CN117773653A - 机床刀具的破损监控方法、装置及加工中心 - Google Patents
机床刀具的破损监控方法、装置及加工中心 Download PDFInfo
- Publication number
- CN117773653A CN117773653A CN202311816909.XA CN202311816909A CN117773653A CN 117773653 A CN117773653 A CN 117773653A CN 202311816909 A CN202311816909 A CN 202311816909A CN 117773653 A CN117773653 A CN 117773653A
- Authority
- CN
- China
- Prior art keywords
- load
- characteristic value
- abnormal
- cutter
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000012544 monitoring process Methods 0.000 title claims abstract description 53
- 230000002159 abnormal effect Effects 0.000 claims abstract description 126
- 238000012545 processing Methods 0.000 claims abstract description 81
- 230000005856 abnormality Effects 0.000 claims description 75
- 238000003754 machining Methods 0.000 claims description 36
- 238000013499 data model Methods 0.000 claims description 32
- 238000001514 detection method Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 10
- 238000012806 monitoring device Methods 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims 1
- 238000005520 cutting process Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
Landscapes
- Numerical Control (AREA)
Abstract
本发明涉及机床设备监测技术领域,具体涉及一种机床刀具的破损监控方法、装置及加工中心,方法包括:实时获取加工过程中主轴的负载特征值,将该当前负载特征值与负载正常特征值进行对比,得到两者对比的负载差异数据,若该负载差异数据超过预设的负载差异阈值,则认为此时主轴的负载存在异常,输出负载异常信号。基于主轴的负载异常信号可对刀具作出相应处理。本发明可实时的对加工过程中的刀具状态进行监测,提升了对刀具状态监测的实时性,并且根据主轴实际受到的负载力得出刀具的状态,通过使用负载力的判断使得对刀具状态的判断更为直接及准确。
Description
技术领域
本发明涉及机床设备监测技术领域,具体而言,涉及一种机床刀具的破损监控方法、装置及加工中心。
背景技术
在数控切削过程中,刀具的破损或失效是造成机床设备损坏、工件损坏及切削加工安全事故的主要起因之一。根据实际情况的大致统计,目前加工现场中,由刀具破损和失效引起的停机时间占总的故障停机时间的约30%,这使得数控机床的利用率大大下降。因此,在加工过程中,快速且准确地实现对刀具破损及断刀的在线监测,并在发现刀具断刀或破损时,能及时地作出相应处理(如保存加工信息后报警或者换一把刀),不仅能有效保护工件、机床设备及保证加工的安全,同时也能保证产品的加工质量、节省时间及提高生产效率。
而目前均是通过振动频率来对刀具的状态进行监测,如中国专利一种超声刀具检测方法(申请号CN201611110894.5),其初检包括频率振幅检测及电位降法检测,复检包括自由模态检测及压力模态检测,综合了频率振幅检测、电位降法检测、自由模态检测、压力模态检测方法对刀具质量进行检测。但该方法主要是对出厂前的刀具进行检测,并无法在加工过程中,对刀具进行实时的监测。
因此,现有技术还存在不足,有待改进。
发明内容
为解决上述问题,本发明的目的在于提供一种机床刀具的破损监控方法、装置及加工中心,以在加工过程中,实时的对主轴的负载状态进行监测,通过对主轴状态的负载检测,得出刀具的状态。
为了实现上述目的,本发明第一方面提供一种机床刀具的破损监控方法,包括:
建立负载数据模型,负载数据模型包括有当前加工工件加工时主轴的负载正常特征曲线,负载正常特征曲线表征工件在不同加工位置的负载正常特征值;
基于负载监控命令实时获取加工时主轴的当前负载特征值;
将当前负载特征值与负载正常特征值实时进行对比,输出负载差异数据;
若负载差异数据超过预设的负载差异阈值,则输出用于表示加工刀具负载异常的负载异常信号。
在一实施方式中,负载数据模型还包括有当前加工工件加工时主轴的负载异常特征值;
在基于负载监控命令实时获取加工时主轴的当前负载特征值之后还包括:
将当前负载特征值与负载异常特征值实时进行对比,输出负载相似度数据;
若负载相似度数据超过预设的负载异常阈值,则输出用于表示加工刀具负载异常的负载异常信号。
在一实施方式中,在输出用于表示加工刀具负载异常的负载异常信号之后还包括:
基于负载异常信号发出刀具异常警报。
在一实施方式中,在基于负载监控命令实时获取加工时主轴的当前负载特征值之前还包括:
基于工件检测命令检测预设的加工工位是否装夹有加工工件;
若检测到加工工件,则接收负载监测命令,否则进入负载监测命令接收等待状态。
在一实施方式中,建立负载数据模型具体包括:
收集当前加工工件加工过程中主轴的历史负载特征值,以生成历史负载数据库;其中,历史负载数据库实时补入新的负载特征值为历史负载特征值,历史负载特征值为记录的每一次对当前加工工件加工时生成的负载特征值,及记录的通过对当前加工工件进行模拟或实验生成的负载特征值;
将历史负载数据库中的历史负载特征值进行负载分类,负载分类包括的类型有负载异常特征值及负载正常特征值。
在一实施方式中,在输出用于表示加工刀具负载异常的负载异常信号之后还包括:
基于负载异常信号,主轴停止转动。
获取主轴上刀具的特征图像;
将特征图像输入至预先建立的图像异常分析模型,图像异常分析模型包括有刀具异常图像及刀具合格的图像;
将特征图像与刀具异常图像进行对比,输出图像比例相似度;
若图像比例相似度超过预设的异常阈值,则输出刀具异常信号。
在一实施方式中,在将特征图像输入至预先建立的图像异常分析模型,图像异常分析模型包括有刀具异常图像及刀具合格的图像之后还包括:
将特征图像与刀具合格图像进行对比,输出图像比例相似度;
若图像比例相似度低于预设的比例,则输出刀具异常信号。
在一实施方式中,负载数据模型包括有加工时用于装夹当前加工工件的夹具的负载特征值,夹具的负载特征值包括夹具负载正常特征值及夹具负载异常特征值;
基于负载监控命令实时获取加工时夹具的当前负载特征值;
将夹具的当前负载特征值与夹具负载正常特征值实时进行对比,输出夹具负载差异数据;
若夹具负载差异数据超过预设的夹具负载差异阈值,则输出用于表示加工刀具负载异常的负载异常信号;或,
基于负载监控命令实时获取加工时夹具的当前负载特征值:
将夹具的当前负载特征值与夹具负载异常特征值实时进行对比,输出夹具负载相似度数据;
若夹具负载相似度数据超过预设的夹具负载异常阈值,则输出用于表示加工刀具负载异常的负载异常信号。
一种机床刀具的破损监控装置,包括:
模型建立模块,用于建立负载数据模型,负载数据模型包括有当前加工工件加工时主轴的负载正常特征曲线,负载正常特征曲线表征工件在不同加工位置的负载正常特征值;
特征获取模块,用于基于负载监控命令实时获取加工时主轴的当前负载特征值;
对比模块,用于将当前负载特征值与负载正常特征值实时进行对比,输出负载差异数据;
异常输出模块,用于若负载差异数据超过预设的负载差异阈值,则输出用于表示加工刀具负载异常的负载异常信号。
一种加工中心,包括:处理器、存储器及通信总线;存储器上存储有可被处理器执行的计算机可读程序;
通信总线实现处理器和存储器之间的连接通信;处理器执行计算机可读程序时实现如上述任意一项的基于机床刀具的破损监控方法中的步骤。
本发明的有益效果在于:实时获取加工过程中主轴的当前负载特征值,将该当前负载特征值与负载正常特征值进行对比,得到两者对比的负载差异数据,若该负载差异数据超过预设的负载差异阈值,则认为此时主轴的负载存在异常,输出负载异常信号。由于刀具装配在主轴上,因此可用该负载异常信号表示加工刀具的负载异常,根据负载异常信号可度刀具作出相应处理。本发明可实时的对加工过程中的刀具状态进行监测,提升了对刀具状态监测的实时性,并且根据主轴实际受到的负载力,进而得出刀具的状态,通过使用负载力的判断使得对刀具状态的判断更为直接及准确。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明提供的机床主轴的负载监测方法的流程图;
图2是本发明提供的刀具断裂一实施例的示意图;
图3是本发明提供的刀具断裂另一实施例的示意图;
图4是本发明提供的机床主轴的负载监测方法的原理图;
图5是本发明提供的加工中心的结构原理图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,显然,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
参考图1,本发明实施例的提供一种机床刀具的破损监控方法,方法包括:
S100:建立负载数据模型,负载数据模型包括有当前加工工件加工时主轴的负载正常特征曲线,负载正常特征曲线表征工件在不同加工位置的负载正常特征值;
具体的,对于某个或某类型的工件加工,收集其以往每次加工时主轴的负载情况,每次加工后收集的负载情况即为主轴的历史负载特征值,这些历史负载特征值当中,正常加工过程中的负载数据则为负载正常特征值,基于收集的历史负载特征值生成该工件加工时主轴的历史负载数据库。
S200:基于负载监控命令实时获取加工时主轴的当前负载特征值;
具体的,在加工过程中,实时获取主轴的负载情况,并根据负载情况输出主轴的当前负载特征值。需要说明的是,负载特征值包括当前负载特征值及负载异常特征值,负载特征值为主轴受力形成的负载受力图形,由于加工某一特定工件时,其负载大致是相同的,因此,该负载受力图形可以表示为曲线特征,用该曲线特征表示当前负载力的大小。
对于加工同一工件的同一步骤的主轴负载基本是相同的,而对于加工同一工件不同的工艺步骤中,主轴的负载则可能不同,因此,对于某一特定工件的全部工艺步骤形成的负载受力图形则可能为曲线图。当进行加工时,其负载受力图形可以表现为曲线图,通过曲线的幅度表示其负载的情况。例如,加工A工件的每道工艺步骤的负载不同,在加工A工件的刀具全部工艺步骤走完后,则会形成波形的图像,可用波形图像表示加工A工件整个工艺步骤、或表示为加工出某个特征的几个工序步骤、或表示为加工出某个特征的几个工艺步骤。
本实施利中,刀具安装在主轴上,负载力为刀具在加工工件时,刀具传递至主轴承受的力。在其他实施方式中,负载力也可为电流负载力,即加工时,工件对主轴的产生阻力,为使主轴克服阻力正常运转,需要为主轴提供一定的电流,该克服阻力使得主轴正常运转的力即为电流负载力。
S300:将当前负载特征值与负载正常特征值实时进行对比,输出负载差异数据;
具体的,负载数据模型中包括至少有当前加工工件加工时主轴的负载正常特征值,将当前负载特征值输入至预设的负载数据模型,当前负载特征值与负载数据模型中的负载正常特征值进行对比。例如,在A工件某道工艺时,会检测到代表当前工序的负载特征值的负载受力图形,然后将该负载受力图形与负载正常特征值形成的图形进行相比。需要说明的是,负载数据模型为预先建立的模型,在该模型中收集有大量的加工某一特定工件的历史负载数据,该历史负载数据至少包括有当前加工工件加工时主轴的负载异常特征值及负载正常特征值。例如,在以往加工A工件时,可能会出现负载异常,从而导致加工的A工件出现不合格的情况,将该次加工A工件的异常负载或异常负载形成的图形录入到负载数据模型中。
在将当前负载特征值与负载正常特征值进行对比后,会输出一个负载幅度差异的数据。例如,主轴从具有负载突然变为空载,刀具正常加工的负载受力图形与刀具断裂后的空负载的图形幅度差异肯定是非常大,此时则可以判断异常情况为刀具未加工到工件或认为刀具断裂。
再例如,刀具的刀头出现磨损,此时主轴的负载情况也会有相应变化,其负载受力图形可能表现为具有波动的图形,将该波动的图形与负载正常特征值的图形进行对比,根据对比负载数据模型输出两者的负载差异数据。
S400:若负载差异数据超过预设的负载负载差异阈值,则输出用于表示加工刀具负载异常的负载异常信号。
具体的,刀具在加工过程中必然存在磨损,但出现磨损不必然表示刀具损坏或不可使用。另外,负载出现异常也不一定表示该异常会影响到工件的正常加工。因此,设置负载负载差异阈值,当负载数据模型输出的负载差异数据超过该负载差异阈值时,则表示当前工件加工与正常情况下对该工件加工的负载差异过大,此时的负载异常需要被重视,主轴当前的负载存在的异常可能会影响到工件的正常加工。然后根据该负载相似度数据发出负载异常信号,以表示目前主轴存在需要被重视的异常负载。根据负载异常信号可作出如停机或更换刀具等相应的处理。
在将当前负载特征值与负载正常特征值进行对比后,会输出一个幅度差异的数据,所谓幅度差异数据为刀具断刀前的负载受力图形与刀具断裂后的负载受力图形的幅度变化。例如,参考图2及图3,主轴从具有负载突然变为空载,刀具断裂后的负载受力图形与刀具断裂前的负载受力图形的幅度波动会出现较大的变动,若该幅度差异数据的变动超过预设的负载差异阈值,例如,负载差异阈值为30%,当幅度差异数据超过30%,此时则可以判断异常情况为刀具未加工到工件或认为刀具断裂。
对于负载差异阈值则可根据实际应用情况,及对工件或刀具的精度要求进行设置。例如,设置的负载差异阈值为30%,当幅度差异数据超过30%,此时则可以判断异常情况为刀具未加工到工件或认为刀具断裂。
本发明实时获取加工过程中主轴的当前负载特征值,将该当前负载特征值与负载正常特征值进行对比,得到两者对比的负载差异数据,若该负载差异数据超过预设的负载差异阈值,则认为此时主轴的负载存在异常,输出负载异常信号。由于刀具装配在主轴上,因此可用该负载异常信号表示加工刀具的负载异常,根据负载异常信号可对刀具作出相应处理。本发明可实时的对加工过程中的刀具状态进行监测,提升了对刀具状态监测的实时性,并且根据主轴实际受到的负载力得出刀具的状态,通过使用负载力的判断使得对刀具状态的判断更为直接及准确。
在一实施方式中,负载数据模型还包括有当前加工工件加工时主轴的负载异常特征值,步骤S200之后还包括:
将当前负载特征值与负载异常特征值实时进行对比,输出负载相似度数据;
若负载相似度数据超过预设的负载异常异阈值,则输出用于表示加工刀具负载异常的负载异常信号。
具体的,在将当前负载特征值与负载异常特征值进行对比后,会输出一个负载相似度的数据。例如,主轴从具有负载突然变为空载,刀具断裂后的负载图形与空负载的图形基本是百分百的相似度,此时则可以判断异常情况为刀具未加工到工件或认为刀具断裂。
再例如,刀具的刀头出现磨损,此时主轴的负载情况也会有相应变化,其负载受力图形可能表现为具有波动的图形,将该波动的图形与负载异常特征值的图形进行对比,根据对比负载数据模型输出两者的相似度。
当负载数据模型输出负载相似度数据超过该负载异常阈值时,则表示当前工件加工的负载异常需要被重视,主轴当前的负载存在的异常可能会影响到工件的正常加工。然后根据该负载相似度数据发出负载异常信号,以表示目前主轴存在需要被重视的异常负载。根据负载异常信号可作出如停机或更换刀具等相应的处理。
对于负载异常阈值则可根据实际应用情况,及对工件或刀具的精度要求进行设置。例如,设置的负载异常阈值为85%,当检测到主轴的当前负载特征值所生产的负载相似度数据大于等于85%时,在图形上表示为当前主轴的负载受力图形与负载异常特征值的负载受力图形相似度大于等85%,如92%,则认为当前主轴的负载存在异常,需要对刀具情况进行检查。
上述通过当前负载特征值与负载正常特征值及负载异常特征值进行对比,只要满足任一条件,则可判断此时主轴存在异常,输出用于表示加工刀具负载异常的负载异常信号。
在一实施方式中,在步骤S400之后还包括:
S500:基于主轴负载异常信号发出刀具异常警报。
具体的,当判定为主轴的负载存在异常时,则发出刀具异常警报,该刀具异常警报可为警示音提示,或指示灯闪烁提示。在刀具异常警报发出后,工作人员可进行机床暂停、更换刀具处理。
在一实施方式中,在步骤S200之前还包括:
S201:基于工件检测命令检测预设的加工工位是否装夹有加工工件;
S202:若检测到加工工件,则接收负载监测命令,否则进入负载监测命令接收等待状态。
具体的,在对主轴的负载进行监测时,需要保证机床的工位上安装有工件,主轴的负载主要来源于刀具对工件的切削,若工位没有工件,此时对主轴的负载进行监测没有意义,并且也可能会错检测为当前主轴为空载,造成当前刀具断裂的误判。因此,首先需要对加工工位是否存在工件进行确认,若检测到加工位存在工件,则开始进行对主轴的负载情况进行获取,否则进入负载监测命令接收等待状态。
进一步地,步骤S201具体包括:
基于工件检测命令获取加工工位的工位图像;
将工位图像输入至预先建立的图像工位分析模型,与图像工位分析模型中的工位图像进行对比并输出图像对比度;
当图像对比度高于预设值时,则认定为加工工位有加工工件。
例如,在加工A工件时,首先将A工件安装在预设的工件安装位上,然后使用图像识别软件或摄像设备获取该工件安装位的工位图像。将获取的工位图像输入至图像工位分析模型,图像工位分析模型内收集有该工位安装有工件A时的图像,因此将安装有工件A的工位图像输入至图像工位分析模型中,与安装有工件A时的图像进行对比。在对比之后图像工位分析模型会输出一个图像对比度,当该图像对比度高于预设值时,则认定为加工工位安装有工件。
进一步地,可在工位安装有工件A时的图像中设置特定点,即将工件安装的点位作为特征点识别,将获取的工位图像与模型内图像的工位特征点进行对比,若两图像的该特征点处的基本契合或契合度高于预设值,则认定为加工工位安装有工件。
在一实施方式中,建立负载数据模型具体包括:
步骤一:收集当前加工工件加工过程中主轴的历史负载特征值,以生成历史负载数据库;其中,历史负载数据库实时补入新的负载特征值为历史负载特征值,历史负载特征值为记录的每一次对当前加工工件加工时生成的负载特征值,及记录的通过对当前加工工件进行模拟或实验生成的负载特征值;
步骤二:将历史负载数据库中的历史负载特征值进行负载分类,负载分类至少包括的类型有负载异常特征值及负载正常特征值。
具体的,对于某个或某类型的工件加工,收集其以往每次加工时主轴的负载情况,以生成该工件加工时主轴的历史负载数据库,并且可将当前加工的主轴负载情况及后续任一次的主轴负载情况均收录至该历史负载数据库中,以丰富该数据库。例如,加工A工件,在每次加工时,都将加工A工件时的主轴负载情况进行收集,生成工件A的主轴的历史负载数据库,并且可以对该数据库不断进行丰富及完善。当后续加工A工件时,则将当前加工A工件的主轴负载情况与工件A的历史负载数据库中的数据进行对比,以得出加工A工件时,刀具是否存在异常。
另外,在历史数据库建立时,对该数据库内的数据进行分类,基本分类包括负载异常特征值、负载非异常特征值及负载正常特征值。对于每一次加工时,将当前工件的当前负载特征值与历史数据库中的负载异常特征值进行对比,若两者的相似度大于负载异常阈值,则输出用于表示加工刀具负载异常的负载异常信号,否则认为刀具的负载为非异常,继续进行加工。
以加工A工件为例说明历史数据的生成,为了便于刀具加工A工件时判断刀具是否存在负载异常,对加工A工件时的主轴的负载特征值进行质量评估,然后将评估后的负载受力图形录入负载数据模型中。例如,对负载特征值对应的负载受力图形进行评估,该评估包括:一,首先得出明显的负载异常的图形,如刀具断裂后的空负载,此类负载的图形则可被归为负载异常特征值;二,加工A工件时,该次负载受力图形下加工出的工件A为被判断为不合格产品,此类负载受力图形被归为负载异常特征值;三,加工A工件时,该侧负载受力图形与先前归为负载异常特征值的负载受力图形相似度超过设定的比例,例如,相似度为85%以上,则可将该次的负载受力图形归为负载异常特征值;或,加工A工件时,该次负载受力图形与先前归为负载正常特征值的负载受力图形幅度差异超过设定的比例如,幅度差异为35%以上,则可将该次的负载受力图形归为负载异常特征值;四,加工A工件时,该次负载受力图形下加工出的工件A为被判断为合格产品,此类负载受力图形可被归为负载正常特征值;五,加工A工件时,该侧负载受力图形与先前归为负载正常特征值的负载受力图形的幅度差异未超过设定的比例,例如,幅度差异低于为25%以下,则可将该次的负载受力图形归为负载正常特征值。
刀具断裂前与刀具断裂后的主轴负载的负载受力图形不同,参考图2,当刀具出现断裂时,其负载受力图形会有突然的变化,图2中的方框部分则表示断刀时主轴的负载变化。断刀后的负载受力图形参考图3,该变化后的负载受力图形则被记为负载异常特征值录入负载数据模型,当下次在出现该种负载受力图形时,则可判定此时刀具存在断刀的可能,需要暂停主轴的转动,对刀具进行检查。
另外,还可以设置加工A工件正常情况下时的负载受力图形为负载正常特征值,若该次负载受力图形与先前归为正常负载特征值的负载受力图形幅度差异超过设定的比例,例如,幅度差异为30%以上时,则被认为此时主轴的负载存在异常,参考图3;若幅度差异为30%以下时,则此时的负载受力图形与负载正常特征值大致相同,此类与正常负载特征值的负载受力图形相似的负载受力图形,则可被归为新的正常负载特征值。通过当前负载受力图形与正常负载特征值的对比,则可认为当前的主轴的负载正常,该方式可作为另一方面对主轴的负载是否存在异常的判断。
在一实施方式中,步骤S400之后还包括:
基于负载异常信号,主轴停止转动。
具体的,在发出负载异常信号后,可通过手动的方式关停主轴,或者可通过自动化的关停方式,例如,基于负载异常信号,机床系统的关停开关,自动控制主轴停止转动。在主轴停止转动后,则需要对刀具进行检测,以判断刀具的具体情况。对于刀具的情况的判断可通过人为观察或通过图像识别对刀具进行检测分析。
进一步地,通过图像识别对刀具进行检测分析包括:
第一步:获取主轴上刀具的特征图像;
第二步:将特征图像输入至预先建立的图像异常分析模型,图像异常分析模型包括有刀具异常图像及刀具合格的图像;
第三步:将特征图像与刀具异常图像进行对比,输出图像比例相似度;
第四步:若图像比例相似度超过预设的异常阈值,则输出刀具异常信号。
具体的,在主轴停止转动后,通过图像获取设备获取主轴上刀具的特征图形,将特征图像输入至图像异常分析模型。在该图像异常分析模型内收集有刀具异常图像,将获取的特征图像与刀具异常图像进行对比。特征图像设置有若干个特征点,在对比过程中,为了提高对比效率及准确度,将获取的特征图像的若干特征点进行分析,例如,分析刀具长度方向上是否存在断裂或断痕,在刀具的加工刀头是否存在大的缺陷或缺口等,若这些特征点与刀具异常图像符合,相似度较高超过预设的异常阈值,则可认为刀具存在使主轴负载异常的缺陷,输出刀具异常信号,然后可根据刀具异常信号作出相应的换刀处理。
收集各种具有缺陷或损坏的刀具图像作为刀具异常图像的图像数据,以生成刀具图像数据库,将该图像数据库至于图像异常分析模型,刀具异常图像的类型包括有刀具断裂图形及刀具特定部分破损图像。其中,刀具断裂图像为刀具的横向断裂,该断裂刀具无法对工件进行加工,使得主轴为空载或近似空载。刀具特定部分破损图像中,特定部分可以为刀具的刀头,刀头为直接对工件加工的部分,因此刀头部分直接影响工件的质量,并且刀头异常也会直接体现在主轴的负载受力图形上,因此通过主轴的负载判断刀头情况也是较为准确的指标。
在另一实施方式中,在将特征图像输入至预先建立的图像异常分析模型,图像异常分析模型包括有刀具异常图像及刀具合格的图像之后还包括:
将特征图像与刀具合格的图像进行对比,输出图像比例相似度;
若图像比例相似度低于预设的比例,则输出刀具异常信号。
具体的,除了上述可通过当前刀具的特征图像与刀具异常图像进行对比,还可以将当前刀具的特征图像与刀具合格的图像进行对比。收集合格的刀具图像输入至图像异常分析模型,所谓合格的刀具为新的刀具或未出现破损的刀具。将当前获取的刀具的特征图像与刀具合格的图像进行对比,若刀具存在部分破损或缺陷,当破损破损程度不严重时,则不认为是异常,当破损的程度较大,图像比例相似度低于预设的比例时,则认为当前的刀具与合格的刀具相差较大,则可判定为该到刀具为异常;例如,当前检测的刀具与合格的刀具完整比例相似度低于预设的95%,则人为刀具存在会导致主轴负载异常的破损,则输出刀具异常信号。
在一实施方式中,负载数据模型还包括有加工时用于装夹当前加工工件的夹具的负载特征值,夹具的负载特征值包括夹具负载正常特征值及夹具负载异常特征值,然后通过夹具的负载情况来判断当前加工刀具是否存在异常。通过夹具的负载情况判断刀具是否存在异常包括通过夹具的负载正常特征值及夹具的负载异常特征值进行判断。
其中,通过夹具的负载正常特征值进行判断的具体步骤如下:
步骤一:基于负载监控命令实时获取加工时夹具的当前负载特征值;
步骤二:将夹具的当前负载特征值与夹具负载正常特征值实时进行对比,输出夹具负载差异数据;
步骤三:若夹具负载差异数据超过预设的夹具负载差异阈值,则输出用于表示加工刀具负载异常的负载异常信号。
具体的,在接收到负载监控命令时,除了上述实施方式中获取主轴的当前负载特征值,还同时会实时获取加工时,夹具的当前负载特征。在工件加工过程过程中,夹具为装夹工件的结构,因此,当刀具触碰工件时,刀具对工件产生的压力会传递到夹具上,夹具受力后,同样可形成夹具的负载受力图形。在刀具没有异常时,夹具的当前负载特征值与负载正常特征值应大致相同或近似,两者相比后,输出夹具负载差异数据,该夹具负载差异数据为夹具当前的负载特征值与夹具负载正常特征值两者之间的差异程度,例如,夹具的当前负载受力波形与夹具负载正常特征波形之间的幅度差异。若夹具负载差异数据超过预设的夹具负载差异阈值,则输出用于表示加工刀具负载异常的负载异常信号,根据负载异常信号可至,此时刀具可能存在异常。若夹具负载差异数据没有超过预设的夹具负载差异阈值,则可认为当前刀具没有异常。
在另一实施方式中,还可以通过夹具的负载异常特征值对刀具的异常进行判断,具体步骤如下:
步骤一:基于负载监控命令实时获取加工时夹具的当前负载特征值:
步骤二:将夹具的当前负载特征值与夹具负载异常特征值实时进行对比,输出夹具负载相似度数据;
步骤三:若夹具负载相似度数据超过预设的夹具负载异常阈值,则输出用于表示加工刀具负载异常的负载异常信号。
夹具受力后,可形成夹具的负载受力图形,夹具的当前负载特征值与负载异常特征值进行对比,两者相比后,输出夹夹具负载相似度数据,若夹具负载相似度数据超过预设的夹具负载异常阈值,则输出用于表示加工刀具负载异常的负载异常信号,根据负载异常信号可至,此时刀具可能存在异常。若夹具负载相似度数据没有超过预设的夹具负载异常阈值,则可认为当前刀具没有异常。通过夹具负载异常特征值对刀具异常的判断原理与上述通过夹具负载正常特征值的判断原理相同,其他可参加上述实施方式,此处不在赘述。
对于夹具负载正常特征值及夹具负载异常特征值的收集方式与上述实施方式中主轴的负载正常特征值得方式相同,均为收集加工当前工件时夹具的历史负载特征值,该夹具的历史负载特征值的获取包括历史加工、实验或模拟获取,具体参加上述主轴的负载正常特征值(或负载异常特征值)收集方式,此处不再赘述。
需要说明的是,在实际的操作中,可在夹具上安装或连接一个可用于收集夹具受力的频率、负载或震动感应传感器,以获取夹具受到震动是的负载情况。
基于上述机床刀具的破损监控方法,本实施例提供了一种机床刀具的破损监控装置,如图4所示,监控装置包括:
特征获取模块100,用于基于负载监测命令实时获取加工时主轴的当前负载特征值;
数据传输模块200,用于将当前负载特征值输入至预设的负载数据模型,负载数据模型中包括有当前加工工件加工时主轴的负载异常特征值及负载正常特征值;
对比模块300,用于将当前负载特征值与负载异常特征值实时进行对比,输出负载相似度数据;
异常输出模块400,用于若负载相似度数据超过预设的负载异常阈值,则输出用于表示加工刀具负载异常的负载异常信号。
此外值得说明的是,本实施例提供的机床刀具的破损监控装置的工作过程在上述机床刀具的破损监控方法中已经详细说明,在此不再一一赘述。
基于上述机床刀具的破损监控方法,本实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现如上述实施例的机床刀具的破损监控方法中的步骤。
基于上述机床刀具的破损监控方法,本申请还提供了一种加工中心,参考5,其包括至少一个处理器(processor)20;显示屏21;以及存储器(memory)22,还可以包括通信接口(Communications Interface)23和总线24。其中,处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令,以执行上述实施例中的方法。
此外,上述的存储器22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。
存储器22作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法存储器22可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器。例如,U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
此外,上述存储介质以及终端设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明,在这里就不再一一陈述。
以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种机床刀具的破损监控方法,其特征在于,所述方法包括:
建立负载数据模型,所述负载数据模型包括有当前加工工件加工时主轴的负载正常特征曲线,所述负载正常特征曲线表征工件在不同加工位置的负载正常特征值;
基于负载监控命令实时获取加工时所述主轴的当前负载特征值;
将所述当前负载特征值与所述负载正常特征值实时进行对比,输出负载差异数据;
若所述负载差异数据超过预设的负载差异阈值,则输出用于表示加工刀具负载异常的负载异常信号。
2.根据权利要求1所述的机床刀具的破损监控方法,其特征在于,所述负载数据模型还包括有当前加工工件加工时主轴的负载异常特征值;
在所述基于负载监控命令实时获取加工时所述主轴的当前负载特征值之后还包括:
将所述当前负载特征值与所述负载异常特征值实时进行对比,输出负载相似度数据;
若所述负载相似度数据超过预设的负载异常阈值,则输出用于表示加工刀具负载异常的负载异常信号。
3.根据权利要求1或2所述的机床刀具的破损监控方法,其特征在于,在所述输出用于表示加工刀具负载异常的负载异常信号之后还包括:
基于所述负载异常信号发出刀具异常警报。
4.根据权利要求1所述的机床刀具的破损监控方法,其特征在于,在所述基于负载监控命令实时获取加工时主轴的当前负载特征值之前还包括:
基于工件检测命令检测预设的加工工位是否装夹有加工工件;
若检测到所述加工工件,则接收所述负载监测命令,否则进入所述负载监测命令接收等待状态。
5.根据权利要求2所述的机床刀具的破损监控方法,其特征在于,所述建立负载数据模型具体包括:
收集当前加工工件加工过程中主轴的历史负载特征值,以生成历史负载数据库;其中,所述历史负载数据库实时补入新的所述负载特征值为所述历史负载特征值,所述历史负载特征值为记录的每一次对当前加工工件加工时生成的负载特征值,及记录的通过对当前加工工件进行模拟或实验生成的负载特征值;
将所述历史负载数据库中的所述历史负载特征值进行负载分类,所述负载分类包括的类型有所述负载异常特征值及所述负载正常特征值。
6.根据权利要求1或2所述的机床刀具的破损监控方法,其特征在于,在所述输出用于表示加工刀具负载异常的负载异常信号之后还包括:
基于所述负载异常信号,所述主轴停止转动。
获取所述主轴上刀具的特征图像;
将所述特征图像输入至预先建立的图像异常分析模型,所述图像异常分析模型包括有刀具异常图像及刀具合格的图像;
将所述特征图像与所述刀具异常图像进行对比,输出图像比例相似度;
若所述图像比例相似度超过预设的异常阈值,则输出所述刀具异常信号。
7.根据权利要求6所述的机床刀具的破损监控方法,其特征在于,在将所述特征图像输入至预先建立的图像异常分析模型,所述图像异常分析模型包括有刀具异常图像及刀具合格的图像之后还包括:
将所述特征图像与所述刀具合格图像进行对比,输出图像比例相似度;
若所述图像比例相似度低于预设的比例,则输出所述刀具异常信号。
8.根据权利要求1所述的机床刀具的破损监控方法,其特征在于,所述负载数据模型包括有加工时用于装夹当前加工工件的夹具的负载特征值,所述夹具的负载特征值包括夹具负载正常特征值及夹具负载异常特征值;
基于负载监控命令实时获取加工时所述夹具的当前负载特征值;
将所述夹具的当前负载特征值与所述夹具负载正常特征值实时进行对比,输出夹具负载差异数据;
若所述夹具负载差异数据超过预设的夹具负载差异阈值,则输出用于表示加工刀具负载异常的负载异常信号;或,
基于负载监控命令实时获取加工时所述夹具的当前负载特征值:
将所述夹具的当前负载特征值与所述夹具负载异常特征值实时进行对比,输出夹具负载相似度数据;
若所述夹具负载相似度数据超过预设的夹具负载异常阈值,则输出用于表示加工刀具负载异常的负载异常信号。
9.一种机床刀具的破损监控装置,其特征在于,包括:
模型建立模块,用于建立负载数据模型,所述负载数据模型包括有当前加工工件加工时主轴的负载正常特征曲线,所述负载正常特征曲线表征工件在不同加工位置的负载正常特征值;
特征获取模块,用于基于负载监控命令实时获取加工时所述主轴的当前负载特征值;
对比模块,用于将所述当前负载特征值与所述负载正常特征值实时进行对比,输出负载差异数据;
异常输出模块,用于若所述负载差异数据超过预设的负载差异阈值,则输出用于表示加工刀具负载异常的负载异常信号。
10.一种加工中心,其特征在于,包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的基于机床刀具的破损监控方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311816909.XA CN117773653A (zh) | 2023-12-27 | 2023-12-27 | 机床刀具的破损监控方法、装置及加工中心 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311816909.XA CN117773653A (zh) | 2023-12-27 | 2023-12-27 | 机床刀具的破损监控方法、装置及加工中心 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117773653A true CN117773653A (zh) | 2024-03-29 |
Family
ID=90397669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311816909.XA Pending CN117773653A (zh) | 2023-12-27 | 2023-12-27 | 机床刀具的破损监控方法、装置及加工中心 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117773653A (zh) |
-
2023
- 2023-12-27 CN CN202311816909.XA patent/CN117773653A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021043192A1 (zh) | 一种在线监测铣削加工刀具缺损的方法 | |
US6937942B2 (en) | Method and apparatus of detecting tool abnormality in a machine tool | |
TWI472399B (zh) | Online cutting tool real-time monitoring method | |
WO2008142386A1 (en) | Machining process monitor | |
CN1827296B (zh) | 用于机床的设备检验方法 | |
KR102120753B1 (ko) | 진동 특성 분석을 이용한 공구 수명 예측 방법 | |
KR102648425B1 (ko) | 진동 가속도 신호를 활용한 공구 파손감지 영역 자동설정 방법 및 진동 가속도 신호를 활용한 공구 파손감지장치 | |
CN115202287B (zh) | 一种数控机床运行作业在线智能监测诊断分析系统 | |
CN103558806A (zh) | 一种数控机床的故障处理系统 | |
JP2019098515A (ja) | 刃具状態検査システム及び方法 | |
TWM575368U (zh) | 智能化工具機雲端運算系統 | |
CN113305644A (zh) | 一种基于零件测量数据的刀具状态监测及预警方法和系统 | |
CN116494021A (zh) | 故障检测方法、装置、加工系统、电子设备和存储介质 | |
KR100952619B1 (ko) | 공작기계 취급시의 불량 검출방법 | |
CN116451044A (zh) | 基于数据分析的机加设备故障预警系统 | |
CN108115206B (zh) | 利用切削刀具对工件进行加工的方法、控制装置和系统 | |
CN113941901B (zh) | 机床刀具监控方法、监控装置及电子设备 | |
CN206105516U (zh) | 一种非接触式刀片磨损的在线检测设备 | |
KR101611299B1 (ko) | 자동화 기계장치의 이상 가공 유무 감지방법 | |
KR20200081165A (ko) | 가공기 툴의 건전성 지수 검출방법 | |
CN117773653A (zh) | 机床刀具的破损监控方法、装置及加工中心 | |
CN112548678A (zh) | 数控加工中心的刀具检测方法及装置 | |
CN114571285A (zh) | 智能识别挤压丝锥微崩刃的方法 | |
CN114986254B (zh) | 一种数控机床电主轴垫屑检测方法 | |
JP2021068401A (ja) | 作業機械の加工状態監視方法及びシステム |
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 |