CN117130322B - 一种基于多协同的数控机床的稳定性优化系统 - Google Patents
一种基于多协同的数控机床的稳定性优化系统 Download PDFInfo
- Publication number
- CN117130322B CN117130322B CN202311395296.7A CN202311395296A CN117130322B CN 117130322 B CN117130322 B CN 117130322B CN 202311395296 A CN202311395296 A CN 202311395296A CN 117130322 B CN117130322 B CN 117130322B
- Authority
- CN
- China
- Prior art keywords
- spindle motor
- stability
- adjustment
- data analysis
- analysis module
- 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
- 238000005457 optimization Methods 0.000 claims abstract description 60
- 238000007405 data analysis Methods 0.000 claims abstract description 59
- 238000003801 milling Methods 0.000 claims abstract description 56
- 238000011156 evaluation Methods 0.000 claims abstract description 37
- 238000012937 correction Methods 0.000 claims abstract description 13
- 230000007246 mechanism Effects 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 238000003754 machining Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 abstract description 14
- 238000000034 method Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 abstract description 5
- 230000001276 controlling effect Effects 0.000 description 9
- 238000005520 cutting process Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001953 sensory 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
- G05B19/4065—Monitoring tool breakage, life or condition
-
- 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
- G05B2219/37—Measurements
- G05B2219/37616—Use same monitoring tools to monitor tool and workpiece
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
Abstract
本发明涉及数控机床加工技术领域，尤其涉及一种基于多协同的数控机床的稳定性优化系统，包括数控机床和控制机构，数控机床包括移动平台、主轴电机、三个伺服电机和NB‑IoT无线传感器，用于承载、移动工件和驱动铣刀进行加工，同时检测主轴电机的温度和振动频率，控制机构包括数据获取模块、数据分析模块和控制执行模块，用于获取数据，计算主轴电机的稳定性评价值，根据评价值确定是否需要优化主轴电机的稳定性，并根据分析结果控制加工过程，数据分析模块确定优化方式、调整方式、调节系数和修正系数，以实现对主轴电机的稳定性进行优化，本发明克服了现有技术中对数控机床的稳定性优化的精度差的问题。
Description
技术领域
本发明涉及数控机床加工技术领域，尤其涉及一种基于多协同的数控机床的稳定性优化系统。
背景技术
数控机床是一种自动化加工设备，通过计算机控制系统来实现对工件的加工。数控机床在加工过程中，需要保证主轴电机的稳定性，以提高加工精度和效率。然而，由于工件材料、刀具、切削参数等多种因素的影响，数控机床在加工过程中可能出现主轴电机的不稳定现象，如主轴电机温度升高、振动频率增加等，这些不稳定现象会影响加工精度和效率，甚至导致加工过程中的事故。
中国专利公开号：CN107505842A公开了一种数控机床广义空间切削稳定性预测与优化方法，包括S1：构造已知样本信息；S2：考虑变量空间相关性，通过Kriging方法建立切削稳定性表征指标最小极限切削深度与机床空间位置坐标的近似函数关系，预测切削稳定性的空间演化规律；S3：采用改进粒子群算法确定具有最小极限切削深度最大值的加工位置；S4：采用切削实验确定机床易颤振模态；S5：基于能量分布理论确定机床薄弱结合部；S6：提出结合部动刚度优化配置方案，提高最小极限切削深度值，以预测切削稳定性空间分异特性，并扩大稳定区域选择范围。
由此可见，现有技术存在以下问题：现有的优化方案往往较为复杂，操作繁琐，且优化效果有限，无法通过精确地调整刀具的每齿进给量、主轴电机转速来优化主轴电机的稳定性，导致对数控机床的稳定性优化的精度差。
发明内容
为此，本发明提供一种基于多协同的数控机床的稳定性优化系统，用以克服现有技术中对数控机床的稳定性优化的精度差的问题。
为实现上述目的，本发明提供一种基于多协同的数控机床的稳定性优化系统，包括：
NB-IoT无线传感器，其设置在数控机床的主轴电机上，用以检测主轴电机温度以及主轴电机振动频率；
控制机构，其包括：
数据获取模块，其用以获取数控机床的主轴电机负载率、主轴电机转速、铣刀的每齿进给量以及NB-IoT无线传感器检测得到的主轴电机温度、主轴电机振动频率；
数据分析模块，其与所述数据获取模块相连，用以根据数据获取模块获取的数据计算主轴电机的主轴电机稳定性评价值，并根据所述主轴电机稳定性评价值确定是否对主轴电机的稳定性进行优化；
控制执行模块，其与所述数据分析模块相连，用以根据数据分析模块分析的结果控制数控机床加工过程；
其中，所述数据分析模块在确定对主轴电机的稳定性优化条件下根据第一相对差确定对主轴电机的稳定性进行优化的优化方式，在第一优化方式下确定对铣刀的每齿进给量进行调整的调整方式，在第二优化方式确定对主轴电机转速进行调节的调节系数，在以第二调整方式对铣刀的每齿进给量调整完成后根据波动峰峰值确定是否对无极调整系数进行修正。
进一步地，所述数据分析模块根据以下公式计算主轴电机稳定性评价值，设定
，
其中，P表示主轴电机稳定性评价值，W表示主轴电机温度，L表示主轴电机振动频率。
进一步地，所述数据分析模块在主轴电机稳定性评价值大于预设主轴电机稳定性评价值的条件下确定对主轴电机的稳定性进行优化。
进一步地，所述数据分析模块在确定对主轴电机的稳定性优化条件下，根据第一相对差确定对主轴电机的稳定性进行优化的若干优化方式，若干所述优化方式包括对铣刀的每齿进给量进行调整的第一优化方式以及对主轴电机转速进行调节的第二优化方式，其中所述第一相对差由主轴电机稳定性评价值与预设主轴电机稳定性评价值确定。
进一步地，所述数据分析模块在确定对铣刀的每齿进给量调整条件下，根据主轴电机温度确定对铣刀的每齿进给量进行调整的若干调整方式，若干所述调整方式包括以有级调整系数对铣刀的每齿进给量进行调整的第一调整方式以及以无极调整系数对铣刀的每齿进给量进行调整的第二调整方式。
进一步地，所述数据分析模块在确定以第一调整方式对铣刀的每齿进给量调整条件下，根据第二相对差确定对铣刀的每齿进给量进行调整的有级调整系数，其中所述第二相对差由主轴电机温度与预设主轴电机温度确定。
进一步地，所述数据分析模块在确定以第二调整方式对铣刀的每齿进给量调整条件下，根据以下公式计算对所述每齿进给量进行调整的无极调整系数，设定
，
其中，Kk表示无极调整系数，F表示主轴电机负载率。
进一步地，所述数据分析模块在确定对主轴电机转速调节条件下，根据所述主轴电机振动频率确定对主轴电机转速进行调节的调节系数。
进一步地，所述数据分析模块在以第二调整方式对铣刀的每齿进给量调整完成后，确定所述主轴电机负载率的波动峰峰值，以在波动峰峰值大于预设波动峰峰值条件下对所述无极调整系数进行修正，其中所述波动峰峰值由预设周期内的最大主轴电机负载率与预设周期内的最小主轴电机负载率确定。
进一步地，所述数据分析模块在确定对所述无极调整系数修正条件下，根据第三相对差确定对所述无极调整系数进行修正的修正系数，其中所述第三相对差由所述波动峰峰值与预设波动峰峰值确定。
与现有技术相比，本发明的有益效果在于，本发明通过计算主轴电机稳定性评价值并与预设主轴电机稳定性评价值进行比对，根据实际工况对主轴电机的稳定性进行评价，使得评价结果更符合实际情况，从而为稳定性优化提供准确的依据，以精确地判断是否需要对主轴电机的稳定性进行优化，从而有针对性地进行优化调整，提高优化效果。
进一步地，本发明根据第一相对差与预设第一相对差的比对结果以更精确地确定对主轴电机的稳定性进行优化的优化方式，从而提高优化效果，通过根据实际情况采用不同的优化方式，以更有效地降低主轴电机的温度和振动频率，从而提高数控机床的加工精度和效率。
进一步地，本发明根据主轴电机温度与预设主轴电机温度的比对结果以更精确地确定对铣刀的每齿进给量进行调整的调整方式，从而提高调整效果，通过根据实际情况采用不同的调整方式以更有效地控制主轴电机的温度，从而提高数控机床的加工精度和效率。
进一步地，本发明通过计算第二相对差并与预设第二相对差进行比对以精确确定对铣刀的每齿进给量进行调整的有级调整系数，从而提高调整的精度，通过对铣刀的每齿进给量进行调整以有效地控制主轴电机的温度，从而降低加工过程中的故障和事故风险。
进一步地，本发明通过计算无极调整系数以精确地对铣刀的每齿进给量进行调整，从而提高调整的精度，通过对铣刀的每齿进给量进行无极调整以更有效地控制主轴电机的温度，从而提高数控机床的加工精度和效率，通过无极调整，以根据实际需要进行连续的调整，而不仅仅局限于有限的级别调整，从而提供了更大的调整范围和灵活性。
进一步地，本发明通过计算调节系数以精确地对主轴电机转速进行调整，从而提高调整的精度，通过对主轴电机转速进行调整，以更有效地控制主轴电机的振动频率，从而提高数控机床的加工精度和效率。
进一步地，本发明根据实际工况计算出的主轴电机负载率的波动峰峰值以判断是否需要对无极调整系数进行修正，从而提高调整的精度。
进一步地，本发明通过计算第三相对差并与预设第三相对差进行比对以精确地确定对无极调整系数进行修正的修正系数，从而提高调整的精度，从而提高数控机床的加工精度和效率。
附图说明
图1为本发明实施例基于多协同的数控机床的稳定性优化系统的结构图；
图2为本发明实施例基于多协同的数控机床的稳定性优化系统的结构示意图；
图3为本发明实施例基于多协同的数控机床的稳定性优化系统的逻辑框图；
图中，1-移动平台，2-主轴电机，3-铣刀，4-第一伺服电机，5-第二伺服电机，6-第三伺服电机，7-NB-IoT无线传感器。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1和图2所示，图1为本发明实施例基于多协同的数控机床的稳定性优化系统的结构图；图2为本发明实施例基于多协同的数控机床的稳定性优化系统的结构示意图；图3为本发明实施例基于多协同的数控机床的稳定性优化系统的逻辑框图。
本发明实施例中应用稳定性优化系统的多协同的数控机床，包括：
移动平台1，用以承载并移动待加工工件；
主轴电机2，用以驱动铣刀3对待加工工件进行加工；
第一伺服电机4，其与所述移动平台相连，用以驱动移动平台工作；
第二伺服电机5，其与所述主轴电机相连，用以控制主轴电机在竖直方向上移动；
第三伺服电机6，其与所述第二伺服电机相连，用以控制第二伺服电机在水平方向上移动；
本发明实施例基于多协同的数控机床的稳定性优化系统，包括：
NB-IoT无线传感器7，其设置在数控机床的主轴电机上，用以检测主轴电机温度W以及主轴电机振动频率L；
控制机构，其包括：
数据获取模块，其用以获取数控机床的主轴电机负载率F、主轴电机转速S、铣刀的每齿进给量J以及NB-IoT无线传感器检测得到的主轴电机温度W、主轴电机振动频率L；
数据分析模块，其与所述数据获取模块相连，用以根据数据获取模块获取的数据计算主轴电机的主轴电机稳定性评价值P，并根据所述主轴电机稳定性评价值P确定是否对主轴电机的稳定性进行优化；
控制执行模块，其与所述数据分析模块相连，用以根据数据分析模块分析的结果控制数控机床加工过程；
其中，所述数据分析模块在确定对主轴电机的稳定性优化条件下根据第一相对差△P确定对主轴电机的稳定性进行优化的优化方式，在第一优化方式下确定对铣刀的每齿进给量J进行调整的调整方式，在第二优化方式确定对主轴电机转速S进行调节的调节系数Gi，在以第二调整方式对铣刀的每齿进给量J调整完成后根据波动峰峰值B确定是否对无极调整系数Kk进行修正。
本发明实施例中，NB-IoT无线传感器优选捷杰传感NB-IoT温振复合传感器。
具体而言，所述数据分析模块根据以下公式计算主轴电机稳定性评价值P，设定
，
具体而言，所述数据分析模块根据主轴电机稳定性评价值P与预设主轴电机稳定性评价值P0的比对结果确定是否对主轴电机的稳定性进行优化；
若P≤P0，所述数据分析模块确定不对主轴电机的稳定性进行优化；
若P＞P0，所述数据分析模块确定对主轴电机的稳定性进行优化；
本发明实施例中，预设主轴电机稳定性评价值P0取值为0.98，预设主轴电机稳定性评价值P0是在主轴电机温度W为40℃，主轴电机振动频率L为0的情况下取得的，本领域技术人员可以根据具体情况对预设主轴电机稳定性评价值P0进行调整。
具体而言，本发明通过计算主轴电机稳定性评价值并与预设主轴电机稳定性评价值进行比对，根据实际工况对主轴电机的稳定性进行评价，使得评价结果更符合实际情况，从而为稳定性优化提供准确的依据，以精确地判断是否需要对主轴电机的稳定性进行优化，从而有针对性地进行优化调整，提高优化效果。
具体而言，所述数据分析模块在确定对主轴电机的稳定性优化条件下，计算主轴电机稳定性评价值P与预设主轴电机稳定性评价值P0的第一相对差△P，并根据所述第一相对差△P与预设第一相对差△P0的比对结果确定对主轴电机的稳定性进行优化的优化方式，设定△P=（P-P0）/P0；
若△P≤△P0，所述数据分析模块确定以第一优化方式对主轴电机的稳定性进行优化；
若△P＞△P0，所述数据分析模块确定以第二优化方式对主轴电机的稳定性进行优化；
其中，所述第一优化方式为对铣刀的每齿进给量J进行调整，所述第二优化方式为对主轴电机转速S进行调节。
本发明实施例中，预设第一相对差△P0取值为0.02，预设第一相对差△P0是在主轴电机稳定性评价值P为1的情况下取得的，本领域技术人员可以根据具体情况对预设第一相对差△P0进行调整。
具体而言，本发明根据第一相对差与预设第一相对差的比对结果以更精确地确定对主轴电机的稳定性进行优化的优化方式，从而提高优化效果，通过根据实际情况采用不同的优化方式，以更有效地降低主轴电机的温度和振动频率，从而提高数控机床的加工精度和效率。
具体而言，所述数据分析模块在确定对铣刀的每齿进给量J调整条件下，根据主轴电机温度W与预设主轴电机温度W0的比对结果确定对铣刀的每齿进给量J进行调整的调整方式；
若W≤W0，所述数据分析模块确定以第一调整方式对铣刀的每齿进给量J进行调整；
若W＞W0，所述数据分析模块确定以第二调整方式对铣刀的每齿进给量J进行调整；
其中，所述第一调整方式为以有级调整系数Ki对铣刀的每齿进给量J进行调整，所述第二调整方式为以无极调整系数Kk对铣刀的每齿进给量J进行调整。
本发明实施例中，预设主轴电机温度W0取值为50℃，本领域技术人员可以根据具体情况对预设主轴电机温度W0进行调整。
具体而言，本发明根据主轴电机温度与预设主轴电机温度的比对结果以更精确地确定对铣刀的每齿进给量进行调整的调整方式，从而提高调整效果，通过根据实际情况采用不同的调整方式以更有效地控制主轴电机的温度，从而提高数控机床的加工精度和效率。
具体而言，所述数据分析模块在确定以第一调整方式对铣刀的每齿进给量J调整条件下，计算主轴电机温度W与预设主轴电机温度W0的第二相对差△W，并根据所述第二相对差△W与预设第二相对差△W0的比对结果确定对铣刀的每齿进给量J进行调整的有级调整系数Ki，设定△W=（W0-W）/W0；
若△W≤△W0，所述数据分析模块确定以第一有级调整系数K1对铣刀的每齿进给量J进行调整；
若△W＞△W0，所述数据分析模块确定以第二有级调整系数K2对铣刀的每齿进给量J进行调整；
其中，0＜K1＜K2＜1，本发明实施例中第一有级调整系数K1的取值优选0.8，第二有级调整系数K2的取值优选0.9。
将调整后的每齿进给量设置为Jj=J×Ki，i=1，2。
本发明实施例中，预设第二相对差△W0取值为0.1，预设第二相对差△W0是在主轴电机温度W为45℃的情况下取得的，本领域技术人员可以根据具体情况对预设第二相对差△W0进行调整。
具体而言，本发明通过计算第二相对差并与预设第二相对差进行比对以精确确定对铣刀的每齿进给量进行调整的有级调整系数，从而提高调整的精度，通过对铣刀的每齿进给量进行调整以有效地控制主轴电机的温度，从而降低加工过程中的故障和事故风险。
具体而言，所述数据分析模块在确定以第二调整方式对铣刀的每齿进给量J调整条件下，根据以下公式计算对所述每齿进给量J进行调整的无极调整系数Kk，设定
，
将调整后的每齿进给量设置为Jj=J×Kk。
具体而言，本发明通过计算无极调整系数以精确地对铣刀的每齿进给量进行调整，从而提高调整的精度，通过对铣刀的每齿进给量进行无极调整以更有效地控制主轴电机的温度，从而提高数控机床的加工精度和效率，通过无极调整，以根据实际需要进行连续的调整，而不仅仅局限于有限的级别调整，从而提供了更大的调整范围和灵活性。
具体而言，所述数据分析模块在确定对主轴电机转速S调节条件下，根据所述主轴电机振动频率L与预设主轴电机振动频率的比对结果确定对主轴电机转速S进行调节的调节系数Gi，所述数据分析模块设有第一预设主轴电机振动频率L1以及第二预设主轴电机振动频率L2；
若L1＜L≤L2，所述数据分析模块确定以第一调节系数G1对主轴电机转速S进行调节；
若L＞L2，所述数据分析模块确定以第二调节系数G2对主轴电机转速S进行调节；
其中，0＜G2＜G1＜1，本发明实施例中第一调节系数G1的取值优选为0.95，第二调节系数G2的取值优选为0.85。
将调节后的主轴电机转速设置为Ss=S×Gi，i=1，2。
本发明实施例中，第一预设主轴电机振动频率L1取值为50HZ，第二预设主轴电机振动频率L2取值为150HZ，本领域技术人员可以根据具体情况对第一预设主轴电机振动频率L1以及第二预设主轴电机振动频率L2进行调整。
具体而言，本发明通过计算调节系数以精确地对主轴电机转速进行调整，从而提高调整的精度，通过对主轴电机转速进行调整，以更有效地控制主轴电机的振动频率，从而提高数控机床的加工精度和效率。
具体而言，所述数据分析模块在以第二调整方式对铣刀的每齿进给量J调整完成后，计算所述主轴电机负载率F的波动峰峰值B，并根据所述波动峰峰值B与预设波动峰峰值B0的比对结果确定是否对所述无极调整系数Kk进行修正，设定B=Fmax-Fmin，其中Fmax为预设周期T内的最大主轴电机负载率F，Fmin为预设周期T内的最小主轴电机负载率F；
若B≤B0，所述数据分析模块确定不对所述无极调整系数Kk进行修正；
若B＞B0，所述数据分析模块确定对所述无极调整系数Kk进行修正；
本发明实施例中，所述预设波动峰峰值B0取值为5%/min，预设周期T取值为1min，本领域技术人员可以根据具体情况对预设波动峰峰值B0以及预设周期T进行调整。
具体而言，本发明根据实际工况计算出的主轴电机负载率的波动峰峰值以判断是否需要对无极调整系数进行修正，从而提高调整的精度。
具体而言，所述数据分析模块在确定对所述无极调整系数Kk修正条件下，计算所述波动峰峰值B与预设波动峰峰值B0的第三相对差△B，并根据所述第三相对差△B与预设第三相对差△B0的比对结果确定对所述无极调整系数Kk进行修正的修正系数Xi，设定△B=（B-B0）/B0；
若△B≤△B0，所述数据分析模块确定以第一修正系数X1对所述无极调整系数Kk进行修正；
若△B＞△B0，所述数据分析模块确定以第二修正系数X2对所述无极调整系数Kk进行修正；
其中，所述第一修正系数，所述第二修正系数/>。
将修正后的无极调整系数设置为Kk0=Kk×Xi，i=1，2。
本发明实施例中，预设第三相对差△B0取值为0.6，预设第三相对差△B0是在波动峰峰值B为8%/min的情况下取得的，本领域技术人员可以根据具体情况对预设第三相对差△B0进行调整。
具体而言，本发明通过计算第三相对差并与预设第三相对差进行比对以精确地确定对无极调整系数进行修正的修正系数，从而提高调整的精度，从而提高数控机床的加工精度和效率。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (5)
1.一种基于多协同的数控机床的稳定性优化系统，其特征在于，包括：
NB-IoT无线传感器，其设置在数控机床的主轴电机上，用以检测主轴电机温度以及主轴电机振动频率；
控制机构，其包括：
数据获取模块，其用以获取数控机床的主轴电机负载率、主轴电机转速、铣刀的每齿进给量以及NB-IoT无线传感器检测得到的主轴电机温度、主轴电机振动频率；
数据分析模块，其与所述数据获取模块相连，用以根据数据获取模块获取的数据计算主轴电机的主轴电机稳定性评价值，并根据所述主轴电机稳定性评价值确定是否对主轴电机的稳定性进行优化；
控制执行模块，其与所述数据分析模块相连，用以根据数据分析模块分析的结果控制数控机床加工过程；
其中，所述数据分析模块在确定对主轴电机的稳定性优化条件下根据第一相对差确定对主轴电机的稳定性进行优化的优化方式，在第一优化方式下确定对铣刀的每齿进给量进行调整的调整方式，在第二优化方式确定对主轴电机转速进行调节的调节系数，在以第二调整方式对铣刀的每齿进给量调整完成后根据波动峰峰值确定是否对无极调整系数进行修正；
所述数据分析模块根据以下公式计算主轴电机稳定性评价值，设定
，
其中，P表示主轴电机稳定性评价值，W表示主轴电机温度，L表示主轴电机振动频率；
所述数据分析模块在主轴电机稳定性评价值大于预设主轴电机稳定性评价值的条件下确定对主轴电机的稳定性进行优化；
所述数据分析模块在确定对主轴电机的稳定性优化条件下，计算主轴电机稳定性评价值与预设主轴电机稳定性评价值的第一相对差，并根据所述第一相对差与预设第一相对差的比对结果确定对主轴电机的稳定性进行优化的优化方式；
若△P≤△P0，所述数据分析模块确定以第一优化方式对主轴电机的稳定性进行优化；
若△P＞△P0，所述数据分析模块确定以第二优化方式对主轴电机的稳定性进行优化；
其中△P表示第一相对差，△P0表示预设第一相对差，△P=（P-P0）/P0，P0表示预设主轴电机稳定性评价值；
所述第一优化方式为对铣刀的每齿进给量进行调整，所述第二优化方式为对主轴电机转速进行调节；
所述数据分析模块在确定对铣刀的每齿进给量调整条件下，根据主轴电机温度与预设主轴电机温度的比对结果确定对铣刀的每齿进给量进行调整的调整方式；
若W≤W0，所述数据分析模块确定以第一调整方式对铣刀的每齿进给量进行调整；
若W＞W0，所述数据分析模块确定以第二调整方式对铣刀的每齿进给量进行调整；
其中，W表示主轴电机温度，W0表示预设主轴电机温度；
所述第一调整方式为以有级调整系数对铣刀的每齿进给量进行调整，所述第二调整方式为以无极调整系数对铣刀的每齿进给量进行调整；
所述数据分析模块在确定对主轴电机转速调节条件下，根据所述主轴电机振动频率确定对主轴电机转速进行调节的调节系数。
2.根据权利要求1所述的基于多协同的数控机床的稳定性优化系统，其特征在于，所述数据分析模块在确定以第一调整方式对铣刀的每齿进给量调整条件下，根据第二相对差确定对铣刀的每齿进给量进行调整的有级调整系数，其中所述第二相对差由主轴电机温度与预设主轴电机温度确定。
3.根据权利要求2所述的基于多协同的数控机床的稳定性优化系统，其特征在于，所述数据分析模块在确定以第二调整方式对铣刀的每齿进给量调整条件下，根据以下公式计算对所述每齿进给量进行调整的无极调整系数，设定
，
其中，Kk表示无极调整系数，F表示主轴电机负载率。
4.根据权利要求3所述的基于多协同的数控机床的稳定性优化系统，其特征在于，所述数据分析模块在以第二调整方式对铣刀的每齿进给量调整完成后，确定所述主轴电机负载率的波动峰峰值，以在波动峰峰值大于预设波动峰峰值条件下对所述无极调整系数进行修正，其中所述波动峰峰值由预设周期内的最大主轴电机负载率与预设周期内的最小主轴电机负载率确定。
5.根据权利要求4所述的基于多协同的数控机床的稳定性优化系统，其特征在于，所述数据分析模块在确定对所述无极调整系数修正条件下，根据第三相对差确定对所述无极调整系数进行修正的修正系数，其中所述第三相对差由所述波动峰峰值与预设波动峰峰值确定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311395296.7A CN117130322B (zh) | 2023-10-26 | 2023-10-26 | 一种基于多协同的数控机床的稳定性优化系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311395296.7A CN117130322B (zh) | 2023-10-26 | 2023-10-26 | 一种基于多协同的数控机床的稳定性优化系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117130322A CN117130322A (zh) | 2023-11-28 |
| CN117130322B true CN117130322B (zh) | 2024-01-09 |
Family
ID=88858551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311395296.7A Active CN117130322B (zh) | 2023-10-26 | 2023-10-26 | 一种基于多协同的数控机床的稳定性优化系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117130322B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117549138B (zh) * | 2024-01-12 | 2024-04-05 | 盛安(苏州)汽车部件有限公司 | 多轴联动汽车模具cnc精密加工系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111694320A (zh) * | 2020-06-10 | 2020-09-22 | 大连理工大学 | 一种虑及颤振抑制的机床自适应控制方法 |
| CN114509991A (zh) * | 2022-02-25 | 2022-05-17 | 成都大学 | 考虑参数不确定的数控机床切削稳定性预测与优化方法 |
| CN116595678A (zh) * | 2023-05-26 | 2023-08-15 | 重庆工业职业技术学院 | 一种基于有限实验样本的铣削稳定性预测方法 |
-
2023
- 2023-10-26 CN CN202311395296.7A patent/CN117130322B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111694320A (zh) * | 2020-06-10 | 2020-09-22 | 大连理工大学 | 一种虑及颤振抑制的机床自适应控制方法 |
| CN114509991A (zh) * | 2022-02-25 | 2022-05-17 | 成都大学 | 考虑参数不确定的数控机床切削稳定性预测与优化方法 |
| CN116595678A (zh) * | 2023-05-26 | 2023-08-15 | 重庆工业职业技术学院 | 一种基于有限实验样本的铣削稳定性预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117130322A (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117130322B (zh) | 一种基于多协同的数控机床的稳定性优化系统 | |
| US6438445B1 (en) | Machining processor | |
| CN111694320B (zh) | 一种虑及颤振抑制的机床自适应控制方法 | |
| US20140297022A1 (en) | Numerically-controlled machine tool and spindle error compensating method thereof | |
| US8042436B2 (en) | Method for preparing NC machining program and apparatus for preparing NC machining program | |
| GB2168828A (en) | Adaptive control | |
| CN116088426B (zh) | 一种带视觉装置的加工中心运动定位保护系统 | |
| CN114460901B (zh) | 一种数控机床数据采集系统 | |
| US20160209828A1 (en) | Method of Machining Workpiece Using Machine Tool, and Machine Tool | |
| CN106154977A (zh) | 一种数控机床切削工步全过程中关键时刻的判断方法 | |
| CN110461540A (zh) | 刀具路径生成方法及装置 | |
| CN117798390B (zh) | 一种汽车轴承自动化生产装置 | |
| US8265783B2 (en) | Method for creating profile data used to process non-circular workpiece | |
| CN115685879B (zh) | 机床状态调整方法、装置、设备、机床、介质 | |
| Danai | Machine tool monitoring and control | |
| JP2006150504A (ja) | びびり振動予測防止加工装置、びびり振動予測防止加工装置のびびり振動予測防止方法 | |
| CA2696436A1 (en) | System and method for manufacturing an in-process part | |
| JP6940474B2 (ja) | 工作機械 | |
| KR101476853B1 (ko) | 공작 기계의 주축 진동 감지 및 주축 속도 자동 조절 시스템 및 그 방법 | |
| Jarosz et al. | The effect of changes in depth of cut on surface roughness in machining of AISI 316 stainless steel | |
| Hinds et al. | End milling of circular pockets to meet geometric tolerances | |
| CN113124811B (zh) | 一种剃齿刀修磨参数精确控制方法 | |
| CN109304642A (zh) | 一种刀具工艺系统的动态误差补偿方法 | |
| CN117518988B (zh) | 一种用于数控机床的自适应数据处理系统 | |
| JPH0947941A (ja) | Ｎｃ工作機械の送り速度制御方法および装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |