TWI695286B - 切削動態模擬方法 - Google Patents
切削動態模擬方法 Download PDFInfo
- Publication number
- TWI695286B TWI695286B TW108117989A TW108117989A TWI695286B TW I695286 B TWI695286 B TW I695286B TW 108117989 A TW108117989 A TW 108117989A TW 108117989 A TW108117989 A TW 108117989A TW I695286 B TWI695286 B TW I695286B
- Authority
- TW
- Taiwan
- Prior art keywords
- cutting
- tool
- workpiece
- dynamic
- data collection
- Prior art date
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Numerical Control (AREA)
Abstract
一種切削動態模擬方法，包含一準備步驟、一建立步驟、一預測步驟、依驗證步驟及一完成步驟，其中透過該資料收集平台，擷取機台的刀具執行切削加工時的特徵參數，並且配合該動態類神經建模系統進行動態分析，建立出一切削參數預測模型，讓使用者可在不用實際切銷的方式，預測出刀具的磨耗，進而找出最適合該刀具的切銷參數，不僅可降低生產成本，且可以減少使用者在試量產時，所浪費的加工工件以及刀具的磨耗，並且可進一步縮短加工的時間，藉以提供一不用實際切削即可準確取得刀具切削參數，進而降低生產成本切削動態模擬方法。
Description
本發明係關於一種動態模擬方法，尤指一種切削動態模擬方法。
現有工具機於加工時，必須經由實際加工工件之後，方能得到刀具的磨耗及工件的精度，並且經由其加工過程所得到如切削時間、主軸轉速、進給率、切削深度、寬度及工件精度...等等的相關參數，並且需經過多次加工及工件量測後，方能透過反覆調整前述相關參數的方式，得到該刀具適合加工的最佳參數。
然而，現有工具機雖可透過多次加工及量測的方式，經反覆調整後取得刀具適合加工的最佳參數，但會相對花費多次加工、量測及反覆調整所需的時間、人力與成本，並且會增加刀具磨耗及工件的浪費，實有加以改良之處。
因此，本發明有鑑於現有工具機取得刀具適合加工的最佳參數於實際操作時的缺失及不足，特經過不斷的試驗與研究，終於發展出一種能改進現有缺失之本發明，本發明切削動態模擬方法，不需進行實際切削，係透過切削時收集參數特徵，並經由一動態類神經進行建模，準確預測刀具的磨耗情形，進而找到適合刀具的最佳參數，藉以提供一不用實際切削即可準確取得刀具切削參數，進而降低生產成本的切削動態模擬方法之目的。
基於上述目的，本發明所運用的技術手段在於提供一切削動態模擬方法，其係包含有以下的操作步驟：
準備步驟：準備一機台、一資料收集平台、一動態類神經建模系統、一工件精度檢驗儀器及一刀具精度檢驗儀器，其中該機台具有一控制器及至少一刀具，該資料收集平台與該機台的控制器相連接，該動態類神經建模系統與該資料收集平台相連接，該工件精度檢驗儀器與該動態類神經建模系統相連接，該工件設置於該機台上並由該至少一刀具進行加工；建立步驟：經由該機台的控制器驅動該至少一刀具對於該工件進行切削加工，加工後該刀具透過刀具精度檢驗儀器進行檢驗，並經由該控制器將切削相關參數及刀具磨耗資料，傳送至該資料收集平台進行收集，該資料收集平台收集該切削相關參數後，將其傳送至該動態類神經建模系統進行運算，並且於切削加工後透過該工件精度檢驗儀器進行量測，並將量測後所得到的工件精度傳送至該動態類神經建模系統中，經由該動態類神經建模系統對於該切削相關參數、工件精度及刀具磨耗進行運算及動態分析，建立一切削參數預測模型；預測步驟：將切削相關參數、可預測刀具磨耗量及工件精度，輸入該前述建立步驟所建立的切削參數預測模型中，經運算後得到一切削預測參數，將該切削預測參數經該資料收集平台傳送至該機台的控制器中；驗證步驟：該機台的控制器經由該資料收集平台所傳送的切削預測參數，經由該至少一刀具對於該工件進行實際的切削加工，並於切削加工後，透過該刀具精度檢驗儀器量測加工刀具加工過後的實際刀具磨耗量，以及透過該工件精度檢驗儀器量測該工件加工後的實際工件精度；完成步驟：將預測步驟中的工件精度、刀具磨耗量與驗證步驟中的實際工件精度，輸送至該動態類神經件模系統進行比對及驗證，其中當比對及驗證結果不符合時，重複進行預測步驟及驗證步驟之操作流程，而當比對及驗證之結果符合時，則完成切削參數預測模型的建立。
進一步，如前所述之切削動態模擬方法，其中在建立步驟中，透過一Edge端的電腦做即時的資料收集，建立即時的系統建模。
再進一步，如前所述之切削動態模擬方法，其中在準備步驟中，該資料收集平台為一個具有OPC UA國際通訊協定的資料轉換閘道器，將所有設備的的資訊透過OPC UA通訊協定封裝，轉換成一個伺服器，進行資料的傳輸。
較佳的是，如前所述之切削動態模擬方法，其中在完成步驟中，該動態類神經件模系統會自動比對預測結果與實際加工切削後的結果，做為是否需重新更新的依據，透過新採集的數據自動建立新的系統模型，也可自行設定誤差率，做為系統更新的依據。
藉由上述的技術手段，本發明切削動態模擬方法，透過該資料收集平台，擷取機台的刀具執行切削加工時的特徵參數，如切銷時間、主軸轉速、個軸負載、進給率、切銷深度、切銷寬度、冷卻方式、刀具刃數、工件精度，經由該資料收集平台進行資料同步收集，並且配合該動態類神經建模系統進行動態分析，建立出依切削參數預測模型，讓使用者可在不用實際切銷的方式，預測出刀具的磨耗，進而找出最適合該刀具的切銷參數，不僅可降低生產成本，且可以減少使用者在試量產時，所浪費的加工工件以及刀具的磨耗，並且可進一步縮短加工的時間，藉以提供一不用實際切削即可準確取得刀具切削參數，進而降低生產成本的切削動態模擬方法之目的。
10:機台
11:控制器
20:資料收集平台
30:動態類神經建模系統
40:工件精度檢驗儀器
50:刀具精度檢驗儀器
圖1是本發明切削動態模擬方法的操作步驟方塊圖。
圖2是本發明切削動態模擬方法之建立步驟的操作流程方塊示意圖。
圖3是本發明切削動態模擬方法之預測步驟的操作流程方塊示意圖。
圖4是本發明切削動態模擬方法之驗證步驟的操作流程方塊示意圖。
圖5是本發明切削動態模擬方法之完成步驟的操作流程方塊示意圖。
圖6是本發明切削動態模擬方法的動態類神經件模系統之介面示意圖。
為能詳細瞭解本發明的技術特徵及實用功效，並可依照說明書的內容來實施，玆進一步以如圖式所示(如圖1及圖2所示)的較佳實施例，詳細說明如後。
本發明切削動態模擬方法，係包含以下的操作步驟：準備步驟：準備一機台10、一資料收集平台20、一動態類神經建模系統30、一工件精度檢驗儀器40、一工件及一刀具精度檢驗儀器50，其中該機台10具有一控制器11(CNC)及至少一刀具，該資料收集平台20為一個具有OPC UA國際通訊協定的資料轉換閘道器，將所有設備的的資訊透過OPC UA通訊協定封裝，轉換成一個伺服器，進行資料的傳輸，與該機台10的控制器11相連接，該動態類神經建模系統30與該資料收集平台20相連接，該工件精度檢驗儀器40與該動態類神經建模系統30相連接，該工件設置於該機台10上並由該至少一刀具進行加工，該刀具加工完後由刀具精度檢驗儀器50進行刀具磨耗檢驗將資料傳輸至控制器中11。
建立步驟：如圖2所示經由該機台10的控制器11驅動該至少一刀具對於該工件進行切削加工，加工後該刀具透過刀具精度檢驗儀器50，並經由該控制器11將切削相關參數及刀具磨耗資料，傳送至該資料收集平台20進行收集，該資料收集平台20收集該切削相關參數後，將其傳送至該動態類神經建模系統30進行運算，並且於切削加工後透過該工件精度檢驗儀器40進行量測，並將量測後所得到的工件精度傳送至該動態類神經建模系統30中，經由該動態類神經建模系統30如圖6所示，對於該切削相關參數、工件精度及刀具磨耗進行運算及動態分析，建立一切削參數預測模型。
預測步驟：如圖3所示將切削相關參數、可預測刀具磨耗量及工件精度，輸入該前述建立步驟所建立的切削參數預測模型中，經運算後得到一切削預測參數，將該切削預測參數經該資料收集平台20傳送至該機台10的控制器11中。
驗證步驟：如圖4所示該機台10的控制器11經由該資料收集平台20所傳送的切削預測參數，經由該至少一刀具對於該工件進行實際的切削加工，並於切削加工後，透過該刀具精度檢驗儀器50量測加工刀具過後的實際刀具磨耗量，透過該工件精度檢驗儀器40量測該工件加工後的實際工件精度。
完成步驟：如圖5所示，將預測步驟中的工件精度、刀具磨耗量與驗證步驟中的實際工件精度，輸送至該動態類神經件模系統30進行比對及驗證，其中當比對及驗證結果不符合時，重複進行預測步驟及驗證步驟之操作流程，而當比對及驗證之結果(工件精度及刀具磨耗)符合時，則完成切削參數預測模型的建立，進一步，該動態類神經件模系統30會自動比對預測結果與實際加工切削後的結果，做為是否需重新更新的依據，透過新採集的數據自動建立新的系統模型，也可自行設定誤差率，做為系統更新的依據。
藉由上述的技術手段，本發明切削動態模擬方法，透過該資料收集平台20，擷取機台11的刀具執行切削加工時的特徵參數，如切銷時間、主軸轉速、個軸負載、進給率、切銷深度、切銷寬度、冷卻方式、刀具刃數、工件精度，經由該資料收集平台20進行資料同步收集，並且配合該動態類神經建模系統30進行動態分析，建立出依切削參數預測模型，讓使用者可在不用實際切銷的方式，預測出刀具的磨耗，進而找出最適合該刀具的切銷參數，不僅可降低生產成本，且可以減少使用者在試量產時，所浪費的加工工件以及刀具的磨耗，並且可進一步縮短加工的時間，藉以提供一不用實際切削即可準確取得刀具切削參數，進而降低生產成本的切削動態模擬方法之目的。
以上所述，僅是本發明的較佳實施例，並非對本發明作任何形式上的限制，任何所屬技術領域中具有通常知識者，若在不脫離本發明所提技術方案的範圍內，利用本發明所揭示技術內容所作出局部更動或修飾的等效實施例，並且未脫離本發明的技術方案內容，均仍屬於本發明技術方案的範圍內。
Claims (5)
- 一種切削動態模擬方法，其係包含有以下的操作步驟：準備步驟：準備一機台、一資料收集平台、一動態類神經建模系統、一工件精度檢驗儀器及一刀具精度檢驗儀器，其中該機台具有一控制器及至少一刀具，該資料收集平台與該機台的控制器相連接，該動態類神經建模系統與該資料收集平台相連接，該工件精度檢驗儀器與該動態類神經建模系統相連接，該工件設置於該機台上並由該至少一刀具進行加工；建立步驟：經由該機台的控制器驅動該至少一刀具對於該工件進行切削加工，加工後該刀具精度檢驗儀器進行檢驗，並經由該控制器將切削相關參數及刀具磨耗資料，傳送至該資料收集平台進行收集，該資料收集平台收集該切削相關參數後，將其傳送至該動態類神經建模系統進行運算，並且於切削加工後透過該工件精度檢驗儀器進行量測，並將量測後所得到的工件精度傳送至該動態類神經建模系統中，經由該動態類神經建模系統對於該切削相關參數及工件精度、刀具磨耗進行運算及動態分析，建立一切削參數預測模型；預測步驟：將切削相關參數、可預測刀具磨耗量及工件精度，輸入該前述建立步驟所建立的切削參數預測模型中，經運算後得到一切削預測參數，將該切削預測參數經該資料收集平台傳送至該機台的控制器中；驗證步驟：該機台的控制器經由該資料收集平台所傳送的切削預測參數，經由該至少一刀具對於該工件進行實際的切削加工，並於切削加工後，透過該刀具精度檢測儀器量測該刀具加工後的實際刀具磨耗量，以及透過該工件精度檢驗儀器量測該工件加工後的實際工件精度；完成步驟：將預測步驟中的工件精度、刀具磨耗量與驗證步驟中的實際工件精度、刀具磨耗量，輸送至該動態類神經件模系統進行比對及驗證，其中當 比對及驗證結果不符合時，重複進行預測步驟及驗證步驟之操作流程，而當比對及驗證之結果符合時，則完成切削參數預測模型的建立。
- 一種如請求項1所述之切削動態模擬方法，其中在建立步驟中，透過一Edge端的電腦做即時的資料收集，建立即時的系統建模。
- 一種如請求項1或2所述之切削動態模擬方法，其中在資料收集步驟中，使用一種資料收集平台，其平台是一個具有OPC UA這個國際通訊協定的資料轉換閘道器，將所有設備的的資訊透過OPC UA通訊協定封裝，轉換成一個伺服器，進行資料的傳輸。
- 一種如請求項3所述之切削動態模擬方法，其中在完成步驟中，該動態類神經件模系統會自動比對預測結果與實際加工切削後的結果，做為是否需重新更新的依據，透過新採集的數據自動建立新的系統模型，也可自行設定誤差率，做為系統更新的依據。
- 一種如請求項1或2所述之切削動態模擬方法，其中在完成步驟中，該動態類神經件模系統會自動比對預測結果與實際加工切削後的結果，做為是否需重新更新的依據，透過新採集的數據自動建立新的系統模型，也可自行設定誤差率，做為系統更新的依據。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108117989A TWI695286B (zh) | 2019-05-24 | 2019-05-24 | 切削動態模擬方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108117989A TWI695286B (zh) | 2019-05-24 | 2019-05-24 | 切削動態模擬方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI695286B true TWI695286B (zh) | 2020-06-01 |
| TW202044090A TW202044090A (zh) | 2020-12-01 |
Family
ID=72176108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW108117989A TWI695286B (zh) | 2019-05-24 | 2019-05-24 | 切削動態模擬方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI695286B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113997122A (zh) * | 2021-11-17 | 2022-02-01 | 武汉理工大学 | 一种刀具磨损监测方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103177180A (zh) * | 2011-12-20 | 2013-06-26 | 郑芳田 | 预测模型的建模样本的筛选方法 |
| TWM533780U (en) * | 2016-09-13 | 2016-12-11 | Univ Shu Te | Equipment for predicting machine maintenance |
| TWI640390B (zh) * | 2017-03-24 | 2018-11-11 | 國立成功大學 | 刀具磨耗監測與預測方法 |
-
2019
- 2019-05-24 TW TW108117989A patent/TWI695286B/zh active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103177180A (zh) * | 2011-12-20 | 2013-06-26 | 郑芳田 | 预测模型的建模样本的筛选方法 |
| TWM533780U (en) * | 2016-09-13 | 2016-12-11 | Univ Shu Te | Equipment for predicting machine maintenance |
| TWI640390B (zh) * | 2017-03-24 | 2018-11-11 | 國立成功大學 | 刀具磨耗監測與預測方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113997122A (zh) * | 2021-11-17 | 2022-02-01 | 武汉理工大学 | 一种刀具磨损监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202044090A (zh) | 2020-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108620949B (zh) | 刀具磨耗监测与预测方法 | |
| CN106842922B (zh) | 一种数控加工误差优化方法 | |
| US7933679B1 (en) | Method for analyzing and optimizing a machining process | |
| CN104390657B (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
| CN113486457B (zh) | 一种压铸件缺陷预测及诊断系统 | |
| JP6940542B2 (ja) | 把持力調整装置及び把持力調整システム | |
| TW201820064A (zh) | 預測模型建立方法及其相關預測方法與電腦程式產品 | |
| TWI641931B (zh) | 工具機控制指令與參數的自動生成裝置及其方法 | |
| CN103984287A (zh) | 一种数控机床热误差补偿灰色神经网络建模方法 | |
| JP2009526296A (ja) | 工作機械の摩耗状態を算定するためのシステム | |
| JP6659652B2 (ja) | 加工条件調整装置及び機械学習装置 | |
| US20230004152A1 (en) | Method for monitoring and/or predecting machining processes and/or machnining outcomes | |
| CN109333160B (zh) | 高温合金钻削过程钻头磨损形式及磨损状态的在线监测方法 | |
| TWI695286B (zh) | 切削動態模擬方法 | |
| CN116703254B (zh) | 模具机械零部件生产信息管理系统 | |
| CN107066775A (zh) | 一种刀具车削温升均值的预测方法 | |
| Lipinski et al. | System for monitoring and optimization of micro-and nano-machining processes using intelligent voice and visual communication | |
| CN114266286B (zh) | 一种焊接过程信息的在线检测方法及装置 | |
| CN108563201B (zh) | 一种dmaic驱动的小批量零件加工工艺过程质量改进方法 | |
| Wernsing et al. | Parameter identification for finite element based models in dry machining applications | |
| Palani et al. | Prediction of surface roughness in end milling process by machine vision using neuro fuzzy network | |
| CN116372666A (zh) | 一种湿铣削的力-振动-噪声监测及预测系统 | |
| CN115879238A (zh) | 一种发动机整机及试验孪生体系模型构建方法 | |
| CN108334045A (zh) | 一种基于mbd的三维数字化检测系统及方法 | |
| CN202316544U (zh) | 冷轧表面质量自动评级系统 |