CN116511997A - 基于主轴振动信号的刀具磨破损实时监控方法、设备及存储介质 - Google Patents
基于主轴振动信号的刀具磨破损实时监控方法、设备及存储介质 Download PDFInfo
- Publication number
- CN116511997A CN116511997A CN202310706548.7A CN202310706548A CN116511997A CN 116511997 A CN116511997 A CN 116511997A CN 202310706548 A CN202310706548 A CN 202310706548A CN 116511997 A CN116511997 A CN 116511997A
- Authority
- CN
- China
- Prior art keywords
- tmi
- characteristic value
- blade
- signal
- monitoring signal
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000000227 grinding Methods 0.000 title claims abstract description 14
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000005520 cutting process Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000003801 milling Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000003754 machining Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
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
- B23Q17/0957—Detection of tool breakage
-
- 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
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请公开了一种基于主轴振动信号的刀具磨破损实时监控方法、设备及存储介质,该基于主轴振动信号的刀具磨破损实时监控方法包括:所述机床主轴上安装有具备多个刀刃的多把刀具,所述刀具随机床主轴旋转铣削工件,所述方法包括以下步骤:步骤一,提取每把刀具的监控信号特征值;步骤二,通过滤波算法计算得到所述监控信号的刀刃信号特征值;步骤三,将所述刀刃信号特征值的正弦波曲线的波峰提取计算,得到刀刃监控信号特征值的数据样本;步骤四,将数据样本在极坐标系上绘制图样。上述方案,直观地显示刀具每个刀刃实时加工状态,精准的知道多个刀刃的多把刀具的具体刀刃磨损或者破损。
Description
技术领域
本申请涉及数控机床技术领域,特别是涉及一种基于主轴振动信号的刀具磨破损实时监控方法、设备及存储介质。
背景技术
在机加工中,尤其是在金属切削的机床上,刀具作为承载工件材料去除工作的主要载体,其稳定性是机加工业内人士普遍关心的话题。不同的刀具结构和切削运动形式构成不同的切削方法。用刃形和刃数都固定的刀具进行切削的方法有车削、钻削、镗削、铣削、刨削、拉削和锯切等;
例如在针对铣刀在铣削过程中的刀具状态监控时,铣刀出现异常的因素有很多,比如:机床的精度、工件材料、工艺参数的设置和刀具的制程工艺等,其中任何一项的变化都有可能造成刀具在加工中产生异常现象,同时,根据刀具异常的程度,一般分为刀具折断、刀具崩刃和刀具磨损;
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CN 115922442A公开了: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;但上述方法在监控多个刀刃的多把刀具时,存在局限性,通过功率谱频带来判断反映刀具磨损与刀具破损,并不能精准的知道多个刀刃的多把刀具的具体刀刃磨损或者破损。
发明内容
本申请至少提供一种基于主轴振动信号的刀具磨破损实时监控方法、装置、设备以及计算机可读存储介质,直观地显示刀具每个刀刃实时加工状态,精准的知道多个刀刃的多把刀具的具体刀刃磨损或者破损。
本申请第一方面提供了一种基于主轴振动信号的刀具磨破损实时监控方法,所述机床主轴上安装有具备多个刀刃的多把刀具,所述刀具随机床主轴旋转铣削工件,所述方法包括以下步骤:步骤一,提取每把刀具的监控信号特征值STMi;步骤二,通过滤波算法计算得到所述监控信号STMi的刀刃信号特征值S’TM1~S’TMI;步骤三,将所述刀刃信号特征值S’TM1~S’TMI的正弦波曲线的波峰提取计算,得到刀刃监控信号特征值S’TMiq1~S‘TMiqm的数据样本;步骤四,将数据样本在极坐标系上绘制图样。
在一实施例中,其中,所述步骤三,包括以下两个子步骤:步骤A、以刀具每转一圈的时间ti对刀刃信号特征值S’TMi进行切分,共切分成Q圈,步骤B、提取计算第q圈的m点的刀刃监控信号特征值S’TMiq1~S‘TMiqm数据,形成数据样本。
在一实施例中,其中,步骤四,将第q圈的m点的刀刃监控信号特征值S’TMiq1~S‘TMiqm的数据样本在极坐标系上绘制图样。
在一实施例中,还包括,步骤五,将加工过程中的刀刃监控信号特征值S’TMiq1~S‘TMiqm在极坐标系上绘制的图样,与数据样本在极坐标系上绘制的图样进行比对,判断刀刃是否磨损或者崩刃。
在一实施例中,所述刀刃监控信号特征值S‘TMiqm,将Q圈的同一个M点的刀刃监控信号特征值S’TMiq1~S‘TMiqm进行平均值计算。
在一实施例中,所述平均值计算方法如下:对于Q圈的M点的刀刃监控信号特征值S’TMiq1~S‘TMiqm,产生了J行K列的矩阵对于每一列的第q圈进行平均值计算,得到/>为第q圈的刀刃监控信号特征值S‘TMiqm。
在一实施例中,所述J大于32。
本申请第二方面提供了一种基于主轴振动信号的刀具磨破损实时监控装置,包括:采集模块,用于采集每把刀具的监控信号特征值STMi;模型模块,用于将监控信号特征值STMi通过滤波算法计算得到刀刃信号特征值S’TM1~S’TMI,所述刀刃信号特征值S’TM1~S’TMI通过波峰提取计算得到刀刃监控信号特征值S’TMiq1~S‘TMiqm的数据样本;绘制模块,将数据样本在极坐标系上绘制图样;对比模块,用于将数据样本在极坐标系上绘制图样,与加工过程中的刀刃监控信号特征值S’TMiq1~S‘TMiqm在极坐标系上绘制图样,进行图样比对与判断;预警模块,用于将图样比对的结果,输出至机床,机床根据比对的结果执行预警。
本申请第三方面提供了一种电子设备,包括存储器和处理器,处理器用于执行存储器中存储的程序指令,以实现上述基于主轴振动信号的刀具磨破损实时监控方法。
本申请第四方面提供了一种计算机可读存储介质,其上存储有程序指令,程序指令被处理器执行时实现上述基于主轴振动信号的刀具磨破损实时监控方法。
与现有技术相比,本发明有以下技术效果:上述方案,通过将刀刃监控信号特征值S’TMiq1~S‘TMiqm在极坐标系上绘制图样,利用图样与加工过程中的图样比对,且根据将刀刃监控信号特征值S’TMiq1~S‘TMiqm在图样上的显示,可以很直观地显示刀具每个刀刃实时加工状态;根据图样比对,可以精准的知道多个刀刃的多把刀具的具体刀刃磨损或者破损。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本申请的实施例,并与说明书一起用于说明本申请的技术方案。
图1是本申请的一示例性实施例示出的基于主轴振动信号的刀具磨破损实时监控方法的流程图;
图2是本申请的一示例性实施例示出的基于主轴振动信号的刀具磨破损实时监控方法中多把刀具监控信号示意图;
图3是本申请的一示例性实施例示出的基于主轴振动信号的刀具磨破损实时监控方法中铣刀监控信号示意图;
图4是本申请的一示例性实施例示出的基于主轴振动信号的刀具磨破损实时监控方法中刃频滤波后正弦波曲线示意图;
图5是本申请的一示例性实施例示出的基于主轴振动信号的刀具磨破损实时监控方法中第q圈刀刃监控信号S‘TMiqm示意图;
图6是本申请的一示例性实施例示出的基于主轴振动信号的刀具磨破损实时监控方法中极坐标系上绘制的图样示意图;
图7是本申请的一示例性实施例示出的基于主轴振动信号的刀具磨破损实时监控方法装置的框图;
图8是本申请电子设备一实施例的结构示意图;
图9是本申请计算机可读存储介质一实施例的结构示意图。
具体实施方式
下面结合说明书附图,对本申请实施例的方案进行详细说明。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透彻理解本申请。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
本申请实施例提出了一种基于主轴振动信号的刀具磨破损实时监控方法、装置设备及计算机可读存储介质。详情可参阅图1,图1是本申请的一示例性实施例示出的基于主轴振动信号的刀具磨破损实时监控方法的流程图。具体而言,本申请实施例的基于主轴振动信号的刀具磨破损实时监控方法至少包括步骤,步骤一,提取每把刀具的监控信号特征值STMi;步骤二,通过滤波算法计算得到所述监控信号STMi的刀刃信号特征值S’TM1~S’TMI;步骤三,将所述刀刃信号特征值S’TM1~S’TMI的正弦波曲线的波峰提取计算,得到刀刃监控信号特征值S’TMiq1~S‘TMiqm的数据样本;步骤四,将数据样本在极坐标系上绘制图样。
其中,所述步骤三,包括以下两个子步骤:步骤A、以刀具每转一圈的时间ti对刀刃信号特征值S‘TMi进行切分,共切分成Q圈,步骤B、提取计算第q圈的m点的刀刃监控信号特征值S’TMiq1~S‘TMiqm数据,形成数据样本。
其中,步骤四,将第q圈的m点的刀刃监控信号特征值S’TMiq1~S‘TMiqm的数据样本在极坐标系上绘制图样。
还包括,步骤五,将加工过程中的刀刃监控信号特征值S’TMiq1~S‘TMiqm在极坐标系上绘制的图样,与数据样本在极坐标系上绘制的图样进行比对,判断刀刃是否磨损或者崩刃。
所述刀刃监控信号特征值S‘TMiqm,将Q圈的同一个M点的刀刃监控信号特征值S’TMiq1~S‘TMiqm进行平均值计算。
所述平均值计算方法如下:对于Q圈的M点的刀刃监控信号特征值S’TMiq1~S‘TMiqm,产生了J行K列的矩阵对于每一列的第q圈进行平均值计算,得到为第q圈的刀刃监控信号特征值S‘TMiqm。
所述J大于32。
图7是本申请的一示例性实施例示出的基于主轴振动信号的刀具磨破损实时监控装置的框图。如图6所示,包括:采集模块,用于采集每把刀具的监控信号特征值STMi;模型模块,用于将监控信号特征值STMi通过滤波算法计算得到刀刃信号特征值S’TM1~S’TMI,所述刀刃信号特征值S’TM1~S’TMI通过波峰提取计算得到刀刃监控信号特征值S’TMiq1~S‘TMiqm的数据样本;绘制模块,将数据样本在极坐标系上绘制图样;对比模块,用于将数据样本在极坐标系上绘制图样,与加工过程中的刀刃监控信号特征值S’TMiq1~S‘TMiqm在极坐标系上绘制图样,进行图样比对与判断;预警模块,用于将图样比对的结果,输出至机床,机床根据比对的结果执行预警。
具体实施案例,采集模块,采集信息:进行模型模块训练之前,需要提前了解清楚具体哪些刀具为铣刀,定义为TM1~TMI,(定义总共有I把铣刀),然后记录每把刀具TMi的相关信息,信息包括:主轴转速Ri和刀刃数Ci,并将相应信息输入到输入参数中。
采集信号时的要以较高的采样频率K来采集,最低不能低于4kHz;所有的数据都统一以电脑时间作为统一标尺,这样可以确保所有数据的同时性。然后以机床的PLC数据变化来识别加工过程数据所对应不同的状态。此外,还会对采集的原始数据进行清洗,方法主要包括异常点剔除、数据滤波、微积分等,对原始加工信号数据进行清洗。
数据分类和预处理:
如图2、图3所示,做完数据清洗后,需要先收集一段时间刀具在正常加工时产生的加工信号,包括振动、声发射等,后续统一以监控信号S来命名。然后以机床的PLC信号对监控信号S进行分类,当收到机床PLC的循环启动信号变化时(从0→1,不启动时为0,开启加工时为1),认为机床进入加工状态,再以刀具信号的不同(不加工时为0,当有刀具在加工时,会显示1~N),对监控信号S进行分类。sT1~sTN(T1~TN,代表总共有N把刀具),本专利只对铣刀,也就是监控信号sTM1~sTMI进行讨论。
如图4所示,对于每把铣刀刀具的监控信号sTMi,需要对其进行带通滤波计算,不同刀具的截止频率F不同,只保留刀刃信号,计算公式为其中频带通过频率为Fi±10Hz,处理后的刀刃信号为s’TM1~s’TMI,此时的加工信号数据会代表着每把刀的刃加工时的刀刃信号。
例如4刃铣刀刀具,Fi为刃频,通过滤波算法得出,频率为刃频的正弦波曲线,提取正弦波曲线的至少2个以上的正常波峰作为每个刃的花瓣。
如图5所示,模型训练:
正弦波曲线的波峰提取:经过预处理之后的刀刃信号S‘TM1~S’TMI,需要对每个刀刃信号S‘TMi进行切分,首先先计算不同刀具TMi在每转一圈的时间ti,然后以ti对S’TMI进行切分,总共切分成Q圈,/>其中第q圈的刀刃监控信号为S’TMiq1~S‘TMiqm,代表着本圈总共有m个刀刃监控信号S’TMiq1~S‘TMiqm。
对于Q圈的M个刀刃监控信号S’TMiq1~S‘TMiqm,将Q圈的M个刀刃监控信号S’TMiq1~S‘TMiqm进行矩阵计算,设置J行K列的矩阵,如对每一列的第q圈进行平均值计算(J要求要大于32),最后计算出/>为第q圈刀刃监控信号S‘TMiqm,然后在极坐标系上绘制图样。
每一圈有M个点,总共有Q圈;需要把Q圈的同一个M个刀刃监控信号S‘TMiqm进行平均值计算。
如图6所示,在极坐标系上绘制图样:
以极坐标的形式将铣刀切削过程表达出来,其中横坐标为0~360度,纵坐标为S’TMiq1~S‘TMiqm。以四刃铣刀为例,将会在极坐标中呈现“四瓣花瓣”的图形。当铣刀的某一个刀刃出现崩口时,极坐标上显示的图样在此刃上一定会产生不饱满的“花瓣”。
其中,各个模块的功能可参见基于主轴振动信号的刀具磨破损实时监控方法实施例所述,此处不再赘述。
请参阅图8,图8是本申请电子设备一实施例的结构示意图。电子设备50包括存储器51和处理器52,处理器52用于执行存储器51中存储的程序指令,以实现上述任一基于主轴振动信号的刀具磨破损实时监控方法实施例中的步骤。在一个具体的实施场景中,电子设备50可以包括但不限于:微型计算机、服务器,此外,电子设备50还可以包括笔记本电脑、平板电脑等移动设备,在此不做限定。
具体而言,处理器52用于控制其自身以及存储器51以实现上述任一基于主轴振动信号的刀具磨破损实时监控方法实施例中的步骤。处理器52还可以称为CPU(CentralProcessing Unit,中央处理单元)。处理器52可能是一种集成电路芯片,具有信号的处理能力。处理器52还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外,处理器52可以由集成电路芯片共同实现。
上述方案,通过将多个工艺参数的参数特征中与目标模型匹配的参数特征输入目标模型中,得到目标模型预测的工艺标签,并根据预测的工艺标签从预设工艺标签对应的工艺策略中确定目标工艺策略,进而利用目标工艺策略调整初始工艺策略,一方面,能够基于目标模型提高工艺标签的预测准确性;另一方面,根据预测的工艺标签确定目标工艺策略,并用目标工艺策略调整初始工艺策略,实现了工艺策略的自适应调整,提高了加工产品的质量。
请参阅图9,图9是本申请计算机可读存储介质一实施例的结构示意图。计算机可读存储介质60存储有能够被处理器运行的程序指令61,程序指令61用于实现上述任一基于主轴振动信号的刀具磨破损实时监控方法实施例中的步骤。
上述方案,通过将多个工艺参数的参数特征中与目标模型匹配的参数特征输入目标模型中,得到目标模型预测的工艺标签,并根据预测的工艺标签从预设工艺标签对应的工艺策略中确定目标工艺策略,进而利用目标工艺策略调整初始工艺策略,一方面,能够基于目标模型提高工艺标签的预测准确性;另一方面,根据预测的工艺标签确定目标工艺策略,并用目标工艺策略调整初始工艺策略,实现了工艺策略的自适应调整,提高了加工产品的质量。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,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,例如单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种基于主轴振动信号的刀具磨破损实时监控方法,所述机床主轴上安装有具备多个刀刃的多把刀具,所述刀具随机床主轴旋转铣削工件,其特征在于,所述方法包括以下步骤:
步骤一,提取每把刀具的监控信号特征值STMi;
步骤二,通过滤波算法计算得到所述监控信号STMi的刀刃信号特征值S’TM1~S’TMI;
步骤三,将所述刀刃信号特征值S’TM1~S’TMI的正弦波曲线的波峰提取计算,得到刀刃监控信号特征值S’TMiq1~S‘TMiqm的数据样本;
步骤四,将数据样本在极坐标系上绘制图样。
2.根据权利要求1所述的方法,其特征在于,其中,所述步骤三,包括以下两个子步骤:
步骤A、以刀具每转一圈的时间ti对刀刃信号特征值S‘TMi进行切分,共切分成Q圈,
步骤B、提取计算第q圈的m点的刀刃监控信号特征值S’TMiq1~S‘TMiqm数据,形成数据样本。
3.根据权利要求1所述的方法,其特征在于,其中,步骤四,将第q圈的m点的刀刃监控信号特征值S’TMiq1~S‘TMiqm的数据样本在极坐标系上绘制图样。
4.根据权利要求1至3任一项所述的方法,其特征在于,还包括,步骤五,将加工过程中的刀刃监控信号特征值S’TMiq1~S‘TMiqm在极坐标系上绘制的图样,与数据样本在极坐标系上绘制的图样进行比对,判断刀刃是否磨损或者崩刃。
5.根据权利要求4所述的方法,其特征在于,所述刀刃监控信号特征值S‘TMiqm,将Q圈的同一个M点的刀刃监控信号特征值S’TMiq1~S‘TMiqm进行平均值计算。
6.根据权利要求5所述的方法,其特征在于,所述平均值计算方法如下:对于Q圈的M点的刀刃监控信号特征值S’TMiq1~S‘TMiqm,产生了J行K列的矩阵对于每一列的第q圈进行平均值计算,得到/>为第q圈的刀刃监控信号特征值S‘TMiqm。
7.根据权利要求6所述的方法,其特征在于,所述J大于32。
8.一种基于主轴振动信号的刀具磨破损实时监控装置,其特征在于,包括:
采集模块,用于采集每把刀具的监控信号特征值STMi;
模型模块,用于将监控信号特征值STMi通过滤波算法计算得到刀刃信号特征值S’TM1~S’TMI,所述刀刃信号特征值S’TM1~S’TMI通过波峰提取计算得到刀刃监控信号特征值S’TMiq1~S‘TMiqm的数据样本;
绘制模块,将数据样本在极坐标系上绘制图样;
对比模块,用于将数据样本在极坐标系上绘制图样,与加工过程中的刀刃监控信号特征值S’TMiq1~S′TMiqm在极坐标系上绘制图样,进行图样比对与判断;
预警模块,用于将图样比对的结果,输出至机床,机床根据比对的结果执行预警。
9.一种电子设备,其特征在于,包括存储器和处理器,所述处理器用于执行所述存储器中存储的程序指令,以实现权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有程序指令,其特征在于,所述程序指令被处理器执行时实现权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310706548.7A CN116511997A (zh) | 2023-06-14 | 2023-06-14 | 基于主轴振动信号的刀具磨破损实时监控方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310706548.7A CN116511997A (zh) | 2023-06-14 | 2023-06-14 | 基于主轴振动信号的刀具磨破损实时监控方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116511997A true CN116511997A (zh) | 2023-08-01 |
Family
ID=87403150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310706548.7A Pending CN116511997A (zh) | 2023-06-14 | 2023-06-14 | 基于主轴振动信号的刀具磨破损实时监控方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116511997A (zh) |
-
2023
- 2023-06-14 CN CN202310706548.7A patent/CN116511997A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI640390B (zh) | 刀具磨耗監測與預測方法 | |
US7383097B2 (en) | Method for managing machine tool data | |
CN107584334B (zh) | 一种基于深度学习的复杂结构件数控加工刀具状态实时监测方法 | |
CN108490880B (zh) | 一种数控机床切削刀具磨损状态实时监测方法 | |
US20040176926A1 (en) | System and method for machining data management | |
CN110275505A (zh) | 异常检测系统、支持装置以及模型生成方法 | |
EP1650622B1 (en) | Data management and networking system and method | |
CN110275506A (zh) | 异常检测系统、支持装置以及模型生成方法 | |
CN109799784A (zh) | 刀具磨耗检测装置、其检测方法及刀具磨耗补偿方法 | |
CN114850969B (zh) | 一种基于振动信号的刀具失效监控方法 | |
CN110587377A (zh) | 一种在线监测铣削加工刀具缺损的方法 | |
CN108931961A (zh) | 一种基于机器视觉的整体式立铣刀磨破损检测方法 | |
CN106647629A (zh) | 一种基于数控系统内部数据的断刀检测方法 | |
CN106112697A (zh) | 一种基于3σ准则的铣削颤振自动报警阈值设定方法 | |
Zhang et al. | Heterogeneous sensors-based feature optimisation and deep learning for tool wear prediction | |
JP2019098515A (ja) | 刃具状態検査システム及び方法 | |
Khairnar et al. | Supervision of carbide tool condition by training of vibration-based statistical model using boosted trees ensemble | |
CN116061006B (zh) | 一种刀具监控方法、装置、设备及介质 | |
JP2023510463A (ja) | 加工プロセスおよび/または加工結果を監視および/または予測するための方法 | |
CN108132646A (zh) | 加工参数调整系统及加工参数调整方法 | |
JP2020187488A (ja) | 状態監視装置及びプログラム | |
Ajayram et al. | Condition monitoring of carbide and non-carbide coated tool insert using decision tree and random tree–A statistical learning | |
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 | |
CN114800040A (zh) | 工艺-状态数据关联的刀具磨损监测方法及系统 | |
CN114986258A (zh) | 刀具状态监测方法、装置、计算机设备及系统 |
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 |