JPS62193748A - 工具損傷検出装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔発明の分野〕 本発明は工作機械における工具の損傷を加工中に発生す
るアコースティックエミッション（以下ＡＥという）を
利用して検出する工具損傷検出装置に関するものである
。

〔発明の概要〕

本発明による工具損傷検出装置は、工作機械にＡＥセン
サを取付けその整流信号をサンプリングして確率密度関
数の最大密度を検出し最大密度がステップ状に変化する
ことを検出するものであり、所定の最大密度データを基
準として複数の最大密度データの比を判別し、その比が
所定の範囲内にあるかどうかを判別して要因判別データ
群を算出すると共に、その要因判別データ群が所定の損
傷ビットパターンと一致するときに工具の損傷を検出す
るようにしたものである。こうすれば工具の摩耗や連続
的な切屑が発生ずる場合に誤って損傷を検出することな
く、工具に大きな欠損が生じても確実にその損傷を検出
することができる。

〔従来技術とその問題点〕

工作機械、例えば旋盤等においてハイドを用いて加工対
象（以下ワークという）を切削加工する場合には、バイ
トの刃の先端が欠ける、いわゆるチッピングや欠損が起
こることがあり、チッピング等が起これば精密な加工を
行うことができなくなる。そこで工具の損傷の有無を検
出するために作業員がハイドの先端を定期的に検査する
必要があった。

しかるに近年のファクトリ・オートメーション等の進展
に伴い、工作機械の工具の損傷を自動的に検出すること
が求められている。そこで工作機械の工具損傷を自動的
に検出するために工具又はその近傍にＡＥセンサを取付
け、ＡＥセンサより得られるＡＥ倍信号振幅の平均値を
検知して工具の損傷によりＡＥ倍信号平均値が闇値を越
えて大きくなった場合に損傷を検出する装置や、特願昭
５９−１１０５６４号に示すようにＡＥ倍信号確率密度
関数の最大密度が所定の闇値レベルを越えた場合に、工
具に損傷があったとして検知信号を与える工具損傷検出
装置が提案されている。

しかるに最大確率密度が所定闇値より越えたかどうかに
よって工具の損傷を検出する工具損傷検出装置では切屑
の影響を相当程度除去することができるが、摩耗が進行
した工具を用いて高速でワークを切削した場合には第９
図に示すように切削中にＡＥ倍信号最大密度が徐々に上
昇し闇値レベルを越えてしまうことがある。又第１０図
に示すように連続型切屑によっても闇値レベルを越えて
誤って工具の損傷出力を出すことがある。更に第１１図
に示すように損傷が大きく工具とワークが接触しなくな
ればＡＥ倍信号最大密度が大幅に低下するが、この場合
にも闇値レベルを越えず工具の）負傷を検出することが
できないという問題点があった・ ［発明の目的〕 本発明はこのような工具損傷検出装置の問題点に鑑みて
なされたものであって、切屑の影響を受けず摩耗が進ん
だ工具によっても損傷を検出することなく、損傷が起こ
ればその程度にかかわらず確実に工具の損傷を検出する
ことができる工具損傷検出装置を提供することを目的と
する。

〔発明の構成と効果〕

本発明は工作機械における工具の損傷を加工中に発生さ
せるＡＥ倍信号利用して検出する工具損傷検出装置であ
って、工作機械の工具、ワーク又はその近傍に設けられ
たＡＥセンサと、ＡＥセンサの整流信号を所定時間毎に
サンプリングするサンプリング手段と、サンプリング手
段によってサンプリングされたデータの所定時間毎の確
率密度関数の最大密度を検出する最大密度検出手段と、
最大密度検出手段より得られる最大密度データの判定ブ
ロック内での複数の比を算出する最大密度比算出手段と
、算出された最大密度比が設定された上下限値内にあれ
ば正常切削要因とし、この範囲を越えれば損傷要因とす
るデータ列を算出する要因判別データ算出手段と、要因
判別データ群が最大密度のステップ状変化を示す所定の
損傷ビットパターンに一致するときに工具の損傷を検出
するパターン判別手段と、を具備することを特徴とする
ものである。

このような特徴を有する本発明によれば、ＡＥ倍信号確
率密度関数の最大密度を記憶しておきその変化によって
データ比を算出しその値に基づいて損傷要因と正常切削
要因とを判別すると共に、その要因判別データ列を所定
の損傷ビットパターンと比較することによって工具の損
傷を検出している。従って切屑等による突発型のＡＥ（
３号や摩耗が進行して最大密度が徐々に増加する場合の
誤検出を防止し、ステップ状の変化によって工具の損傷
を検出することができる。又工具に大きな欠損が生じ最
大密度がステップ状に低下した場合にも損傷要因となる
ため、最大密度のステップ状上昇時と同じく工具の損傷
を検出することができる。

このように本発明によれば刃先のチッピングから大きな
欠損に至るまで種々のタイプの工具の損傷を検出するこ
とができ、検出精度を大幅に向上させることができると
いう効果が得られる。

〔実施例の説明〕

（実施例の構成） 第２図は本発明による工具損傷検出装置を旋盤に適用し
た一実施例を示すブロック図である。本図において円筒
状ワーク１は心理台２とチャック３によって回転自在に
保持されており、旋盤に固定される刃物台４にはバイ１
−５が保持されバイト５のシャンク６にＡＥセンサ７が
固定されている。

ＡＥセンサ７は例えばＩＫＩｌｚから１ＭＨｚ程度の広
帯域のＡＥ倍信号検出するものであって、その出力をプ
リアンプ８に与える。プリアンプ８はＡＥセンサ７の出
力を適当なレベルに増幅してその出力をバンドパスフィ
ルタ９に伝える。バンドパスフィルタ９はＡＥセンサか
ら得られるＡＥ倍信号うち１００〜３００ＫＨｚの間の
周波数のＡＥ倍信号通過させるフィルタであって、機械
振動等に伴う雑音成分を除去してその出力を全波整流回
路１ｏに伝える。Ａ／Ｄ変換器１１は全波整流回路１ｏ
の出力を所定の微小ザンプリング周期でデジタルデータ
に変換するものであって、その出力をマイクロコンピュ
ータ１２に与える。マイクロコンピュータ１２は後述す
る演算処理手順によって与えられたＡＥ倍信号信号処理
し、ＡＥ倍信号最大密度の変化のパターン判別によって
工具の損傷を検出するものであり、その出力は損傷表示
器１３に与えられて表示され更に外部に出力が出される
。従ってこの工具損傷検出信号に基づいてハイド５を自
動交換させる等の適切な制御を行うことが可能となる。

次に第３図はマイクロコンピュータ１２内の記憶手段の
メモリマツプを示している。本図に示すように記憶手段
には所定数、例えばｎ個のＡＥ倍信号サンプルデータを
保持するサンプルデータ領域Ｘ（ｏｌ、　　Ｘｆｌｌ、
−＝−Ｘ（ｎｌが設けられ、更ニソレラのサンプルデー
タの確率密度を示す確率密度テーブルＡ（ｏ）、　Ａ（
ｌｌ、　−−−−−−Ａ４ｋｌを有している。確率密度
テーブルの各エリアは各サンプルデータの値をとるデー
タ数が保持される。更に求められた夫々の周期での確率
密度の最大値を示す最大密度データ領域Ｂ　（０１〜Ｂ
　（ｐｌ、及びその最大密度の比を所定の闇値レベルと
比較して得られる正常要因ｒＯＪ又は損傷要因「１」を
示す値を保持する要因判別データ領域５（０）〜Ｓ　（
ｑ−１）と、工具損傷時に特有のビットパターンを示す
領域Ｔ　ｆｏｌ　−−−−−−−Ｔ　（Ｑ−１）とＴ　
’　ｔｏ）・−・・・Ｔ’（ｑ−１）が設けられる。こ
こでｐは後述するように損傷判定のための１つのブロッ
ク内のデニタ数を示しており、ｑは判定のためのデータ
数を示すものであり、夫々の領域が設けられている。又
記憶手段にはサンプルデータを信号処理する際に用いら
れるサンプルデータポインタｉ、後述する演算処理の結
果量も発生確率の高いサンプルデータＸ　（１１に対応
するサンプルデータ番号を記憶する最大密度関数の最大
値レジスタｍ、工具の損傷時に生じる最大密度のデータ
比の減少及び増加の許容範囲を定める閾値レベルＴｈｌ
、　Ｔｈ２、更に損傷検出処理に用いるポインタｔ、ｒ
、ｊ。

Ｕと損傷要因を示す演算結果を保持する計算値レジスタ
Ｚの各領域が設けられている。

（実施例の動作） 次に本実施例の動作について第１図のフローチャートを
参照しつつ説明する。まずこの旋盤を動作させると回転
自在に保持された円筒状のワーク１が回転し、バイト５
に接触して第２図に示すように切削加工が行われる。そ
のときＡＥセンサ７よりＡＥ倍信号得られプリアンプ８
で増幅される。

そのＡＥ倍信号バンドパスフィルタ９を介して全波整流
されてＡ／Ｄ変換回路１１に与えられ、所定のサンプル
周期によってデジタルデータに変換される。さて動作を
開始するとマイクロコンピュータ１２は第１図のフロー
チャートに示すように、まずステップ２０１こおいて最
大確率データ領ｈ５　Ｂ　（ｏ）〜Ｂ（ｐ）、要因判別
データ領域Ｓ　（０１〜Ｓ　（ｑ−１）をクリアし、ス
テップ２１に進んでサンプルデータ領域Ｘ（＋１及び最
大密度データ領域Ａ　（Ｘ（ｉ＋）　とサンプルデータ
ポインタｉをクリアする。そしてルーチン２２において
所定周期Ｔ毎にＡ／Ｄ変換されたサンプリングデータを
一旦メモリ内のサンプルデータ領域Ｘ（ｏｌ、　　Ｘ（
１１，−一−−−−−Ｘ（ｎ）に順次記憶する。第４図
は任意の整流波形に対してサンプルデータポインタｉの
内容と各サンプルデータＸ　（１１の関係を示すグラフ
である。次いでステップ２３に進んでサンプルデータポ
インタｉとサンプルデータの最後の値ｎとを比較する。

最初はサンプルデータポインタｉがＯであるのでステッ
プ２４に進んで、最初のサンプルデータＸ　（０１を読
込み、次いでステップ２５に進んで読込まれたサンプル
データＸ　（０１の値に対応する確率データエリアＡ（
Ｘ（０１）の内容をインクリメントする。そしてステッ
プ２６に進んでサンプルデータポインタｉの値をインク
リメントしてステップ２２に戻る。こうしてサンプルデ
ータポインタｉがサンプルデータの最後の値ｎとなるま
でステップ２３からステップ２６のループを繰り返すこ
とによって、全てのサンプルデータの値をその大きさに
応じた確率密度テーブルに振り分けてＡ（Ｘ　（１１）
の確率密度関数テーブルを完成させる。

そしてステップ２７に進んでサンプルデータポインタｉ
及び最大値レジスタｍをクリアし、ステップ２８に進ん
でサンプルデータポインタｉと最終値ｎを比較し、これ
らの値が等しくなければステップ２９に進む。ステップ
２９では最初のサンプルデータポインタｉが０であるの
で、確率密度データＡ（Ｘ　ｆｍ）　）がＡ（ＸｆＯ）
）を越えているかどうかをチェックする。Ａ＋Ｘ＋ｍ）
）が大きければステップ３ｏに進んでそのときのサンプ
ルデータポインタｉの値を最大値レジスタｍにストアし
、ステップ３Ｉに進んでサンプルデータポインタｉをイ
ンクリメントする。初期動作時のようにステップ２９に
おいてＡ（Ｘ　（ｍｌ　）がサンプルデータの確率値Ａ
（Ｘｍｌを越えていない場合には、ステップ３ｏを経る
ことなくステップ３１においてｉをインクリメントして
スチップ２８に戻る。こうしてステップ２８〜ステツプ
３１のループを繰り返すことにより全ての確率密度デー
タＡ（０）からＡ　ｆｋｌについて最大値Ａ（Ｘ＋ｍ）
）が求まり、同時にこの最大値に対応したサンプルデー
タ番号ｉが最大値レジスタｍに保持されることとなる。

そしてステップ３２に進んでそのときのＸ（ｍ）の値を
最大密度Ａ　Ｅ　＋ｍ＋としステップ３３に進んでその
値を最大密度データ領域Ｂ　（０１に保持する。ここで
Ａ／Ｄ変換器ＩＩのザンプリング周期を２００μｓとし
サンプリングデータ数ｎを４０００とすると、１つの最
大密度Ａ　Ｅ　（ｍｌを得るためのＡ／Ｄ変換に０．８
秒の時間を要することとなる。

そしてステップ３４においてポインタｒをｐ−ｉ　とし
、ステップ３５に進んで最大密度データ領域の最後順位
Ｂ　（ｐ）のデータが０でないかどうかをチェックする
。これが０でなければステップ３６に進んで最大密度デ
ータ領域Ｂ　（ｒｌ　／　Ｂ　（ｐ）を計算値レジスタ
Ｚにストアする。ステップ３７ではこのレジスタＺの値
が所定の閾値Ｔｈｌ〜Ｔｈ２の範囲内にあるがどうかを
チェックする。ここで閾値Ｔｈｌ、　Ｔｈ２は夫々１の
前後の値、例えば０．７及び１．２とする。さて計算値
レジスタＺの値がこの範囲内にあれば最大密度があまり
変化していないので要因判別データ領域５（０）を正常
切削要因「０」とし、この範囲内になければ５（０）を
損傷要因「１」として（ステップ３１１１．３９＞ステ
ップ４０に進む。ステップ４０では要因判別データ領域
の最後順位Ｓ　（ｑ−１）がＯでないかどうかをチェッ
クし、これがＯでなければステップ４１においてポイン
タｔをクリアする。そしてステップ４２．４３に進んで
要因判別データ領域５（ｔｌが損傷ビットパターンＴ　
（ｔｌ又はＴ”（ｔｌに等しいかどうかをチェックし、
等しければポインタｔをインクリメントしてｔがｑとな
るまでステップ４２からステップ４４の動作を繰り返す
。そしてポインタｔがＯからｑ−１まで要因判別データ
領域Ｓ　（ｔｌが損傷ビソトパタ・−ン領域Ｔ（ｔ）、
Ｔ”（１１と等しければ、ステップ４５に進んでマイク
ロコンピュータ１２より損傷表示器１３に損傷検知出力
を与えて工具の損傷を検知してこの処理を終了する。

一方ステップ４０において５（ｑ−１）が０であるか又
はステップ４２においてＳ　（ｔｌがＴ　ｆｔ）又はＴ
　’　（ｔ）と等しくなければ、ステップ４６に進んで
ＳＦ４域のシフトを行う。Ｓ領域のシフトではまずポイ
ンタＵをｑ−１、例えば判定データ数ｑが６である場合
にはＵを５とし、ステップ４７．４８に進んでＳ　（ｕ
−１）をＳ　（ｔｌｌにシフトしＵをディクリメントす
る。そしてステップ４９においてＵがＯとなるかどうか
をチェックする。ＵがＯでなければステップ４７．４８
の処理を繰り返し、ステップ５０に進んでＵがＯとなれ
ばポインタｒをディクリメントする。そしてステップ５
１においてポインタｒが−１となるかどうかをチェック
し、−１でなければステップ３５に戻って同様の処理を
繰り返す。ステップ５１又は３５においてポインタｒが
−１かＢ　（ｐｌがＯでなければ、ステップ５２以下に
おいて最大密度データのＢ領域を順次シフトする。即ち
ステップ５２においてポインタｊをデータ数ｐとし、ス
テップ５３．５４において最大密度データＢ（ｊ−１）
をＢ（ｊｌにストアし、ｊをディクリメントしてステッ
プ５５に進んでポインタｊが０であるかどうかをチェッ
クする。ポインタｊが０でなければステップ５３．５４
の処理を繰り返し、ポインタｊが０となればステップ５
６に進んで処理を終了してタイマのタイムアツプを待受
ける。このタイマはステップ２１の開始時より１秒間の
計時を行うタイマとし、タイムアツプがあればステップ
２１に進んで以後同様の処理を繰り返す。本実施例では
サンプリングによってＡ／Ｄ変換データを取込む時間を
０．８秒とし、その後の処理を０．２秒以内として１秒
毎に新しい最大密度データを得て工具の損傷を判別する
ようにしている。

（工具損傷検出時の動作） 次に本実施例による種々のＡＥ倍信号最大密度変化に対
する動作について更に詳細に説明する。

第１図のフローチャートのステップ３６〜３９に示すよ
うに本発明では複数の最大密度の比が所定範囲にあるか
どうかによって正常切削要因が損傷要因かを判別してい
る。そして１つの最大密度に対して何ステップ離れた最
大密度に対してまでその比を算出するかが判定ブロック
内データ数ｐとして表される。例えばｐを４とする場合
には、ある最大密度について４ステツプ先の最大密度ま
での比が算出される。第５図ｔａｌは工具の損傷による
最大密度Ａ　Ｅ　（ｍ）がステップ状に変化した場合で
あり、第５図（ｂｌは切屑等によって最大密度Ａ　Ｅ　
（ｍ）が突発的に上昇した場合を示している。第５図＋
ａｌではデータ数ｐが多い場合も少ない場合も損傷要因
と判定することができるが、第５図（ｂ）に示すように
突発的な最大密度の増加がある場合は判定ブロック内デ
ータ数ｐが小さければ誤って損傷と判定される場合があ
り、データ数ｐが多ければその形状を識別できるため最
大密度の突発的な上昇の影響を除くことができる。しか
しデータ数ｐをあまり大きくすれば応答速度が遅くなる
という問題点がある。従ってデータ数ｐの値はこのよう
な条件を勘案して本実施例では４に定めている。

一方判定データ数ｑは１つの最大密度を基準としてそこ
から４ステツプ離れた最大密度の比を算出して判別した
場合には、第６図に示すように基準とする最大密度が何
らかの事由で急激に低下した場合に誤って損傷を検出す
る可能性がある。従って基準とする最大密度を複数とす
るため判定データ数ｑを判定ブロック内データ数ｐより
大きくすることによって異なった最大密度に対しての比
を算出して損傷検出の可能性を小さくすることが好まし
い。本実施例では判定データ数ｑを６とし、６個の判定
データが所定の損傷ビットパターンを示した場合に工具
の損傷を検出している。

さて切削中に工具が損傷した場合には、一般的には最大
密度は例えば第７図に示すようにステップ状に上昇して
以後そのレベルを保つ。第８図（ａｌは損傷前後の変化
を拡大して示すものであって、ステップ２１からステッ
プ３２までの処理ルーチンにおいて１秒毎に最大密度Ａ
、　　Ｂ−一−−−−Ｆ、　Ｇ−・−のデータが得られ
たものとする。まず時刻ｔ１に最大密度としてＡのデー
タが得られればステップ３３において最大密度データ領
域Ｂ（０）がＡとなるが、ステップ３５においてＢ　（
４１（＝　Ｂ　ｆｐＨが０であるのでステップ５２〜５
５において最大密度データ領域Ｂが順次シフトされる。

時刻１．−１．までは同様にして最大密度データ領域Ｂ
（０）〜Ｂ（３）までより新しいデ−タＤ、Ｃ，Ｂ、Ａ
が順次最大密度データ領域Ｂ（０１，Ｂ（１１，ＢＦ２
＋、　　ＢＦ２＋にストアされる。そして時刻ｔ、に最
大密度としてＥが得られた場合には最大密度データＢ（
４）にＡがストアされるので、ステップ３５よりステッ
プ３６に進んでＢ　ｆ３１　／　Ｂ　（４１、即ち第８
図山）に示すようにＢ／Ａが演算されその比が所定の闇
値範囲にあるかどうかが判別される。第８図（ａｌに示
すように最大密度データＡ、Ｂがほぼ等しければ正常切
削要因であるため５（０）にＯがストアされる。この場
合には要因判別データ領域５（５）が０であるのでステ
ップ４６に進んでここで求めた要因判別データＳ領域が
順次シフトされる。そしてステップ５０に戻って第８図
（ｂｌに示すようにポインタｒが−１となるまで順次ス
テップ３６において最大確率密度Ａを基準としたデータ
Ｂ−Ｅの比が算出され、夫々要因判別データＳ領域に第
８図ｆｃｌに示すようにＯ又は１のパターンが書込まれ
る。そしてステップ５１においてポインタｒが−１とな
れば最大密度データ８ｗ４域がシフトされてステップ５
６に進んでタイムアツプを待受ける。さて時刻ｔ６には
最新の最大密度データＦが与えられるが、このときＢ（
４）の値は０でないのでステップ３６に進んでＢ　（３
１／　Ｂ　（４１、即ちＣｌ３が判別されてその処理結
果が５（０）領域に書込まれる。このとき５（５）が０
であるのでステップ４０からステップ４６に進んで再び
要因判別データＳ領域が順次シフトされ、ポインタｒが
ディクリメントされてステップ３５に戻る。

従ってＢ　（２１／　Ｂ　ｆ４１、即ちＤ／Ｂも演算さ
れて５（０）領域に書込まれ、全ての要因判別データ領
域５（０）〜５（５）に演算結果が書込まれることとな
る。さて最大密度データが第８図ｆ８）の曲線■に示す
ように変化した場合には第８図（ｂｌに示す演算処理の
結果、第８図（Ｃ１の曲線■に示すような要因判別デー
タ群が得られる。この場合にはＢ／Ａはそのレベルがほ
ぼ等しいため「０」であるが、Ｃ／Ａ−Ｅ／Ａ、Ｃｌ３
−Ｆ／Ｂは全て最大確率データがステップ状に変化する
ためその比が闇値レベルＴｈ２を越え、要因判別データ
は全て「１」となる。従ってあらかじめ定められている
損傷時のピントパターンとして第８図（Ｃ１に示すデー
タ群、即ちＴ（０）〜Ｔ（５）にｒｌ　１１１１１Ｊを
あらかじめ記憶させておくことによってステップ４１〜
４４によりその一致を判別して損傷を検出することがで
きる。又最大確率データが第８図（ａ）の曲線Ｈに示す
ように変化した場合には、第８図＋ｃ）に示すようにＣ
／Ａ、Ｃｌ３は「０」となるが、その他の比は曲線■と
同様に「１」となる。従ってビットパターン領域Ｔ”（
０）〜Ｔ”（５）に第８図ｔｅｌに示すような所定のビ
ットパターン、即ちｒｌ　１１０１１Ｊを記憶しておく
ことによってその一致を判別して工具の損傷を検出する
ことができる。

次に第９図に示すように摩耗が進行した工具で高速切削
を行った場合には最大密度データが不連続に徐々に増加
するが、第８図の曲線Ｉ又は■に示すように最大密度が
ステップ状に変化しないため誤検出することはない。又
第１０図に示すように切削中に連続的な切屑が現れて突
発的に最大密度が上昇する場合にも、所定期間そのレベ
ルを保たず直ちに低下するため前述した損傷ビットパタ
ーンＴ　（ｔｌやＴ”（ｔｌに一致せず誤って損傷を検
知することはなくなる。更に第１１図に示すように工具
の損傷が大きく最大密度データがステップ状に低下する
場合もある。このときには最大密度の比が下限の閾値レ
ベルＴｈｌ以下となるので損傷判別要因として要因判別
データ領域Ｂ（０）に１がセットされる。従ってこの場
合も同様にして損傷ビットパターンと比較することによ
り最大密度のステップ状の変化を検出して工具の損傷を
検出することができる。

尚本実施例は旋盤のバイトの損傷検出装置について説明
したが、本発明は他の工作機械、例えばボール盤やフラ
イス盤等の種々の工作機械に適用することが可能である
。

【図面の簡単な説明】

第１図は本発明による工具損傷検出装置の一実施例の動
作を示すフローチャート、第２図は本実施例を示すブロ
ック図、第３図はその記憶手段の記憶内容を示すメモリ
マツプ、第４図は任意の整流波形に対するサンプルデー
タポインタｉと各サンプルデータＸ（１）との関係を示
すグラフ、第５図ｔａ＋及び第５図（ｂｌは最大密度の
変化と判定ブロック内データ数ｐとの関係を示す図、第
６図は最大密度データの時間的な変化と判定データ数ｑ
との関係を示す図、第７図は工具が損傷したときの最大
密度の時間的な変化を示すグラフであり、第８図（ａｌ
はその損傷前後の最大密度の変化を時間領域に拡大して
示した図、第８図（ｂｌはそれに対する最大密度比の算
出データ群、第８図ｆｃｌは最大密度比に対応して得ら
れる要因判別データ群を示す図である。又第９図は摩耗
が進行した工具を用いて高速で切削加工したときの最大
密度の時間的な変化を示すグラフ、第１０図は連続型の
切屑が発生したときの最大密度の変化を示すグラフ、第
１１図は切削時に大きな欠損が生じたときの最大密度の
変化を示すグラフである。

Claims (3)

【特許請求の範囲】
1. （１）工作機械の工具、ワーク又はその近傍に設けられ
   たＡＥセンサと、 前記ＡＥセンサの整流信号を所定時間毎にサンプリング
   するサンプリング手段と、 前記サンプリング手段によってサンプリングされたデー
   タの所定時間毎の確率密度関数の最大密度を検出する最
   大密度検出手段と、 前記最大密度検出手段より得られる最大密度データの判
   定ブロック内での複数の比を算出する最大密度比算出手
   段と、 前記算出された最大密度比が設定された上下限値内にあ
   れば正常切削要因とし、この範囲を越えれば損傷要因と
   するデータ列を算出する要因判別データ算出手段と、 前記要因判別データ群が最大密度のステップ状変化を示
   す所定の損傷ビットパターンに一致するときに工具の損
   傷を検出するパターン判別手段と、を具備することを特
   徴とする工具損傷検出装置。
2. （２）前記要因判別データ算出手段により算出される要
   因判別データ数は、前記最大密度比算出手段より得られ
   る最大密度比数より多い数のデータを算出するものであ
   ることを特徴とする特許請求の範囲第１項記載の工具損
   傷検出装置。
3. （３）前記パターン判別手段の損傷ビットパターンは、
   所定時間内での最大密度のステップ状の変化によって定
   まるビットパターンであることを特徴とする特許請求の
   範囲第１項記載の工具損傷検出装置。