7中值滤波算法,对图像中任意像素点,在以该点为中心的 7×7 邻域内对所有像素点灰度值进行统计排序,排除噪声值获得灰度图像。
步骤214:线性变换。为准确提取刀具刃口边界,采用分段线性变换方法对灰度图像进行拉伸。通过增大刀具磨损区域像素点灰度值的波动范围加强磨损区域和灰度图像其余部分的对比,抑制刀具和环境像素点灰度的波动对磨损量检测的影响。
步骤215:阈值分割。选取与灰度均值相等的像素点作为生长点,合并与其相邻的灰度值相差在1以内的像素点,不断重复以上过程直到获得收敛的像素区域,再经二值化处理该像素区域获得分割图像。
步骤216:边界提取。阈值分割完成后,刀具磨损区域与图像背景区域像素点灰度产生阶跃变化,通过基于Canny 算子的边缘检测方法获取刃口的边界,当前刃口边界为y=k(x)。
步骤217:刀刃对比。根据当前刃口边界与初始刃口边界的距离之差计算初始磨损量。在切削模型三维坐标系ox'y'z'中,任意像素点的磨损量为同一横坐标时的纵坐标之差:ax+b-k(x)。刃口边界所有像素点的磨损量最大值为刀具的初始磨损量V0。初始磨损面积为初始刃口边界与当前刃口边界的积分之差,,x1、x2分别为初始刃口边界的端点横坐标。
本实施例的方法也可以用于计算实时磨损量Vi和实时磨损面积Bi。例如获取刀具刀刃的第二图像,对比第二图像的当前刃口边界与第一图像的刃口边界,计算边界的积分之差作为实时磨损面积Bi。实时磨损面积Bi用于更新加速磨损指数,实时磨损量Vi作为下一工步的磨损寿命模型参数。
实施例三
本实施例进一步公开了优选的磨损强度模型和磨损寿命模型。
磨损强度为具体工况下刀具磨损的强度,单位为N/m2。本实施例中,工步i中切削时序j的磨损强度Qij=f(P2ij,Ffij)=。P2ij为切削时序j的净切削功率。单位为N·m/s,Ffij为切削时序j的摩擦力,单位为N。v为工件转速(主轴转速×工件直径),单位为m/min。s1为切屑厚度,s2为未切削宽度,单位均为μm。刀具直径为固定值,每一工步的进给速度、未切削宽度、切屑厚度可以从数控程序中获得。因此采集净切削功率和刃口摩擦力可以计算磨损强度。
如图1所示,切削时间越长,磨损量越大,但两者并非正相关。磨损寿命模型是指最大磨损量与使用寿命的关系,通常用对数函数表示。在本实施例中,Vmax-Vi-1=g(Qi,Ti,μ)=Aln(CTi +1) + 106·KTi μ·Qi。第一参数A的单位为μm,第二参数C的单位为min-1,第三参数K的单位为m3/(N·min)。已知第三参数与刀具的劲度系数有关。如CN201910273874.7,可以通过样本预测法确定某类型刀具的三种参数。在预设刀具的最大磨损量Vmax、加速磨损指数μ后,计算平均磨损强度Qi,再根据磨损寿命模型可以反算刀具的剩余使用寿命Ti。
在本发明中,加速磨损指数μ决定了刀具进入加速磨损期的快慢,而该数值对总使用寿命的影响较大。为了保证合理估计使用寿命,本实施例在每一工步之后,测量磨损面积的变化,更新加速磨损指数μ。例如以磨损速率为影响因子修正原加速磨损指数生成新的加速磨损指数。或者在更简化的实施例中,可以用磨损速率代替加速磨损指数,具体不做详述。
实施例四
如图6所示的本实施例的数控刀具的调度方法,采用了实施例所述的刀具使用寿命的预测方法。该调度方法包括以下步骤。
步骤10:读取数控加工计划,将数控加工计划分解为多个工序,为每一工序分配机床,计算每一工序的刀型和总加工时长。
步骤20:根据所述工序的刀型要求从刀具中心调取刀具,将刀具装夹在机床上,该刀具基于磨损寿命模型获得的剩余使用寿命大于所述总加工时长。
步骤30:机床按所述工序切削工件,所述工序由多个工步组成,在每一工步的退刀时刻预测刀具的剩余使用寿命。由于实际工况发生变化,步骤20预测的剩余使用寿命不准确,本实施例在步骤30中结合净切削功率和刃口摩擦力更新剩余使用寿命。
步骤40:若剩余使用寿命小于剩余加工时长,选定刀具中心同一刀型的另一刀具为备用刀具,进入步骤50,否则返回至步骤30。该备用刀具基于磨损寿命模型获得的剩余使用寿命大于剩余加工时长。
步骤50:若同一备用刀具被两组机床选定,则加速磨损指数较小的机床重新选定备用刀具。在步骤50中,当多个刀具选择了同一备用刀具时,以加速磨损指数为标准确定选定备用刀具的优先级,结合竞争原则确定备用刀具的选定关系。加速磨损指数较大的刀具对备用刀具的需求更急迫,加速磨损指数较小的刀具可以重新指定新的备用刀具,依次完成备用刀具的更新。另一方面,加速磨损指数相等的机床可以采用随机选择任一机床重新选定备用刀具。
步骤60:若刀具的剩余使用寿命大于换刀时长,返回至步骤30,否则从刀具中心调取备用刀具,再返回至步骤30。选定备用刀具的方法例如是在刀具中心中锁定该备用刀具,优先级较低的其他机床不得调用。
进一步的,本发明可以在控制中心设置一调度计划,该调度计划由多组调度标签组成。调度标签包括机床标识、刀具标识、刀型标识、加速磨损指数、备用刀具标识。通过调度标签可以完成备用刀具的选定、优先级的比较以及备用刀具的重新选定。每一次调度计划后,根据加速磨损指数的大小重新排列调度标签,依次更新选定的备用刀具。
实施例五
如图7所示,根据所述数控刀具的调度方法的调度系统,包括:控制中心、刀具中心、多组机床、数据中心。刀具中心具有多组刀具,每一刀具有对应的刀具标识。参照图8,该机床包括机床电机、机床主轴、工作台、进给机构、摄像机。机床电机设有第一测量单元,机床主轴带动工件转动,工作台具有进给工位和退刀工位,进给机构用于将刀具移至进给工位或退刀工位,进给机构设有第二测量单元,第二测量单元接收的模拟信号输出至前置放大器。摄像机提取退刀工位的第一图像或第二图像。
控制中心提取第一测量单元的输出功率和第二测量单元的切削力,根据第一图像和第二图像调整寿命预测模型的加速磨损指数,刀具中心根据刀具的剩余使用寿命调取并装夹备用刀具。本实施例可以通过样本训练的方法定义磨损强度模型和寿命预测模型的不同参数,存储于数据中心。加工开始后,采集净切削功率和刃口摩擦力再更新寿命预测模型的部分参数。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种刀具使用寿命的预测方法,其特征在于,包括以下步骤:
步骤31:加工开始前,获取刀具刀刃的第一图像,根据第一图像的当前刃口边界与初始刃口边界计算刀具的初始磨损量V0和初始磨损面积B0;
步骤32:加工开始后,从当前工序中提取n个工步,确定每一工步的切削时长及退刀时刻ti,i=1;
步骤33:刀具按工步的顺序进给并切削工件,采集机床主轴的输出功率,根据输出功率和机床的空载功率计算净切削功率;
步骤34:采集刀具的切削力,将切削力分解为切深抗力、主切削力、进给抗力,根据切深抗力、主切削力、进给抗力计算刀具的刃口摩擦力;
步骤35:根据采样周期将当前工步分割为多个切削时序,根据磨损强度模型确定每一切削时序的磨损强度;
步骤36:根据多个切削时序的磨损强度计算平均磨损强度Qi,根据磨损寿命模型预测刀具的剩余使用寿命Ti;
步骤37:在退刀时刻ti,获取刀具刀刃的第二图像,根据第二图像的当前刃口边界与第一图像的当前刃口边界计算刀具的实时磨损量Vi和实时磨损面积Bi;
步骤38:根据实时磨损面积确定磨损速率,根据磨损速率调整寿命预测模型的加速磨损指数,i=i+1,返回至步骤33。
2.根据权利要求1所述的刀具使用寿命的预测方法,其特征在于,在步骤31中,通过边缘检测方法获取当前刃口边界,根据当前刃口边界与初始刃口边界的纵坐标之差计算初始磨损量,根据初始刃口边界与当前刃口边界的积分之差计算初始磨损面积。
3.根据权利要求1所述的刀具使用寿命的预测方法,其特征在于,在步骤36中,工步i中切削时序j的磨损强度Qij=f(P2ij,Ffij),f(P2ij,Ffij)为磨损强度模型,P2ij为切削时序j的净切削功率,Ffij为切削时序j的刃口摩擦力。
4.根据权利要求1所述的刀具使用寿命的预测方法,其特征在于,在步骤36中,将多个切削时序的磨损强度拟合为以切削时序j为自变量的一次曲线,根据该一次曲线计算平均磨损强度。
5.根据权利要求1所述的刀具使用寿命的预测方法,其特征在于,在步骤36中,在工步i中,Vmax-Vi-1=g(Qi,Ti,μ),Vmax为最大磨损量,Vi-1为工步i-1的退刀时刻的实时磨损量,g(Qi,Ti,μ)为磨损寿命模型,μ为加速磨损指数,根据平均磨损强度反算刀具的剩余使用寿命Ti。
6.根据权利要求1所述的刀具使用寿命的预测方法,其特征在于,在步骤37中,通过流体压力清除刀具刀刃的积削瘤,再获取刀具刀刃的第二图像。
7.一种根据权利要求1所述的刀具使用寿命的预测方法的数控刀具的调度方法,其特征在于,包括:
步骤10:读取数控加工计划,将数控加工计划分解为多个工序,为每一工序分配机床,计算每一工序的刀型和总加工时长;
步骤20:根据所述工序的刀型要求从刀具中心调取刀具,将刀具装夹在机床上,该刀具基于磨损寿命模型获得的剩余使用寿命大于所述总加工时长;
步骤30:机床按所述工序切削工件,所述工序由多个工步组成,在每一工步的退刀时刻预测刀具的剩余使用寿命;
步骤40:若剩余使用寿命小于剩余加工时长,选定刀具中心同一刀型的另一刀具为备用刀具,进入步骤50,否则返回至步骤30;
步骤50:若同一备用刀具被两组机床选定,则加速磨损指数较小的机床重新选定备用刀具;
步骤60:若刀具的剩余使用寿命大于换刀时长,返回至步骤30,否则从刀具中心调取备用刀具,再返回至步骤30。
8.根据权利要求7所述的数控刀具的调度方法,其特征在于,在控制中心设置一调度计划,该调度计划由多组调度标签组成,调度标签包括机床标识、刀型标识、刀具标识、加速磨损指数、备用刀具标识。
9.一种根据权利要求7所述的数控刀具的调度方法的调度系统,其特征在于,包括:
一控制中心;
一刀具中心,刀具中心具有多组刀具;
多组机床,该机床包括机床电机、机床主轴、工作台、进给机构、摄像机,机床电机设有第一测量单元,机床主轴带动工件转动,工作台具有进给工位和退刀工位,进给机构用于将刀具移至进给工位或退刀工位,进给机构设有第二测量单元,摄像机提取刀具的第一图像或第二图像,其中,控制中心提取第一测量单元的输出功率和第二测量单元的切削力,并调整磨损寿命模型的加速磨损指数,刀具中心根据刀具的剩余使用寿命选定备用刀具。
10.根据权利要求9所述的调度系统,其特征在于,还包括数据中心,数据中心存储多个刀型的磨损强度模型和磨损寿命模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310302539.1A CN116011263B (zh) | 2023-03-27 | 2023-03-27 | 刀具使用寿命的预测方法及数控刀具的调度方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310302539.1A CN116011263B (zh) | 2023-03-27 | 2023-03-27 | 刀具使用寿命的预测方法及数控刀具的调度方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116011263A true CN116011263A (zh) | 2023-04-25 |
CN116011263B CN116011263B (zh) | 2023-06-09 |
Family
ID=86021404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310302539.1A Active CN116011263B (zh) | 2023-03-27 | 2023-03-27 | 刀具使用寿命的预测方法及数控刀具的调度方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116011263B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592976A (zh) * | 2024-01-19 | 2024-02-23 | 山东豪泉软件技术有限公司 | 一种刀具剩余寿命预测方法、装置、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021796A (zh) * | 2016-06-03 | 2016-10-12 | 上海工具厂有限公司 | 一种铬钢叶片型面加工用球头铣刀的剩余寿命预测方法 |
CN106736859A (zh) * | 2017-01-19 | 2017-05-31 | 株洲钻石切削刀具股份有限公司 | 车削刀片使用寿命对比方法 |
CN108907896A (zh) * | 2018-06-06 | 2018-11-30 | 上海交通大学 | 一种刀具剩余寿命在线预测方法及系统 |
US20190143467A1 (en) * | 2017-11-16 | 2019-05-16 | Industrial Technology Research Institute | Detection device, detecetion method and compensation method for tool wear |
CN110103079A (zh) * | 2019-06-17 | 2019-08-09 | 中国科学院合肥物质科学研究院 | 一种微铣削过程中刀具磨损的在线监测方法 |
US20200089191A1 (en) * | 2018-09-18 | 2020-03-19 | Industrial Technology Research Institute | Method for monitoring cutting-tool abrasion |
CN112327751A (zh) * | 2020-11-26 | 2021-02-05 | 成都航空职业技术学院 | 一种数控侧铣加工中主轴净切削功率的提取方法 |
EP3859463A1 (fr) * | 2020-02-03 | 2021-08-04 | Airbus Operations SAS | Systeme d'estimation de l'état d'usure d'un outil coupant pendant l'usinage |
-
2023
- 2023-03-27 CN CN202310302539.1A patent/CN116011263B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021796A (zh) * | 2016-06-03 | 2016-10-12 | 上海工具厂有限公司 | 一种铬钢叶片型面加工用球头铣刀的剩余寿命预测方法 |
CN106736859A (zh) * | 2017-01-19 | 2017-05-31 | 株洲钻石切削刀具股份有限公司 | 车削刀片使用寿命对比方法 |
US20190143467A1 (en) * | 2017-11-16 | 2019-05-16 | Industrial Technology Research Institute | Detection device, detecetion method and compensation method for tool wear |
CN108907896A (zh) * | 2018-06-06 | 2018-11-30 | 上海交通大学 | 一种刀具剩余寿命在线预测方法及系统 |
US20200089191A1 (en) * | 2018-09-18 | 2020-03-19 | Industrial Technology Research Institute | Method for monitoring cutting-tool abrasion |
CN110103079A (zh) * | 2019-06-17 | 2019-08-09 | 中国科学院合肥物质科学研究院 | 一种微铣削过程中刀具磨损的在线监测方法 |
EP3859463A1 (fr) * | 2020-02-03 | 2021-08-04 | Airbus Operations SAS | Systeme d'estimation de l'état d'usure d'un outil coupant pendant l'usinage |
CN112327751A (zh) * | 2020-11-26 | 2021-02-05 | 成都航空职业技术学院 | 一种数控侧铣加工中主轴净切削功率的提取方法 |
Non-Patent Citations (4)
Title |
---|
QINQIANG WANG等: "A comparative study on tool life and wear of uncoated and coated cutting tools in turning of tungsten heavy alloys", 《WEAR》 * |
徐进岩;王贵成;刘钢;沈春根;: "机械装备制造业中刀具全寿命周期管理的研究", 组合机床与自动化加工技术, no. 11 * |
杨小军;周慧;: "PVD涂层刀具切削砂岩的磨损面积研究", 组合机床与自动化加工技术, no. 09 * |
黄志平;黄新宇;李亮;郭月龙;: "基于数据驱动的铣削刀具寿命预测研究", 制造技术与机床, no. 01 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592976A (zh) * | 2024-01-19 | 2024-02-23 | 山东豪泉软件技术有限公司 | 一种刀具剩余寿命预测方法、装置、设备及介质 |
CN117592976B (zh) * | 2024-01-19 | 2024-04-26 | 山东豪泉软件技术有限公司 | 一种刀具剩余寿命预测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116011263B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116011263B (zh) | 刀具使用寿命的预测方法及数控刀具的调度方法和系统 | |
US7577491B2 (en) | System and method for extracting parameters of a cutting tool | |
CN103235556B (zh) | 基于特征的复杂零件数控加工制造方法 | |
EP1027954A1 (en) | Method of preparing tool wear data, estimating tool wear amount, and making decision on the use of the tool | |
CN109213810B (zh) | 一种盾构tbm掘进参数的数据挖掘方法 | |
CN110414727A (zh) | 一种基于数据挖掘的生产进度预测方法及系统 | |
CN113146359A (zh) | 一种智能监测和诊断切削状态的数控机床控制系统 | |
CN110794768A (zh) | 基于实时数据和step-nc数据推测数控加工状态的方法和装置 | |
JP2008196989A (ja) | 切削工具のパラメータを抽出するためのシステム及び方法 | |
US20200401106A1 (en) | Machining command improving system and machining command improving method | |
CN116021339A (zh) | 一种数控机床主轴切削力监测方法及相关装置 | |
CN114536104A (zh) | 一种刀具寿命动态预测方法 | |
CN110658782B (zh) | 一种基于特征的数控机床固有能效预测方法 | |
CN111215966A (zh) | 刀具寿命估测装置及方法 | |
CN111050992B (zh) | 用于计算机辅助地优化在用于机床的至少一个刀库之内刀具对刀库位置的占用的方法和设备 | |
JP2009187206A (ja) | 精密加工のための最適加工条件の決定を支援する装置 | |
CN114850967A (zh) | 一种基于人在回路的刀具磨损状态检测方法和系统 | |
CN113752084A (zh) | 一种数控机床刀具性能的智能化监测方法和系统 | |
CN112036661A (zh) | 基于刀具力学性能随机分布性的陶瓷刀具可靠度预测方法 | |
CN116214263B (zh) | 一种刀具剩余寿命预测方法、系统及计算机 | |
Balduhn et al. | Model of a burr expert system | |
CN116243654A (zh) | 整体叶盘叶片的宽行加工方法及相关装置 | |
CN116673793B (zh) | 刀具损耗检测方法、介质、电子设备及刀具损耗检测装置 | |
Ozaki et al. | Novel State Estimation Method of Surface Chatter Pattern via Image Processing After End Milling | |
KR102594887B1 (ko) | 공작기계 공작물의 재질 판별 장치 및 그 방법 |
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 |