CN112835326B - 一种大型铸锻件加工智能化方法及*** - Google Patents
一种大型铸锻件加工智能化方法及*** Download PDFInfo
- Publication number
- CN112835326B CN112835326B CN202011608152.1A CN202011608152A CN112835326B CN 112835326 B CN112835326 B CN 112835326B CN 202011608152 A CN202011608152 A CN 202011608152A CN 112835326 B CN112835326 B CN 112835326B
- Authority
- CN
- China
- Prior art keywords
- main shaft
- determining
- power
- shaft power
- power deviation
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/36—Nc in input of data, input key till input tape
- G05B2219/36044—Program modified after breakage, crash, jamming
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Automatic Control Of Machine Tools (AREA)
Abstract
本发明涉及一种大型铸锻件加工智能化方法及***,及智能制造机械加工领域,用于解决传统的数控机床不具备识别和处理切削过程中不确定性情况的功能,加工方法包括:根据铸锻件的尺寸和工艺类型,确定静态参数,并采集实时参数;根据所述静态参数,在预设的模型库中,确定主轴功率模型;根据所述主轴功率模型和所述实时参数,确定主轴功率偏差和主轴功率偏差变化率;根据所述主轴功率偏差和所述主轴功率偏差变化率,确定进给倍率。本发明提供的技术方案能够提高切削加工效率,延长机床的使用寿命。
Description
技术领域
本发明涉及智能制造机械加工领域,尤其涉及一种大型铸锻件加工智能化方法及***。
背景技术
目前,智能制造已成为制造业发展的必然趋势。切削加工过程是一个具有非线性、不确定性的复杂动态过程,传统的数控机床不具备识别和处理切削过程中不确定性情况的功能,通常在实际的切削过程中多采用固定的切削参数如进给量,从而在很大程度上限制了切削加工效率。
发明内容
鉴于上述的分析,本发明旨在提出一种大型铸锻件加工智能化方法及***,以提高切削加工效率,延长机床的使用寿命。
本发明的目的主要是通过以下技术方案实现的:
第一方面,本发明实施例提供了一种大型铸锻件加工智能化方法,包括:
根据铸锻件的尺寸和工艺类型,确定静态参数,并采集实时参数;
根据所述静态参数,在预设的模型库中,确定主轴功率模型;
根据所述主轴功率模型和所述实时参数,确定主轴功率偏差和主轴功率偏差变化率;
根据所述主轴功率偏差和所述主轴功率偏差变化率,确定进给倍率。
进一步地,根据所述静态参数,在预设的模型库中,确定主轴功率模型,包括:
所述静态参数包括:主轴功率边界值、主轴转速的边界值、给进速度边界值、切削深度边界值、切削宽度边界值、切削功率边界值和空载主轴功率边界值中的一个或多个;
以所述主轴功率边界值、所述主轴转速的边界值、所述给进速度边界值、所述切削深度边界值、所述切削宽度边界值、所述切削功率边界值和所述空载主轴功率边界值中的一个或多个为边界条件,基于所述模型库中预存的标准模型,确定主轴功率模型。
进一步地,所述标准模型具体为:
PSR-tot=PSR-air(n,t)+PSR-ad(n,f,ap,ae,t)
其中,PSR-tot为主轴功率,单位W;PSR-air为空载主轴功率,单位W;PSR-ad为切削功率,单位W;n为主轴转速,单位rpm;ap为切削深度,单位mm;ae为切削宽度,单位mm;f为进给速度,单位mm/min;t为加工时间,单位为s。
进一步地,所述根据所述主轴功率模型和所述实时参数,确定主轴功率偏差和主轴功率偏差变化率,包括:
所述实时参数包括加工时间、切削功率、空载主轴功率、主轴转速和给进速度中的一个或多个;
根据所述实时参数,确定所述主轴功率实际值;
将所述实时参数代入所述主轴功率模型,确定所述主轴功率理论值;
根据所述主轴功率实际值和所述主轴功率理论值之差,确定主轴功率偏差;
根据所述加工时间和预设时间间隔,分别确定当前时刻的主轴功率偏差和上一时刻的主轴功率偏差;
根据所述当前时刻的主轴功率偏差和所述上一时刻的主轴功率偏差,确定所述主轴功率偏差变化率。
进一步地,所述根据所述主轴功率偏差和所述主轴功率偏差变化率,确定进给倍率,包括:
确定所述主轴功率偏差与所述加工时间的第一对应关系;
确定所述主轴功率偏差变化率与所述加工时间的第二对应关系;
根据所述第一对应关系和所述第二对应关系,确定比例因子系数;
根据进给倍率的预设初始值和所述比例因子系数,确定新的给进倍率。
进一步地,所述根据所述第一对应关系和所述第二对应关系,确定比例因子系数,具体为:
根据所述第一对应关系和所述第二对应关系,确定所述主轴功率偏差减小且所述主轴功率偏差变化率变大;
根据所述主轴功率偏差减小且所述主轴功率偏差变化率变大,确定第一比例因子系数;
所述第一比例因子系数具体为:
其中,所述λ(t)表征当前时刻的比例因子系数,所述δ(t)表征当前时刻的主轴功率偏差变化率,δ(t-1)表征上一时刻的主轴功率偏差变化率,α为小于0.5的常数。
进一步地,所述根据所述第一对应关系和所述第二对应关系,确定比例因子系数,具体为:
根据所述第一对应关系和所述第二对应关系,确定所述主轴功率偏差变大且所述主轴功率偏差变化率变大;
根据所述主轴功率偏差变大且所述主轴功率偏差变化率变大,确定第二比例因子系数;
所述第二比例因子系数具体为:
其中,所述λ(t)表征当前时刻的比例因子系数,所述δ(t)表征当前时刻的主轴功率偏差变化率,δ(t-1)表征上一时刻的主轴功率偏差变化率,α为小于0.5的常数。
进一步地,所述根据所述第一对应关系和所述第二对应关系,确定比例因子系数,具体为:
根据所述第二对应关系,确定所述主轴功率偏差变化率变小;
根据所述主轴功率偏差变化率变小,确定第三比例因子系数;
所述第三比例因子系数具体为:
λ(t)=1
其中,所述λ(t)表征当前时刻的比例因子系数。
进一步地,在所述根据所述静态参数,在预设的模型库中,确定主轴功率模型之前,在所述确定静态参数和采集实时参数之后,所述方法还包括:
根据所述实时参数,确定当前时刻的主轴功率的特征值,所述特征值用于表征所述主轴功率上升趋势;
检测所述特征值是否超过预设值;
在所述特征值均超过预设值时,确定刀具破损;
确定给进倍率为0并发出警报和停机指令。
第二方面,本申请实施例提供了一种大型铸锻件加工智能化***,包括:采集模块和数据处理模块;
所述采集模块用于根据铸锻件的尺寸和工艺类型,确定静态参数,并采集实时参数;
所述数据处理模块用于根据所述静态参数,在预设的模型库中,确定主轴功率模型;根据所述主轴功率模型和所述实时参数,确定主轴功率偏差和主轴功率偏差变化率;根据所述主轴功率偏差和所述主轴功率偏差变化率,确定进给倍率。
本发明技术方案的有益效果:
1.通过确定主轴功率实际值和主轴功率理论值,构造主轴功率偏差和主轴功率偏差变化率,以便于量化进给倍率的改变量,同时为确定新的进给倍率提供合理的判据,从而解决了固定的切削参数无法满足复杂的切削过程的问题。
2.通过实时检测主轴功率的特征值,以确定刀具是否破损,并在确定刀具破损时,令进给倍率为0,以停止刀具对铸锻设备继续切割,从而防止破损后的刀具对铸锻件造成损伤。
3.通过调整进给倍率,控制刀具的移动速度,即切削时刀具在单位时间内移动距离,以使刀具在空走刀和容易切削的部位时,加快移动度,从而减少了加工时间,进而提高了切削加工效率。
4.设置主轴功率边界值,便于在主轴功率超过边界值时,停止切削过程,以最大限度地降低切削设备的损害,从而延长了低切削设备的使用寿命。
5.静态参数和实时参数容易采集,因此本发明的技术方案具有很强的适用性。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分的从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1是实施例1提供的大型铸锻件恒功率高效加工智能控制***的原理图;
图2是实施例1提供的大型铸锻件恒功率高效加工智能控制***的功率采集示意图;
图3是实施例1提供的大型铸锻件恒功率高效加工智能控制***的***结构树图;
图4是实施例1提供的刀具破损信号采集试验件的结构示意图;
图5是实施例1提供的一种大型铸锻件加工智能化方法的流程示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
大型铸锻件水平放置后,其加工长度通常为几米,有的甚至有十几米。因此,与小型铸锻件的表面情况相比,大型铸锻件的表面情况复杂的多,例如大型铸锻件不同位置的表面平整度可能差距很大,同时由于铸锻件整体尺寸长,大型铸锻件的空刀区域的尺寸也远大于小型铸锻件的空刀区域的尺寸。
通常情况下,铸锻件表面的平整度与进给量正相关,空刀区域的进给量大于其他切削区域的进给量。由此可知,对于大型铸锻件,如果采用固定的进给量,必然会极大地增加加工时间。例如大型转子的粗加工时,由于毛坯余量不均,头两刀切削时,有近一半的位置是切削不到金属的。在该种情况下,如果按照固定进给量切割,会导致在近一半的位置上浪费时间。此外,由于大型铸锻件表面情况复杂,如何调整进给量,何时调整进给量也会成为提高加工效率的关键。
为了解决上述问题,本发明实施例提供了一种大型铸锻件加工智能化方法,包括以下步骤:
步骤1、确定静态参数并采集实时参数。
在本发明实施例中,静态参数包括:主轴功率边界值、主轴转速的边界值、给进速度边界值、切削深度边界值、切削宽度边界值、切削功率边界值和空载主轴功率边界值中的一个或多个。
实时参数包括加工时间、切削功率、空载主轴功率、主轴转速和给进速度中的一个或多个。
综上,本申请使用的各参数均容易采集到,因此本发明实施例具有很强的适用性。
步骤2、根据静态参数,在预设的模型库中,确定主轴功率模型。
在本发明实施例中,采用CPIC(Constant Power Intelligent Control,恒功率智能控制)***对加工过程进行控制。在确定主轴功率模型时,以主轴功率边界值、主轴转速的边界值、给进速度边界值、切削深度边界值、切削宽度边界值、切削功率边界值和空载主轴功率边界值中的一个或多个作为边界条件,基于模型库中预存的标准模型,确定主轴功率模型。
具体地,标准模型的通常形式为:
PSR-tot=PSR-air(n,t)+PSR-ad(n,f,ap,ae,t)
其中,PSR-tot为主轴功率,单位W;PSR-air为空载主轴功率,单位W;PSR-ad为切削功率,单位W;n为主轴转速,单位rpm;ap为切削深度,单位mm;ae为切削宽度,单位mm;f为进给速度,单位mm/min;t为加工时间,单位为s。
需要说明的是,对于每一个标准模型而言,其包含的自变量数量、自变量种类以及各自变量取值范围不是唯一确定,需要根据静态参数来确定,而静态参数需要根据铸锻件的具体尺寸和具体工艺来确定。
步骤3、根据主轴功率模型和实时参数,确定主轴功率偏差和主轴功率偏差变化率。
在本发明实施例中,主轴功率偏差为主轴功率实际值和主轴功率理论值之差。实际值大于理论值时,说明铸锻件面表出现凸起,此时偏差为正,则偏差越大,凸出部分体积越大。实际值小于理论值时,说明铸锻件表面出现凹陷,此时偏差为负,则偏差越小表面凹陷越严重。偏差为0这说明铸锻件表面光滑。对于空刀区域,偏差会持续减小并最终稳定某一个数值。
因此需要根据实时参数,确定主轴功率实际值,同时将实时参数代入主轴功率模型,确定主轴功率理论值,之后根据主轴功率实际值和主轴功率理论值之差,确定主轴功率偏差。
在本发明实施例中,主轴功率偏差变化率用于表征主轴功率偏差随着加工时间的变化情况。具体地确定过程为:
根据加工时间和预设时间间隔,分别确定当前时刻的主轴功率偏差和上一时刻的主轴功率偏差。根据当前时刻的主轴功率偏差和上一时刻的主轴功率偏差,确定主轴功率偏差变化率。
步骤4、根据主轴功率偏差和主轴功率偏差变化率,确定进给倍率。
在本发明实施例中,并不是直接调节进给量,而是通过调整进给倍数来调整进给量的。首先确定主轴功率偏差与加工时间的第一对应关系以及主轴功率偏差变化率与加工时间的第二对应关系。其中,第一对应关系包括以主轴功率偏差为因变量,以加工时间为自变量的函数或图像,第二对应关系包括以主轴功率偏差变化率为因变量,以加工时间为自变量的函数或图像。
之后,根据第一对应关系和第二对应关系,确定比例因子系数。根据第一对应关系和第二对应关系可以得知,相对于上一时刻的主轴功率偏差和主轴功率偏差变化量,当前时刻的主轴功率偏差和主轴功率偏差变化量是增加还是减小。此时存在下述三种情况:
情况1.主轴功率偏差减小且主轴功率偏差变化率变大,此时可以得到第一比例因子系数,第一比例因子系数具体为:
其中,λ(t)表征当前时刻的比例因子系数,δ(t)表征当前时刻的主轴功率偏差变化率,δ(t-1)表征上一时刻的主轴功率偏差变化率,α为小于0.5的常数。
情况2.主轴功率偏差变大且主轴功率偏差变化率变大,此时可以得到第二比例因子系数,第二比例因子系数具体为:
其中,λ(t)表征当前时刻的比例因子系数,δ(t)表征当前时刻的主轴功率偏差变化率,δ(t-1)表征上一时刻的主轴功率偏差变化率,α为小于0.5的常数。
情况3.主轴功率偏差变化率变小。此时无论主轴功率偏差如何变化,均得到第三比例因子系数,第三比例因子系数具体为:
λ(t)=1
其中,λ(t)表征当前时刻的比例因子系数。
最后,根据进给倍率的预设初始值和比例因子系数,确定新的给进倍率。
在本发明实施例中,进给倍数具体为:
其中,Ka为新的进给倍数,Ka0为进给倍率的预设初始值,λ(t)表征当前时刻的比例因子系数。
在本发明实施例中,在切削加工过程中能够自动检查刀具破损情况,具有刀具破损自动停机保护功能,避免由于刀具破损后划伤零件表面质量事故的发生。刀具破损情况的识别以瞬时主轴功率的变化作为判据。例如,正常的切削加工的功率变化是一个平稳而有规律的过程,如果出现瞬时功率突然增大,或者功率出现大幅波动等异常情况,则在切削过程中刀具可能发生了破损。因此,可以预先设置相应的主轴功率的变化值的阈值,当加工功率的瞬时功率的变化值大于该阈值时,则发出打刀信号的报警。
具体地,根据实时参数,确定当前时刻的主轴功率的特征值,特征值用于表征主轴功率上升趋势;检测特征值是否超过预设值;在特征值均超过预设值时,确定刀具破损;确定给进倍率为0并发出警报和停机指令。
在本发明实施例中,设定最大加工载荷为主轴功率的85%。当加工载荷接近85%时,***会自动降低切削进给速度,将切削功率降下来。在极限情况下,最大加工载荷达到甚至超过85%,因此以无法通过降低切削进给速度将功率降下来时,***会自动报警停机。
为了说明本发明实施例提供的技术方案的可行性,给出下述实施例。
实施例1
本实施例采用CPIC***对铸锻件进行加工,其加工原理如图1所示,其中,实时参数的采集由功率仪通过测量电压和电流来实现。对于加工机床,机床主轴切削功率消耗为主要功耗,为了更精确的得到主轴的功率,本实施例选取主轴的伺服驱动器的输出端作为测量点,如图2所示,功率仪要满足可实现三相测量,并且可根据用户需求进行设置,通过自主编程实现用户定制界面开发和通信。
如图3所示,CPIC***主要由4个功能模块实现,分别是设备设置模块、智能控制***模块、显示及操作主界面以及***学习模块。设备设置模块用于在前期试验和后期安装过程中,对功率仪和机床PLC的相关参数进行设置。加工过程中采集到实时数据分别传送到智能控制***模块和***学习模块。***学习模块通过数据的处理生成功率模型库,该模型库的数据为智能模糊搜索算法提供理论基础。
***学习模块还有刀片破损数据分析的功能。其原理是:如图4所示,在试验件表面设置若干硬质焊点,然后测量不同转速、进给速度下的刀片破损瞬间的功率变化情况。***学习模块对采集到的功率信号进行数据处理,分析刀片破损瞬间功率信号特征值,特征值包括均值、方差、最大值、最小值、功率谱密度以及均方根中的一个或多个。之后,***学习模块找到最优的特征值作为刀具破损的判据,即主轴功率的特征值,并将该判据写入模型库。在切削加工过程中,当监测信号超过设定的特征值时,机床自动停机保护。
在本实施例的应用场景为,对轴类锻件进行粗车加工,切削时只有30%左右的毛坯面被加工到,其余部位不接触或微量切削。具体步骤,如图5所示:
步骤101、根据铸锻件的尺寸和工艺类型,确定静态参数,并采集实时参数。
本实施例中,静态参数与轴类锻件的尺寸和粗车工艺类型相关,例如,主轴转速的边界值、给进速度边界值。
步骤102、根据实时参数,判断刀具是否破损,如果是执行步骤115,如果否执行步骤103。
步骤103、根据静态参数,在***学习模块的模型库中,确定主轴功率模型。
步骤104、根据实时参数,确定主轴功率实际值。
步骤105、将实时参数代入主轴功率模型,确定主轴功率理论值。
步骤106、根据主轴功率实际值和主轴功率理论值之差,确定主轴功率偏差。
步骤107、根据加工时间和预设时间间隔,分别确定当前时刻的主轴功率偏差和上一时刻的主轴功率偏差。
步骤108、根据当前时刻的主轴功率偏差和上一时刻的主轴功率偏差,确定主轴功率偏差变化率。
步骤109、确定主轴功率偏差与加工时间的第一对应关系,以及主轴功率偏差变化率与加工时间的第二对应关系。
步骤110,根据第二对应关系确定功率偏差变化率是否变大,如果是,执行步骤111,否则执行步骤113。
步骤111,根据第一对应关系确定功率偏差是否变大,如果是,执行步骤112,否则执行步骤114。
步骤112,确定第一比例因子,之后执行步骤115。
在本实施例中,第一比例因子系数具体为:
其中,λ(t)表征当前时刻的比例因子系数,δ(t)表征当前时刻的主轴功率偏差变化率,δ(t)表征上一时刻的主轴功率偏差变化率,α为小于0.5的常数。
步骤113,确定第二比例因子,之后执行步骤115。
在本实施例中,第二比例因子系数具体为:
其中,λ(t)表征当前时刻的比例因子系数,δ(t)表征当前时刻的主轴功率偏差变化率,δ(t-1)表征上一时刻的主轴功率偏差变化率,α为小于0.5的常数。
步骤114,确定第三比例因子。
在本实施例中,第三比例因子系数具体为:
λ(t)=1
其中,λ(t)表征当前时刻的比例因子系数。
步骤115,确定进给倍数。
在本实施例中,刀具破损时,进给倍数为0;
步骤116,输出进给倍数,并结束当前流程。
在实施例1中,刀具切割铸锻件时的进给速度为200mm/分,而其他情况下,通过增加进给倍率,刀具的进给速度增加至500mm/分。即相对于现有技术,在除去刀具切割铸锻件的时间后,实施例1剩余的加工时间仅为现有技术的40%,极大地提高了加工效率。
本发明实施例提供了一种大型铸锻件加工智能化***,包括:采集模块和数据处理模块;
采集模块用于根据铸锻件的尺寸和工艺类型,确定静态参数,并采集实时参数;
数据处理模块用于根据静态参数,在预设的模型库中,确定主轴功率模型;根据主轴功率模型和实时参数,确定主轴功率偏差和主轴功率偏差变化率;根据主轴功率偏差和主轴功率偏差变化率,确定进给倍率。
本领域技术人员可以理解,实现上述实施例中方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,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 (6)
1.一种大型铸锻件加工智能化方法,其特征在于,包括:
根据铸锻件的尺寸和工艺类型,确定静态参数,并采集实时参数;
根据所述静态参数,在预设的模型库中,确定主轴功率模型,包括:
所述静态参数包括:主轴功率边界值、主轴转速的边界值、给进速度边界值、切削深度边界值、切削宽度边界值、切削功率边界值和空载主轴功率边界值中的一个或多个;
以所述主轴功率边界值、所述主轴转速的边界值、所述给进速度边界值、所述切削深度边界值、所述切削宽度边界值、所述切削功率边界值和所述空载主轴功率边界值中的一个或多个为边界条件,基于所述模型库中预存的标准模型,确定主轴功率模型;其中,所述标准模型具体为:
根据所述主轴功率模型和所述实时参数,确定主轴功率偏差和主轴功率偏差变化率,包括:
所述实时参数包括加工时间、切削功率、空载主轴功率、主轴转速和给进速度中的一个或多个;
根据所述实时参数,确定所述主轴功率实际值;
将所述实时参数代入所述主轴功率模型,确定所述主轴功率理论值;
根据所述主轴功率实际值和所述主轴功率理论值之差,确定主轴功率偏差;
根据所述加工时间和预设时间间隔,分别确定当前时刻的主轴功率偏差和上一时刻的主轴功率偏差;
根据所述当前时刻的主轴功率偏差和所述上一时刻的主轴功率偏差,确定所述主轴功率偏差变化率;
根据所述主轴功率偏差和所述主轴功率偏差变化率,确定进给倍率;
所述方法还包括:
根据所述实时参数,确定当前时刻的主轴功率的特征值,所述特征值用于表征所述主轴功率上升趋势;
检测所述特征值是否超过预设值,所述预设值为所述主轴功率的85%;
在所述特征值均超过预设值时,确定刀具破损;
确定给进倍率为0并发出警报和停机指令;
所述特征值确定方法包括:
在试验件表面设置若干硬质焊点,然后测量不同转速、进给速度下的刀片破损瞬间的功率信号变化情况;对采集到的功率信号进行数据处理,得到所述特征值,所述特征值包括均值、方差、最大值、最小值、功率谱密度以及均方根中的一个或多个。
2.根据权利要求1所述的方法,其特征在于,
所述根据所述主轴功率偏差和所述主轴功率偏差变化率,确定进给倍率,包括:
确定所述主轴功率偏差与所述加工时间的第一对应关系;
确定所述主轴功率偏差变化率与所述加工时间的第二对应关系;
根据所述第一对应关系和所述第二对应关系,确定比例因子系数;
根据进给倍率的预设初始值和所述比例因子系数,确定新的给进倍率。
6.一种大型铸锻件加工智能化***,用于实现权利要求1至5任一项所述的方法,其特征在于,包括:采集模块和数据处理模块;
所述采集模块用于根据铸锻件的尺寸和工艺类型,确定静态参数,并采集实时参数;
所述数据处理模块用于根据所述静态参数,在预设的模型库中,确定主轴功率模型;根据所述主轴功率模型和所述实时参数,确定主轴功率偏差和主轴功率偏差变化率;根据所述主轴功率偏差和所述主轴功率偏差变化率,确定进给倍率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011608152.1A CN112835326B (zh) | 2020-12-30 | 2020-12-30 | 一种大型铸锻件加工智能化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011608152.1A CN112835326B (zh) | 2020-12-30 | 2020-12-30 | 一种大型铸锻件加工智能化方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112835326A CN112835326A (zh) | 2021-05-25 |
CN112835326B true CN112835326B (zh) | 2022-06-17 |
Family
ID=75925405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011608152.1A Active CN112835326B (zh) | 2020-12-30 | 2020-12-30 | 一种大型铸锻件加工智能化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112835326B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113805531B (zh) * | 2021-09-22 | 2023-03-21 | 格致汽车科技股份有限公司 | 一种用于数控机床的全自动无人值守预警方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE1954845B2 (de) * | 1969-10-31 | 1977-12-29 | Gildemeister Ag, 4800 Bielefeld | Vorrichtung zur optimalen anpassung einer numerisch gesteuerten werkzeugmaschine an den bearbeitungsvorgang eines werkstueckes |
US4509126A (en) * | 1982-06-09 | 1985-04-02 | Amca International Corporation | Adaptive control for machine tools |
CN1539599A (zh) * | 2003-05-27 | 2004-10-27 | 上海莱必泰机械发展有限公司 | 恒功率磨削方法 |
US7508152B2 (en) * | 2005-08-29 | 2009-03-24 | The Boeing Company | Apparatus for machine tool feedrate override using limiting parameters corresponding to actual spindle speed |
CN101025620B (zh) * | 2006-02-24 | 2010-10-13 | 同济大学 | 一种可用于数控铣削加工过程的分级模糊递阶控制方法 |
CN101710235B (zh) * | 2009-12-11 | 2011-06-08 | 重庆大学 | 一种数控机床在线加工工件的自动识别和监控方法 |
US9690282B2 (en) * | 2011-02-28 | 2017-06-27 | Solidcam Ltd. | Computerized tool path generation |
CN102974902B (zh) * | 2012-11-27 | 2014-12-10 | 南京航空航天大学 | 电火花诱导可控烧蚀及机械修整复合切削双伺服进给加工*** |
WO2015054878A1 (zh) * | 2013-10-18 | 2015-04-23 | 中国电力科学研究院 | 基于变化率控制储能电站平滑风光发电波动的方法及*** |
CN105785924B (zh) * | 2016-04-06 | 2018-03-30 | 哈尔滨工业大学 | 一种获取机床主轴***功率的方法 |
CN106154977B (zh) * | 2016-09-27 | 2018-03-27 | 重庆大学 | 一种数控机床切削工步全过程中关键时刻的判断方法 |
CN107186547A (zh) * | 2017-05-25 | 2017-09-22 | 重庆大学 | 基于切削功率的数控车削批量加工刀具磨损在线监测方法 |
CN110539202B (zh) * | 2019-08-01 | 2021-04-27 | 中国一拖集团有限公司 | 一种以主轴功率恒定为目标的自适应控制加工方法 |
CN110568761A (zh) * | 2019-10-09 | 2019-12-13 | 西北工业大学 | 基于模糊控制的进给速度在线优化方法 |
CN110948286B (zh) * | 2019-11-14 | 2020-11-06 | 杭州大天数控机床有限公司 | 加工中心自适应进给切削的方法 |
CN111474898B (zh) * | 2020-04-17 | 2022-08-09 | 西北工业大学 | 一种自由曲面加工工艺参数优化方法 |
-
2020
- 2020-12-30 CN CN202011608152.1A patent/CN112835326B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112835326A (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105372591B (zh) | 一种基于暂态过程的水电机组健康状态量化评价方法 | |
WO2021043192A1 (zh) | 一种在线监测铣削加工刀具缺损的方法 | |
CN109909804B (zh) | 基于主轴驱动电流和工步的刀具磨损破损在线监测方法 | |
CN108614522B (zh) | 数控机床服役过程主轴***能量效率在线监测方法 | |
CN108490880B (zh) | 一种数控机床切削刀具磨损状态实时监测方法 | |
CN110926809B (zh) | 一种基于大数据分析的风电机组传动链故障预警方法 | |
CN109507952B (zh) | 一种基于切削负载的复杂零件数控加工异常状态监控方法 | |
CN109396953A (zh) | 基于信号融合的机床工作状态智能辨识*** | |
CZ293210B6 (cs) | Způsob automatického sledování stavu nástroje | |
CN111069975A (zh) | 数控铣床末端运行状态实时监测与自适应控制***及方法 | |
CN111774931A (zh) | 数控车削批量加工刀具磨损在线监测方法 | |
CN110492497B (zh) | 一种发电机组功率振荡综合诊断方法及*** | |
TWI616272B (zh) | 加工參數調整系統及加工參數調整方法 | |
CN112835326B (zh) | 一种大型铸锻件加工智能化方法及*** | |
CN113146359A (zh) | 一种智能监测和诊断切削状态的数控机床控制*** | |
CN107511718A (zh) | 单品大批量重复加工过程的智能刀具状态监测方法 | |
CN113608482A (zh) | 一种精密加工刀具智能监控方法、***及管理*** | |
Li et al. | Tool breakage detection using deep learning | |
CN114800040B (zh) | 工艺-状态数据关联的刀具磨损监测方法及*** | |
CN113199304B (zh) | 一种基于扩展卡尔曼滤波与切削力模型的换刀监测方法 | |
CN113007040B (zh) | 风电机组主轴总成窜动在线监测与故障预警***及方法 | |
CN111308960B (zh) | 一种负载监控方法及*** | |
CN117260386A (zh) | 一种智能生产线机械式数控精雕机刀具磨损监测*** | |
CN116008278B (zh) | 一种锂离子电池铝壳毛刺清除质量检测方法及*** | |
CN111062133A (zh) | 风电机组性能分析方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |