CN116991115B - 数控机床主轴状态监测方法、装置、设备及介质 - Google Patents
数控机床主轴状态监测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116991115B CN116991115B CN202311257945.7A CN202311257945A CN116991115B CN 116991115 B CN116991115 B CN 116991115B CN 202311257945 A CN202311257945 A CN 202311257945A CN 116991115 B CN116991115 B CN 116991115B
- Authority
- CN
- China
- Prior art keywords
- numerical control
- control machine
- machine tool
- state
- spindle
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000000007 visual effect Effects 0.000 claims abstract description 90
- 239000011159 matrix material Substances 0.000 claims abstract description 87
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 29
- 238000013210 evaluation model Methods 0.000 claims description 22
- 230000003287 optical effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000003754 machining Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 10
- 230000036544 posture Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000014392 establishment of spindle localization Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
-
- 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
- B23Q1/00—Members which are comprised in the general build-up of a form of machine, particularly relatively large fixed members
- B23Q1/0009—Energy-transferring means or control lines for movable machine parts; Control panels or boxes; Control parts
-
- 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
- B23Q17/002—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring the holding action of work or tool holders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35001—Data input, data handling, programming, monitoring of nc
Abstract
本发明提供一种数控机床主轴状态监测方法、装置、设备及介质，涉及数控加工技术领域，方法包括：获取数控机床主轴对应的视觉传感数据以及实时监测数据，其中，所述实时监测数据包括压力数据和位置偏移数据中的至少一种；对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息；根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵；根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。本发明有利于提高数控机床主轴状态监测的准确性和数控机床使用的安全性。
Description
技术领域
本发明涉及数控加工技术领域，尤其涉及一种数控机床主轴状态监测方法、装置、设备及介质。
背景技术
在数控机床使用过程中，数控机床的主轴与连接的刀具之间如果连接状态异常（例如异常偏移、异常松动等）则会对数控加工过程造成极大影响，带来加工误差。因此，在进行数控加工时，需要判断数控机床主轴的连接状态。
现有技术中，通常在开启数控机床之前，通过操作人员目视或使用测量工具（例如卡尺、测微计等）对数控机床主轴的连接状态进行检查。现有技术的问题在于，需要操作人员具备一定经验和技能，且存在主观误差的可能性，对数控机床主轴的连接状态监测的准确性较低，且无法实现实时监测，不利于提高数控机床使用的安全性。
发明内容
本发明提供一种数控机床主轴状态监测方法、装置、设备及介质，用以解决现有技术中通过操作人员目视或使用测量工具对数控机床主轴的连接状态进行检查的方案准确性较低，且无法实现实时监测，不利于提高数控机床使用的安全性的问题，实现提高数控机床主轴状态监测的准确性和数控机床使用的安全性。
本发明提供一种数控机床主轴状态监测方法，包括：
获取数控机床主轴对应的视觉传感数据以及实时监测数据，其中，所述实时监测数据包括压力数据和位置偏移数据中的至少一种；
对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息；
根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵；
根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。
根据本发明提供的一种数控机床主轴状态监测方法，所述实时监测数据包括压力数据和位置偏移数据；
所述获取数控机床主轴对应的视觉传感数据以及实时监测数据，包括：
通过预设的视觉传感器对所述数控机床主轴所在区域进行图像采集，获得所述数控机床主轴对应的视觉传感数据；
通过预设的压电传感器采集所述数控机床主轴与连接的刀具之间的压力数据，其中，所述压力数据包括当前时刻所述数控机床主轴与所述刀具之间的压力值，以及当前时刻与历史时刻相比的压力变化值；
通过预设的光程差测量器获取所述数控机床主轴与连接的刀具之间的位置偏移数据，其中，所述位置偏移数据包括当前时刻所述数控机床主轴与所述刀具之间的相对位置信息，所述数控机床主轴在当前时刻与历史时刻相比的主轴位置偏移量，以及所述刀具在当前时刻与历史时刻相比的刀具位置偏移量；
其中，所述压电传感器和所述光程差测量器设置在所述数控机床主轴与刀具握持器之间。
根据本发明提供的一种数控机床主轴状态监测方法，在所述根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵之前，所述方法还包括：
通过已训练的误差修正模型对所述实时监测数据进行数据修正，获得修正后的实时监测数据。
根据本发明提供的一种数控机床主轴状态监测方法，所述对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息，包括：
获取所述视觉传感数据中的多张包含所述数控机床主轴的环境图像；
根据预设的标准尺寸对所述环境图像进行缩放处理；
对缩放处理后的所述环境图像进行配准处理，并根据配准后的所述环境图像提取获得所述数控机床主轴对应的主轴位置信息和主轴姿态信息，以及所述数控机床主轴连接的刀具的刀具位置信息和刀具姿态信息；
根据所述主轴位置信息、所述主轴姿态信息、所述刀具位置信息以及所述刀具姿态信息，获得所述视觉特征信息。
根据本发明提供的一种数控机床主轴状态监测方法，所述根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果，包括：
获取所述数控机床主轴对应的标准状态信息矩阵；
根据所述状态信息矩阵和所述标准状态信息矩阵计算获得差值矩阵；
根据所述差值矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。
根据本发明提供的一种数控机床主轴状态监测方法，所述根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果，包括：
对所述状态信息矩阵进行归一化处理，获得归一化状态矩阵；
根据所述归一化状态矩阵，通过已训练的状态评估模型，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。
根据本发明提供的一种数控机床主轴状态监测方法，所述状态评估模型根据如下步骤进行训练：
将训练数据中的训练归一化状态矩阵输入所述状态评估模型，以获取所述状态评估模型输出的预测状态监测结果，其中，所述训练数据包括多组训练信息组，每一组训练信息组包括所述训练归一化状态矩阵和标注状态监测结果；
根据所述预测状态监测结果和所述标注状态监测结果对所述状态评估模型的模型参数进行调整，并继续执行所述将训练数据中的训练归一化状态矩阵输入所述状态评估模型的步骤，直至满足预设训练停止条件，以得到已训练的状态评估模型。
本发明还提供一种数控机床主轴状态监测装置，包括：
数据获取模块，用于获取数控机床主轴对应的视觉传感数据以及实时监测数据，其中，所述实时监测数据包括压力数据和位置偏移数据中的至少一种；
特征提取模块，用于对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息；
矩阵构建模块，用于根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵；
状态评估模块，用于根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在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任一种所述数控机床主轴状态监测方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一种所述数控机床主轴状态监测方法的步骤。
本发明提供的数控机床主轴状态监测方法中，获取数控机床主轴对应的视觉传感数据以及实时监测数据，其中，所述实时监测数据包括压力数据和位置偏移数据中的至少一种；对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息；根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵；根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。本发明中，获取实时监测数据，以及根据视觉传感数据提取的视觉特征信息之后，构建对应的状态信息矩阵，并根据状态信息矩阵自动分析获得数控机床对应的状态监测结果，无需操作人员人工监测和分析，能避免操作人员的主观误差。有利于提高数控机床主轴状态监测的准确性和数控机床使用的安全性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的数控机床主轴状态监测方法的流程示意图；
图2是本发明提供的数控机床主轴状态监测装置的结构示意图；
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
为了解决当前技术的技术问题，本发明提供一种数控机床主轴状态监测方法、装置、设备及介质，下面结合图1-图3进行具体描述。
如图1所示，本发明实施例提供一种数控机床主轴状态监测方法，具体的，所述方法包括如下步骤：
S100、获取数控机床主轴对应的视觉传感数据以及实时监测数据，其中，所述实时监测数据包括压力数据和位置偏移数据中的至少一种。
其中，所述数控机床主轴是需要进行连接状态监测的数控机床的主轴，所述视觉传感数据是通过视觉传感技术对所述数控机床主轴所在的区域进行信息采集获得的数据，所示实时监测数据则是对数控机床主轴的状态进行监测采集获得的数据。
所述实时监测数据可以包括压力数据和位置偏移数据中的至少一种，还可以包括其它监测数据，例如，所述数控机床主轴的电机温度数据、电压数据、电流数据、数控机床振动数据，以及对数控机床主轴所处环境进行监测获得的气压数据、环境温度数据等，在此不作具体限定。如此，结合多种类型和多种采集源的数据对数控机床主轴进行监测，有利于提高数控机床主轴状态监测的准确性。
在一种应用场景中，所述实时监测数据包括压力数据和位置偏移数据；
所述获取数控机床主轴对应的视觉传感数据以及实时监测数据，包括：
通过预设的视觉传感器对所述数控机床主轴所在区域进行图像采集，获得所述数控机床主轴对应的视觉传感数据；
通过预设的压电传感器采集所述数控机床主轴与连接的刀具之间的压力数据，其中，所述压力数据包括当前时刻所述数控机床主轴与所述刀具之间的压力值，以及当前时刻与历史时刻相比的压力变化值；
通过预设的光程差测量器获取所述数控机床主轴与连接的刀具之间的位置偏移数据，其中，所述位置偏移数据包括当前时刻所述数控机床主轴与所述刀具之间的相对位置信息，所述数控机床主轴在当前时刻与历史时刻相比的主轴位置偏移量，以及所述刀具在当前时刻与历史时刻相比的刀具位置偏移量；
其中，所述压电传感器和所述光程差测量器设置在所述数控机床主轴与刀具握持器之间。
本发明中以实时监测数据包括压力数据和位置偏移数据为例进行具体说明。
在一种应用场景中，可以结合视觉定位与建图（SLAM，SimultaneousLocalization and Mapping）技术，通过摄像头或其他视觉传感器获取环境信息作为视觉传感数据。例如，在数控机床所在区域安装摄像头或其他视觉传感器，用于获取刀具和主轴所在区域的环境信息。通过对环境中的特征进行提取、匹配和追踪，基于视觉SLAM技术可以实时估计刀具和主轴的位置和姿态。
在一种应用场景中，在刀具和主轴连接部分安装压电传感器，并监测压力和力的变化。具体的，压电传感器被安装在刀具握持器和主轴座之间，可以感知刀具和主轴连接部分的压力和力的变化。通过监测压电传感器的输出信号，可以检测到刀具和主轴连接的松动情况。例如，当刀具和主轴连接部分发生松动时，压电传感器将产生相应的变化信号，还可以获得对应的压力变化值。
进一步的，可以使用激光干涉仪作为所述光程差测量器，具体的，使用激光干涉仪进行刀具和主轴的相对位置和偏移量测量。例如，激光干涉仪发射一束激光束，经过反射后与接收器接收。测量仪器可以测量激光光程差，进而确定刀具和主轴之间的相对位置和偏移量。在一种应用场景中，激光干涉仪可以通过比较参考位置和当前位置之间的光程差，计算出刀具的精确位置。
需要说明的是，激光干涉仪和压电传感器被安装在加工中心主轴座和刀具握持器之间。它们通过连接线与测量控制单元相连，以传输测量数据和接收控制信号，实现对数据的准确测量。用户也可以通过测量控制单元控制激光干涉仪和压电传感器的测量频率，提高数控机床主轴状态监测的灵活性。
S200、对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息。
本申请实施例中，以视觉传感数据为进行图像采集获得的图像数据为例进行说明，可以进行图像提取，从而获得对应的图像特征。
具体的，所述对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息，包括：
获取所述视觉传感数据中的多张包含所述数控机床主轴的环境图像；
根据预设的标准尺寸对所述环境图像进行缩放处理；
对缩放处理后的所述环境图像进行配准处理，并根据配准后的所述环境图像提取获得所述数控机床主轴对应的主轴位置信息和主轴姿态信息，以及所述数控机床主轴连接的刀具的刀具位置信息和刀具姿态信息；
根据所述主轴位置信息、所述主轴姿态信息、所述刀具位置信息以及所述刀具姿态信息，获得所述视觉特征信息。
其中，所述标准尺寸可以根据实际需求预先设置和调整，根据标准尺寸将所有的环境图像缩放到相同尺寸，有利于提高配准效率和准确性，从而提高特征提取的效率和准确性。
在一种应用场景中，可以直接将所述主轴位置信息、所述主轴姿态信息、所述刀具位置信息以及所述刀具姿态信息作为所述视觉特征信息。
在另一种应用场景中，也可以对所述主轴位置信息、所述主轴姿态信息、所述刀具位置信息以及所述刀具姿态信息进行数据融合和/或信息编码，以获得所述视觉特征信息，以提高后续数据处理的效率和状态监测的准确性。
S300、根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵。
本申请中，根据视觉特征信息和实时监测数据，构建对应的数据矩阵（即状态信息矩阵），有利于提高数据传输与数据处理的效率，以及提高状态监测时的准确性和实时性。
在一种应用场景中，在所述根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵之前，所述方法还包括：通过已训练的误差修正模型对所述实时监测数据进行数据修正，获得修正后的实时监测数据。
需要说明的是，压电传感器和光程差测量器在数据采集和数据读取过程中可能存在误差，可以预先训练对应的误差修正模型，以修正数据采集和数据读取过程中的误差，提高数据准确性。
在一种应用场景中，可以直接根据所述视觉特征信息和所述实时监测数据中的数据值构建所述状态信息矩阵。
在另一种应用场景中，也可以对所述视觉特征信息和所述实时监测数据中的数据值进行向量编码，根据编码后获得的向量构建所述状态信息矩阵。
在另一种应用场景中，还可以对所述视觉特征信息和所述实时监测数据进行数据融合后，根据融合数据构建所述状态信息矩阵。例如，将激光干涉仪的测量结果、压电传感器的压力变化以及视觉SLAM的位置估计结果进行融合。可以采用融合算法，如扩展卡尔曼滤波（EKF，Extended Kalman Filter）或粒子滤波算法。将不同传感器的测量结果进行融合和整合，得到更准确和可靠的刀具和主轴定位信息等数据，进而构建状态信息矩阵，在此不作具体限定。
S400、根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。
本发明实施例中，根据数控机床主轴对应的状态信息矩阵，自动进行数控机床主轴连接状态评估，获得数控机床主轴对应的状态监测结果。其中，所述状态监测结果可以是主轴刀具连接正常或连接异常，还可以包括具体的异常类别（例如松动、弯曲、偏移等），在此不作具体限定。
在一种应用场景中，所述根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果，包括：
获取所述数控机床主轴对应的标准状态信息矩阵；
根据所述状态信息矩阵和所述标准状态信息矩阵计算获得差值矩阵；
根据所述差值矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。
其中，所述标准状态信息矩阵是在数控机床正常运行状态下采集对应信息并构建的矩阵。将状态信息矩阵和标准状态信息矩阵相减获得对应的差值矩阵，差值矩阵中的元素值体现出当前状态下数控机床与标准状态下数控机床的状态差异，根据差值矩阵进行连接状态评估，有利于提高评估效率和准确性。
在另一种应用场景中，所述根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果，包括：
对所述状态信息矩阵进行归一化处理，获得归一化状态矩阵；
根据所述归一化状态矩阵，通过已训练的状态评估模型，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。
如此，对状态信息进行归一化处理之后再根据归一化状态矩阵进行状态评估，能够提供状态评估模型在评估过程中的效率和准确性。
具体的，所述状态评估模型根据如下步骤进行训练：
将训练数据中的训练归一化状态矩阵输入所述状态评估模型，以获取所述状态评估模型输出的预测状态监测结果，其中，所述训练数据包括多组训练信息组，每一组训练信息组包括所述训练归一化状态矩阵和标注状态监测结果；
根据所述预测状态监测结果和所述标注状态监测结果对所述状态评估模型的模型参数进行调整，并继续执行所述将训练数据中的训练归一化状态矩阵输入所述状态评估模型的步骤，直至满足预设训练停止条件，以得到已训练的状态评估模型。
其中，训练归一化状态矩阵是预先采集和处理后获得的，预设训练停止条件可以根据实际需求进行设置和调整，例如模型迭代次数达到预设次数阈值，模型在测试数据集上的测试准确率达到预设的准确率阈值，或者所述预测状态监测结果和所述标注状态监测结果之间的损失值达到预设的损失率阈值，还可以有其它停止条件，在此不作具体限定。
由上可见，本发明提供的数控机床主轴状态监测方法中，获取数控机床主轴对应的视觉传感数据以及实时监测数据，其中，所述实时监测数据包括压力数据和位置偏移数据中的至少一种；对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息；根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵；根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。本发明中，获取实时监测数据，以及根据视觉传感数据提取的视觉特征信息之后，构建对应的状态信息矩阵，并根据状态信息矩阵自动分析获得数控机床对应的状态监测结果，无需操作人员人工监测和分析，能避免操作人员的主观误差。有利于提高数控机床主轴状态监测的准确性和数控机床使用的安全性。
具体的，可以使用激光干涉仪通过激光束的干涉现象来测量光程差，从而确定刀具和主轴的相对位置和偏移量。使用压电传感器感知刀具和主轴连接部分的压力和力的变化。基于视觉SLAM技术，利用视觉传感器获取环境信息，并通过特征提取、匹配和状态估计算法来实时估计刀具和主轴的位置和姿态。
如此，引入激光干涉仪和压电传感器，激光干涉仪可以提供非接触式的高精度测量，用于检测刀具和主轴的相对位置和偏移量；压电传感器可用于监测刀具和主轴连接部分的压力和力的变化，从而检测是否存在松动情况。实现对微小偏移或轻微松动的监测，提高监测的准确性和敏感性。
同时，结合视觉SLAM技术，视觉SLAM技术可以使用摄像头或其他视觉传感器获取环境信息，并实时估计刀具和主轴的位置和姿态。通过结合视觉SLAM和激光干涉仪、压电传感器的测量结果，可以实现对刀具和主轴连接情况的精密测量和监测。
进一步的，还可以根据状态监测结果进行预警和数控机床控制，例如，若状态监测结果显示数控机床主轴连接状态正常，则允许机床开机。反之，则触发告警机制，通过警示灯、声音或其他方式提醒操作人员进行检修和调整。如此，本发明实施例中，融合激光干涉仪、压电传感器和视觉SLAM技术，可以综合利用不同的传感器信息，提高对数控机床主轴连接状态的监测准确性和鲁棒性，适用于复杂工况和高速切削条件的要求，有利于提高数控机床使用的安全性。
下面对本发明提供的数控机床主轴状态监测装置进行描述，下文描述的数控机床主轴状态监测装置与上文描述的数控机床主轴状态监测方法可相互对应参照。如图2中所示，所述数控机床主轴状态监测装置包括：
数据获取模块210，用于获取数控机床主轴对应的视觉传感数据以及实时监测数据，其中，所述实时监测数据包括压力数据和位置偏移数据中的至少一种；
特征提取模块220，用于对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息；
矩阵构建模块230，用于根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵；
状态评估模块240，用于根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。
上述数控机床主轴状态监测装置及其各个具体模块的具体功能，可以参照方法实施例中的具体描述，在此不再赘述。
图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器（processor）310、通信接口（Communications Interface）320、存储器（memory）330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行数控机床主轴状态监测方法，该方法包括：获取数控机床主轴对应的视觉传感数据以及实时监测数据，其中，所述实时监测数据包括压力数据和位置偏移数据中的至少一种；对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息；根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵；根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。
此外，上述的存储器330中的逻辑指令可以通过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，本发明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）执行本发明各个实施例所述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。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的数控机床主轴状态监测方法，该方法包括：获取数控机床主轴对应的视觉传感数据以及实时监测数据，其中，所述实时监测数据包括压力数据和位置偏移数据中的至少一种；对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息；根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵；根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种数控机床主轴状态监测方法，其特征在于，包括：
获取数控机床主轴对应的视觉传感数据以及实时监测数据，其中，所述实时监测数据包括压力数据和位置偏移数据中的至少一种；
对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息；
根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵；
根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果；
所述实时监测数据包括压力数据和位置偏移数据；所述获取数控机床主轴对应的视觉传感数据以及实时监测数据，包括：
通过预设的视觉传感器对所述数控机床主轴所在区域进行图像采集，获得所述数控机床主轴对应的视觉传感数据；
通过预设的压电传感器采集所述数控机床主轴与连接的刀具之间的压力数据，其中，所述压力数据包括当前时刻所述数控机床主轴与所述刀具之间的压力值，以及当前时刻与历史时刻相比的压力变化值；
通过预设的光程差测量器获取所述数控机床主轴与连接的刀具之间的位置偏移数据，其中，所述位置偏移数据包括当前时刻所述数控机床主轴与所述刀具之间的相对位置信息，所述数控机床主轴在当前时刻与历史时刻相比的主轴位置偏移量，以及所述刀具在当前时刻与历史时刻相比的刀具位置偏移量；
其中，所述压电传感器和所述光程差测量器设置在所述数控机床主轴与刀具握持器之间。
2.根据权利要求1所述的数控机床主轴状态监测方法，其特征在于，在所述根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵之前，所述方法还包括：
通过已训练的误差修正模型对所述实时监测数据进行数据修正，获得修正后的实时监测数据。
3.根据权利要求1所述的数控机床主轴状态监测方法，其特征在于，所述对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息，包括：
获取所述视觉传感数据中的多张包含所述数控机床主轴的环境图像；
根据预设的标准尺寸对所述环境图像进行缩放处理；
对缩放处理后的所述环境图像进行配准处理，并根据配准后的所述环境图像提取获得所述数控机床主轴对应的主轴位置信息和主轴姿态信息，以及所述数控机床主轴连接的刀具的刀具位置信息和刀具姿态信息；
根据所述主轴位置信息、所述主轴姿态信息、所述刀具位置信息以及所述刀具姿态信息，获得所述视觉特征信息。
4.根据权利要求1至3任意一项所述的数控机床主轴状态监测方法，其特征在于，所述根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果，包括：
获取所述数控机床主轴对应的标准状态信息矩阵；
根据所述状态信息矩阵和所述标准状态信息矩阵计算获得差值矩阵；
根据所述差值矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。
5.根据权利要求1至3任意一项所述的数控机床主轴状态监测方法，其特征在于，所述根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果，包括：
对所述状态信息矩阵进行归一化处理，获得归一化状态矩阵；
根据所述归一化状态矩阵，通过已训练的状态评估模型，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果。
6.根据权利要求5所述的数控机床主轴状态监测方法，其特征在于，所述状态评估模型根据如下步骤进行训练：
将训练数据中的训练归一化状态矩阵输入所述状态评估模型，以获取所述状态评估模型输出的预测状态监测结果，其中，所述训练数据包括多组训练信息组，每一组训练信息组包括所述训练归一化状态矩阵和标注状态监测结果；
根据所述预测状态监测结果和所述标注状态监测结果对所述状态评估模型的模型参数进行调整，并继续执行所述将训练数据中的训练归一化状态矩阵输入所述状态评估模型的步骤，直至满足预设训练停止条件，以得到已训练的状态评估模型。
7.一种数控机床主轴状态监测装置，其特征在于，包括：
数据获取模块，用于获取数控机床主轴对应的视觉传感数据以及实时监测数据，其中，所述实时监测数据包括压力数据和位置偏移数据中的至少一种；
特征提取模块，用于对所述视觉传感数据进行特征提取，获得所述数控机床对应的视觉特征信息；
矩阵构建模块，用于根据所述视觉特征信息和所述实时监测数据，构建所述数控机床主轴对应的状态信息矩阵；
状态评估模块，用于根据所述状态信息矩阵，对所述数控机床主轴进行连接状态评估，获得所述数控机床主轴对应的状态监测结果；
所述实时监测数据包括压力数据和位置偏移数据；所述获取数控机床主轴对应的视觉传感数据以及实时监测数据，包括：
通过预设的视觉传感器对所述数控机床主轴所在区域进行图像采集，获得所述数控机床主轴对应的视觉传感数据；
通过预设的压电传感器采集所述数控机床主轴与连接的刀具之间的压力数据，其中，所述压力数据包括当前时刻所述数控机床主轴与所述刀具之间的压力值，以及当前时刻与历史时刻相比的压力变化值；
通过预设的光程差测量器获取所述数控机床主轴与连接的刀具之间的位置偏移数据，其中，所述位置偏移数据包括当前时刻所述数控机床主轴与所述刀具之间的相对位置信息，所述数控机床主轴在当前时刻与历史时刻相比的主轴位置偏移量，以及所述刀具在当前时刻与历史时刻相比的刀具位置偏移量；
其中，所述压电传感器和所述光程差测量器设置在所述数控机床主轴与刀具握持器之间。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上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6任一项所述数控机床主轴状态监测方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，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6任一项所述数控机床主轴状态监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311257945.7A CN116991115B (zh) | 2023-09-27 | 2023-09-27 | 数控机床主轴状态监测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311257945.7A CN116991115B (zh) | 2023-09-27 | 2023-09-27 | 数控机床主轴状态监测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116991115A CN116991115A (zh) | 2023-11-03 |
| CN116991115B true CN116991115B (zh) | 2023-12-29 |
Family
ID=88534203
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311257945.7A Active CN116991115B (zh) | 2023-09-27 | 2023-09-27 | 数控机床主轴状态监测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116991115B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103163864A (zh) * | 2013-03-07 | 2013-06-19 | 电子科技大学 | 机械设备状态评估的优化方法 |
| CN107584334A (zh) * | 2017-08-25 | 2018-01-16 | 南京航空航天大学 | 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 |
| CN109947047A (zh) * | 2019-03-28 | 2019-06-28 | 西安科技大学 | 一种电主轴失衡故障诊断方法 |
| CN114241728A (zh) * | 2021-12-07 | 2022-03-25 | 纽控(广东)数控技术有限公司 | 数控机床运行状态监测及报警方法、装置和智能终端 |
| CN115156930A (zh) * | 2022-06-21 | 2022-10-11 | 东莞理工学院 | 一种高速双主轴运动机构及控制方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4799045B2 (ja) * | 2005-05-17 | 2011-10-19 | 株式会社東京精密 | 工作機械 |
| EP1764186A1 (de) * | 2005-09-14 | 2007-03-21 | Werner Kluft | Bearbeitungsprozessüberwachungseinrichtung mit piezoelektrischen Axialkraftsensoren in der Arbeitsspindel |
-
2023
- 2023-09-27 CN CN202311257945.7A patent/CN116991115B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103163864A (zh) * | 2013-03-07 | 2013-06-19 | 电子科技大学 | 机械设备状态评估的优化方法 |
| CN107584334A (zh) * | 2017-08-25 | 2018-01-16 | 南京航空航天大学 | 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 |
| CN109947047A (zh) * | 2019-03-28 | 2019-06-28 | 西安科技大学 | 一种电主轴失衡故障诊断方法 |
| CN114241728A (zh) * | 2021-12-07 | 2022-03-25 | 纽控(广东)数控技术有限公司 | 数控机床运行状态监测及报警方法、装置和智能终端 |
| CN115156930A (zh) * | 2022-06-21 | 2022-10-11 | 东莞理工学院 | 一种高速双主轴运动机构及控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116991115A (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180307203A1 (en) | Machining defect factor estimation device | |
| CN108983744B (zh) | 异常诊断设备和异常诊断方法 | |
| CN108475052A (zh) | 诊断设备、计算机程序和诊断系统 | |
| CN110543147B (zh) | 分析装置、分析方法及记录了分析程序的计算机可读介质 | |
| CN109202538B (zh) | 热位移修正装置 | |
| CN111658166B (zh) | 一种手术机器人末端工具检测系统 | |
| US10605232B2 (en) | Method and device for determining a position of defects or damage on rotor blades of a wind turbine in an installed state | |
| CN113544608A (zh) | 用于在工业生产中的质量控制的方法和系统 | |
| CN111611294A (zh) | 星敏感器数据异常检测方法 | |
| CN115290286A (zh) | 一种亚跨超声速风洞流场稳定性的集成学习评估系统 | |
| Prickett et al. | The development of an end-milling process depth of cut monitoring system | |
| CN113071509B (zh) | 一种智能车车轮转角传感器故障检测方法 | |
| CN116991115B (zh) | 数控机床主轴状态监测方法、装置、设备及介质 | |
| CN114789468A (zh) | 一种自动故障检测及修复系统、方法、设备及终端 | |
| CN112673325B (zh) | 工件表面质量问题检测 | |
| Wozniak et al. | Wireless communication influence on CNC machine tool probe metrological parameters | |
| CN115346034B (zh) | 一种基于5g网络的机器人远程诊断与维护方法及系统 | |
| CN116337135A (zh) | 一种仪表故障诊断方法、系统、电子设备及可读存储介质 | |
| CN115248836A (zh) | 异常判断设备、异常判断方法、存储介质和异常判断系统 | |
| CN114450647B (zh) | 技术系统的诊断 | |
| CN111176931A (zh) | 一种运营监控方法、装置、服务器及存储介质 | |
| US7877240B2 (en) | Method for detecting the sources of faults or defective measuring sensors by working case modeling and partial suppression of equations | |
| CN117129698B (zh) | 全自动凝血测试仪的异常报警与重测系统及方法 | |
| CN116183010B (zh) | 动态称重传感器的故障诊断方法、装置、设备及存储介质 | |
| CN117193058B (zh) | 一种基于无线通讯控制的环形穿梭车遥控系统及方法 |
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 |