CN103760820B - 数控铣床加工过程状态信息评价装置 - Google Patents
数控铣床加工过程状态信息评价装置 Download PDFInfo
- Publication number
- CN103760820B CN103760820B CN201410051470.0A CN201410051470A CN103760820B CN 103760820 B CN103760820 B CN 103760820B CN 201410051470 A CN201410051470 A CN 201410051470A CN 103760820 B CN103760820 B CN 103760820B
- Authority
- CN
- China
- Prior art keywords
- evaluating apparatus
- data
- milling machine
- information
- mcu
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Numerical Control (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种数控铣床加工过程状态信息评价装置,由评价装置MCU将机床上的加工状态数据采集阵列装置、信息存储设备、数控***等装置连接成为半闭环控制回路。加工状态数据采集阵列采集数控机床加工过程中的主轴电流、进给电流、振动、加工温度等状态数据,并能够智能识别刀具磨损、破损、工件毛坯的材料缺陷等异常状态。通讯单元能够使加工状态信息采集阵列与评价装置MCU实现实时连接。评价装置MCU按照一定的算法对采集得到的加工状态参数进行检验分析,生成检验报告,并指导信息存储设备更新最优参数记录;同时评价装置MCU具有预判功能,在遇到不可处理的问题时提请报警,同时分析相应的错误原因并给出恰当的解决措施。本装置对铣床的加工参数和加工过程的状态信息进行检测。
Description
技术领域
本发明涉及数控铣床加工过程的状态信息评价,属于数控加工控制领域。
背景技术
对加工过程中状态的稳定性实施有效监测是提升数控整体技术水平的关键问题之一。数复杂性、非线性和不确定性是数控加工过程的显著特征,但是它是依据事先拟定的加工指令来实现的,是一种开环加工方式,这种方式忽略了机床加工过程中的外部干扰、机床本身的健康状况等不稳定因素造成的负面影响,严重影响了数控机床的加工性能和加工质量的提升,因此在加工过程对这些因素进行实时的监控评价和滚动优化就显得十分重要。数控铣床的加工属于断续切削过程,其加工过程更加复杂,加工过程中的不确定因素更多,如何在加工过程中实现加工信息的评价优化已经严重的制约了铣床加工质量的提高。
现有技术已对数控加工过程监控进行了较为广泛的研究,如中国专利申请文件“机床监控***”(申请号200510050791.X,申请日2005.07.15),是通过监控机床的运行作业信息,对机床的生产状况进行管理分析,实现了对机床和操作人员状况的有效了解和管理,该发明主要用于对生产过程的流程管理,并未涉及具体的监控算法。“一种数控机床加工性能监控***”(申请号200810048524.2,申请日2008.07.25),对多台机床的自身参数和现场加工状态进行检测,分析了机床当前加工性能及其发展趋势,保证了机床的加工安全和质量,该发明所反映的加工性能状态数据仅为:主轴电流、进给电机电流、主轴振动量,其表述机床的加工过程的信息比较单一,不足以综合反应机床的实际加工状态,且该发明主要针对网络化的信息传输,而非针对具体的机床加工过程的监测技术并未深入涉及。而“自适应控制车削操作的方法和***”(申请号99811978.4,申请日1999.09.02)只是针对车削加工提出了一种自适应的控制方法,涉及到了一些简单的车削加工过程,而车削加工过程为连续切削,其过程与机理相对简单,铣削过程则为断续切削,其过程及不确定性远比车削过程复杂。因此针对铣削加工过程状态信息评价优化方面的研发工作在国内尚空白,有待于加快速度进行相关研发。
发明内容
基于上述缺陷,本发明的目的在于提供一种数控铣床加工过程的状态信息评价装置,其能够对加工过程中状态信息的稳定性进行有效的检测,以提升数控技术整体水平。
为实现上述目的,本发明采用的技术方案如下:
一种数控铣床加工过程状态信息评价装置,包括评价装置MCU、通讯单元、加工状态数据采集阵列单元、信息存储设备和报警器,其特征在于:
所述的铣床加工过程状态信息采集阵列单元包括:信息采集模块、模式转换模块和控制服务模块,其中:
所述信息采集模块用于采集机床铣削加工过程中的主轴电流、进给电流、振动、加工温度等不同状态数据,并能够智能识别刀具磨损、破损、工件毛坯的材料缺陷等异常状态,这些信号构成加工过程信息阵列,工作时采集模块将获得的状态信号进行简单的预处理,然后传递给模式转换模块;
所述模式转换模块根据评价装置MCU的评价指标,对信息采集模块得到的信息阵列按照模糊分类模式识别的方法进行快速计算,使之成为评价装置MCU能够识别的量化的实际运行参数;
所述控制服务模块发送量化后的实际运行参数,接收评价装置MCU传递回来的控制参数、指导数控***进行相应的参数优化;在数控***不能够完成自适应优化的情况下可以提交报警申请,并给出相应的警告提示;
所述通讯单元内置增益元件和屏蔽电路,可有效地实现评价装置MCU与加工状态数据采集阵列单元之间的通讯;
所述评价装置MCU为具有完整的自我学习能力的计算机设备,能够保存加工历史过程中的最优参数,并将下一加工过程中的参数信息与最优解进行对比,生成检验报告,并据此做出机床参数调整的决策结果;
所述信息存储设备用于快速存储铣床的加工参数,并对按照加工工件形状、工艺、材质进行分类、保证在下一次在相同加工条件下能够快速的使铣床的加工工艺性能达到最佳;
所述报警器是指在加工工艺性能参数远离最佳参数且不能够通过评价装置MCU和数控***得到有效调节时进行报警的一种服务装置;所述铣床加工工艺性能的主要参数包括:主轴电机电流、进给电机电流,振动、发热。
其中,所述信息采集模块包括以下两种:
1)利用伺服调整工具采集数控***所给定的指令位置、指令速度、指令电机位置、指令脉冲位置、力矩电流、指令电机位置、指令脉冲位置,并根据数控***得到的反馈信息推算出工作台的实际位置、实际速度、跟随误差、实际电机位置,实际脉冲位置、指令增量行号的数字化信息,并将采集到的数据保存为txt文件;
2)利用指令域示波器采集加工过程的跟踪误差、电机电流、主轴功率、主轴振动等状态数据,使其与加工指令相对应形成以G代码为自变量的实时监控图像,并将采集得到的数据以txt文档的形式进行保存。
其中,所述模式转换模块将信息采集模块得到的信息按照模糊分类模式识别的方法进行加工处理,绘制出时域信号图像和指令域信号图像,生成信号微波图像,在显示器上进行显示;,同时保存为相应的文档,以便发送给评价装置MCU。
其中,所述控制服务模块控制服务模块内置ARM芯片,可将模式转换模块变换后的数据进行打包压缩,以加快信息传递速度;同时控制服务模块还接受评价装置MCU所发出的指令数据,进行解压和派送,以控制铣床加工参数的优化和升级,确保铣床可以实时更新加工数据;数据压缩的算法为HCNCDatacompression算法,解压过程为HCNCDatacompression算法的逆向过程。
其中,所述通讯单元由光纤或者是基于wifi的无线网络发送接收模块、保护电路、增益电路、屏蔽电路构成。
其中,所述评价装置MCU对采集得到的加工状态数据和数控机床原有的最优状态参数进行对比,并将最终结果传递给信息存储设备和控制服务模块,通过控制服务模块控制、更新数控铣床的加工参数;通过HCNCdetermine算法判断机床的加工参数是否在可优化处理的范围内,并根据判断结果进行实时报警指令的发送,显示相应的解决方案。
其中,还包括数控铣床健康评价体系的建立,其包括数控铣床心电图、工艺设备疲劳指数和加工精度三部分,所述数控铣床心电图利用采集得到的主轴电流信号和进给电流信号,在时域上形成以幅值和波形为因变量的数控铣床心电图,反映数控铣床在加工过程中主轴电流、进给电流在刀路轨迹变化的情况下的大小和平稳度,用来研究数控机床的主轴***的稳定性和进给***的精准性;所述工艺设备疲劳指数利用采集得到的加工状态的振动信息,转换成为相应的电信号,绘制进给速度-振动图像(V-v图)、主轴转速-振动图像(V-w图)、时间-振动图像(V-t图)、切削深度-振动图像(V-d图),分析在不同加工参数的匹配下,数控铣床加工的稳定性并由此推断数控铣床的疲劳指数;所述加工精度根据视觉传感器采集得到的工件加工后的几何尺寸和工件表面的纹波情况,与设计的加工工艺对应的质量参数相对比,评价数控铣床的加工精度和表面质量。
其中,所述评价装置MCU还包括工作日志的管理日志,其是指评价装置所指定对象的历史最优加工参数记录按时间有序的集合;每个日志文件由日志记录组成,每条日志记录描述了一次最有历史参数的优化状况,评价装置中的日志实时更新。
其中,所述评价装置MCU还包括日志管理控制器,主要有以下功能:
a、监控程序算法的运行状况,发现异常功能产生预警;
b、连接程序算法要求其发送日志文件以存入日志存储单元,并将相关的发送记录存入日志管理控制器的指定文件;
c、将缓存的加密日志文件解密后以原始日志文件的形式发送给日志存储服务器存储,定期删除缓存的日志文件;
d、查询日志存储服务器的日志文件容量,提示各日志服务器的硬盘剩余空间;
e、对日志存储服务器中的日志文件进行备份,分解有关日志文件中的日志数据,并存入日志数据库;
f、对日志数据库中的日志数据进行查询、生成统计表;
为减少拒绝服务攻击的可能性,可为各种不同的日志文件创建独立文件分区作为缓存空间。
其中,所述模糊分类模式识别的方法对于多类模式识别问题,可通过两类问题的组合来实现,一对多和一对一策略;一对多策略就是一个分类器将每一类与剩下所有类别区分开来;一对一就是一个分类器每次完成二选一;采用一对多策略并进行逐步的筛检,第一步,将所采集到的信息按照***既定的重要程度依次录入打包等待第二步的计算;第二步,即把第一步获得的采集结果按照***需求转换成为数字信号,保存成为相应的数据文本;第三步,根据第二步得到的数据文本,按照时域和频域的数据过渡过程的不同绘制出时域信号图像和指令域信号图像,生成信号微波图像;
所述HCNCDatacompression算法为:第一步按照规定的表现模式对数据单元进行分组;第二步对于单元的各个分组,制定一个组特定码,所述组码的大小按照组内数据所照容量的大小来确定;第三步指定特定的单元标示符码,用于识别组内的单独字符,所属总码包括相互连接的组特定码和标识符码,其特征在于标识符码的大小为最小,以使可在那个组中出现的每个单元被具体制指定;
HCNCdetermine算法为:第一步,对一组数据标本用候选方法和对比方法同时进行分析测定,最后观测两组数据的不同;第二步,按照既定的评价标准确定最佳数据;第三步,若新采集数据为最佳数据,则不发出指令,否则按照第四步继续进行;第四步,确定原因并判断是否出现了劣化趋势,对应原因按照设计的优化步骤进行加工参数的优化处理,如若出现劣化趋势则进行第五步;第五步,确定劣化原因同时给报警器发出报警指令,铣床停止工作。
由上所述,本发明的数控铣床加工过程状态信息评价装置,由评价装置MCU将机床上的加工状态数据采集阵列单元、信息存储设备、数控***等装置连接成为半闭环控制回路。加工状态数据采集阵列采集数控机床加工过程中的主轴电流、进给电流、振动、加工温度等状态数据,并能够智能识别刀具磨损、破损、工件毛坯的材料缺陷等异常状态。通讯单元能够快速的实现数据上行下行服务,使加工状态信息采集阵列单元与评价装置MCU实现实时连接。评价装置MCU内含历史加工过程中的最优参数记录,按照一定的算法对采集得到的加工状态参数进行检验分析,生成检验报告,并指导信息存储设备更新最优参数记录;同时评价装置MCU具有预判功能,在遇到不可处理的问题时提请报警,同时分析相应的错误原因并给出恰当的解决措施。本装置对铣床的加工参数和加工过程的状态信息进行检测。拥有自我学***。
附图说明
图1为本发明信息评价装置的整体构架图;
图2为本发明中采用的光纤通讯单元的示意图;
图3为本发明采用的基于wifi的无线通讯单元的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明的数控铣床加工过程状态信息评价装置,包括评价装置MCU(MicroControlUnit,微处理单元)、通讯单元、加工状态数据采集阵列、信息存储设备和报警器,所述的铣床加工过程状态信息采集阵列单元包括:信息采集模块、模式转换模块和控制服务模块,其中信息采集模块分为手持式和固定式两种,包含大量的单片***,连接不同物理属性的传感器,其种类和数量可以根据实际需要进行任意的增减,比如可以采集机床铣削加工过程中的主轴电流、进给电流、振动、加工温度等不同状态数据,并能够智能识别刀具磨损、破损、工件毛坯的材料缺陷等异常状态。这些信号构成加工过程信息阵列,工作时采集模块将获得的状态信号进行简单的预处理,然后传递给模式转换模块;模式转换模块根据评价装置MCU的评价指标,对信息采集模块得到的信息阵列按照模糊分类模式识别的方法进行快速计算,使之成为评价装置MCU能够识别的量化的实际运行参数;控制服务模块发送量化后的实际运行参数,接受评价装置MCU传递回来的控制参数、指导数控***进行相应的参数优化。在数控***不能够完成自适应优化的情况下可以提交报警申请,并给出相应的警告提示和解决方法;本功能为国产华中8型数控***的配套设备,对于其他品牌的数控***则为选配项。
本发明的通讯单元内置增益元件和屏蔽电路,可以有效地实现评价装置MCU与监控检测设备之间的通讯,同时还可以保证所传递的信号的纯净性和完整性。
本发明评价装置MCU是具有完整的自我学习能力的计算机设备,可以保存加工历史过程中的最优参数,并将下一加工过程中的参数信息与最优解进行对比,生成检验报告;据此做出机床参数调整的决策结果。
信息存储设备主要是用来快速存储铣床的加工参数,并对其进行分类,例如可以按照加工工件形状、工艺、材质等元素进行分类、保证在下一次在相同加工条件下能够快速的使铣床的加工工艺性能达到最佳。
报警器是指在加工工艺性能参数远离最佳参数且不能够通过评价装置MCU和数控***得到有效调节时进行报警的一种服务装置,它可以反映机床加工工艺性能的劣化趋势,适时地的提请人工干预。对于具有自动调节功能的华中8型***,可借助评价装置的决策结果,接受参数调整指令自主的进行滚动优化,调整加工状态,直至达到最优加工状态为止。
其中,反映铣床加工工艺性能的主要参数包括:主轴电机电流、进给电机电流,振动、发热等。
本发明的信息采集模块可以有以下两种方式:
1)利用伺服调整工具(HCNCServoSelf-adaptedTurningTool简称SSTT)采集数控***所给定的指令位置、指令速度、指令电机位置、指令脉冲位置、力矩电流、指令电机位置、指令脉冲位置,并根据数控***得到的反馈信息推算出工作台的实际位置、实际速度、跟随误差、实际电机位置,实际脉冲位置、指令增量行号的数字化信息,并将采集到的数据保存为txt文件(具体数据类型根据华中数控8型***确定);
2)利用指令域示波器(HCNCG-codeoscilloscope简称GCOSC)采集加工过程的跟踪误差、电机电流、主轴功率、主轴振动等状态数据,使其与加工指令相对应形成以G代码为自变量的实时监控图像,并将采集得到的数据以txt文档的形式进行保存(具体数据类型根据华中数控8型***确定)。
在采集到数据之后,模式转换模块将信息采集模块得到的信息按照HCNC-M-modeswapping算法进行加工处理,绘制出指令域图像和时域图像,同时保存为相应的数据文本,以便发送给评价装置MCU;
控制服务模块内置ARM芯片,可以将模式转换模块变换后的数据进行打包压缩,以加快信息传递速度;同时控制服务模块还可以接受评价装置MCU所发出的指令数据,进行解压和派送,以控制铣床加工参数的优化和升级,,确保铣床可以实时更新加工数据;数据压缩的算法为HCNCDatacompression算法,解压过程为HCNCDatacompression算法的逆向过程。
通讯单元由光纤(或是基于wifi的无线网络发送接收模块)、保护电路、增益电路、屏蔽电路构成,并按照图2以及图3所示进行设计调配。
本发明的评价装置MCU内置Intel酷睿i74770K型MCU,利用大数据原理下自行设计的HCNCdetermine算法,对采集得到的加工状态数据和数控机床原有的最优状态参数进行对比,并将最终结果传递给信息存储设备和控制服务模块,通过控制服务模块控制、更新数控铣床的加工参数;通过HCNCdetermine算法判断机床的加工参数是否在可优化处理的范围内,并根据判断结果进行实时报警指令的发送,显示相应的解决方案;另外还包括数控铣床健康评价体系的建立,包括数控铣床心电图(ElectrocardiographyForHCNCMillingmachine,简称HCNC-M-ECG)、工艺设备疲劳指数(HCNCMillingmachineindexoffatigue简称HCNC-M-FI)和加工精度(PrecisionRatio简称PR)三部分以及工作日志的管理日志(Log)。
其中所述的数控铣床心电图(HCNC-M-ECG)利用采集得到的主轴电流信号和进给电流信号,在时域上形成以幅值和波形为因变量的数控铣床心电图,它反映出了数控铣床在加工过程中主轴电流、进给电流在刀路轨迹变化的情况下的大小和平稳度,以研究数控机床的主轴***的稳定性和进给***的精准性;
所述的工艺设备疲劳指数(HCNC-M-FI)利用采集得到的加工状态的振动信息,转换成为相应的电信号,绘制进给速度-振动图像(V-v图)、主轴转速-振动图像(V-w图)、时间-振动图像(V-t图)、切削深度-振动图像(V-d图),分析在不同加工参数的匹配下,数控铣床加工的稳定性并由此推断数控铣床的疲劳指数;
所述加工精度(PR)根据视觉传感器采集得到的工件加工后的几何尺寸和工件表面的纹波情况,与设计的加工工艺对应的质量参数相对比,评价数控铣床的加工精度和表面质量;
所述工作日志的管理日志(Log)是指评价装置所指定对象的历史最优加工参数记录按时间有序的集合。每个日志文件由日志记录组成,每条日志记录描述了一次最有历史参数的优化状况。评价装置中的日志是实时更新的,因此对日志进行实时的统一管理显得十分重要,基于此构建一个日志管理控制器,主要有以下功能:
a、监控程序算法的运行状况,发现异常功能产生预警;
b、连接程序算法要求其发送日志文件以存入日志存储单元,并将相关的发送记录存入日志管理控制器的指定文件;
c、将缓存的加密日志文件解密后以原始日志文件的形式发送给日志存储服务器存储,定期删除缓存的日志文件;
d、查询日志存储服务器的日志文件容量,提示各日志服务器的硬盘剩余空间;
e、对日志存储服务器中的日志文件进行备份,分解有关日志文件中的日志数据,并存入日志数据库;
f、对日志数据库中的日志数据进行查询、生成统计表。
为减少拒绝服务攻击的可能性,可为各种不同的日志文件创建独立文件分区作为缓存空间。
通过工作日志的存储和更新,可以及时的选用最优的加工数据参数,对机床的加工状态和性能进行健康预测和实时预警,避免数控铣床的带病工作,保证数控设备在长期加工的工况下的设备的安全稳定性。
下面对于上文提到的各种算法进行详细说明:
HCNC-M-modeswapping算法,对于多类模式识别问题,本算法可通过两类问题的组合来实现,一对多和一对一策略。一对多策略就是一个分类器将每一类与剩下所有类别区分开来。一对一就是一个分类器每次完成二选一。本实施例使用一对多并进行逐步的筛检,具体地,第一步,将所采集到的信息按照***既定的重要程度依次录入打包,等待第二步的计算;第二步,即把第一步获得的采集结果按照***需求转换成为数字信号,(具体类型按照***的设定可调);第三步,根据第二步得到的数据文本,按照时域和频域的数据过渡过程的不同绘制出时域信号图像和指令域信号图像,生成信号微波图像。
HCNCDatacompression算法,第一步按照规定的表现模式对数据单元进行分组;第二步对于单元的各个分组,制定一个组特定码,所述组码的大小按照组内数据所照容量的大小来确定;第三步指定特定的单元标示符码,用于识别组内的单独字符,所属总码包括相互连接的组特定码和标识符码,其特征在于标识符码的大小为最小,以使可在那个组中出现的每个单元被具体制指定。
HCNCdetermine算法,第一步,对一组数据标本用候选方法和对比方法同时进行分析测定,最后观测两组数据的不同;第二步,按照既定的评价标准确定最佳数据;第三步,若新采集数据为最佳数据,则不发出指令,否则按照第四步继续进行;第四步,确定原因并判断是否出现了劣化趋势,对应原因按照设计的优化步骤进行加工参数的优化处理,如若出现劣化趋势则进行第五步;第五步,确定劣化原因同时给报警器发出报警指令,铣床停止工作。
以上所述,仅为本发明较佳的具体实施方式,但本发明保护的范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种数控铣床加工过程状态信息评价装置,包括评价装置MCU、通讯单元、加工状态数据采集阵列单元、信息存储设备和报警器,其特征在于:
所述加工状态数据采集阵列单元包括:信息采集模块、模式转换模块和控制服务模块,其中:
所述信息采集模块分为手持式和固定式两种,用于采集机床铣削加工过程中的主轴电流、进给电流、振动、加工温度这些不同状态数据,并能够智能识别刀具磨损、破损、工件毛坯的材料缺陷这些异常状态,这些信号构成加工过程信息阵列,工作时采集模块将获得的状态信号进行滤波处理,然后传递给模式转换模块;
所述模式转换模块根据评价指标,对信息采集模块得到的信息阵列按照模糊分类模式识别的方法进行快速计算,使之成为评价装置MCU能够识别的量化的实际运行参数;
所述控制服务模块发送量化后的实际运行参数,接收评价装置MCU传递回来的控制参数、指导数控***进行相应的参数优化;在数控***不能够完成自适应优化的情况下提交报警申请,并给出相应的警告提示;
所述通讯单元内置增益元件和屏蔽电路,可实现评价装置MCU与监控检测设备之间的通讯;
所述评价装置MCU为具有完整的自我学习能力的计算机设备,能够保存加工历史过程中的最优参数,并将下一加工过程中的参数信息与最优解进行对比,生成检验报告,并据此做出机床参数调整的决策结果;
所述信息存储设备用于快速存储铣床的加工参数,并对按照加工工件形状、工艺、材质进行分类、保证在下一次在相同加工条件下能够快速的使铣床的加工工艺性能达到最佳;
所述报警器是指在加工工艺性能参数远离最佳参数且不能够通过评价装置MCU和数控***得到有效调节时进行报警的一种服务装置。
2.如权利要求1所述的评价装置,其特征在于:所述信息采集模块包括以下两种:
1)利用伺服调整工具采集数控***所给定的指令位置、指令速度、指令电机位置、指令脉冲位置、力矩电流,并根据数控***得到的反馈信息推算出工作台的实际位置、实际速度、跟随误差、实际电机位置,实际脉冲位置、指令增量行号的数字化信息,并将采集到的数据保存为txt文件;
2)利用指令域示波器采集加工过程的跟踪误差、电机电流、主轴功率、主轴振动等状态数据,使其与加工指令相对应形成以G代码为自变量的实时监控图像,并将采集得到的数据以txt文档的形式进行保存。
3.根据权利要求2所述的评价装置,其特征在于:
所述模式转换模块将信息采集模块得到的信息按照模糊分类模式识别的方法进行加工处理,形成指令域图像和时域图像,并保存为相应的文档,以便发送给所述评价装置MCU。
4.根据权利要求3所述的评价装置,其特征在于:
所述控制服务模块的核心为ARM芯片,利用ARM的多通道及快速信息处理能力可将模式转换模块变换后的数据进行打包压缩,以加快信息传递速度;同时控制服务模块还接受评价装置MCU所发出的指令数据,进行解压和派送,以控制铣床加工参数的优化和升级,确保铣床可以实时更新加工数据;数据压缩的算法为HCNCDatacompression算法,解压过程为HCNCDatacompression算法的逆向过程。
5.根据权利要求1-4任一项所述的评价装置,其中,
所述通讯单元由光纤或者是基于wifi的无线网络发送接收模块、保护电路、增益电路、屏蔽电路构成。
6.根据权利要求1-4任一项所述的评价装置,其中,
所述评价装置MCU对采集得到的加工状态数据和数控机床原有的最优状态参数进行对比,并将最终结果传递给信息存储设备和控制服务模块,通过控制服务模块控制、更新数控铣床的加工参数;通过HCNCdetermine算法判断机床的加工参数是否在可优化处理的范围内,并根据判断结果进行实时报警指令的发送,显示相应的解决方案。
7.根据权利要求6所述的评价装置,其中,还包括数控铣床健康评价体系的建立,具体包括数控铣床心电图、工艺设备疲劳指数和加工精度三部分,
所述数控铣床心电图是指利用采集得到的主轴电流信号和进给电流信号,在时域上形成以幅值和波形为因变量的数控铣床心电图,反映数控铣床在加工过程中主轴电流、进给电流在刀路轨迹变化的情况下的大小和平稳度,用来研究数控机床的主轴***的稳定性和进给***的精准性;
所述工艺设备疲劳指数利用采集得到的加工状态的振动信息,转换成为相应的电信号,绘制进给速度-振动图像、主轴转速-振动图像、时间-振动图像、切削深度-振动图像,分析在不同加工参数的匹配下,数控铣床加工的稳定性并由此推断数控铣床的疲劳指数;
所述加工精度根据视觉传感器采集得到的工件加工后的几何尺寸和工件表面的纹波情况,与设计的加工工艺对应的质量参数相对比,评价数控铣床的加工精度和表面质量。
8.根据权利要求6所述的评价装置,其中,所述评价装置MCU还包括工作日志的管理日志,其是指评价装置所指定对象的历史最优加工参数记录按时间有序的集合;每个日志文件由日志记录组成,每条日志记录描述了一次有历史参数的优化状况,评价装置中的日志实时更新。
9.根据权利要求8所述的评价装置,其中,所述评价装置MCU还包括日志管理控制器,有以下功能:
a、监控程序算法的运行状况,发现异常功能产生预警;
b、连接程序算法要求其发送日志文件以存入日志存储单元,并将相关的发送记录存入日志管理控制器的指定文件;
c、将缓存的加密日志文件解密后以原始日志文件的形式发送给日志存储服务器存储,定期删除缓存的日志文件;
d、查询日志存储服务器的日志文件容量,提示各日志服务器的硬盘剩余空间;
e、对日志存储服务器中的日志文件进行备份,分解有关日志文件中的日志数据,并存入日志数据库;
f、对日志数据库中的日志数据进行查询、生成统计表;
为减少拒绝服务攻击的可能性,可为各种不同的日志文件创建独立文件分区作为缓存空间。
10.如权利要求6所述的评价装置,其中,其特征在于:
所述模糊分类模式识别的方法对于多类模式识别问题,可通过两类问题的组合来实现,一对多和一对一策略;一对多策略就是一个分类器将每一类与剩下所有类别区分开来;一对一就是一个分类器每次完成二选一;
其中,采用一对多策略时,第一步是进行逐步的筛检,将所采集到的信息按照***既定的重要程度依次录入打包等待第二步的计算;第二步,把第一步获得的采集结果按照***需求转换成为数字信号;第三步,根据第二步得到的数据文本,按照时域和频域的数据过渡过程的不同绘制出时域信号图像和指令域信号图像,生成信号微波图像;
所述HCNCDatacompression算法为:第一步按照规定的表现模式对数据单元进行分组;第二步对于单元的各个分组,制定一个组特定码,所述组特定码的大小按照组内数据所照容量的大小来确定;第三步指定特定的单元标示符码,用于识别组内的单独字符,所属总码包括相互连接的组特定码和标识符码,其特征在于标识符码的大小为最小,以使可在那个组中出现的每个单元被具体指定;
HCNCdetermine算法为:第一步,对一组数据标本用候选方法和对比方法同时进行分析测定,最后观测两组数据的不同;第二步,按照既定的评价标准确定最佳数据;第三步,若新采集数据为最佳数据,则不发出指令,否则按照第四步继续进行;第四步,确定原因并判断是否出现了劣化趋势,对应原因按照设计的优化步骤进行加工参数的优化处理,如若出现劣化趋势则进行第五步;第五步,确定劣化原因同时给报警器发出报警指令,铣床停止工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410051470.0A CN103760820B (zh) | 2014-02-15 | 2014-02-15 | 数控铣床加工过程状态信息评价装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410051470.0A CN103760820B (zh) | 2014-02-15 | 2014-02-15 | 数控铣床加工过程状态信息评价装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103760820A CN103760820A (zh) | 2014-04-30 |
CN103760820B true CN103760820B (zh) | 2015-11-18 |
Family
ID=50528075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410051470.0A Expired - Fee Related CN103760820B (zh) | 2014-02-15 | 2014-02-15 | 数控铣床加工过程状态信息评价装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103760820B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4306074A1 (de) * | 2022-07-14 | 2024-01-17 | Ivoclar Vivadent AG | Herstellungsgerät für eine dentale restauration |
Families Citing this family (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6140119B2 (ja) | 2014-09-25 | 2017-05-31 | ファナック株式会社 | 工作機械の制御盤の雰囲気を監視し制御する装置 |
CN104570932B (zh) * | 2014-11-21 | 2015-11-18 | 华中科技大学 | 一种数控***加工过程数据的采集、转储方法及其*** |
CN104750027B (zh) * | 2015-04-10 | 2017-10-24 | 大连理工大学 | 一种基于机床主轴功率信号的刀具破损预警*** |
CN104808585B (zh) * | 2015-04-13 | 2016-09-07 | 华中科技大学 | 一种机床健康状态快速检查方法 |
CN104950809A (zh) * | 2015-06-09 | 2015-09-30 | 柳州弘天科技有限公司 | 数控铣床监控*** |
US10210722B2 (en) * | 2015-06-15 | 2019-02-19 | Immersion Corporation | Haptic notification communication system |
CN104942350B (zh) * | 2015-06-30 | 2017-06-30 | 哈尔滨理工大学 | 淬硬钢试件、工艺检测方法、设计方法、车门铣削方法 |
CN105014460A (zh) * | 2015-07-07 | 2015-11-04 | 成都亨通兆业精密机械有限公司 | 一种精密加工微量进给*** |
CN105058165A (zh) * | 2015-08-08 | 2015-11-18 | 电子科技大学 | 基于振动信号的刀具磨损量监测*** |
JP6077617B1 (ja) * | 2015-09-25 | 2017-02-08 | ファナック株式会社 | 最適な速度分布を生成する工作機械 |
CN105334803B (zh) * | 2015-12-15 | 2017-09-26 | 华中科技大学 | 基于主轴电流分析的数控机床粗加工工艺参数优化方法 |
CN107650111A (zh) * | 2016-07-26 | 2018-02-02 | 耿跃峰 | 一种工业机器人 |
CN109079207B (zh) * | 2016-09-08 | 2020-10-16 | 嘉兴笼列电子商务有限公司 | 铣床 |
DE102016117101A1 (de) * | 2016-09-12 | 2018-03-15 | Komet Group Gmbh | Verfahren zum Überwachen von zumindest einer Werkzeugmaschine und Fertigungsanlage |
JP6470251B2 (ja) * | 2016-12-26 | 2019-02-13 | ファナック株式会社 | 数値制御装置及び機械学習装置 |
CN106909125B (zh) * | 2016-12-26 | 2020-08-28 | 武汉华中数控股份有限公司 | 一种电机加工性能指标的监测***及方法 |
CN106885547B (zh) * | 2017-04-27 | 2019-08-02 | 洛阳中的电子科技有限公司 | 一种机床用主动测量仪 |
CN107159964B (zh) * | 2017-07-03 | 2018-12-18 | 杭州电子科技大学 | 卧式内拉床智能拉削单元 |
DE102017120518A1 (de) * | 2017-09-06 | 2019-03-07 | Komet Deutschland Gmbh | Verfahren zum Überwachen einer Werkzeugmaschine, insbesondere auf Werkzeugbruch |
JP6698604B2 (ja) * | 2017-09-29 | 2020-05-27 | ファナック株式会社 | 数値制御システム、及び工具状態検知方法 |
CN107728594A (zh) * | 2017-11-14 | 2018-02-23 | 常州普莱德新能源电池科技有限公司 | 追溯***和追溯方法 |
JP6680756B2 (ja) * | 2017-12-26 | 2020-04-15 | ファナック株式会社 | 制御装置及び機械学習装置 |
CN108710343B (zh) * | 2018-04-02 | 2021-01-29 | 厦门大学深圳研究院 | 状态监控的制造单元智能控制方法、装置、设备及*** |
CN108490879B (zh) * | 2018-04-24 | 2021-01-15 | 湖北文理学院 | 一种基于近似熵的数控机床丝杠健康状态评估方法 |
US11054803B2 (en) | 2018-07-13 | 2021-07-06 | Delta Electronics, Inc. | Motor drive, production system and method thereof with quality measuring and mechanism diagnosing functions using real and virtual system modules |
CN110716509B (zh) * | 2018-07-13 | 2021-06-04 | 台达电子工业股份有限公司 | 具品质测量与机构诊断功能的生产***及其驱动器与方法 |
CN109164755B (zh) * | 2018-08-22 | 2020-07-28 | 西门子工厂自动化工程有限公司 | 控制工具对工件定长切割的加工方法、切割装置和机床 |
CN109262369B (zh) * | 2018-09-13 | 2020-02-21 | 成都数之联科技有限公司 | 一种刀具状态检测***及方法 |
WO2020188462A1 (en) * | 2019-03-15 | 2020-09-24 | Bhojraj Hemraj Teli | A performance monitoring system of a cnc machine |
CN110428020A (zh) * | 2019-08-13 | 2019-11-08 | 树根互联技术有限公司 | 刀具健康评估模型训练方法、装置及电子设备 |
CN110531722B (zh) * | 2019-09-12 | 2021-05-28 | 四川长虹电器股份有限公司 | 基于数据采集的工艺参数推荐***及方法 |
CN111007817A (zh) * | 2019-12-11 | 2020-04-14 | 三一重工股份有限公司 | 设备加工工件质量检测方法、装置及计算机可读存储介质 |
CN111258250A (zh) * | 2020-01-19 | 2020-06-09 | 济南热力工程有限公司 | 一种大管径电预热补偿评价装置 |
CN111442133A (zh) * | 2020-01-19 | 2020-07-24 | 济南热力工程有限公司 | 一种大管径电预热补偿控制方法 |
CN113495528A (zh) * | 2020-04-07 | 2021-10-12 | 沈机(上海)智能***研发设计有限公司 | 非侵入式机床动态性能检测方法、***、终端及装置 |
CN111702557B (zh) * | 2020-04-30 | 2022-09-30 | 工业互联网创新中心(上海)有限公司 | 铣床在铣削键槽时的异常诊断方法及设备 |
CN112051812A (zh) * | 2020-08-21 | 2020-12-08 | 顾洋 | 一种机械部件的智能化制作***及其工作方法 |
CN112068484B (zh) * | 2020-09-10 | 2024-04-02 | 成都广泰威达数控技术股份有限公司 | 一种数控机床cnc***的实时中断处理方法 |
CN112255964B (zh) * | 2020-10-12 | 2021-08-13 | 湖南汽车工程职业学院 | 一种基于大数据的机床加工刀具远程温度控制*** |
CN112475410A (zh) * | 2020-11-02 | 2021-03-12 | 江苏师范大学 | 一种铣削温度与多元影响因子的关联分析***及方法 |
CN114680653B (zh) * | 2020-12-31 | 2024-06-21 | 广东美的厨房电器制造有限公司 | 烹饪器具 |
CN113059402B (zh) * | 2021-03-31 | 2022-07-12 | 南昌大学 | 一种数控铣床铣削颤振智能监测*** |
CN113052715A (zh) * | 2021-04-12 | 2021-06-29 | 中煤北京煤矿机械有限责任公司 | 用于液压支架工艺监督信息化管理*** |
CN113478007A (zh) * | 2021-08-09 | 2021-10-08 | 安徽奔腾五金制造有限公司 | 一种空调加工用铝卷开平截断机构 |
CN113977347B (zh) * | 2021-11-19 | 2023-06-16 | 深圳市万嘉科技有限公司 | 超精密加工机床的控制方法、设备及计算机可读存储介质 |
WO2023092311A1 (zh) * | 2021-11-24 | 2023-06-01 | 蔡国志 | 加工机高解析监控***及方法 |
CN114371658B (zh) * | 2021-12-27 | 2024-06-07 | 上海滨捷机电有限公司 | 一种数控机床集成电柜控制方法、***、电子设备和可读存储介质 |
CN114367719B (zh) * | 2022-01-19 | 2023-03-14 | 中国石油大学(华东) | 高速电弧铣削加工机床安全防护方法及*** |
CN117798218A (zh) * | 2023-07-10 | 2024-04-02 | 广东美的制冷设备有限公司 | 一种监测***和冲压监测*** |
CN117234160B (zh) * | 2023-09-13 | 2024-03-08 | 广东汇博机器人技术有限公司 | 一种自动化生产的远程控制***及方法 |
CN117348525B (zh) * | 2023-12-05 | 2024-02-09 | 深圳市常丰激光刀模有限公司 | 一种基于ug软件的模具2d加工评估方法及*** |
CN117583897B (zh) * | 2024-01-17 | 2024-04-05 | 深圳市爱贝科精密工业股份有限公司 | 一种主轴车加工模式和铣加工模式转换***及控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334656A (zh) * | 2008-07-25 | 2008-12-31 | 华中科技大学 | 一种数控机床加工性能监控*** |
CN101794138A (zh) * | 2010-04-14 | 2010-08-04 | 华中科技大学 | 数控机床动态特性测试分析*** |
CN102284888A (zh) * | 2011-02-25 | 2011-12-21 | 华中科技大学 | 一种数控机床车削稳定性在线监测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3965656B2 (ja) * | 1997-06-25 | 2007-08-29 | 豊和工業株式会社 | デ−タ収集方法及びシステム |
GB0709420D0 (en) * | 2007-05-17 | 2007-06-27 | Rolls Royce Plc | Machining process monitor |
-
2014
- 2014-02-15 CN CN201410051470.0A patent/CN103760820B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334656A (zh) * | 2008-07-25 | 2008-12-31 | 华中科技大学 | 一种数控机床加工性能监控*** |
CN101794138A (zh) * | 2010-04-14 | 2010-08-04 | 华中科技大学 | 数控机床动态特性测试分析*** |
CN102284888A (zh) * | 2011-02-25 | 2011-12-21 | 华中科技大学 | 一种数控机床车削稳定性在线监测方法 |
Non-Patent Citations (3)
Title |
---|
基于时域特性的铣刀磨损状态信息提取;李锡文等;《中国机械工程》;20070731;第18卷(第13期);全文 * |
基于神经网络信息融合的铣刀磨损状态监测;李锡文等;《农业机械学报》;20070731;第38卷(第7期);全文 * |
基于自适应预测控制技术的数控铣削加工的研究与应用;郑华平,李曦,唐小琦;《机床与液压》;20031231(第3期);全文 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4306074A1 (de) * | 2022-07-14 | 2024-01-17 | Ivoclar Vivadent AG | Herstellungsgerät für eine dentale restauration |
Also Published As
Publication number | Publication date |
---|---|
CN103760820A (zh) | 2014-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103760820B (zh) | 数控铣床加工过程状态信息评价装置 | |
EP3001265B1 (en) | Computer-implemented method and system for machine tool damage assessment, prediction, and planning in manufacturing shop floor | |
CN101334656B (zh) | 一种数控机床加工性能监控*** | |
US20190152011A1 (en) | Predictive cutting tool failure determination | |
CN102073300B (zh) | 一种数控加工状态自学习的刀具磨损监控*** | |
CN101770219B (zh) | 一种车铣复合机床故障诊断知识库的知识获取方法 | |
CN106020158A (zh) | 一种项目型产品加工工艺大数据支持*** | |
CN104781740A (zh) | 用于对从每个给定工件、工具和机床计算的加工生产线整体性能进行实时评估和监控的模块化*** | |
CN109298680A (zh) | 一种数控机床刀具检测的数据采集*** | |
CN106514434A (zh) | 一种基于数据的铣削刀具磨损监测方法 | |
CN102929210A (zh) | 基于特征的数控加工过程控制和优化***及方法 | |
CN107390649B (zh) | 一种项目型产品加工物联网支持*** | |
CN108255131B (zh) | 机床、生产管理***及预测和/或检测工具的寿命的方法 | |
CN111774931A (zh) | 数控车削批量加工刀具磨损在线监测方法 | |
CN104570932B (zh) | 一种数控***加工过程数据的采集、转储方法及其*** | |
CN107707601A (zh) | 一种实时监控连接设备的方法及装置 | |
CN108416444B (zh) | 用于切削数据库的方法及相应装置 | |
CN113341879A (zh) | 一种数控机床的数据采集与监控方法及*** | |
US20060089743A1 (en) | Data management and networking system and method | |
CN116244765A (zh) | 一种基于工业互联网的设备维护管理方法 | |
CN117078227A (zh) | 一种基于标识解析的环境监测运维平台 | |
CN116880402A (zh) | 智慧工厂协同管控***及其方法 | |
CN113941901B (zh) | 机床刀具监控方法、监控装置及电子设备 | |
CN117260386A (zh) | 一种智能生产线机械式数控精雕机刀具磨损监测*** | |
CN111667391A (zh) | 一种环保大数据监测*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151118 Termination date: 20180215 |