CN212858795U - 一种基于振动信号的刀具剩余使用寿命预测装置 - Google Patents
一种基于振动信号的刀具剩余使用寿命预测装置 Download PDFInfo
- Publication number
- CN212858795U CN212858795U CN202021421461.3U CN202021421461U CN212858795U CN 212858795 U CN212858795 U CN 212858795U CN 202021421461 U CN202021421461 U CN 202021421461U CN 212858795 U CN212858795 U CN 212858795U
- Authority
- CN
- China
- Prior art keywords
- cutter
- data acquisition
- acquisition card
- bnc
- vibration
- 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.)
- Expired - Fee Related
Links
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000005070 sampling Methods 0.000 claims description 7
- 238000005299 abrasion Methods 0.000 abstract description 12
- 238000003801 milling Methods 0.000 description 8
- 238000010606 normalization Methods 0.000 description 7
- 238000003754 machining Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 238000005520 cutting process Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 239000002173 cutting fluid Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003564 dental alloy Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Automatic Control Of Machine Tools (AREA)
Abstract
本实用新型公开了一种基于振动信号的刀具剩余使用寿命预测装置，包括振动传感器、数据采集卡和计算机，所述振动传感器有螺纹的一端通过磁力座安装在机床的加工平台上，所述振动传感器无螺纹的一端通过BNC连接线一、BNC连接线二和BNC连接线三连接到所述数据采集卡，所述数据采集卡通过USB接口连接到所述计算机。通过对刀具工作中的振动信号进行采集处理，计算出刀具的磨损程度。本实用新型提供的刀具磨损信息准确，能够实时、准确地预测刀具剩余使用寿命。
Description
技术领域
本实用新型属于机械加工刀具及预测领域，具体地说，涉及一种基于振动信号的刀具剩余使用寿命预测装置。
背景技术
刀具磨损是指在铣削加工过程中刀具与工件相互作用而产生的结果，是影响加工过程的主要因素之一。在复杂的切削加工过程中，刀具需要时刻与工件接触，时常经受着剧烈摩擦并伴随着高温和高压，刀具磨损不严重时，会影响到加工工件的质量，刀具磨损严重时，则会影响到整个机床的工作，甚至导致安全问题。目前的机床刀具没有智能化的监控配套装置，人们只能通过暂停机床工作，取出刀具，根据刀具的磨损程度来判断刀具的剩余使用寿命，这样就大大降低了机床的工作效率，无法让刀具得到充分的利用。
中国专利公开号208342380U，公开日为2019年1月8日，发明创造的名称为刀具磨损在线检测装置，该申请案公开了一种采用摄像头来直接拍摄出刀具的磨损状态图，从而来判断刀具的磨损程度。其不足之处在于刀具在实时加工过程中难以被拍摄，只有在刀具停止工作时才能进行拍摄判断，从而大大降低了机床的工作效率，且安装较为繁琐，不适用于日常的加工生产。
有鉴于此，特提出本实用新型。
发明内容
本实用新型要解决的技术问题在于克服现有技术的不足，提供一种基于振动信号的刀具剩余使用寿命预测装置。为解决上述技术问题，本实用新型采用如下的技术方案。
一种基于振动信号的刀具剩余使用寿命预测装置，包括振动传感器5、数据采集卡6和计算机7，所述振动传感器5有螺纹的一端通过磁力座安装在机床1的加工平台2上，所述振动传感器5无螺纹的一端通过BNC连接线一、BNC连接线二和BNC连接线三连接到所述数据采集卡6，其中BNC连接线一连接到所述数据采集卡6的BNC接口一601，BNC连接线二连接到所述数据采集卡6的BNC接口二602，BNC连接线三连接到所述数据采集卡6的BNC接口三603，所述数据采集卡6通过USB接口605连接到所述计算机7。
所述振动传感器5采样频率范围是40kHz-50kHz。
实现刀具剩余使用寿命预测的方法，包括如下步骤：
（1）将所述振动传感器5的采样频率f 1 设置为40kHz-50kHz；
（2）通过铣削加工实验，将所述振动传感器5采集到的不同剩余使用寿命下刀具加工中的振动数据通过所述数据采集卡6保存到所述计算机7中，得到振动初始信号；
（3）将采集到的振动初始信号先通过带通滤波，得到去除噪声的振动信号，再对去除噪声的振动信号进行降采样处理，取振动初始信号采样频率f 1 的1/10作为计算频率，得到完整振动信号；
（4）对所述完整振动信号做傅里叶变换，画出其振幅频谱图，将所述振幅频谱图中的X轴振动信号最大幅值F1与其相对应的频率f相乘，得到X轴振动信号乘积G1，将所述振幅频谱图中的Y轴振动信号最大幅值F2与其相对应的频率f相乘，得到Y轴振动信号乘积G2，将所述振幅频谱图中的Z轴振动信号最大幅值F3与其相对应的频率f相乘，得到Z轴振动信号乘积G3，把振动信号乘积G1、G2、G3作为判断刀具剩余使用寿命的特征值；
（5）将所述振动信号乘积G1、G2、G3进行归一化处理，得到归一化处理后的振动信号乘积G4、G5、G6；
（6）从所述进行归一化处理后的振动信号乘积G4、G5、G6中提取100组训练样本；
（7）将所述100组训练样本输入到BP神经网络模型中，对所述BP神经网络模型进行训练优化，从而得到BP神经网络刀具剩余使用寿命识别模型；
（8）采集刀具加工中的振动信号，从所述采集到的振动信号中提取出归一化处理后的振动信号乘积G4、G5、G6，再将所述归一化处理后的振动信号乘积G4、G5、G6输入到所述BP神经网络刀具剩余使用寿命识别模型中，利用所述BP神经网络刀具剩余使用寿命识别模型的输出来预测加工中刀具的剩余使用寿命。
采用上述技术方案后，本实用新型与现有技术相比具有以下有益效果。
1. 本实用新型通过对刀具工作中的振动信号进行采集处理，能够时刻监督刀具的磨损状态并掌握刀具的剩余使用寿命，让工作人员及时换刀，提高机床的工作效率，同时，进一步提升机床的安全性。
2. 安装简便。本刀具磨损状态预测装置只需安装一个振动传感器即可，且振动传感器体积较小，通过螺纹与磁力座连接，只需将磁力座吸附在加工平台上即可，不会耽误机床的加工过程，适用于大部分加工环境。
下面结合附图对本实用新型的具体实施方式作进一步详细的描述。
附图说明
附图作为本申请的一部分，用来提供对本实用新型的进一步理解，本实用新型的示意性实施例及其说明用于解释本实用新型，但不构成对本实用新型的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，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附图。在附图中：
图1为本实用新型实施例结构安装示意图；
图中：1-机床；2-加工平台；3-主轴；4-刀具；5-振动传感器；6-数据采集卡；601-BNC接口一；602-BNC接口二；603-BNC接口三；7-计算机；
图2为本实用新型各零件连接示意图；
图3为本实用新型信号传输示意图；
图4为完整振动信号振幅频谱图。
需要说明的是，这些附图和文字描述并不旨在以任何方式限制本实用新型的构思范围，而是通过参考特定实施例为本领域技术人员说明本实用新型的概念。
具体实施方式
为使本实用新型实施例的目的、技术方案和优点更加清楚，下面将结合本实用新型实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本实用新型，但不用来限制本实用新型的范围。
在铣削实验中，影响刀具磨损的因素有很多，包括进给量、背吃刀量、主轴转速以及有无切削液等等。因此，本文固定主轴转速600r/min，背吃刀量1.8mm，进给0.5mm，其中为了加速刀具的磨损则不使用切削液，进行干切削。对于刀具磨损的分类，根据中华人民共和国国家标准GB/T16460-2016立铣刀寿命试验规定，采用刀具后刀面磨损值VB作为刀具磨损状态的判断标准。在每次完成600mm切削后，使用工业显微镜测量铣刀后刀面磨损值VB。为了数据的精确、避免误差，测量4次后，取4次测量值的平均值作为测量结果。根据VB值将刀具分为新刀、轻微磨损、中度磨损和严重磨损四种状态，新刀的磨损量为0-0.05mm、轻微磨损为0.05-0.2mm、中度磨损为0.2-0.4mm、严重磨损为0.4-0.6mm。当刀具到达严重磨损状态时即可换刀。本例中，铣削刀具为直径20mm的6齿合金T型立铣刀，刀具材料为硬质合金，加工工件为45号钢，其中加工工件尺寸为：6mm×100mm×40mm。铣削100mm×40mm端面，每次走刀铣削路径长度为150mm，加工方式为顺铣。
如图1、图2和图3所示，一种基于振动信号的刀具剩余使用寿命预测装置，包括振动传感器5、数据采集卡6和计算机7。
实施例选择采用所述振动传感器5来采集振动信号。所述振动传感器5有螺纹的一端通过磁力座安装在机床1的加工平台2上，所述振动传感器5无螺纹的一端通过BNC连接线一、BNC连接线二和BNC连接线三连接到所述数据采集卡6，所述BNC连接线一连接到所述数据采集卡6的BNC接口一601，所述BNC连接线二连接到所述数据采集卡6的BNC接口二602，所述BNC连接线三连接到所述数据采集卡6的BNC接口三603，所述数据采集卡6通过USB接口605连接到所述计算机7。
考虑到信号的完整还原，对加速度信号采用50kHz的采样频率，对于采集到的动态数据则通过所述振动传感器5传输到所述数据采集卡6中，所述数据采集卡6对信号进行一定的处理后传输到所述计算机7中。
如图4，对实施例中所采集到的初始振动信号进行去除噪声、降采样处理后，得到完整振动信号，画出所述完整振动信号的振幅频谱图，将所述振幅频谱图的X轴振动信号最大幅值F1与其相对应的频率f相乘，得到X轴振动信号乘积G1，将所述振幅频谱图的Y轴振动信号最大幅值F2与其相对应的频率f相乘，得到Y轴振动信号乘积G2，将所述振幅频谱图的Z轴振动信号最大幅值F3与其相对应的频率f相乘，得到Z轴振动信号乘积G3，把振动信号乘积G1、G2、G3作为判断刀具剩余使用寿命的特征值。对上述振动信号乘积G1、G2、G3进行归一化处理，得到归一化处理后的振动信号乘积G4、G5、G6，并从中选取100组训练样本输入到BP神经网络模型中，对所述BP神经网络模型进行训练优化，从而得到BP神经网络刀具剩余使用寿命识别模型，最后利用所述BP神经网络刀具剩余使用寿命识别模型对刀具剩余使用寿命进行预测识别。
以上所述仅是本实用新型的较佳实施例而已，并非对本实用新型作任何形式上的限制，虽然本实用新型已以较佳实施例揭露如上，然而并非用以限定本实用新型，任何熟悉本专利的技术人员在不脱离本实用新型技术方案范围内，当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本实用新型技术方案的内容，依据本实用新型的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本实用新型方案的范围内。
Claims (2)
1.一种基于振动信号的刀具剩余使用寿命预测装置，其特征在于，包括振动传感器（5）、数据采集卡（6）和计算机（7），所述振动传感器（5）有螺纹的一端通过磁力座安装在机床（1）的加工平台（2）上，所述振动传感器（5）无螺纹的一端通过BNC连接线一、BNC连接线二和BNC连接线三连接到所述数据采集卡（6），所述BNC连接线一连接到所述数据采集卡（6）的BNC接口一（601），所述BNC连接线二连接到所述数据采集卡（6）的BNC接口二（602），所述BNC连接线三连接到所述数据采集卡（6）的BNC接口三（603），所述数据采集卡（6）通过USB接口（605）连接到所述计算机（7）。
2.根据权利要求1所述的一种基于振动信号的刀具剩余使用寿命预测装置，其特征在于，所述振动传感器采样频率范围是40kHz-50kHz。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202021421461.3U CN212858795U (zh) | 2020-07-20 | 2020-07-20 | 一种基于振动信号的刀具剩余使用寿命预测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202021421461.3U CN212858795U (zh) | 2020-07-20 | 2020-07-20 | 一种基于振动信号的刀具剩余使用寿命预测装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN212858795U true CN212858795U (zh) | 2021-04-02 |
Family
ID=75215325
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202021421461.3U Expired - Fee Related CN212858795U (zh) | 2020-07-20 | 2020-07-20 | 一种基于振动信号的刀具剩余使用寿命预测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN212858795U (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113894617A (zh) * | 2021-09-22 | 2022-01-07 | 沈阳机床(集团)有限责任公司 | 一种基于机床振动信号的刀具状态监测系统及方法 |
-
2020
- 2020-07-20 CN CN202021421461.3U patent/CN212858795U/zh not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113894617A (zh) * | 2021-09-22 | 2022-01-07 | 沈阳机床(集团)有限责任公司 | 一种基于机床振动信号的刀具状态监测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111761411A (zh) | 一种基于振动信号的刀具健康预测装置及其方法 | |
| Yang et al. | Research on the milling tool wear and life prediction by establishing an integrated predictive model | |
| Guo et al. | Sound singularity analysis for milling tool condition monitoring towards sustainable manufacturing | |
| CN109262368B (zh) | 一种刀具失效判定方法 | |
| CN110059442B (zh) | 一种基于零件表面粗糙度和功率信息的车削加工换刀方法 | |
| CN107186547A (zh) | 基于切削功率的数控车削批量加工刀具磨损在线监测方法 | |
| CN111761410A (zh) | 一种基于振动信号的刀具磨损状态监测装置及其方法 | |
| Chung et al. | A multi-sensor approach to the monitoring of end milling operations | |
| CN212858795U (zh) | 一种基于振动信号的刀具剩余使用寿命预测装置 | |
| Kunpeng et al. | Multiscale singularity analysis of cutting forces for micromilling tool-wear monitoring | |
| CN108596158A (zh) | 一种基于能耗的车削表面粗糙度预测方法 | |
| Li et al. | Tool breakage detection using deep learning | |
| Yang et al. | Application of bispectrum diagonal slice feature analysis in tool wear states monitoring | |
| CN111761412A (zh) | 一种基于音频信号的刀具磨损状态监测装置及其方法 | |
| CN114571285A (zh) | 智能识别挤压丝锥微崩刃的方法 | |
| CN100434236C (zh) | 内孔立式珩磨加工过程中珩磨条状态监控的方法 | |
| CN109894925B (zh) | 基于内嵌式压电传感器的薄壁件铣削加工振动监测方法 | |
| CN212858796U (zh) | 一种基于音频信号的刀具健康预测装置 | |
| CN212527055U (zh) | 一种刀具磨损状态监测装置 | |
| CN210878880U (zh) | 一种数控车床刀具磨损监测系统 | |
| Mutalib et al. | Evaluation of tool wear and machining performance by analyzing vibration signal in friction drilling | |
| CN111761414A (zh) | 一种刀具磨损状态预测装置及其方法 | |
| CN110744359A (zh) | 一种数控车床刀具磨损监测系统及方法 | |
| CN111872745A (zh) | 一种刀具剩余使用寿命监测装置及其方法 | |
| CN111761413A (zh) | 一种基于音频信号的刀具健康预测装置及其方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210402 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |