JP2016135511A - Irregular machining detecting apparatus and irregular machining detecting method - Google Patents

Irregular machining detecting apparatus and irregular machining detecting method Download PDF

Info

Publication number
JP2016135511A
JP2016135511A JP2015010773A JP2015010773A JP2016135511A JP 2016135511 A JP2016135511 A JP 2016135511A JP 2015010773 A JP2015010773 A JP 2015010773A JP 2015010773 A JP2015010773 A JP 2015010773A JP 2016135511 A JP2016135511 A JP 2016135511A
Authority
JP
Japan
Prior art keywords
value
average
machining
processing
spectral
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
Application number
JP2015010773A
Other languages
Japanese (ja)
Inventor
直亮 高橋
Naosuke Takahashi
直亮 高橋
利明 竺原
Toshiaki Jikuhara
利明 竺原
長谷川 正彦
Masahiko Hasegawa
正彦 長谷川
秋山 喬
Takashi Akiyama
喬 秋山
智行 林
Tomoyuki Hayashi
智行 林
Original Assignee
三菱電機株式会社
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 三菱電機株式会社, Mitsubishi Electric Corp filed Critical 三菱電機株式会社
Priority to JP2015010773A priority Critical patent/JP2016135511A/en
Publication of JP2016135511A publication Critical patent/JP2016135511A/en
Pending legal-status Critical Current

Links

Images

Abstract

PROBLEM TO BE SOLVED: To solve problems in a conventional irregular machining detecting method that: since irregular detection signal is output after generation of irregular machining, one error work is essentially generated; and since moving average of amplitude data in a predetermined time period etc. are used as irregular detection signal, feature in frequency generated upon damage in tool etc. are deleted, thus detection accuracy is low.SOLUTION: In the irregular machining detecting apparatus or the irregular machining detecting method of the present invention, acceleration censors 1A, 1B having high sensitivity is used as detection device, waveform obtained from vibration data from the acceleration censors 1A, 1B is subjected to FFT analysis; linear spectrum property is calculated; and average value of a plurality of frequency spectrums generated upon tool damage or tool wear is used for determination of irregularity. In addition, a threshold is automatically set based on previously measured average spectrum generated upon tool damage or tool wear.SELECTED DRAWING: Figure 1

Description

本発明はスロット加工やフライス加工などの切削加工に関し、特に切削加工時の振動を随時監視して、工具破損ないし工具摩耗による加工異常を検出する加工異常検出装置及び加工異常検出方法に関するものである。   The present invention relates to cutting processing such as slot processing and milling processing, and more particularly to a processing abnormality detection device and a processing abnormality detection method for detecting processing abnormality due to tool breakage or tool wear by monitoring vibration during cutting processing as needed. .
切削加工は、金属等の被削材をエンドミルや、スローアウェイチップ、バイト等の切削工具で加工し、所定の形状に加工するものであり、工業製品の金型や部品の製造に必要不可欠な加工技術である。このように、切削加工では被削材を上述のような切削工具で加工するため、加工するにつれて工具摩耗が徐々に進行していく。また、切削工具は疲労や突発的な過負荷により、加工中に破損することがある。加工中に工具摩耗が許容範囲を超えたり、工具破損が発生したりしたまま加工を継続すると被削材の形状精度や表面粗さが悪化して製品不良となる。また、加工機にも大きな負荷が発生するので好ましくない。   Cutting is a process of cutting a metal or other work material with a cutting tool such as an end mill, throw-away tip, or bite into a predetermined shape, which is indispensable for the manufacture of molds and parts for industrial products. Processing technology. Thus, since the work material is processed with the cutting tool as described above in the cutting process, the tool wear gradually progresses as it is processed. Also, the cutting tool may be damaged during processing due to fatigue or sudden overload. If the machining is continued while the tool wear exceeds the allowable range or the tool is broken during the machining, the shape accuracy and surface roughness of the work material deteriorate and the product becomes defective. Moreover, since a big load generate | occur | produces also in a processing machine, it is not preferable.
従来、このような工具摩耗や工具破損といった加工異常に対して、工具寿命の管理や工具破損の検出といった対策が取られてきた。工具の寿命を管理する場合の従来技術として、工具の使用時間や切削距離を集計して、予想の寿命時間と比較し、その比較結果により予備工具との交換や使用停止を指示するものが知られている。また、工具破損を検出する従来技術としては、加速度センサを用いて、その検出結果に基づき工具の破損を検出し、運転停止指令を出すものや主軸にかかる負荷電流を検出して、切削抵抗を推定し、工具破損を検出するものが知られている。   Conventionally, countermeasures such as tool life management and tool breakage detection have been taken against such machining abnormalities such as tool wear and tool breakage. As a conventional technology for managing the tool life, the tool usage time and cutting distance are totaled, compared with the expected life time, and the result of the comparison is used to instruct replacement or stop use of the spare tool. It has been. In addition, as a conventional technique for detecting tool breakage, an acceleration sensor is used to detect tool breakage based on the detection result, to issue an operation stop command or to detect load current applied to the spindle, and to reduce cutting resistance. One that estimates and detects tool breakage is known.
特許文献1には、切削加工時に生じる振動データを加速度センサで測定し、加工異常を検出する方法が示されており、切削加工前に生じる空転振動データを取得するステップと、前記空転振動データの絶対値を基に空転振幅値を算出ステップと、前記空転振幅値を基にして空転振幅上限値を算出するステップと、切削加工時に生じる振動データを取得するステップと、前記振動データの絶対値を基に振幅データを算出するステップと、前記振幅データを所定の時間間隔にて移動平均処理を行うことにより短期平均振幅値を算出するステップと、前記振幅データを前記時間間隔よりも長い時間間隔にて移動平均処理を行うことにより長期平均振幅値を算出するステップと、前記長期平均振幅値を基にして閾値を算出するステップと、前記短期平均振幅値と前記閾値とを比較して異常が検出され且つ前記短期平均振幅値が前記空転振幅上限値を超えている場合に異常検知信号を出力し、前記短期平均振幅値が前記空転振幅上限値を下回っている場合には前記閾値による異常検出を無効とするステップと、を有することを特徴とする切削加工における異常検出方法が示されている。   Patent Document 1 discloses a method of measuring vibration data generated at the time of cutting with an acceleration sensor and detecting a processing abnormality. The step of acquiring idling vibration data generated before the cutting process, and the idling vibration data A step of calculating an idling amplitude value based on the absolute value, a step of calculating an idling amplitude upper limit value based on the idling amplitude value, a step of acquiring vibration data generated during cutting, and an absolute value of the vibration data A step of calculating amplitude data based on the step, a step of calculating a short-term average amplitude value by performing a moving average process on the amplitude data at a predetermined time interval, and a time interval longer than the time interval. Performing a moving average process to calculate a long-term average amplitude value; calculating a threshold value based on the long-term average amplitude value; and When an abnormality is detected by comparing an amplitude value with the threshold value and the short-term average amplitude value exceeds the idling amplitude upper limit value, an anomaly detection signal is output, and the short-term average amplitude value is the idling amplitude upper limit value. And a step of disabling the abnormality detection based on the threshold value when the value is below the threshold value.
また、特許文献2には、回転切削工具に作用する切削トルクをトルクセンサによって測定し、その測定結果をウェーブレット変換し、ウェーブレット変換したデータの絶対値を積分した値と切削加工前の工具摩耗が進行していない時の積分データを比較して工具の摩耗状態を検出する方法が示されている。
特許文献3には、エンドミル加工において主軸モータと運動軸モータの電流値、エンドミル工具の半径値及び切削関与角を用いて、工具移動接線方向切削抵抗及び工具移動法線方向切削抵抗を検出することで、切削抵抗の検出精度を高める方法が示されている。
In Patent Document 2, the cutting torque acting on the rotary cutting tool is measured by a torque sensor, the measurement result is subjected to wavelet transform, and the value obtained by integrating the absolute value of the wavelet transformed data and the tool wear before the cutting work are disclosed. A method for detecting the wear state of a tool by comparing integral data when not progressing is shown.
In Patent Document 3, a tool moving tangential cutting resistance and a tool moving normal cutting resistance are detected by using current values of a spindle motor and a motion shaft motor, a radius value of an end mill tool, and a cutting participation angle in end milling. A method for increasing the detection accuracy of cutting resistance is shown.
特許第4860444号Japanese Patent No. 4860444 特開平9−323239JP-A-9-323239 特許第3699458号Patent No. 3699458
特許文献1では、切削加工時のデータのばらつきに対して、リアルタイムに加工異常の閾値を設定することで、データのばらつきによる影響を少なくし、加工異常の誤検出を減らしているが、リアルタイムに閾値を設定することで、閾値自体も工具摩耗の影響で大きくなるので、急激に振動振幅データが増加したときにしか加工異常が検出されず、必ず1つは不良ワークを発生させてしまうといった課題があった。また、所定の時間間隔における振幅データを移動平均しているため、工具破損時に発生する周波数の特徴なども消されてしまい、検出精度が低いといった課題も有していた。
特許文献2では、事前にテスト加工しておくことで、工具破損前のトルクパターンを閾値に設定でき、工具破損による不良ワークの発生を未然に防ぐことが期待できるが、工具が数mm以下だと切削トルクの変動も小さく、モータの加減速や切粉の絡まりなどによって生じる負荷変動と区別することができず、異常が検出できないといった課題を有していた。
特許文献3も同様に、加工機の主軸や運動軸は非常に剛性が高いので、主軸モータや運動軸モータの電流値に小さな負荷が反映されず、検出精度が低いといった課題を有していた。
In Patent Document 1, by setting a processing abnormality threshold value in real time for data variation during cutting, the influence of data variation is reduced, and erroneous detection of processing abnormality is reduced. By setting the threshold value, the threshold value itself is also increased by the influence of tool wear, so that a machining abnormality is detected only when the vibration amplitude data increases abruptly, and one of them always generates a defective workpiece. was there. Further, since the amplitude data at a predetermined time interval is moving averaged, the characteristics of the frequency generated when the tool is broken are erased, and there is a problem that the detection accuracy is low.
In Patent Document 2, by performing test processing in advance, the torque pattern before tool breakage can be set as a threshold, and it can be expected to prevent the occurrence of defective workpieces due to tool breakage, but the tool is several mm or less The variation of the cutting torque is small, and it cannot be distinguished from the load variation caused by the acceleration / deceleration of the motor or the entanglement of chips, and there is a problem that the abnormality cannot be detected.
Similarly, Patent Document 3 has a problem that the main axis and the motion axis of the processing machine are very rigid, so that a small load is not reflected in the current value of the spindle motor and the motion axis motor, and the detection accuracy is low. .
本発明は上記のような課題を解決するためになされたものであり、工具破損ないし工具摩耗による不良ワークの発生を未然に防ぐことができ、加工異常の検出精度を高くすることができ、かつ、小さな負荷変動であっても加工異常を検出することができる加工異常検出装置及び加工異常検出方法を得ることを目的としている。   The present invention has been made to solve the above-described problems, can prevent the occurrence of defective workpieces due to tool breakage or tool wear, can increase the detection accuracy of processing abnormalities, and An object of the present invention is to obtain a machining abnormality detection device and a machining abnormality detection method capable of detecting a machining abnormality even with a small load fluctuation.
本発明に係る加工異常検出装置は、加工時に被削材から発生する振動を測定する加速度センサによる振動データから得られる波形を高速フーリエ変換(以下、FFTという)解析する解析手段と、前記解析手段による解析結果からリニアスペクトル特性を算出するスペクトル特性算出手段と、前記スペクトル特性算出手段により算出されたリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出する平均スペクトル値算出手段とを備え、前記平均スペクトル値算出手段により得られた前記平均スペクトル値に応じて加工異常状態を検出し加工状態が異常であるか正常であるかを表示するようにしたことを特徴とするものである。
また、本発明に係る加工異常検出方法は、加工時に被削材から発生する振動を測定する加速度センサによる振動データから得られる波形をFFT解析するステップと、前記FFT解析するステップによる解析結果からリニアスペクトル特性を算出するステップと、前記スペクトル特性を算出するステップと、前記スペクトル特性を算出するステップにより算出されたリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出するステップとを含み、平均スペクトル値を算出するステップにより得られた前記平均スペクトル値に応じて加工異常状態を検出し加工状態が異常であるか正常であるかを表示するようにしたことを特徴とするものである。
The processing abnormality detection apparatus according to the present invention includes an analysis unit that analyzes a waveform obtained from vibration data by an acceleration sensor that measures vibration generated from a work material during processing, and the analysis unit. Spectral characteristic calculation means for calculating a linear spectral characteristic from the analysis result of the above, and an average for calculating an average spectral value for a plurality of frequencies generated at the time of tool breakage or tool wear from the linear spectral characteristic calculated by the spectral characteristic calculation means A spectrum value calculating unit, and detecting a processing abnormal state according to the average spectral value obtained by the average spectral value calculating unit and displaying whether the processing state is abnormal or normal. It is a feature.
Also, the machining abnormality detection method according to the present invention includes a step of performing FFT analysis on a waveform obtained from vibration data obtained by an acceleration sensor that measures vibration generated from a workpiece during machining, and a linear result from an analysis result obtained by the FFT analysis step. An average spectrum value for a plurality of frequencies generated at the time of tool breakage or tool wear is calculated from the linear spectrum characteristics calculated by calculating the spectrum characteristics, calculating the spectrum characteristics, and calculating the spectrum characteristics. A processing abnormal state is detected according to the average spectral value obtained by the step of calculating an average spectral value, and whether the processing state is abnormal or normal is displayed. It is a feature.
本発明による加工異常検出装置では、加工時に被削材から発生する振動を測定する加速度センサによる振動データから得られる波形をFFT解析して算出したリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出し、前記平均スペクトル値に応じて加工異常状態を検出し加工状態が異常であるか正常であるかを表示するように構成したので、加工異常の検出精度を高めることができ、しかも、加工異常検出の信頼性を向上できるものとすることができる。
また、本発明による加工異常検出方法では、加工時に被削材から発生する振動を測定する加速度センサによる振動データから得られる波形をFFT解析して算出したリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出し、前記平均スペクトル値に応じて加工異常状態を検出し加工状態が異常であるか正常であるかを表示するようにしたので、加工異常の検出精度を高めることができ、しかも、加工異常検出の信頼性を向上できる。
The machining abnormality detection device according to the present invention is generated when a tool is broken or worn due to linear spectral characteristics calculated by FFT analysis of a waveform obtained from vibration data obtained by an acceleration sensor that measures vibration generated from a work material during machining. Since it is configured to calculate the average spectrum value for multiple frequencies, detect the machining abnormality state according to the average spectrum value, and display whether the machining state is abnormal or normal, the machining abnormality detection accuracy In addition, the reliability of processing abnormality detection can be improved.
In addition, in the machining abnormality detection method according to the present invention, when a tool is broken or worn out from a linear spectrum characteristic calculated by FFT analysis of a waveform obtained from vibration data from an acceleration sensor that measures vibration generated from a work material during machining. An average spectrum value for a plurality of generated frequencies is calculated, a processing abnormality state is detected according to the average spectrum value, and whether the processing state is abnormal or normal is displayed. The accuracy can be increased and the reliability of processing abnormality detection can be improved.
本発明に係る実施の形態1における加工異常検出装置の概略構成図である。It is a schematic block diagram of the processing abnormality detection apparatus in Embodiment 1 which concerns on this invention. 同実施の形態1における加工状態検出部の概略斜視図である。It is a schematic perspective view of the process state detection part in the same Embodiment 1. 同実施の形態1における加速度センサの設置条件を示す図表である。It is a chart which shows the installation conditions of the acceleration sensor in the same Embodiment 1. 同実施の形態1における測定条件1での各設置状態の振動データとFFT測定結果を示す特性図である。It is a characteristic view which shows the vibration data and FFT measurement result of each installation state on the measurement conditions 1 in the same Embodiment 1. 同実施の形態1における測定条件2での各設置状態の振動データとFFT測定結果を示す特性図である。It is a characteristic view which shows the vibration data of each installation state on the measurement conditions 2 in the same Embodiment 1, and a FFT measurement result. 同実施の形態1における測定条件3での各設置状態の振動データとFFT測定結果を示す特性図である。It is a characteristic view which shows the vibration data of each installation state on the measurement conditions 3 in the same Embodiment 1, and a FFT measurement result. 同実施の形態1における測定条件4での各設置状態の振動データとFFT測定結果を示す特性図である。It is a characteristic view which shows the vibration data of each installation state on the measurement conditions 4 in the same Embodiment 1, and a FFT measurement result. 同実施の形態1における測定条件5での各設置状態の振動データとFFT測定結果を示す特性図である。It is a characteristic view which shows the vibration data and FFT measurement result of each installation state on the measurement conditions 5 in the same Embodiment 1. FIG. 同実施の形態1における測定条件6での各設置状態の振動データとFFT測定結果を示す特性図である。It is a characteristic view which shows the vibration data and FFT measurement result of each installation state on the measurement conditions 6 in the same Embodiment 1. FIG. 同実施の形態1における測定条件7での各設置状態の振動データとFFT測定結果を示す特性図である。It is a characteristic view which shows the vibration data of each installation state on the measurement conditions 7 in the same Embodiment 1, and a FFT measurement result. 同実施の形態1における測定条件8での各設置状態の振動データとFFT測定結果を示す特性図である。It is a characteristic view which shows the vibration data and FFT measurement result of each installation state on the measurement conditions 8 in the same Embodiment 1. 同実施の形態1における測定条件9での各設置状態の振動データとFFT測定結果を示す特性図である。It is a characteristic view which shows the vibration data and FFT measurement result of each installation state on the measurement conditions 9 in the same Embodiment 1. 同実施の形態1における測定条件10での各設置状態の振動データとFFT測定結果を示す特性図である。It is a characteristic view which shows the vibration data and FFT measurement result of each installation state on the measurement conditions 10 in the same Embodiment 1. 同実施の形態1における測定条件11での各設置状態の振動データとFFT測定結果を示す特性線図である。It is a characteristic diagram which shows the vibration data of each installation state on the measurement conditions 11 in the same Embodiment 1, and a FFT measurement result. 同実施の形態1における測定条件12での各設置状態の振動データとFFT測定結果を示す特性線図である。It is a characteristic diagram which shows the vibration data and FFT measurement result of each installation state on the measurement conditions 12 in the same Embodiment 1. 同実施の形態1における測定条件13での各設置状態の振動データとFFT測定結果を示す特性図である。It is a characteristic view which shows the vibration data and FFT measurement result of each installation state on the measurement conditions 13 in the same Embodiment 1. 同実施の形態1における工具破損時の振動データを示す特性図である。It is a characteristic view which shows the vibration data at the time of the tool failure in the first embodiment. 同実施の形態1における図5のFFT分析結果を示す特性図である。It is a characteristic view which shows the FFT analysis result of FIG. 5 in the same Embodiment 1. 同実施の形態1における加工異常検出方法を示す特性図である。It is a characteristic view which shows the processing abnormality detection method in the same Embodiment 1. 同実施の形態1における切削工具の破損状態を示す撮像図である。It is an imaging figure which shows the damage state of the cutting tool in the same Embodiment 1. FIG. 同実施の形態1における工具破損状態と平均スペクトルの関係を示す特性図である。It is a characteristic view which shows the relationship between the tool breakage state in Embodiment 1 and an average spectrum. 同実施の形態1における1回目の工具の大破損が発生したときの加工中の平均スペクトルの推移を示す特性図である。It is a characteristic view which shows transition of the average spectrum during a process when the big damage of the tool of the 1st time in the same Embodiment 1 generate | occur | produced. 同実施の形態1における2回目の工具の大破損が発生したときの加工中の平均スペクトルの推移を示す特性図である。It is a characteristic view which shows transition of the average spectrum during a process when the big damage of the tool of the 2nd time in the same Embodiment 1 generate | occur | produced. 同実施の形態1におけるFFT演算のイメージ図である。It is an image figure of FFT calculation in the first embodiment. 同実施の形態1における実効値の演算イメージ図である。It is a calculation image figure of the effective value in the same Embodiment 1. 同実施の形態1における摩耗工具で加工したときに発生する周波数を示す図表である。It is a graph which shows the frequency which generate | occur | produces when it processes with the wear tool in Embodiment 1. FIG. 同実施の形態1における摩耗した工具による加工実験中の切削条件を示す図表である。6 is a chart showing cutting conditions during a machining experiment with a worn tool in the first embodiment. 同実施の形態1における摩耗した工具による加工実験中の工具の摩耗状態を示す図表である。It is a chart which shows the abrasion state of the tool in the machining experiment by the worn tool in the first embodiment. 同実施の形態1における耐力67k級ワークを加工深さ70mmで加工したときの平均スペクトル値の推移を示す特性図である。It is a characteristic view which shows transition of the average spectrum value when the yield strength 67k class workpiece | work in Embodiment 1 is processed with the processing depth of 70 mm. 同実施の形態1における耐力67k級ワークを加工深さ70mmで加工したときの実効値の推移を示す特性図である。It is a characteristic view which shows transition of an effective value when the yield strength 67k class workpiece | work in Embodiment 1 is processed with the processing depth of 70 mm. 同実施の形態1における耐力67k級ワークを加工深さ50mmで加工したときの平均スペクトル値の変化を示す特性図である。It is a characteristic view which shows the change of an average spectrum value when the yield strength 67k class workpiece | work in Embodiment 1 is processed with the processing depth of 50 mm. 同実施の形態1における耐力67k級ワークを加工深さ50mmで加工したときの平均スペクトル値の変化を示す特性図である。It is a characteristic view which shows the change of an average spectrum value when the yield strength 67k class workpiece | work in Embodiment 1 is processed with the processing depth of 50 mm. 同実施の形態1における耐力67k級ワークを加工したときの閾値を示す図表である。It is a graph which shows a threshold value when processing the yield strength 67k class workpiece | work in Embodiment 1. FIG. 同実施の形態1における耐力81k級ワークを加工深さ40mmで加工したときの平均スペクトル値の変化を示す特性図である。It is a characteristic view which shows the change of an average spectral value when the yield strength 81k class workpiece | work in Embodiment 1 is processed with the processing depth of 40 mm. 同実施の形態1における耐力81k級ワークを加工深さ40mmで加工したときの閾値を示す図表である。It is a table | surface which shows the threshold value when the yield strength 81k class workpiece | work in Embodiment 1 is processed with the process depth of 40 mm. 同実施の形態1における耐力81k級ワークを加工深さ50mmで加工したときの平均スペクトル値の変化を示す特性図である。It is a characteristic view which shows the change of an average spectral value when the yield strength 81k class workpiece | work in Embodiment 1 is processed with the processing depth of 50 mm. 同実施の形態1における耐力81k級ワークを加工深さ50mmで加工したときの閾値を示す図表である。It is a graph which shows the threshold value when the yield strength 81k class workpiece | work in the same Embodiment 1 is processed with the processing depth of 50 mm. 同実施の形態1における耐力81k級ワークを加工深さ70mmで加工したときの平均スペクトル値の変化を示す特性図である。It is a characteristic view which shows the change of an average spectrum value when the yield strength 81k class workpiece | work in Embodiment 1 is processed with the processing depth of 70 mm. 同実施の形態1における耐力81k級ワークを加工深さ70mmで加工したときの閾値を示す図表である。It is a graph which shows the threshold value when the yield strength 81k class workpiece | work in the same Embodiment 1 is processed with the processing depth of 70 mm. 同実施の形態1における加工異常検出装置に組込むソフトウェアの正常状態における画面表示を示すものである。2 shows a screen display in a normal state of software incorporated in the machining abnormality detection device according to the first embodiment. 同実施の形態1における加工異常検出装置に組込むソフトウェアの設定画面を示すものである。3 shows a setting screen for software incorporated in the machining abnormality detection device according to the first embodiment.
実施の形態1.
本発明によるスロット加工やフライス加工、エンドミル加工などの切削加工における異常検出装置の実施の形態を図1から図28に基づいて説明する。
図1は、本発明に係る異常検出方法をスロット加工機に適用した加工異常検出装置の構成を示す概略図である。なお、図1では、スロット加工機における概略図を図示したが、適用できる装置はこれに限られるものではない。
Embodiment 1 FIG.
An embodiment of an abnormality detection apparatus in cutting processing such as slot processing, milling processing, and end mill processing according to the present invention will be described with reference to FIGS.
FIG. 1 is a schematic diagram showing a configuration of a machining abnormality detection apparatus in which the abnormality detection method according to the present invention is applied to a slot machine. In addition, in FIG. 1, although the schematic in a slot processing machine was illustrated, the apparatus which can be applied is not restricted to this.
実施の形態1における加工異常検出装置は、スロット加工が行われ、加工異常検出部となる加工機のハウジング9および測定した振動データからその異常判定と判定結果の表示が行われる加工異常判定部である制御ボックス10から構成される。加工機のハウジング9は切削工具であるディスクカッター11と、加工時の振動を測定する加速度センサ1Aおよび加速度センサ1Bにて構成され、加工異常判定部である制御ボックス10は、加速度センサ1A,1Bの信号を増幅する加速度センサ用のアンプ2A,2Bと、装置を駆動させる電源3と、電源3から加工異常検出装置に電気を供給する無停電電源装置4と、無停電電源装置4と組み合わせることで、装置電源のON/OFFの自動化を可能にするコンピュータ6と、無停電電源装置4とコンピュータ6に接続し、装置の加工状態や各種設定の入力値、加工異常時の表示などを行うタッチパネルディスプレイ5と、コンピュータ6に接続し、各種設定値などを入力する入力機器7であるキーボードやマウスと、コンピュータ6に接続され、加工機の稼働状態や加工異常の発生を告知するパトライト(登録商標)からなる加工異常表示器8により構成される。
コンピュータ6により構成される演算処理装置は、本発明における中枢機能を遂行する下記(1)〜(8)項の各演算処理手段に係る機能を有するアプリケーションプログラムからなるソフトウエアおよび前記ソフトウエアに応じたリソースを具備したハードウエアを保有している。
(1)入力手段:加工時に被削材から発生する振動を測定する加速度センサ1A,1Bにより得られた振動データをコンピュータ6により構成される演算処理装置からなる演算手段に入力する。
(2)加工開始手段:加速度センサ1A,1Bにより測定して得られた振動データの実効値を算出して加工開始のトリガとする。
(3)解析手段:前記振動データから得られる波形をFFT解析する。
(4)スペクトル特性算出手段:前記解析手段による解析結果からリニアスペクトル特性を算出する。
(5)平均スペクトル値算出手段:前記スペクトル特性算出手段により算出したリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出する。
(6)閾値設定手段:事前に測定した工具破損ないし工具摩耗状態における平均スペクトル値から閾値を設定する。
(7)比較手段:前記閾値と前記加工時の平均スペクトル値を比較する。
(8)表示手段:前記比較手段の出力に応じて加工状態が異常であるか正常であるかを表示する。
The processing abnormality detection device according to the first embodiment is a processing abnormality determination unit in which slot processing is performed and abnormality determination and a determination result are displayed from the housing 9 of the processing machine serving as a processing abnormality detection unit and measured vibration data. A control box 10 is included. A housing 9 of the processing machine includes a disk cutter 11 that is a cutting tool, and an acceleration sensor 1A and an acceleration sensor 1B that measure vibration during processing. A control box 10 that is a processing abnormality determination unit includes acceleration sensors 1A and 1B. Combination of the acceleration sensor amplifiers 2A and 2B for amplifying the signal, the power source 3 for driving the device, the uninterruptible power source 4 for supplying electricity from the power source 3 to the processing abnormality detecting device, and the uninterruptible power source 4 The computer 6 that enables automatic ON / OFF of the apparatus power supply, the uninterruptible power supply apparatus 4 and the computer 6 are connected to the touch panel for displaying the processing state of the apparatus, input values of various settings, processing abnormality, etc. A keyboard and mouse, which are input devices 7 connected to the display 5 and the computer 6 to input various setting values, and the computer 6 Connected, constituted by an abnormal working display 8 consisting Patlite ® announcing the machine operating conditions and abnormal working of occurrence.
The arithmetic processing unit constituted by the computer 6 is a software comprising an application program having a function relating to each arithmetic processing means of the following items (1) to (8) for performing a central function in the present invention, and the software. Owns hardware with the necessary resources.
(1) Input means: Inputs vibration data obtained by the acceleration sensors 1A and 1B for measuring vibration generated from the work material during machining to an arithmetic means comprising an arithmetic processing unit constituted by the computer 6.
(2) Processing start means: An effective value of vibration data obtained by measurement by the acceleration sensors 1A and 1B is calculated and used as a processing start trigger.
(3) Analyzing means: FFT analysis is performed on the waveform obtained from the vibration data.
(4) Spectral characteristic calculation means: The linear spectral characteristic is calculated from the analysis result by the analysis means.
(5) Average spectral value calculating means: An average spectral value for a plurality of frequencies generated when the tool is broken or worn is calculated from the linear spectral characteristic calculated by the spectral characteristic calculating means.
(6) Threshold setting means: A threshold is set from an average spectrum value in a tool breakage or tool wear state measured in advance.
(7) Comparison means: The threshold value is compared with the average spectrum value during the processing.
(8) Display means: Displays whether the machining state is abnormal or normal according to the output of the comparison means.
次に、本発明に係る加工異常検出装置の検出部の設置状況を説明する。図2は、スロット加工機の軸受ハウジング12にマグネットマウント13に取付けた加速度センサ1A と、マグネットマウント13に取付けた加速度センサ取付冶具14と加速度センサ1Bを示している。軸受ハウジング12は上面部12aと側面部12bを有し、加速度センサ1Aおよび加速度センサ1Bは上面部12aにそれぞれマグネットマウント13を介して取付けられている。また、図2には示していないが、加速度センサ1A,1Bを軸受ハウジング12の側面部12bにマグネットマウント13を介して取付ける場合がある。
加速度センサ1A,1Bは、扁平な截頭円錐状を成す軸受ハウジング12における環状の水平面を形成する上面部12aおよび軸受ハウジング12における周面を形成する側面部12bに取り付けられるものである。水平に延在する上面部12aにおける東西南北に相当するXY二次元座標位置に加速度センサ1A,1Bがそれぞれ配置される。また、上下方向に延在し上面部12aとはZ軸位置が異なる周面をもつ側面部12bに加速度センサ1A,1Bが配置される。そして、加速度センサ1A,1Bはそれぞれ、その測定方向をR:半径方向、T:周方向およびZ:鉛直方向のいずれかに設定できるものである。
これらの加速度センサ取付位置を決めるため図3に示す条件で、加速度センサ1A,1Bをそれぞれ取付け、軸受ハウジング12の南西側をハンマで打撃した場合の加速度センサ1A,1Bの振動データとFFT(高速フーリエ変換)解析結果を図4に示している。
Next, the installation state of the detection part of the processing abnormality detection device according to the present invention will be described. FIG. 2 shows the acceleration sensor 1A attached to the magnet mount 13 on the bearing housing 12 of the slot machine, the acceleration sensor attachment jig 14 attached to the magnet mount 13, and the acceleration sensor 1B. The bearing housing 12 has an upper surface portion 12a and a side surface portion 12b, and the acceleration sensor 1A and the acceleration sensor 1B are attached to the upper surface portion 12a via magnet mounts 13, respectively. Although not shown in FIG. 2, the acceleration sensors 1 </ b> A and 1 </ b> B may be attached to the side surface portion 12 b of the bearing housing 12 via the magnet mount 13.
The acceleration sensors 1 </ b> A and 1 </ b> B are attached to an upper surface portion 12 a that forms an annular horizontal surface in a bearing housing 12 that has a flat frustoconical shape and a side surface portion 12 b that forms a peripheral surface of the bearing housing 12. Acceleration sensors 1A and 1B are respectively arranged at XY two-dimensional coordinate positions corresponding to east, west, south, and north in the horizontally extending upper surface portion 12a. Further, the acceleration sensors 1A and 1B are arranged on a side surface portion 12b that extends in the vertical direction and has a circumferential surface that has a Z-axis position different from that of the upper surface portion 12a. Each of the acceleration sensors 1A and 1B can set the measurement direction to any of R: radial direction, T: circumferential direction, and Z: vertical direction.
In order to determine the mounting positions of these acceleration sensors, the acceleration sensors 1A and 1B are mounted under the conditions shown in FIG. 3, and the vibration data and FFT (high speed) of the acceleration sensors 1A and 1B when the southwest side of the bearing housing 12 is hit with a hammer. The result of Fourier transform analysis is shown in FIG.
図4の解析結果から、加速度センサ1A,1Bの位置が軸受ハウジング12のB:北側で、軸受ハウジング12のR:半径方向及びT:周方向を測定したとき、軸受ハウジング12の固有値が最も感度良く測定できていることが分かる。軸受ハウジング12のR:半径方向とT:周方向の2方向の振動データを測定することで、異常検出精度を向上できる効果もある。上記説明でスロット加工機における加速度センサの設置方法を示したが、加速度センサの設置位置や設置数、振動の測定方向、ハンマの打撃位置などは、各加工機の構成によるのでこれの限りではない。   From the analysis result of FIG. 4, when the acceleration sensors 1A and 1B are positioned at B: north side of the bearing housing 12 and R: radial direction and T: circumferential direction of the bearing housing 12 are measured, the eigenvalue of the bearing housing 12 is the most sensitive. It turns out that it can measure well. By measuring vibration data of the bearing housing 12 in two directions of R: radial direction and T: circumferential direction, there is an effect that the abnormality detection accuracy can be improved. In the above description, the method for installing the acceleration sensor in the slot machine was shown. However, the installation position and number of acceleration sensors, the vibration measurement direction, the hammer hitting position, etc. are not limited to this because they depend on the configuration of each machine. .
図5は、軸受ハウジング12に加速度センサ1A,1Bを前述した設置位置に取付け、ディスクカッター11(図1参照)に取付けた24枚のスローアウェイチップ中の1枚が破損した状態でスロット加工を行ったときに出力された振動データの波形を示している。図5の波形は、2周期分の波形であり、図5中に示している破損工具の振動波形が、この後も1.55秒間隔で周期的に発生する。   In FIG. 5, the acceleration sensors 1A and 1B are attached to the bearing housing 12 at the above-described installation positions, and slot machining is performed with one of the 24 throwaway tips attached to the disk cutter 11 (see FIG. 1) damaged. The waveform of the vibration data output when it performed is shown. The waveform of FIG. 5 is a waveform for two cycles, and the vibration waveform of the damaged tool shown in FIG. 5 is periodically generated at intervals of 1.55 seconds.
図6は、この加工振動の測定データ4096個、約20.5秒分(サンプリングタイム0.005秒×4096データ)をFFT解析した結果を示している。このFFT解析手段によるFFT解析結果により、スペクトル特性算出手段によって周波数範囲0〜20Hzの周波数範囲において各周波数におけるスペクトル値が算出されリニアスペクトル特性が導出されるものである。
図6中に示すように、ディスクカッター11(図1参照)において破損したスローアウェイチップがない通常の加工時には、5.1Hzと15.2Hzの周波数でピークが発生する。これは、スローアウェイチップを取り付けたディスクカッター11が38rpmで回転しているからである。しかし、破損したスローアウェイチップがある場合、0.63Hzとその整数倍の周波数でピークが発生していた。これは、スローアウェイチップ24枚を取付けたディスクカッター11で工具回転数を38rpmとしたときのスローアウェイチップ1枚における周波数に一致する。上記特徴より、0.63Hzは破損したスローアウェイチップが発生させている周波数のピークだといえる。なお、上記説明では破損したスローアウェイチップが発生させている周波数について記述したが、ディスクカッター11の振れなどの影響でスローアウェイチップの摩耗状態に偏りが発生した場合なども同様に特徴的な周波数が検出可能である。
FIG. 6 shows the result of FFT analysis of 4096 measurement data of this machining vibration, about 20.5 seconds (sampling time 0.005 seconds × 4096 data). Based on the result of the FFT analysis by the FFT analysis unit, the spectrum characteristic calculation unit calculates the spectrum value at each frequency in the frequency range of 0 to 20 Hz and derives the linear spectrum characteristic.
As shown in FIG. 6, peaks are generated at frequencies of 5.1 Hz and 15.2 Hz during normal processing without a broken throw-away tip in the disk cutter 11 (see FIG. 1). This is because the disc cutter 11 to which the throw-away tip is attached rotates at 38 rpm. However, when there was a broken throwaway chip, a peak occurred at a frequency of 0.63 Hz and an integer multiple thereof. This corresponds to the frequency of one throwaway tip when the rotational speed of the tool is 38 rpm with the disc cutter 11 to which 24 throwaway tips are attached. From the above characteristics, it can be said that 0.63 Hz is the peak of the frequency generated by the broken throw-away tip. In the above description, the frequency generated by the broken throw-away tip is described. However, the characteristic frequency is also the same when the wear state of the throw-away tip is biased due to the influence of the disc cutter 11 or the like. Can be detected.
次に、本発明による異常加工検出方法を図7で説明する。図7はディスクカッター11(図1参照)における破損したスローアウェイチップにより発生する振動波形の周波数0.63Hz付近を拡大した特性図である。
図7に示すように、0.63Hzと整数倍7倍の周波数4.43Hzまでの周波数のスペクトル値と、それぞれの前後2点の5点、合計35点のスペクトル値の平均である平均スペクトル値を導出する。
すなわち、ディスクカッター11における破損したスローアウェイチップにより発生する周波数0.63Hzと、それに関連する複数の周波数が検出され、各周波数におけるスペクトル値が検出されて、平均スペクトル値算出手段によりそれらの平均スペクトル値が導出されるものである。
ここで、図8にスローアウェイチップの破損状態を示す。
Next, the abnormal machining detection method according to the present invention will be described with reference to FIG. FIG. 7 is a characteristic diagram enlarging the vicinity of a frequency of 0.63 Hz of a vibration waveform generated by a broken throw-away tip in the disc cutter 11 (see FIG. 1).
As shown in FIG. 7, an average spectral value that is an average of spectral values of frequencies up to 0.63 Hz and a frequency of 4.43 Hz, which is an integer multiple of 7 times, and two points before and after each, a total of 35 spectral values. Is derived.
That is, the frequency 0.63 Hz generated by the broken throw-away tip in the disc cutter 11 and a plurality of frequencies related thereto are detected, the spectrum value at each frequency is detected, and the average spectrum value calculation means calculates the average spectrum. The value is derived.
Here, FIG. 8 shows a broken state of the throw-away tip.
このように、異常検出の判定に工具破損ないし工具摩耗時に発生する周波数とその7倍までの整数倍の周波数スペクトルの平均値を使用することで加工異常の検出精度が高くなり、加工異常検出の信頼性を向上できる効果が得られる。また、異常検出の判定に工具破損ないし工具摩耗時に発生する周波数とその7倍までの整数倍の周波数のスペクトル値と各周波数の前後2点の5点、合計35点の平均値を使用することで加工異常の検出精度がさらに高くなり、加工異常検出の信頼性をさらに向上できる効果が得られる。   In this way, the abnormality detection accuracy is increased by using the average value of the frequency spectrum that is an integer multiple of up to 7 times the frequency generated at the time of tool breakage or tool wear and the abnormality detection. An effect of improving reliability can be obtained. Also, use the average value of a total of 35 points for the frequency of the occurrence of tool breakage or tool wear, the spectrum value of the integer multiple up to 7 times, and the two points before and after each frequency for the determination of abnormality detection. As a result, the accuracy of detecting a processing abnormality is further increased, and the effect of further improving the reliability of processing abnormality detection can be obtained.
図9は、図8に示したディスクカッター11(図1参照)におけるスローアウェイチップの逃げ面の破損部の高さHと、逃げ面の破損部の幅Wと、すくい面の破損深さtの積と、平均スペクトルの関係を示している。図9より、スローアウェイチップ破損部の積が大きいほど平均スペクトル値が高いことが分かる。
また、図10に加工中の平均スペクトルの推移を示す。図10はスローアウェイチップが大きく破損したときの平均スペクトルの推移で、平均スペクトルが増加している原因は、加工の進行とともにスローアウェイチップの破損部が拡大しているためだと考えられる。破損部の拡大と切削抵抗の増大により、スローアウェイチップが負荷に耐えられなくなったところで大きな工具破損が発生したと考えられる。
図11には、工具が大きく破損した2回目の平均スペクトルの推移を示している。図11と同様に平均スペクトルの値が増加していることが確認できる。上記、平均スペクトルの特性より、閾値を設定することで、工具が破損するのを未然に防ぐことが可能であるといえる。
9 shows the height H of the damaged portion of the flank of the throw-away tip in the disc cutter 11 (see FIG. 1) shown in FIG. 8, the width W of the damaged portion of the flank, and the damage depth t of the rake face. And the average spectrum. FIG. 9 shows that the average spectral value increases as the product of the throwaway tip breakage portion increases.
FIG. 10 shows the transition of the average spectrum during processing. FIG. 10 shows the transition of the average spectrum when the throw-away tip is greatly damaged. The reason why the average spectrum is increased is thought to be that the damaged portion of the throw-away tip is enlarged with the progress of processing. It is considered that a large tool breakage occurred when the throw-away tip could not withstand the load due to the enlargement of the damaged part and the increase in cutting resistance.
FIG. 11 shows the transition of the average spectrum for the second time when the tool was greatly damaged. As in FIG. 11, it can be confirmed that the value of the average spectrum increases. It can be said that it is possible to prevent the tool from being damaged by setting the threshold value based on the characteristics of the average spectrum.
次に、図12を用いて本発明におけるFFT演算方法を説明する。図12は、本発明におけるFFT演算のイメージ図である。本発明では、前記設置方法で被削材ないし加工工具付近に設置した加速度センサ1A,1B(図1参照)から加工中の振動を測定し、周波数の分解能0.0061Hzで1秒毎にFFT演算結果を更新する。そして、FFT演算後に算出するリニアスペクトル特性から、破損した工具で発生する周波数のスペクトル値を読み取る。そして、読み取った複数のスペクトルから平均スペクトル値を算出し、閾値と比較し、加工異常を判定する。周波数の分解能は破損した工具が発生させる周波数によるが、破損工具が発生させる周波数の1/10以下であることが望ましい。また、図12ではFFT演算の信頼性を確保するため、2〜14のデータ数をFFT演算に使用している。周波数分解能0.0061Hzで2〜14のデータ数を確保するためには、16.384秒間を要するので、1秒毎のFFT演算処理及びリニアスペクトル特性の算出をするために、15.384秒分のデータは、次のFFT演算処理と重複させて使用している。   Next, the FFT calculation method in the present invention will be described with reference to FIG. FIG. 12 is an image diagram of the FFT operation in the present invention. In the present invention, vibration during machining is measured from the acceleration sensors 1A and 1B (see FIG. 1) installed in the vicinity of the work material or machining tool by the above-described installation method, and FFT calculation is performed every second with a frequency resolution of 0.0061 Hz. Update the result. And the spectrum value of the frequency which generate | occur | produces with the damaged tool is read from the linear spectrum characteristic calculated after FFT calculation. Then, an average spectrum value is calculated from the plurality of read spectra, and compared with a threshold value to determine a processing abnormality. The frequency resolution depends on the frequency generated by the damaged tool, but is preferably 1/10 or less of the frequency generated by the damaged tool. In FIG. 12, the number of data of 2 to 14 is used for the FFT calculation in order to ensure the reliability of the FFT calculation. In order to secure the number of data of 2 to 14 at a frequency resolution of 0.0061 Hz, it takes 16.384 seconds. Therefore, in order to calculate FFT calculation processing and linear spectrum characteristics every second, 15.384 seconds are required. These data are used by being overlapped with the next FFT calculation processing.
前記スペクトル値の算出時に重複データを使用することで、FFT演算時のデータ数を確保し、FFT演算結果の信頼性を向上させる効果があり、さらに1秒毎にFFT演算とリニアスペクトル特性の算出から導出することで、リアルタイムな加工状態の監視を可能とする効果が得られる。   By using duplicate data when calculating the spectrum value, there is an effect of securing the number of data at the time of FFT calculation, improving the reliability of the FFT calculation result, and further calculating the FFT calculation and linear spectrum characteristics every second. By deriving from, it is possible to obtain an effect that enables real-time monitoring of the machining state.
図13は、実効値の演算方法を示した図で、1秒毎に1秒間の加速度データを二乗平均した値を算出している。算出した実効値を加工開始のトリガとして使用することで、加工異常判定が加工開始時に自動的に起動することが可能となっている。具体的には、トリガ設定値とトリガ判定時間を事前に設定しておき、上記算出方法で出力された実効値がトリガ設定値をトリガ判定時間より長い時間超えていた場合、加工が開始したと判断して、データの取得を開始するようにしている。   FIG. 13 is a diagram showing an effective value calculation method, and calculates a value obtained by averaging the acceleration data for one second every second. By using the calculated effective value as a machining start trigger, it is possible to automatically start machining abnormality determination when machining starts. Specifically, the trigger setting value and the trigger determination time are set in advance, and if the effective value output by the above calculation method exceeds the trigger setting value for a time longer than the trigger determination time, machining is started. Judgment is made and data acquisition is started.
ここで、ディスクカッター11(図1参照)における摩耗したスローアウェイチップを用いた閾値の求め方を示す。図14は、切削工具としてのディスクカッター11で加工したときに、摩耗した工具で発生する周波数を示しており、0.671Hzとその2〜7倍の周波数である。平均スペクトル値の算出には、図14に記載の周波数と、各周波数±0.061Hz、±0.122Hzの7×5=35データの和を用いる。耐力67k級の被削材を使用し、図15に示す切削条件で加工する。また、図16にスローアウェイチップの摩耗状態を示している。   Here, how to obtain the threshold value using the worn away throw tip in the disc cutter 11 (see FIG. 1) will be described. FIG. 14 shows frequencies generated by a worn tool when the disk cutter 11 as a cutting tool is processed, which is 0.671 Hz, which is 2 to 7 times the frequency. For the calculation of the average spectrum value, the sum of the frequency shown in FIG. 14 and 7 × 5 = 35 data of each frequency ± 0.061 Hz and ± 0.122 Hz is used. Using a 67k-class work material, machining is performed under the cutting conditions shown in FIG. FIG. 16 shows the worn state of the throw-away tip.
この実験の結果を図17〜図20に示す。図17は加工深さを70mmとしたときの各加速度センサ1A,1B(図1参照)で測定された平均スペクトルの推移を示している。図18は図17と同様加工深さを70mmとしたときの各加速度センサ1A,1Bの実効値の推移を示している。また、図19は加工深さ50mmのときの平均スペクトル値の変化を示しており、図20は加工深さ50mmのときの実効値の変化を示している。これらの結果から、工具摩耗量が大きくなるにつれて、平均スペクトル値も大きくなっていることが分かる。また、切削抵抗が大きい加工深さ70mmで加工深さ50mmと比較して、大きい平均スペクトル値が得られている。
図21は、前記の結果から設定した閾値を示しており、正常時の1.3倍を「警告」、1.4倍以上で「異常」を出力することで、不良ワークの発生を未然に防ぐことができる。
このように、閾値設定手段では、事前に測定した図17〜図20に示す工具破損ないし工具摩耗状態における平均スペクトル値を参照して、加工異常と判別するキーとなる倍率mが例えば1.4として予め設定され、この倍率mを正常状態の平均スペクトル値に乗じた値(h=平均スペクトル値×m)が閾値hとして設定されるものである。
The results of this experiment are shown in FIGS. FIG. 17 shows the transition of the average spectrum measured by each acceleration sensor 1A, 1B (see FIG. 1) when the processing depth is 70 mm. FIG. 18 shows the transition of the effective values of the acceleration sensors 1A and 1B when the machining depth is 70 mm as in FIG. FIG. 19 shows a change in average spectral value when the processing depth is 50 mm, and FIG. 20 shows a change in effective value when the processing depth is 50 mm. From these results, it can be seen that the average spectral value increases as the amount of tool wear increases. In addition, a large average spectral value is obtained when the machining depth is 70 mm and the machining depth is 50 mm.
FIG. 21 shows threshold values set based on the above results. By outputting “warning” 1.3 times as normal and “abnormal” when 1.4 times or more, the occurrence of defective workpieces can be detected in advance. Can be prevented.
As described above, the threshold value setting means refers to the average spectrum value in the tool breakage or tool wear state shown in FIG. 17 to FIG. 20 measured in advance, and the magnification m serving as a key for determining machining abnormality is 1.4, for example. Is set in advance, and a value (h = average spectrum value × m) obtained by multiplying the average spectrum value in the normal state by the magnification m is set as the threshold value h.
次に、耐力81k級の材質を加工した時の結果を示す。切削条件は図15のとおりである。図22に加工深さ40mmのときの平均スペクトル値の変化を示しており、このときの閾値を図23に示している。図24に加工深さ50mmのときの平均スペクトル値の変化を示しており、図25にこのときの閾値を示している。また、図26に加工深さ70mmのときの平均スペクトル値を示しており、図27にこのときの閾値を示している。但し、図26、図27では送り速度を図15の条件より遅くしている。   Next, the result when processing a material with a yield strength of 81k class is shown. Cutting conditions are as shown in FIG. FIG. 22 shows the change of the average spectrum value when the processing depth is 40 mm, and FIG. 23 shows the threshold value at this time. FIG. 24 shows the change of the average spectrum value when the processing depth is 50 mm, and FIG. 25 shows the threshold value at this time. Further, FIG. 26 shows an average spectrum value when the processing depth is 70 mm, and FIG. 27 shows a threshold value at this time. However, in FIGS. 26 and 27, the feed rate is set slower than the condition of FIG.
これらの結果から、67k級と比較して、81k級の平均スペクトル値が全体的に大きいことや、図22と図24から加工深さが深くなるほど平均スペクトル値が大きくなること、図24と図26から加工深さを深くしても送り速度を遅くすることで加工負荷を下げることができること、図26から加工開始時と終了時の平均スペクトルの変化が大きい加工深さ70mmでは1スロット内での工具摩耗が激しいことなどが読み取れる。   From these results, the average spectrum value of the 81k class is generally larger than that of the 67k class, and the average spectrum value increases as the processing depth increases from FIGS. 22 and 24. FIG. Even if the machining depth is increased from 26, the machining load can be reduced by slowing the feed rate. From FIG. 26, within one slot at a machining depth of 70 mm where the change in average spectrum at the start and end of machining is large. It can be seen that the tool wear is severe.
また、図28に加工異常検出装置で使用するソフトウェアの画面構成を示す。図28(a)は正常状態における画面表示であり、図28(b)は設定画面を示すものである。
加工異常検出装置に通電することで、自動起動し、通電を切ることで自動終了できるシステムとしている。加速度センサ1A,1B(図1参照)により得られる振動データはアンプ2A,2Bを含む入力手段によってアナログ入力ポートを介してコンピュータ6により構成される演算処理装置からなる演算手段に入力される。
加工開始・終了の判断は、前記したとおり加速度センサ1A,1Bで測定した振動データの実効値で加工開始手段により判断しており、「設定」画面のトリガ条件部分でトリガの値、トリガ起動時間などを設定できる。トリガ起動後、自動で加速度センサ1A,1Bの振動データを図12に示すようにFFT解析する。
FIG. 28 shows a screen configuration of software used in the machining abnormality detection device. FIG. 28A shows a screen display in a normal state, and FIG. 28B shows a setting screen.
The system can be automatically started by energizing the machining abnormality detection device and automatically terminated by turning off the energization. Vibration data obtained by the acceleration sensors 1A and 1B (see FIG. 1) is input to arithmetic means comprising an arithmetic processing unit constituted by the computer 6 through an analog input port by input means including amplifiers 2A and 2B.
The processing start / end is determined by the processing start means based on the effective value of the vibration data measured by the acceleration sensors 1A and 1B as described above, and the trigger value and trigger start time in the trigger condition portion of the “setting” screen. Etc. can be set. After trigger activation, the vibration data of the acceleration sensors 1A and 1B is automatically subjected to FFT analysis as shown in FIG.
そして、加工開始5分後を正常な加工状態であるとして、FFT解析後にその解析結果に基づきスペクトル特性算出手段によりリニアスペクトル特性を算出し、平均スペクトル値算出手段により平均スペクトル値を取得する。取得した平均スペクトル値と事前に設定しておいた閾値hの倍率mを基に、「警告」と「異常」の閾値hを閾値設定手段により自動で設定可能である。閾値hの倍率mは、事前に「設定」画面に登録しておく。閾値(h=平均スペクトル値×m)を自動で設定した後、閾値hの値とFFT解析後に得られるリニアスペクトル特性を比較して、「正常」、「警告」、「異常」を判定する機能をもつ比較手段を有する。また、「設定」画面にてFFT解析時に使用する窓関数を選択可能である。   Then, assuming that 5 minutes after the start of machining is a normal machining state, the linear spectrum characteristic is calculated by the spectrum characteristic calculation means based on the analysis result after the FFT analysis, and the average spectrum value is obtained by the average spectrum value calculation means. Based on the acquired average spectrum value and the magnification m of the threshold value h set in advance, the threshold value h for “warning” and “abnormal” can be automatically set by the threshold setting means. The magnification m of the threshold value h is registered in advance on the “setting” screen. A function that automatically sets a threshold value (h = average spectrum value × m) and then compares the value of the threshold value h with a linear spectrum characteristic obtained after FFT analysis to determine “normal”, “warning”, and “abnormal”. Has a comparison means. In addition, a window function used at the time of FFT analysis can be selected on the “setting” screen.
なお、加工開始から5分経過した状態を正常な加工状態であるとして、FFT解析後にリニアスペクトル特性を算出し、平均スペクトル値を取得するようにしたが、加工対象などによってこの時間は変更することが可能である。所定時間経過後の安定した状態のデータを用いれば良い。
このように、事前に測定した工具破損ないし工具摩耗時に発生する平均スペクトル値を基に加工開始所定時間後の平均スペクトル値を正常時の平均スペクトル値として取得し、事前設定しておいた倍率mと正常加工時の平均スペクトルの積(h=平均スペクトル値×m)を加工異常検出の閾値hとすることで加工異常検出の閾値を自動で設定することができ、工具更新時や被削材変更時に閾値を再設定するロスを削減することができる効果が得られる。
In addition, assuming that the state after 5 minutes from the start of processing is a normal processing state, linear spectrum characteristics are calculated after FFT analysis, and an average spectrum value is obtained. However, this time may be changed depending on the processing target. Is possible. Data in a stable state after elapse of a predetermined time may be used.
In this way, the average spectral value after a predetermined time from the start of machining is obtained as the average spectral value at the normal time based on the average spectral value generated at the time of tool breakage or tool wear measured in advance, and the preset magnification m By setting the product of the average spectrum during normal machining (h = average spectrum value x m) as the processing abnormality detection threshold value h, the processing abnormality detection threshold value can be set automatically. The effect of reducing the loss of resetting the threshold when changing is obtained.
以上のように、本発明による加工異常検出装置は、加工時に被削材から発生する振動を加速度センサ1A,1Bにより測定し、接続したコンピュータ6に振動データを入力する入力手段と、当該コンピュータ6により前記振動データの実効値を算出して加工開始のトリガとする加工開始手段と、振動データから得られる波形をFFT解析する解析手段と、前記解析手段によるFFT解析後にリニアスペクトル特性を算出するスペクトル特性算出手段と、前記スペクトル特性算出手段により算出したリニアスペクトル特性から工具破損ないし工具摩耗時に発生する複数の周波数のスペクトル値を選択し、さらに選択した複数のスペクトルの平均値である平均スペクトル値を算出する平均スペクトル値算出手段と、事前に測定した工具破損ないし工具摩耗前の平均スペクトル値から閾値(h=平均スペクトル値×m)を自動で設定する閾値設定手段と、前記閾値hと前記加工時の平均スペクトル値を比較する比較手段と、加工時の平均スペクトル値が閾値hを超えた場合に加工異常信号を出力し加工異常状態であることを表示し、加工時の平均スペクトル値が閾値hを超えなかった場合は正常な加工状態であることを表示する加工異常表示器8からなる表示手段とを有することを特徴とするので、検出機器に感度の高い加速度センサを用いることで、小さな負荷変動であっても加工異常を検出でき、異常検出の判定に工具破損ないし工具摩耗時に発生する複数の周波数スペクトルの平均値を使用することで加工異常の検出精度が高くなる効果が得られる。また、加工開始時に被削材から発生する振動データの実効値を加工開始トリガとして使用することで、加工異常検出装置の自動起動ができ、さらに事前に測定した工具破損ないし工具摩耗時に発生する平均スペクトル値を基に閾値を自動設定することで、加工中の平均スペクトルが閾値を超えた場合、ディスプレイやパトライト(登録商標)で加工異常を表示でき、加工を自動停止できる機能を有するので、工具破損ないし工具摩耗による不良ワークの発生を未然に防ぐことができる効果が得られる。   As described above, the machining abnormality detection device according to the present invention measures the vibration generated from the work material during machining by the acceleration sensors 1A and 1B, and inputs the vibration data to the connected computer 6, and the computer 6 The machining start means for calculating the effective value of the vibration data by the above and using as a trigger for the machining start, the analysis means for FFT analysis of the waveform obtained from the vibration data, and the spectrum for calculating the linear spectrum characteristics after the FFT analysis by the analysis means A spectral value of a plurality of frequencies generated at the time of tool breakage or tool wear is selected from the characteristic calculation unit and the linear spectral characteristic calculated by the spectral characteristic calculation unit, and an average spectral value that is an average value of the selected plurality of spectra is further selected. Mean spectral value calculation means to calculate and tool damage measured in advance Threshold setting means for automatically setting a threshold value (h = average spectrum value × m) from an average spectrum value before tool wear, comparison means for comparing the threshold value h with the average spectrum value at the time of processing, and an average at the time of processing When the spectrum value exceeds the threshold value h, a processing abnormality signal is output to indicate that the processing is abnormal. When the average spectral value during processing does not exceed the threshold value h, it indicates that the processing state is normal. And a display means composed of a processing abnormality indicator 8 that performs the processing. By using a highly sensitive acceleration sensor as the detection device, it is possible to detect a processing abnormality even with a small load fluctuation, and to determine abnormality detection. Further, by using an average value of a plurality of frequency spectra generated when a tool is broken or worn, an effect of increasing the detection accuracy of machining abnormality can be obtained. In addition, by using the effective value of the vibration data generated from the work material at the start of machining as a machining start trigger, the machining abnormality detection device can be automatically started, and the average generated when tool breakage or tool wear is measured in advance. By automatically setting the threshold value based on the spectrum value, if the average spectrum during processing exceeds the threshold value, it can display a processing error on the display or Patlite (registered trademark), and has a function that can automatically stop the processing. The effect that the generation | occurrence | production of the defective workpiece | work by damage or tool wear can be prevented beforehand is acquired.
また、本発明による加工異常検出方法は、加工時に被削材から発生する振動を加速度センサ1A,1Bにより測定し、接続したコンピュータ6に振動データを入力するステップと、当該コンピュータ6により前記振動データの実効値を算出して加工開始のトリガとするステップと、振動データから得られる波形をFFT解析するステップと、FFT解析後にリニアスペクトル特性を算出するステップと、算出したリニアスペクトル特性から工具破損ないし工具摩耗時に発生する複数の周波数のスペクトル値を選択し、さらに選択した複数のスペクトルの平均値である平均スペクトル値を算出するステップと、事前に測定した工具破損ないし工具摩耗前の平均スペクトル値から閾値(h=平均スペクトル値×m)を自動で設定するステップと、前記閾値hと前記加工時の平均スペクトル値を比較するステップとを有し、加工時の平均スペクトル値が閾値hを超えた場合に加工異常信号を出力して加工異常状態であることを表示するとともに、加工時の平均スペクトル値が閾値hを超えなかった場合は正常な加工状態であることを表示するようにしたことを特徴とするので、検出機器に感度の高い加速度センサを用いることで、小さな負荷変動であっても加工異常を検出でき、異常検出の判定に工具破損ないし工具摩耗時に発生する複数の周波数スペクトルの平均値を使用することで加工異常の検出精度が高くなる効果が得られる。さらに事前に測定した工具破損ないし工具摩耗時に発生する平均スペクトル値を基に閾値を自動設定することで、工具破損ないし工具摩耗による不良ワークの発生を未然に防ぐことができる効果が得られる。   The machining abnormality detection method according to the present invention includes a step of measuring vibrations generated from a work material during machining by the acceleration sensors 1A and 1B and inputting the vibration data to a connected computer 6, and the computer 6 using the vibration data. A step of calculating an effective value of the above as a trigger for starting machining, a step of performing FFT analysis of a waveform obtained from vibration data, a step of calculating linear spectral characteristics after FFT analysis, and tool breakage from the calculated linear spectral characteristics Select spectral values of multiple frequencies that occur during tool wear, calculate an average spectral value that is the average of the selected multiple spectra, and calculate the average spectral value before tool breakage or tool wear. Automatically setting a threshold value (h = average spectrum value × m); A threshold value h and a step of comparing the average spectral value at the time of processing, and when the average spectral value at the time of processing exceeds the threshold value h, a processing abnormality signal is output to indicate that the processing is in an abnormal state. In addition, when the average spectral value at the time of processing does not exceed the threshold value h, it is characterized by displaying that it is in a normal processing state, so by using a highly sensitive acceleration sensor for the detection device, Machining anomalies can be detected even with small load fluctuations, and the effect of increasing the accuracy of machining anomalies can be obtained by using the average value of multiple frequency spectra generated when a tool is broken or worn. . Further, by automatically setting the threshold value based on the average spectrum value generated at the time of tool breakage or tool wear measured in advance, it is possible to prevent the occurrence of defective workpieces due to tool breakage or tool wear.
本発明に係る実施の形態1によれば、加工時に被削材から発生する振動を測定する加速度センサ1A,1Bにより測定して得られた前記振動データから得られる波形をFFT解析する解析手段と、前記解析手段による解析結果からリニアスペクトル特性を算出するスペクトル特性算出手段と、前記スペクトル特性算出手段により算出されたリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出する平均スペクトル値算出手段と、前記平均スペクトル値算出手段により得られた前記加工時の前記平均スペクトル値に応じて加工異常状態を検出し加工状態が異常であるか正常であるかを加工異常表示器8で表示させる表示手段とを備えたことを特徴とする加工異常検出装置を構成したので、加工異常の検出精度を高めることができ、しかも、加工異常検出の信頼性を向上できるものとすることができる。   According to the first embodiment of the present invention, the analysis means for FFT-analyzing the waveform obtained from the vibration data obtained by the acceleration sensors 1A and 1B that measure the vibration generated from the work material during machining, A spectral characteristic calculating means for calculating a linear spectral characteristic from an analysis result by the analyzing means; and an average spectral value for a plurality of frequencies generated at the time of tool breakage or tool wear from the linear spectral characteristic calculated by the spectral characteristic calculating means. An average spectrum value calculating means for calculating the processing, and detecting whether the processing state is abnormal or normal by detecting a processing abnormal state according to the average spectral value at the time of processing obtained by the average spectral value calculating means A processing abnormality detection device comprising a display means for displaying on the abnormality indicator 8 is configured. In, it is possible to improve the detection accuracy of abnormal working, moreover, it can be made capable of improving reliability of the machining abnormality detection.
また、本発明に係る実施の形態1によれば、加工時に被削材から発生する振動を加速度センサ1A,1Bにより測定し、前記加速度センサ1A,1Bにより得られた振動データをコンピュータ6で構成される演算処理装置からなる演算手段に入力する入力手段と、前記コンピュータ6で構成される演算手段により前記振動データの実効値を算出して加工開始のトリガとする加工開始手段と、前記振動データから得られる波形をFFT解析する解析手段と、前記解析手段によるFFT解析後にリニアスペクトル特性を算出するスペクトル特性算出手段と、前記スペクトル特性算出手段により算出したリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数のスペクトル値を選択し、さらに選択した複数のスペクトルの平均値である平均スペクトル値を算出する平均スペクトル値算出手段と、工具破損時ないし工具摩耗時において事前に測定した工具破損ないし工具摩耗状態の平均スペクトル値を参照して、加工異常と判別するキーとなる倍率mが例えば1.4として予め設定され、通常加工時の平均スペクトル値にこの倍率mを乗じた値(平均スペクトル値×m)を閾値(h=平均スペクトル値×m)として設定する閾値設定手段と、前記閾値(平均スペクトル値×m)と前記加工時の平均スペクトル値を比較する比較手段とを備え、加工異常表示器8からなる表示手段により、加工時の平均スペクトル値が閾値hを超えた場合に加工異常信号を出力し加工異常状態であることを表示し、加工時の平均スペクトル値が閾値hを超えなかった場合は正常な加工状態であることを表示することを特徴とする加工異常検出装置を構成したので、加工異常の検出精度を高めることができ、しかも、加工異常検出の信頼性を向上できるとともに、事前に測定した工具破損ないし工具摩耗時に発生する平均スペクトル値を基に閾値設定手段により閾値を設定することで、工具破損ないし工具摩耗による不良ワークの発生を未然に防ぐことができるものである。   Further, according to the first embodiment of the present invention, the vibration generated from the work material during machining is measured by the acceleration sensors 1A and 1B, and the vibration data obtained by the acceleration sensors 1A and 1B is configured by the computer 6. An input means for inputting to an arithmetic means comprising an arithmetic processing device, a machining start means for calculating an effective value of the vibration data by an arithmetic means constituted by the computer 6 and serving as a machining start trigger, and the vibration data Analysis means for FFT analysis of the waveform obtained from the above, spectrum characteristic calculation means for calculating linear spectral characteristics after FFT analysis by the analysis means, and tool breakage or tool wear from the linear spectral characteristics calculated by the spectral characteristic calculation means Select spectral values for multiple frequencies to be generated, and then flatten the selected multiple spectra. An average spectrum value calculating means for calculating an average spectrum value that is a value, a key for discriminating machining abnormality with reference to an average spectrum value of a tool breakage or tool wear state measured in advance at the time of tool breakage or tool wear, and Magnification m is preset as 1.4, for example, and a threshold (h = average spectral value × m) is set as a value (average spectral value × m) obtained by multiplying the average spectral value during normal machining by this magnification m. A setting means, and a comparison means for comparing the threshold value (average spectrum value × m) and the average spectrum value at the time of processing, and the display means comprising the processing abnormality display unit 8 sets the average spectrum value at the time of processing to the threshold value h. If the average spectral value at the time of machining does not exceed the threshold value h, a normal machining state is displayed. Since the machining abnormality detection device is configured to display the fact that it is present, the accuracy of machining abnormality detection can be improved, and the reliability of machining abnormality detection can be improved. By setting the threshold value by the threshold setting means based on the average spectral value generated at the time of tool wear, it is possible to prevent the occurrence of defective workpieces due to tool breakage or tool wear.
そして、本発明に係る実施の形態1によれば、加工時に被削材から発生する振動を加速度センサにより測定し演算手段に振動データを入力するステップと、前記演算手段により前記振動データの実効値を算出して加工開始のトリガとするステップと、振動データから得られる波形をFFT解析するステップと、FFT解析後にリニアスペクトル特性を算出するステップと、算出したリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数のスペクトル値を選択し、さらに選択した複数のスペクトルの平均値である平均スペクトル値を算出するステップと、工具破損時ないし工具摩耗時において事前に測定した工具破損ないし工具摩耗状態の平均スペクトル値を参照して、加工異常と判別するキーとなる倍率mが例えば1.4として予め設定され、通常加工時の平均スペクトル値にこの倍率mを乗じた値(平均スペクトル値×m)を閾値(h=平均スペクトル値×m)として自動で設定するステップと、前記閾値hと前記加工時の平均スペクトル値を比較するステップとを有し、加工時の平均スペクトル値が閾値hを超えた場合に加工異常信号を出力して加工異常状態であることを表示するとともに、加工時の平均スペクトル値が閾値hを超えなかった場合は正常な加工状態であることを表示するようにしたことを特徴とする加工異常検出方法としたので、加工異常の検出精度を高めることができ、しかも、加工異常検出の信頼性を向上できるものである。   And according to Embodiment 1 which concerns on this invention, the vibration which generate | occur | produces from a work material at the time of a process is measured by an acceleration sensor, and the vibration data is input into a calculating means, The effective value of the said vibration data by the said calculating means Is used as a trigger for starting machining, a step of performing FFT analysis on a waveform obtained from vibration data, a step of calculating linear spectral characteristics after FFT analysis, and tool breakage or tool wear from the calculated linear spectral characteristics Select spectral values of multiple frequencies that occur at times, calculate an average spectral value that is the average of the selected multiple spectra, and tool damage or tool wear measured in advance at the time of tool breakage or tool wear By referring to the average spectrum value of the state, the magnification m that is a key for determining machining abnormality is, for example, .4 set in advance, and automatically setting a value (average spectrum value × m) obtained by multiplying the average spectrum value during normal processing by the magnification m (average spectrum value × m) as a threshold value (h = average spectrum value × m); h and a step of comparing the average spectral value at the time of processing, and when the average spectral value at the time of processing exceeds a threshold value h, a processing abnormal signal is output and a processing abnormal state is displayed. Since the processing abnormality detection method is characterized in that when the average spectral value at the time of processing does not exceed the threshold value h, a normal processing state is displayed, the processing abnormality detection accuracy can be improved. In addition, the reliability of processing abnormality detection can be improved.
さらに、本発明に係る実施の形態1によれば、前項の加工異常検出方法において、事前に工具破損ないし工具摩耗状態における工具破損するまでの平均スペクトル値を測定し、工具破損直前などの工具破損ないし工具摩耗状態における平均スペクトル値が正常加工時の平均スペクトル値に対して何倍の倍率mとなるかを設定しておき、加工開始から所定時間経過して安定した状態の平均スペクトル値を正常加工時の平均スペクトル値として取得し、事前設定しておいた前記倍率mと正常加工時の前記平均スペクトル値の積(平均スペクトル値×m)を加工異常検出の閾値(h=平均スペクトル値×m)としたことを特徴とする加工異常検出方法としたので、加工異常の検出精度を高めることができ、しかも、加工異常検出の信頼性を向上できるとともに、前記倍率mを事前に取得しておくことにより加工異常検出の閾値を自動で設定できるものである。   Furthermore, according to the first embodiment of the present invention, in the machining abnormality detection method of the preceding paragraph, an average spectrum value until tool breakage in a tool breakage or tool wear state is measured in advance, and tool breakage immediately before tool breakage or the like. In addition, it is set how many times the magnification m is the average spectral value in the tool wear state relative to the average spectral value during normal machining, and the average spectral value in a stable state after normal processing is normal. The product (average spectrum value × m) of the above-mentioned magnification m acquired in advance and the average spectrum value obtained during normal processing (average spectrum value × m) is obtained as an average spectrum value during processing, and a processing abnormality detection threshold (h = average spectrum value × m), it is possible to improve the accuracy of detecting a processing abnormality and improve the reliability of detecting a processing abnormality. In addition, the processing abnormality detection threshold can be automatically set by acquiring the magnification m in advance.
なお、本発明は、その発明の範囲内において、実施の形態を適宜、変更、省略することが可能である。   In the present invention, the embodiments can be appropriately changed or omitted within the scope of the invention.
1A,1B 加速度センサ 、2A,2B 加速度センサ用のアンプ、3 電源、
4 無停電電源装置、5 タッチパネルディスプレイ、6 コンピュータ(演算処理装置)、7 キーボード、マウス(入力機器)、8 加工異常表示器、
9 加工機のハウジング(加工異常検出部)、10 制御ボックス(加工異常判定部)、
11 ディスクカッター(切削工具)、12 軸受ハウジング、13 マグネットマウント、14 加速度センサ取付冶具、
H:逃げ面の破損高さ、W:破損部の幅、t:すくい面の破損深さ。
1A, 1B acceleration sensor, 2A, 2B acceleration sensor amplifier, 3 power supply,
4 uninterruptible power supply, 5 touch panel display, 6 computer (arithmetic processing unit), 7 keyboard, mouse (input device), 8 processing abnormality indicator,
9 Housing of processing machine (processing abnormality detection part), 10 Control box (processing abnormality determination part),
11 Disc cutter (cutting tool), 12 Bearing housing, 13 Magnet mount, 14 Accelerometer mounting jig,
H: height of breakage of the flank, W: width of the broken portion, t: depth of breakage of the rake face.

Claims (11)

  1. 加工時に被削材から発生する振動を測定する加速度センサによる振動データから得られる波形をFFT解析する解析手段と、前記解析手段による解析結果からリニアスペクトル特性を算出するスペクトル特性算出手段と、前記スペクトル特性算出手段により算出されたリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出する平均スペクトル値算出手段とを備え、前記平均スペクトル値算出手段により得られた前記平均スペクトル値に応じて加工異常状態を検出し加工状態が異常であるか正常であるかを表示するようにしたことを特徴とする加工異常検出装置。   Analysis means for performing FFT analysis on a waveform obtained from vibration data by an acceleration sensor that measures vibration generated from a work material during machining, spectral characteristic calculation means for calculating linear spectral characteristics from the analysis result by the analysis means, and the spectrum Average spectral value calculating means for calculating an average spectral value for a plurality of frequencies generated at the time of tool breakage or tool wear from the linear spectral characteristics calculated by the characteristic calculating means, and obtained by the average spectral value calculating means A machining abnormality detection device, wherein a machining abnormality state is detected according to the average spectrum value, and whether the machining state is abnormal or normal is displayed.
  2. 加工時に被削材から発生する振動を加速度センサにより測定し、前記加速度センサにより得られた振動データを演算手段に入力する入力手段と、前記演算手段により前記振動データの実効値を算出して加工開始のトリガとする加工開始手段と、前記振動データから得られる波形をFFT解析する解析手段と、前記解析手段によるFFT解析後にリニアスペクトル特性を算出するスペクトル特性算出手段と、前記スペクトル特性算出手段により算出したリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数のスペクトル値を選択し、さらに選択した複数のスペクトルの平均値である平均スペクトル値を算出する平均スペクトル値算出手段と、事前に測定した工具破損ないし工具摩耗状態における平均スペクトル値から加工異常検出の閾値を設定する閾値設定手段と、前記閾値と前記加工時の平均スペクトル値を比較する比較手段と、前記加工時の前記平均スペクトル値が前記閾値を超えた場合に加工異常信号を出力し加工異常状態であることを表示し、前記加工時の前記平均スペクトル値が閾値を超えなかった場合は正常な加工状態であることを表示する表示手段とを備えたことを特徴とする加工異常検出装置。   The vibration generated from the work material during machining is measured by an acceleration sensor, the vibration data obtained by the acceleration sensor is input to the calculation means, and the effective value of the vibration data is calculated by the calculation means. A machining start means serving as a start trigger, an analysis means for FFT analysis of a waveform obtained from the vibration data, a spectral characteristic calculation means for calculating a linear spectral characteristic after FFT analysis by the analysis means, and the spectral characteristic calculation means An average spectrum value calculating means for selecting a spectrum value of a plurality of frequencies generated at the time of tool breakage or tool wear from the calculated linear spectrum characteristics, and calculating an average spectrum value which is an average value of the plurality of selected spectra; From the average spectral values measured during tool breakage or tool wear Threshold setting means for setting a threshold value for detecting a process abnormality, comparison means for comparing the threshold value with an average spectrum value at the time of processing, and a processing error signal when the average spectrum value at the time of processing exceeds the threshold value A machining means comprising: a display means for outputting and displaying an abnormal machining state, and displaying a normal machining state when the average spectrum value during the machining does not exceed a threshold value Anomaly detection device.
  3. 前記平均スペクトル値算出手段により算出する前記平均スペクトル値を工具破損時ないし工具摩耗時に発生する前記振動データから得られる波形の周波数とその7倍までの整数倍の周波数のスペクトル値の平均とすることを特徴とする請求項1または請求項2に記載の加工異常検出装置。   The average spectral value calculated by the average spectral value calculating means is the average of the frequency of the waveform obtained from the vibration data generated at the time of tool breakage or tool wear and the spectrum value of the integral multiple of up to 7 times the frequency. The processing abnormality detection device according to claim 1 or 2, characterized by the above-mentioned.
  4. 前記平均スペクトル値算出手段により算出する平均スペクトル値を工具破損時ないし工具摩耗時に発生する周波数とその7倍までの整数倍の周波数のスペクトル値と各周波数の前後2点の5点のスペクトル値とを合わせた合計35点のスペクトル値の平均とすることを特徴とする請求項1から請求項3までの何れかに記載の加工異常検出装置。   The average spectral value calculated by the average spectral value calculating means includes a frequency generated when the tool is broken or worn, a spectral value of an integral multiple of up to 7 times, and a spectral value of five points including two points before and after each frequency. The processing abnormality detection device according to any one of claims 1 to 3, wherein an average of a total of 35 spectrum values is added.
  5. 前記加速度センサで測定した振動データを前記解析手段により1秒毎にFFT演算し前記解析手段による解析結果を得ることを特徴とする請求項1から請求項4までの何れかに記載の加工異常検出装置。   5. The machining abnormality detection according to claim 1, wherein the vibration data measured by the acceleration sensor is subjected to an FFT calculation every second by the analysis unit to obtain an analysis result by the analysis unit. apparatus.
  6. 加工時に被削材から発生する振動を測定する加速度センサによる振動データから得られる波形をFFT解析するステップと、前記FFT解析するステップによる解析結果からリニアスペクトル特性を算出するステップと、前記リニアスペクトル特性を算出するステップにより算出されたリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出するステップとを含み、前記平均スペクトル値を算出するステップにより得られた前記平均スペクトル値に応じて加工異常状態を検出し加工状態が異常であるか正常であるかを表示するようにしたことを特徴とする加工異常検出方法。   A step of performing FFT analysis on a waveform obtained from vibration data obtained by an acceleration sensor that measures vibration generated from a work material during processing; a step of calculating linear spectral characteristics from an analysis result of the FFT analyzing step; and the linear spectral characteristics Calculating an average spectrum value for a plurality of frequencies generated at the time of tool breakage or tool wear from the linear spectrum characteristic calculated by the step of calculating, and obtained by the step of calculating the average spectrum value A machining abnormality detection method characterized by detecting a machining abnormality state according to an average spectrum value and displaying whether the machining state is abnormal or normal.
  7. 加工時に被削材から発生する振動を加速度センサにより測定し演算手段に振動データを入力するステップと、前記演算手段により前記振動データの実効値を算出して加工開始のトリガとするステップと、前記振動データから得られる波形をFFT解析するステップと、前記FFT解析するステップによるFFT解析後にリニアスペクトル特性を算出するステップと、前記リニアスペクトル特性を算出するステップにより算出したリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数のスペクトル値を選択し、さらに選択した複数のスペクトルの平均値である平均スペクトル値を算出するステップと、事前に測定した工具破損ないし工具摩耗状態における平均スペクトル値から閾値を設定するステップと、前記閾値と前記加工時の平均スペクトル値を比較するステップとを含み、前記加工時の前記平均スペクトル値が前記閾値を超えた場合に加工異常信号を出力して加工異常状態であることを表示するとともに、前記加工時の前記平均スペクトル値が前記閾値を超えなかった場合は正常な加工状態であることを表示するようにしたことを特徴とする加工異常検出方法。   Measuring vibrations generated from the work material during machining by an acceleration sensor and inputting vibration data to a calculation means; calculating an effective value of the vibration data by the calculation means to be a trigger for starting machining; and A step of performing FFT analysis on a waveform obtained from vibration data, a step of calculating linear spectral characteristics after FFT analysis by the FFT analyzing step, and a time when a tool is broken from the linear spectral characteristics calculated by the step of calculating linear spectral characteristics. Select spectral values of multiple frequencies generated at the time of tool wear, calculate an average spectral value that is the average value of the selected multiple spectra, and from the average spectral values in the pre-measured tool breakage or tool wear state Setting a threshold; and And comparing the average spectral value at the time of processing, and when the average spectral value at the time of processing exceeds the threshold value, displaying a processing abnormal signal and displaying that it is in a processing abnormal state, A processing abnormality detection method, characterized in that a normal processing state is displayed when the average spectrum value during processing does not exceed the threshold value.
  8. 前記平均スペクトル値を算出するステップで算出する平均スペクトル値を工具破損時ないし工具摩耗時に発生する前記振動データから得られる波形の周波数とその7倍までの整数倍の周波数のスペクトル値の平均とすることを特徴とする請求項6または請求項7に記載の加工異常検出方法。   The average spectral value calculated in the step of calculating the average spectral value is the average of the frequency of the waveform obtained from the vibration data generated at the time of tool breakage or tool wear and the spectral value of an integer multiple of up to 7 times the frequency. The processing abnormality detection method according to claim 6 or 7, characterized in that
  9. 前記平均スペクトル値を算出するステップで算出する平均スペクトル値を工具破損時ないし工具摩耗時に発生する周波数とその7倍までの整数倍の周波数のスペクトル値と各周波数の前後2点の5点のスペクトル値とを合わせた合計35点のスペクトル値の平均とすることを特徴とする請求項6から請求項8までの何れかに記載の加工異常検出方法。   The average spectrum value calculated in the step of calculating the average spectrum value is a spectrum generated at the time of tool breakage or tool wear, a spectrum value of an integer multiple up to 7 times, and a spectrum of 5 points including two points before and after each frequency. The processing abnormality detection method according to any one of claims 6 to 8, wherein an average of a total of 35 spectrum values including the values is used.
  10. 前記加速度センサで測定した振動データから得られる波形をFFT解析するステップにおいて1秒毎にFFT演算し解析結果を得ることを特徴とする請求項6から請求項9までの何れかに記載の加工異常検出方法。   10. The machining abnormality according to claim 6, wherein in the step of performing FFT analysis on a waveform obtained from vibration data measured by the acceleration sensor, FFT analysis is performed every second to obtain an analysis result. Detection method.
  11. 事前に工具破損ないし工具摩耗状態における平均スペクトル値を測定し、工具破損ないし工具摩耗状態における平均スペクトル値が正常加工時の平均スペクトル値に対して何倍の倍率となるかを設定しておき、加工開始から所定時間経過して安定した状態の平均スペクトル値を正常加工時の平均スペクトル値として取得し、事前設定しておいた前記倍率と正常加工時の前記平均スペクトル値の積を加工異常検出の閾値としたことを特徴とする請求項6から請求項10までの何れかに記載の加工異常検出方法。   Measure the average spectrum value in the tool breakage or tool wear state in advance, and set how many times the average spectrum value in the tool breakage or tool wear state will be the average spectrum value during normal machining, The average spectral value in a stable state after the start of machining is obtained as the average spectral value during normal machining, and the product of the preset magnification and the average spectral value during normal machining is detected as a machining error. The processing abnormality detection method according to any one of claims 6 to 10, wherein the processing abnormality detection method is used.
JP2015010773A 2015-01-23 2015-01-23 Irregular machining detecting apparatus and irregular machining detecting method Pending JP2016135511A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2015010773A JP2016135511A (en) 2015-01-23 2015-01-23 Irregular machining detecting apparatus and irregular machining detecting method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015010773A JP2016135511A (en) 2015-01-23 2015-01-23 Irregular machining detecting apparatus and irregular machining detecting method

Publications (1)

Publication Number Publication Date
JP2016135511A true JP2016135511A (en) 2016-07-28

Family

ID=56512395

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015010773A Pending JP2016135511A (en) 2015-01-23 2015-01-23 Irregular machining detecting apparatus and irregular machining detecting method

Country Status (1)

Country Link
JP (1) JP2016135511A (en)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017006209A1 (en) 2016-07-07 2018-01-11 Shimano Inc. BICYCLE COMPONENTS
JP2018024048A (en) * 2016-08-09 2018-02-15 ファナック株式会社 Servo controller, main shaft failure detection method using the same, and computer program
KR101934705B1 (en) * 2017-06-30 2019-01-03 창원대학교 산학협력단 A lifetime diagnosis system for a spindle of multi-axis machine and a lifetime diagnosis method of the same
KR20200121056A (en) * 2019-04-15 2020-10-23 창원대학교 산학협력단 An Outputing Method of Overload Value of Machine Tool and Rotating Body Fault Diagnosis Method using the same
WO2021049338A1 (en) * 2019-09-09 2021-03-18 住友電気工業株式会社 Cutting tool, cutting system, processing method, and processing program
KR20210055941A (en) * 2019-11-08 2021-05-18 건국대학교 산학협력단 Machine tool vibration feature extraction device and method

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5720625A (en) * 1980-07-15 1982-02-03 Agency Of Ind Science & Technol Detection of tool chipping
JPS59175941A (en) * 1983-03-22 1984-10-05 Komatsu Ltd Method and device for detecting abnormality of multiple cutting edge tool
JP2004347401A (en) * 2003-05-21 2004-12-09 Nsk Ltd Diagnostic method and diagnostic device of rolling bearing
JP2009180722A (en) * 2008-01-30 2009-08-13 Takayoshi Yamamoto Support method for optimal maintenance time determination of object facility, computer program, and support device for optimal maintenance time determination of object facility
JP2012076553A (en) * 2010-09-30 2012-04-19 Hitachi Automotive Systems Ltd Vibration control device for railroad vehicle

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5720625A (en) * 1980-07-15 1982-02-03 Agency Of Ind Science & Technol Detection of tool chipping
JPS59175941A (en) * 1983-03-22 1984-10-05 Komatsu Ltd Method and device for detecting abnormality of multiple cutting edge tool
JP2004347401A (en) * 2003-05-21 2004-12-09 Nsk Ltd Diagnostic method and diagnostic device of rolling bearing
JP2009180722A (en) * 2008-01-30 2009-08-13 Takayoshi Yamamoto Support method for optimal maintenance time determination of object facility, computer program, and support device for optimal maintenance time determination of object facility
JP2012076553A (en) * 2010-09-30 2012-04-19 Hitachi Automotive Systems Ltd Vibration control device for railroad vehicle

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017006209A1 (en) 2016-07-07 2018-01-11 Shimano Inc. BICYCLE COMPONENTS
JP2018024048A (en) * 2016-08-09 2018-02-15 ファナック株式会社 Servo controller, main shaft failure detection method using the same, and computer program
US10493576B2 (en) 2016-08-09 2019-12-03 Fanuc Corporation Servo control device, spindle failure detection method using servo control device, and non-transitory computer readable medium encoded with computer program
KR101934705B1 (en) * 2017-06-30 2019-01-03 창원대학교 산학협력단 A lifetime diagnosis system for a spindle of multi-axis machine and a lifetime diagnosis method of the same
KR20200121056A (en) * 2019-04-15 2020-10-23 창원대학교 산학협력단 An Outputing Method of Overload Value of Machine Tool and Rotating Body Fault Diagnosis Method using the same
KR102225195B1 (en) 2019-04-15 2021-03-09 창원대학교 산학협력단 An Outputing Method of Overload Value of Machine Tool and Rotating Body Fault Diagnosis Method using the same
WO2021049338A1 (en) * 2019-09-09 2021-03-18 住友電気工業株式会社 Cutting tool, cutting system, processing method, and processing program
KR20210055941A (en) * 2019-11-08 2021-05-18 건국대학교 산학협력단 Machine tool vibration feature extraction device and method
KR102269144B1 (en) * 2019-11-08 2021-06-24 건국대학교 산학협력단 Machine tool vibration feature extraction device and method

Similar Documents

Publication Publication Date Title
JP2016135511A (en) Irregular machining detecting apparatus and irregular machining detecting method
US9381608B2 (en) Vibration determination method and vibration determination device
US9138848B2 (en) Method and apparatus for suppressing vibration
US9211624B2 (en) Vibration determination method and vibration determination device
JP2012254499A (en) Device and method for detecting abnormal machining of machine tool
Girardin et al. Tool wear detection in milling—An original approach with a non-dedicated sensor
CN101354578A (en) Numeric control device of machine tool
JP2013215809A (en) Cutting system and method
JP4891150B2 (en) Vibration suppressor for machine tools
JP5622626B2 (en) Rotational speed display device
JP5507409B2 (en) Method and apparatus for monitoring machine tool, machine tool
JP4860444B2 (en) Abnormality detection method in cutting
JP2014140918A (en) Cutting vibration inhibition method, arithmetic control device, and machine tool
US10719057B2 (en) Method and apparatus for suppression of spikes detected by a proximity sensor
JP6735183B2 (en) Machine tool with rotating shaft
JP2017209743A (en) Machining device
JP5674491B2 (en) Vibration determination device
JP5543890B2 (en) Tool wear detection method and machine tool
JP2010069540A (en) Abnormality detection device for drilling, machine tool equipped with the abnormality detection device, abnormality detection method
WO2018229870A1 (en) Tool service life detection device and tool service life detection method
JPH09174383A (en) Abnormality detection method and device for rotating tool
Jayaswal et al. An investigation of tool condition monitoring
JP2017064860A (en) Working abnormality monitoring method and nc machine tool with working abnormality monitoring function
JP2017030066A (en) Abnormality detection method of cutting tool and cutting processing device
JP2013007647A (en) Chattering vibration detection method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170414

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180226

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180306

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180406

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20180710