CN115202287B - 一种数控机床运行作业在线智能监测诊断分析*** - Google Patents
一种数控机床运行作业在线智能监测诊断分析*** Download PDFInfo
- Publication number
- CN115202287B CN115202287B CN202211134222.3A CN202211134222A CN115202287B CN 115202287 B CN115202287 B CN 115202287B CN 202211134222 A CN202211134222 A CN 202211134222A CN 115202287 B CN115202287 B CN 115202287B
- Authority
- CN
- China
- Prior art keywords
- numerical control
- control machine
- machine tool
- target numerical
- current
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 74
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 254
- 238000000034 method Methods 0.000 claims description 215
- 238000003754 machining Methods 0.000 claims description 195
- 238000005070 sampling Methods 0.000 claims description 66
- 238000012937 correction Methods 0.000 claims description 20
- 238000012797 qualification Methods 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 15
- 238000006073 displacement reaction Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000006467 substitution reaction Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
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
-
- 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
- G05B2219/32—Operator till task planning
- G05B2219/32356—For diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
Abstract
本发明涉及数控机床运行作业监测分析领域,具体公开一种数控机床运行作业在线智能监测诊断分析***,本发明通过获取目标数控机床当前加工工序中主轴的加工零件夹持稳定度、加工零件夹持规范度和转速符合度,分析得到目标数控机床当前加工工序的主轴参数匹配指数,获取目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度,分析得到目标数控机床当前加工工序的进给轴参数匹配指数,获取目标数控机床当前加工工序对应的加工零件的表面划痕长度和加工零件的形状匹配度,分析得到目标数控机床当前加工工序的零件加工参数匹配指数,实现对数控机床的运行进行全面化监测分析。
Description
技术领域
本发明涉及数控机床运行作业监测分析领域,涉及到一种数控机床运行作业在线智能监测诊断分析***。
背景技术
加工制造业目前已经普遍地使用数控机床,数控机床的结构复杂,各部件的运行正常与否直接关系到设备的使用寿命和加工精度,因此,对数控机床的运行作业进行监测分析具有重要的意义。
现有的数控机床运行作业监测方法主要对数控机床整体进行笼统性分析,没有将数控机床细分为各组件单元并进行针对性分析,进而存在一些弊端:1.没有对数控机床作业过程中的主轴单元进行细致化分析,如主轴的夹持加工零件稳定性、夹持加工零件规范性和转速,主轴夹持加工零件不稳固会使得加工零件在主轴高速自转的过程中掉落,同时,主轴夹持加工零件不规范会使得加工零件实际被切割位置与标准切割位置之间存在误差,而主轴的转速会影响加工零件表面切痕的深度,转速过低会使得加工零件的切痕过浅,转速过高会使得加工零件的切痕过深。
2.没有对数控机床作业过程中的进给轴单元进行细致化分析,如进给轴的夹持刀具稳定性、夹持刀具规范性和进给速度,进给轴夹持刀具不稳固会使得加工零件切割出来的形状与标准形状不一致,进给轴夹持刀具不规范会使得未用刀具的正确切割部位进行切割,造成刀口磨损,甚至刀具损坏,同时,进给速度调控不当会对机床造成损害,丝杆和导轨的磨损都会加剧,并且直接影响工件的表面粗糙度。
3.没有对数控机床完成各道加工工序后的加工零件进行分析,如加工零件的表面划痕和形状,加工零件表面的划痕会影响加工零件的光泽度和美观性,同时,加工零件加工后的形状如果与预期形状不一致,特别是精密加工零件,会导致加工后的零件无法使用,进而造成加工原材料的浪费,降低加工生产的效率。
发明内容
针对上述问题,本发明提出了一种数控机床运行作业在线智能监测诊断分析***,实现对数控机床运行作业监测分析的功能。
本发明解决其技术问题采用的技术方案是:本发明提供一种数控机床运行作业在线智能监测诊断分析***,包括:数控机床加工数据库:用于存储目标数控机床各加工工序的主轴标准转速、刀具夹持标准图像和加工零件标准三维空间模型。
主轴参数监测模块:用于获取目标数控机床当前加工工序中主轴的加工零件夹持稳定度、加工零件夹持规范度和转速符合度,分析得到目标数控机床当前加工工序的主轴参数匹配指数。
进给轴参数监测模块:用于获取目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度,分析得到目标数控机床当前加工工序的进给轴参数匹配指数。
零件加工参数监测模块:用于获取目标数控机床当前加工工序对应的加工零件的表面划痕长度和加工零件的形状匹配度,分析得到目标数控机床当前加工工序的零件加工参数匹配指数。
数据机床加工合格评估模块:用于根据目标数控机床当前加工工序的主轴参数匹配指数、进给轴参数匹配指数和零件加工参数匹配指数,评估得到目标数控机床当前加工工序的加工合格系数,并进行处理。
在上述实施例的基础上,所述主轴参数监测模块中获取目标数控机床当前加工工序中主轴的加工零件夹持稳定度、加工零件夹持规范度和转速符合度,具体方法为:按照等时间间隔的原则,在目标数控机床当前加工工序过程中设置各采样时间点,将各采样时间点按照时间先后的顺序依次编号为。
在目标数控机床主轴夹持加工零件结构的表面按照设定的监测点布设规则,布设各监测点,通过压电型加速度传感器对目标数控机床主轴夹持加工零件结构表面的各监测点进行检测,得到目标数控机床主轴夹持加工零件结构在各采样时间点各监测点的振动加速度,将其记为,i表示第i个采样时间点的编号,,j表示第j个监测点的编号,,将目标数控机床主轴夹持加工零件结构在各采样时间点各监测点的振动加速度代入公式得到目标数控机床当前加工工序中主轴的加工零件夹持稳定度,其中表示预设的目标数控机床当前加工工序中主轴的加工零件夹持稳定度修正因子,n表示采样时间点的数量,m表示监测点的数量,表示预设的目标数控机床主轴夹持加工零件结构振动加速度阈值。
通过高清摄像头采集目标数控机床主轴夹持的加工零件在各采样时间点的图像,得到目标数控机床主轴夹持的加工零件在各采样时间点的轮廓,根据目标数控机床主轴夹持的加工零件在各采样时间点的轮廓,得到目标数控机床主轴夹持的加工零件在各采样时间点与水平线之间的夹角,将目标数控机床主轴夹持的加工零件在各采样时间点与水平线之间的夹角进行相互比较,得到目标数控机床主轴夹持的加工零件与水平线之间的最大夹角,将其记为,将目标数控机床主轴夹持的加工零件与水平线之间的最大夹角代入公式得到目标数控机床当前加工工序中主轴的加工零件夹持规范度,其中表示预设的目标数控机床当前加工工序中主轴的加工零件夹持规范度修正因子。
通过激光转速传感器检测得到目标数控机床主轴在各采样时间点的转速,将其记为,将目标数控机床主轴在各采样时间点的转速代入公式得到目标数控机床当前加工工序中主轴的转速符合度,其中表示预设的目标数控机床当前加工工序中主轴的转速符合度修正因子。
在上述实施例的基础上,所述主轴参数监测模块中分析得到目标数控机床当前加工工序的主轴参数匹配指数,具体方法为:将目标数控机床当前加工工序中主轴的加工零件夹持稳定度、加工零件夹持规范度、转速符合度代入公式得到目标数控机床当前加工工序的主轴参数匹配指数,其中表示预设的目标数控机床当前加工工序的主轴参数匹配指数修正因子,e表示自然常数,分别表示预设的目标数控机床当前加工工序中主轴的加工零件夹持稳定度、加工零件夹持规范度、转速符合度的阈值,分别表示预设的目标数控机床当前加工工序中主轴的加工零件夹持稳定度、加工零件夹持规范度、转速符合度的权重因子。
在上述实施例的基础上,所述进给轴参数监测模块中获取目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度,具体方法为:在目标数控机床进给轴夹持刀具结构的表面按照设定的检测点布设规则,布设各检测点,通过涡流式位移传感器对目标数控机床进给轴夹持刀具结构表面的各检测点进行检测,得到目标数控机床进给轴夹持刀具结构在各采样时间点各检测点的振动位移,分析得到目标数控机床当前加工工序中进给轴的刀具夹持稳定度,将其记为。
提取数控机床加工数据库中存储的目标数控机床各加工工序的刀具夹持标准图像,筛选得到目标数控机床当前加工工序的刀具夹持标准图像。
在上述实施例的基础上,所述进给轴参数监测模块中分析得到目标数控机床当前加工工序的进给轴参数匹配指数,具体过程为:将目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度代入公式得到目标数控机床当前加工工序的进给轴参数匹配指数,其中表示预设的目标数控机床当前加工工序的进给轴参数匹配指数修正因子,分别表示预设的目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度的阈值,分别表示预设的目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度的权重因子。
在上述实施例的基础上,所述零件加工参数监测模块中获取目标数控机床当前加工工序对应的加工零件的表面划痕长度和加工零件的形状匹配度,具体方法为:通过高清摄像机获取目标数控机床当前加工工序结束时加工零件的各表面图像,根据目标数控机床当前加工工序结束时加工零件的各表面图像,分析得到目标数控机床当前加工工序对应的加工零件的表面划痕长度,将其记为。
提取数控机床加工数据库中存储的目标数控机床各加工工序的加工零件标准三维空间模型,筛选得到目标数控机床当前加工工序的加工零件标准三维空间模型。
将目标数控机床当前加工工序结束时加工零件的各表面图像进行拼接整合,得到目标数控机床当前加工工序结束时加工零件的实景图像,构建目标数控机床当前加工工序结束时加工零件的三维空间模型,将目标数控机床当前加工工序结束时加工零件的三维空间模型与加工零件标准三维空间模型进行拟合比对,得到目标数控机床当前加工工序结束时加工零件的三维空间模型与标准三维空间模型的重合度,将其记为目标数控机床当前加工工序对应的加工零件的形状匹配度,将其记为。
在上述实施例的基础上,所述零件加工参数监测模块中分析得到目标数控机床当前加工工序的零件加工参数匹配指数,具体过程为:将目标数控机床当前加工工序对应的加工零件的表面划痕长度和形状匹配度代入公式得到目标数控机床当前加工工序的零件加工参数匹配指数,其中表示预设的目标数控机床当前加工工序的零件加工参数匹配指数修正因子,分别表示预设的目标数控机床当前加工工序对应的加工零件的允许表面划痕长度和形状匹配度阈值,分别表示预设的目标数控机床当前加工工序对应的加工零件的表面划痕长度和形状匹配度的权重因子。
在上述实施例的基础上,所述数据机床加工合格评估模块的具体过程为:将目标数控机床当前加工工序的主轴参数匹配指数、进给轴参数匹配指数和零件加工参数匹配指数代入公式得到目标数控机床当前加工工序的加工合格系数,其中分别表示预设的目标数控机床当前加工工序的主轴参数匹配指数、进给轴参数匹配指数和零件加工参数匹配指数的权重因子。
将目标数控机床当前加工工序的加工合格系数与预设的目标数控机床加工工序的加工合格参考系数进行比较,若目标数控机床当前加工工序的加工合格系数小于加工合格参考系数,表明目标数控机床当前加工工序不合格,对目标数控机床发出停止指令,并通知相应人员进行处理,反之,表明目标数控机床当前加工工序合格,并继续下一道加工工序。
相对于现有技术,本发明所述的一种数控机床运行作业在线智能监测诊断分析***以下有益效果:本发明提供的一种数控机床运行作业在线智能监测诊断分析***,通过获取目标数控机床当前加工工序中主轴的加工零件夹持稳定度、加工零件夹持规范度和转速符合度,分析得到目标数控机床当前加工工序的主轴参数匹配指数,从多方面对数控机床作业过程中的主轴单元进行细致化分析,获取目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度,分析得到目标数控机床当前加工工序的进给轴参数匹配指数,从多角度对数控机床作业过程中的进给轴单元进行深度分析,获取目标数控机床当前加工工序对应的加工零件的表面划痕长度和加工零件的形状匹配度,分析得到目标数控机床当前加工工序的零件加工参数匹配指数,对数控机床完成各道加工工序后的加工零件进行监控,保证零件加工的质量和精度,进而减少加工原材料的浪费,提高加工生产的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的***模块连接图。
图2为本发明中数控加工主轴夹持示意图。
图中:1、主轴;2、加工零件。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1和图2所示,本发明提供一种数控机床运行作业在线智能监测诊断分析***,包括数控机床加工数据库、主轴参数监测模块、进给轴参数监测模块、零件加工参数监测模块和数据机床加工合格评估模块。
所述数控机床加工数据库分别与主轴参数监测模块、进给轴参数监测模块和零件加工参数监测模块连接,数据机床加工合格评估模块分别与主轴参数监测模块、进给轴参数监测模块和零件加工参数监测模块连接。
所述数控机床加工数据库用于存储目标数控机床各加工工序的主轴1标准转速、刀具夹持标准图像和加工零件2标准三维空间模型。
所述主轴参数监测模块用于获取目标数控机床当前加工工序中主轴1的加工零件2夹持稳定度、加工零件2夹持规范度和转速符合度,分析得到目标数控机床当前加工工序的主轴1参数匹配指数。
进一步地,所述主轴参数监测模块中获取目标数控机床当前加工工序中主轴1的加工零件2夹持稳定度、加工零件2夹持规范度和转速符合度,具体方法为:按照等时间间隔的原则,在目标数控机床当前加工工序过程中设置各采样时间点,将各采样时间点按照时间先后的顺序依次编号为。
在目标数控机床主轴1夹持加工零件2结构的表面按照设定的监测点布设规则,布设各监测点,通过压电型加速度传感器对目标数控机床主轴1夹持加工零件2结构表面的各监测点进行检测,得到目标数控机床主轴1夹持加工零件2结构在各采样时间点各监测点的振动加速度,将其记为,i表示第i个采样时间点的编号,,j表示第j个监测点的编号,,将目标数控机床主轴1夹持加工零件2结构在各采样时间点各监测点的振动加速度代入公式得到目标数控机床当前加工工序中主轴1的加工零件2夹持稳定度,其中表示预设的目标数控机床当前加工工序中主轴1的加工零件2夹持稳定度修正因子,n表示采样时间点的数量,m表示监测点的数量,表示预设的目标数控机床主轴1夹持加工零件2结构振动加速度阈值。
通过高清摄像头采集目标数控机床主轴1夹持的加工零件2在各采样时间点的图像,得到目标数控机床主轴1夹持的加工零件2在各采样时间点的轮廓,根据目标数控机床主轴1夹持的加工零件2在各采样时间点的轮廓,得到目标数控机床主轴1夹持的加工零件2在各采样时间点与水平线之间的夹角,将目标数控机床主轴1夹持的加工零件2在各采样时间点与水平线之间的夹角进行相互比较,得到目标数控机床主轴1夹持的加工零件2与水平线之间的最大夹角,将其记为,将目标数控机床主轴1夹持的加工零件2与水平线之间的最大夹角代入公式得到目标数控机床当前加工工序中主轴1的加工零件2夹持规范度,其中表示预设的目标数控机床当前加工工序中主轴1的加工零件2夹持规范度修正因子。
通过激光转速传感器检测得到目标数控机床主轴1在各采样时间点的转速,将其记为,将目标数控机床主轴1在各采样时间点的转速代入公式得到目标数控机床当前加工工序中主轴1的转速符合度,其中表示预设的目标数控机床当前加工工序中主轴1的转速符合度修正因子。
作为一种优选方案,所述目标数控机床主轴1夹持的加工零件2的初始形状为棍状圆柱体。
作为一种优选方案,所述目标数控机床主轴1夹持的加工零件2在各采样时间点与水平线之间的夹角,具体获取方法为:根据目标数控机床主轴1夹持的加工零件2在各采样时间点的轮廓,得到目标数控机床主轴1夹持的加工零件2在各采样时间点两个底面的中心点之间的连线,将其记为目标数控机床主轴1夹持的加工零件2在各采样时间点的中心线,进一步得到目标数控机床主轴1夹持的加工零件2在各采样时间点的中心线与水平线之间的夹角,将其记为目标数控机床主轴1夹持的加工零件2在各采样时间点与水平线之间的夹角。
更进一步地,所述主轴参数监测模块中分析得到目标数控机床当前加工工序的主轴1参数匹配指数,具体方法为:将目标数控机床当前加工工序中主轴1的加工零件2夹持稳定度、加工零件2夹持规范度、转速符合度代入公式得到目标数控机床当前加工工序的主轴1参数匹配指数,其中表示预设的目标数控机床当前加工工序的主轴1参数匹配指数修正因子,e表示自然常数,分别表示预设的目标数控机床当前加工工序中主轴1的加工零件2夹持稳定度、加工零件2夹持规范度、转速符合度的阈值,分别表示预设的目标数控机床当前加工工序中主轴1的加工零件2夹持稳定度、加工零件2夹持规范度、转速符合度的权重因子。
需要说明的是,本发明通过获取目标数控机床当前加工工序中主轴1的加工零件2夹持稳定度、加工零件2夹持规范度和转速符合度,分析得到目标数控机床当前加工工序的主轴1参数匹配指数,实现从多方面对数控机床作业过程中的主轴1单元进行细致化分析。
所述进给轴参数监测模块用于获取目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度,分析得到目标数控机床当前加工工序的进给轴参数匹配指数。
进一步地,所述进给轴参数监测模块中获取目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度,具体方法为:在目标数控机床进给轴夹持刀具结构的表面按照设定的检测点布设规则,布设各检测点,通过涡流式位移传感器对目标数控机床进给轴夹持刀具结构表面的各检测点进行检测,得到目标数控机床进给轴夹持刀具结构在各采样时间点各检测点的振动位移,分析得到目标数控机床当前加工工序中进给轴的刀具夹持稳定度,将其记为。
提取数控机床加工数据库中存储的目标数控机床各加工工序的刀具夹持标准图像,筛选得到目标数控机床当前加工工序的刀具夹持标准图像。
作为一种优选方案,所述目标数控机床当前加工工序中进给轴的刀具夹持稳定度,具体获取方法为:将目标数控机床进给轴夹持刀具结构在各采样时间点各检测点的振动位移进行相互比较,得到目标数控机床进给轴夹持刀具结构在各采样时间点对应的最大振动位移,将其记为,将目标数控机床进给轴夹持刀具结构在各采样时间点对应的最大振动位移代入公式得到目标数控机床当前加工工序中进给轴的刀具夹持稳定度,表示预设的目标数控机床当前加工工序中进给轴的刀具夹持稳定度修正因子,表示预设的目标数控机床进给轴夹持刀具结构振动位移阈值。
作为一种优选方案,所述目标数控机床当前加工工序中进给轴的刀具夹持规范度,具体获取方法为:将目标数控机床进给轴夹持的刀具在各采样时间点的轮廓与刀具夹持标准图像对应的轮廓分别进行比对,得到目标数控机床进给轴在各采样时间点夹持刀具的轮廓与刀具夹持标准图像对应轮廓的相似度,将其记为,将目标数控机床进给轴在各采样时间点夹持刀具的轮廓与刀具夹持标准图像对应轮廓的相似度代入公式得到目标数控机床当前加工工序中进给轴的刀具夹持规范度,其中表示预设的目标数控机床当前加工工序中进给轴的刀具夹持规范度修正因子,表示预设的目标数控机床进给轴夹持刀具的轮廓与刀具夹持标准图像对应轮廓的相似度阈值。
作为一种优选方案,所述目标数控机床当前加工工序中进给轴的进给速度符合度,具体获取方法为:根据目标数控机床进给轴在各采样时间点的速度,生成目标数控机床进给轴的数集,基于目标数控机床进给轴中数集内的元素,通过函数拟合法生成目标数控机床进给轴的速度特性函数,进一步得到目标数控机床进给轴的速度特性函数图像,将目标数控机床进给轴的速度特性函数图像与预设的目标数控机床进给轴的理想速度特性函数图像进行比较,得到目标数控机床进给轴的速度特性函数图像与理想速度特性函数图像的吻合度,将其记为目标数控机床当前加工工序中进给轴的进给速度符合度。
作为一种优选方案,所述通过函数拟合法生成目标数控机床进给轴的速度特性函数,具体过程为:将采样时间点作为目标数控机床进给轴的速度特性函数的自变量,将速度作为目标数控机床进给轴的速度特性函数的因变量。
更进一步地,所述进给轴参数监测模块中分析得到目标数控机床当前加工工序的进给轴参数匹配指数,具体过程为:将目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度代入公式得到目标数控机床当前加工工序的进给轴参数匹配指数,其中表示预设的目标数控机床当前加工工序的进给轴参数匹配指数修正因子,分别表示预设的目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度的阈值,分别表示预设的目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度的权重因子。
需要说明的是,本发明通过获取目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度,分析得到目标数控机床当前加工工序的进给轴参数匹配指数,实现从多角度对数控机床作业过程中的进给轴单元进行深度分析。
所述零件加工参数监测模块用于获取目标数控机床当前加工工序对应的加工零件2的表面划痕长度和加工零件2的形状匹配度,分析得到目标数控机床当前加工工序的零件加工参数匹配指数。
进一步地,所述零件加工参数监测模块中获取目标数控机床当前加工工序对应的加工零件2的表面划痕长度和加工零件2的形状匹配度,具体方法为:通过高清摄像机获取目标数控机床当前加工工序结束时加工零件2的各表面图像,根据目标数控机床当前加工工序结束时加工零件2的各表面图像,分析得到目标数控机床当前加工工序对应的加工零件2的表面划痕长度,将其记为。
提取数控机床加工数据库中存储的目标数控机床各加工工序的加工零件2标准三维空间模型,筛选得到目标数控机床当前加工工序的加工零件2标准三维空间模型。
将目标数控机床当前加工工序结束时加工零件2的各表面图像进行拼接整合,得到目标数控机床当前加工工序结束时加工零件2的实景图像,构建目标数控机床当前加工工序结束时加工零件2的三维空间模型,将目标数控机床当前加工工序结束时加工零件2的三维空间模型与加工零件2标准三维空间模型进行拟合比对,得到目标数控机床当前加工工序结束时加工零件2的三维空间模型与标准三维空间模型的重合度,将其记为目标数控机床当前加工工序对应的加工零件2的形状匹配度,将其记为。
作为一种优选方案,所述目标数控机床当前加工工序对应的加工零件2的表面划痕长度,具体获取方法为:将目标数控机床当前加工工序结束时加工零件2的各表面图像与预设的加工零件2标准表面图像进行比对,得到目标数控机床当前加工工序结束时加工零件2各表面图像中各划痕区域,进一步得到目标数控机床当前加工工序结束时加工零件2各表面图像中各划痕长度,对目标数控机床当前加工工序结束时加工零件2各表面图像中各划痕长度进行累加,得到目标数控机床当前加工工序结束时加工零件2表面图像的划痕总长度,将其记为目标数控机床当前加工工序对应的加工零件2的表面划痕长度。
更进一步地,所述零件加工参数监测模块中分析得到目标数控机床当前加工工序的零件加工参数匹配指数,具体过程为:将目标数控机床当前加工工序对应的加工零件2的表面划痕长度和形状匹配度代入公式得到目标数控机床当前加工工序的零件加工参数匹配指数,其中表示预设的目标数控机床当前加工工序的零件加工参数匹配指数修正因子,分别表示预设的目标数控机床当前加工工序对应的加工零件2的允许表面划痕长度和形状匹配度阈值,分别表示预设的目标数控机床当前加工工序对应的加工零件2的表面划痕长度和形状匹配度的权重因子。
需要说明的是,本发明通过获取目标数控机床当前加工工序对应的加工零件2的表面划痕长度和加工零件2的形状匹配度,分析得到目标数控机床当前加工工序的零件加工参数匹配指数,对数控机床完成各道加工工序后的加工零件2进行监控,进而保证零件加工的质量和精度。
所述数据机床加工合格评估模块用于根据目标数控机床当前加工工序的主轴1参数匹配指数、进给轴参数匹配指数和零件加工参数匹配指数,评估得到目标数控机床当前加工工序的加工合格系数,并进行处理。
进一步地,所述数据机床加工合格评估模块的具体过程为:将目标数控机床当前加工工序的主轴1参数匹配指数、进给轴参数匹配指数和零件加工参数匹配指数代入公式得到目标数控机床当前加工工序的加工合格系数,其中分别表示预设的目标数控机床当前加工工序的主轴1参数匹配指数、进给轴参数匹配指数和零件加工参数匹配指数的权重因子。
将目标数控机床当前加工工序的加工合格系数与预设的目标数控机床加工工序的加工合格参考系数进行比较,若目标数控机床当前加工工序的加工合格系数小于加工合格参考系数,表明目标数控机床当前加工工序不合格,对目标数控机床发出停止指令,并通知相应人员进行处理,反之,表明目标数控机床当前加工工序合格,并继续下一道加工工序。
需要说明的是,本发明通过目标数控机床当前加工工序的主轴1参数匹配指数、进给轴参数匹配指数和零件加工参数匹配指数,评估得到目标数控机床当前加工工序的加工合格系数,并进行处理,从多个角度对数控机床的每一道加工工序进行深度数据化分析,进而及时发现数控机床工作异常情况,并采取补救措施或处理,从而减少原材料的浪费,并提高加工生产的效率。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种数控机床运行作业在线智能监测诊断分析***,其特征在于,包括:
数控机床加工数据库:用于存储目标数控机床各加工工序的主轴(1)标准转速、刀具夹持标准图像和加工零件(2)标准三维空间模型;
主轴参数监测模块:用于获取目标数控机床当前加工工序中主轴(1)的加工零件(2)夹持稳定度、加工零件(2)夹持规范度和转速符合度,分析得到目标数控机床当前加工工序的主轴(1)参数匹配指数;
进给轴参数监测模块:用于获取目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度,分析得到目标数控机床当前加工工序的进给轴参数匹配指数;
零件加工参数监测模块:用于获取目标数控机床当前加工工序对应的加工零件(2)的表面划痕长度和加工零件(2)的形状匹配度,分析得到目标数控机床当前加工工序的零件加工参数匹配指数;
数据机床加工合格评估模块:用于根据目标数控机床当前加工工序的主轴(1)参数匹配指数、进给轴参数匹配指数和零件加工参数匹配指数,评估得到目标数控机床当前加工工序的加工合格系数,并进行处理;
所述主轴参数监测模块中获取目标数控机床当前加工工序中主轴(1)的加工零件(2)夹持稳定度、加工零件(2)夹持规范度和转速符合度,具体方法为:
在目标数控机床主轴(1)夹持加工零件(2)结构的表面按照设定的监测点布设规则,布设各监测点,通过压电型加速度传感器对目标数控机床主轴(1)夹持加工零件(2)结构表面的各监测点进行检测,得到目标数控机床主轴(1)夹持加工零件(2)结构在各采样时间点各监测点的振动加速度,将其记为,i表示第i个采样时间点的编号,,j表示第j个监测点的编号,,将目标数控机床主轴(1)夹持加工零件(2)结构在各采样时间点各监测点的振动加速度代入公式得到目标数控机床当前加工工序中主轴(1)的加工零件(2)夹持稳定度,其中表示预设的目标数控机床当前加工工序中主轴(1)的加工零件(2)夹持稳定度修正因子,n表示采样时间点的数量,m表示监测点的数量,表示预设的目标数控机床主轴(1)夹持加工零件(2)结构振动加速度阈值;
通过高清摄像头采集目标数控机床主轴(1)夹持的加工零件(2)在各采样时间点的图像,得到目标数控机床主轴(1)夹持的加工零件(2)在各采样时间点的轮廓,根据目标数控机床主轴(1)夹持的加工零件(2)在各采样时间点的轮廓,得到目标数控机床主轴(1)夹持的加工零件(2)在各采样时间点与水平线之间的夹角,将目标数控机床主轴(1)夹持的加工零件(2)在各采样时间点与水平线之间的夹角进行相互比较,得到目标数控机床主轴(1)夹持的加工零件(2)与水平线之间的最大夹角,将其记为,将目标数控机床主轴(1)夹持的加工零件(2)与水平线之间的最大夹角代入公式得到目标数控机床当前加工工序中主轴(1)的加工零件(2)夹持规范度,其中表示预设的目标数控机床当前加工工序中主轴(1)的加工零件(2)夹持规范度修正因子;
通过激光转速传感器检测得到目标数控机床主轴(1)在各采样时间点的转速,将其记为,将目标数控机床主轴(1)在各采样时间点的转速代入公式得到目标数控机床当前加工工序中主轴(1)的转速符合度,其中表示预设的目标数控机床当前加工工序中主轴(1)的转速符合度修正因子;
所述进给轴参数监测模块中获取目标数控机床当前加工工序中进给轴的刀具夹持稳定度、刀具夹持规范度和进给速度符合度,具体方法为:
在目标数控机床进给轴夹持刀具结构的表面按照设定的检测点布设规则,布设各检测点,通过涡流式位移传感器对目标数控机床进给轴夹持刀具结构表面的各检测点进行检测,得到目标数控机床进给轴夹持刀具结构在各采样时间点各检测点的振动位移,分析得到目标数控机床当前加工工序中进给轴的刀具夹持稳定度,将其记为;
提取数控机床加工数据库中存储的目标数控机床各加工工序的刀具夹持标准图像,筛选得到目标数控机床当前加工工序的刀具夹持标准图像;
2.根据权利要求1所述的一种数控机床运行作业在线智能监测诊断分析***,其特征在于:所述主轴参数监测模块中分析得到目标数控机床当前加工工序的主轴(1)参数匹配指数,具体方法为:
4.根据权利要求1所述的一种数控机床运行作业在线智能监测诊断分析***,其特征在于:所述零件加工参数监测模块中获取目标数控机床当前加工工序对应的加工零件(2)的表面划痕长度和加工零件(2)的形状匹配度,具体方法为:
通过高清摄像机获取目标数控机床当前加工工序结束时加工零件(2)的各表面图像,根据目标数控机床当前加工工序结束时加工零件(2)的各表面图像,分析得到目标数控机床当前加工工序对应的加工零件(2)的表面划痕长度,将其记为;
提取数控机床加工数据库中存储的目标数控机床各加工工序的加工零件(2)标准三维空间模型,筛选得到目标数控机床当前加工工序的加工零件(2)标准三维空间模型;
6.根据权利要求1所述的一种数控机床运行作业在线智能监测诊断分析***,其特征在于:所述数据机床加工合格评估模块的具体过程为:
将目标数控机床当前加工工序的主轴(1)参数匹配指数、进给轴参数匹配指数和零件加工参数匹配指数代入公式得到目标数控机床当前加工工序的加工合格系数,其中分别表示预设的目标数控机床当前加工工序的主轴(1)参数匹配指数、进给轴参数匹配指数和零件加工参数匹配指数的权重因子;
将目标数控机床当前加工工序的加工合格系数与预设的目标数控机床加工工序的加工合格参考系数进行比较,若目标数控机床当前加工工序的加工合格系数小于加工合格参考系数,表明目标数控机床当前加工工序不合格,对目标数控机床发出停止指令,并通知相应人员进行处理,反之,表明目标数控机床当前加工工序合格,并继续下一道加工工序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211134222.3A CN115202287B (zh) | 2022-09-19 | 2022-09-19 | 一种数控机床运行作业在线智能监测诊断分析*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211134222.3A CN115202287B (zh) | 2022-09-19 | 2022-09-19 | 一种数控机床运行作业在线智能监测诊断分析*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115202287A CN115202287A (zh) | 2022-10-18 |
CN115202287B true CN115202287B (zh) | 2022-11-25 |
Family
ID=83573266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211134222.3A Active CN115202287B (zh) | 2022-09-19 | 2022-09-19 | 一种数控机床运行作业在线智能监测诊断分析*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115202287B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116068962B (zh) * | 2023-03-24 | 2023-06-13 | 中科航迈数控软件(深圳)有限公司 | 一种基于数控机床的工艺路线规划方法及相关设备 |
CN116643534B (zh) * | 2023-06-02 | 2023-11-24 | 宣城市建林机械有限公司 | 一种基于孪生技术的数控机床动态监测*** |
CN117066589B (zh) * | 2023-10-12 | 2024-02-20 | 山东万利精密机械制造有限公司 | 高速金属圆锯机切割动态控制管理*** |
CN117196417B (zh) * | 2023-11-08 | 2024-01-30 | 天津市丰和博科技发展有限公司 | 一种立式加工机床加工数据智能分析管理*** |
CN117806231B (zh) * | 2024-02-27 | 2024-05-03 | 山东微晶重工有限公司 | 一种基于物联网的机床运行加工控制***及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118437A (zh) * | 2007-09-03 | 2008-02-06 | 石毅 | 一种新型的数控机床远程状态监测与故障诊断***实现方法 |
CN103823409A (zh) * | 2014-02-27 | 2014-05-28 | 电子科技大学 | 数控机床加工状态多参数在线主动监控***及其实现方法 |
CN204128678U (zh) * | 2014-08-20 | 2015-01-28 | 上海工程技术大学 | 一种机床振动在线监控*** |
CN110023858A (zh) * | 2017-06-20 | 2019-07-16 | 山崎马扎克公司 | 机床管理***以及机床的管理方法 |
JP2020027563A (ja) * | 2018-08-17 | 2020-02-20 | 高松機械工業株式会社 | ヘルスモニタリングシステム |
CN110837247A (zh) * | 2018-08-17 | 2020-02-25 | 智能云科信息科技有限公司 | 基于机床数据的机床性能测评方法、***、综合***、云平台 |
CN111601679A (zh) * | 2018-07-20 | 2020-08-28 | 山崎马扎克公司 | 机床的控制装置、机床以及机床的控制方法 |
CN113741377A (zh) * | 2021-09-29 | 2021-12-03 | 上海理工大学 | 一种基于切削特征遴选的加工过程智能监控***及方法 |
CN114935576A (zh) * | 2022-06-14 | 2022-08-23 | 广汽本田汽车有限公司 | 工件视觉检测设备的准确性验证方法、装置、设备及介质 |
-
2022
- 2022-09-19 CN CN202211134222.3A patent/CN115202287B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118437A (zh) * | 2007-09-03 | 2008-02-06 | 石毅 | 一种新型的数控机床远程状态监测与故障诊断***实现方法 |
CN103823409A (zh) * | 2014-02-27 | 2014-05-28 | 电子科技大学 | 数控机床加工状态多参数在线主动监控***及其实现方法 |
CN204128678U (zh) * | 2014-08-20 | 2015-01-28 | 上海工程技术大学 | 一种机床振动在线监控*** |
CN110023858A (zh) * | 2017-06-20 | 2019-07-16 | 山崎马扎克公司 | 机床管理***以及机床的管理方法 |
CN111601679A (zh) * | 2018-07-20 | 2020-08-28 | 山崎马扎克公司 | 机床的控制装置、机床以及机床的控制方法 |
JP2020027563A (ja) * | 2018-08-17 | 2020-02-20 | 高松機械工業株式会社 | ヘルスモニタリングシステム |
CN110837247A (zh) * | 2018-08-17 | 2020-02-25 | 智能云科信息科技有限公司 | 基于机床数据的机床性能测评方法、***、综合***、云平台 |
CN113741377A (zh) * | 2021-09-29 | 2021-12-03 | 上海理工大学 | 一种基于切削特征遴选的加工过程智能监控***及方法 |
CN114935576A (zh) * | 2022-06-14 | 2022-08-23 | 广汽本田汽车有限公司 | 工件视觉检测设备的准确性验证方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115202287A (zh) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115202287B (zh) | 一种数控机床运行作业在线智能监测诊断分析*** | |
WO2021043192A1 (zh) | 一种在线监测铣削加工刀具缺损的方法 | |
CN112683193B (zh) | 基于机器视觉的刀具类型判别及几何参数检测方法及*** | |
TWI662278B (zh) | 刀具磨耗監控方法 | |
CN109940461B (zh) | 一种高进给铣刀刀齿后刀面磨损特性的检测方法 | |
CN114905333A (zh) | 一种基于多维数据分析的机床作业在线智能监测*** | |
CN114273976A (zh) | 一种数控加工中心在线监测智能调控管理云*** | |
CN104190963B (zh) | 一种基于机器视觉的数控车床对刀装置及对刀方法 | |
CN113146359A (zh) | 一种智能监测和诊断切削状态的数控机床控制*** | |
CN115639781B (zh) | 基于大数据的数控机床控制方法及*** | |
CN113305644A (zh) | 一种基于零件测量数据的刀具状态监测及预警方法和*** | |
Khairnar et al. | Supervision of carbide tool condition by training of vibration-based statistical model using boosted trees ensemble | |
CN114800040A (zh) | 工艺-状态数据关联的刀具磨损监测方法及*** | |
CN107398778A (zh) | 高速铣削刀具磨损视觉在位监测***和方法 | |
CN114840932A (zh) | 多因数耦合提高tc4钛合金表面粗糙度预测精度的方法 | |
Agarwal et al. | Analyzing the evolution of tool wear area in trochoidal milling of Inconel 718 using image processing methodology | |
CN116307938B (zh) | 一种加工中心进给***健康状态评估方法 | |
CN206105516U (zh) | 一种非接触式刀片磨损的在线检测设备 | |
US4854161A (en) | Method for diagnosing cutting tool dullness | |
CN116690313A (zh) | 一种飞机结构件腹板加工刀具失效监控方法 | |
CN110757261A (zh) | 刀具加工设备在线调试方法 | |
CN113759826B (zh) | 一种五轴加工中心的智能监控*** | |
JPH10267749A (ja) | 切削加工における異常診断方法 | |
CN115351600A (zh) | 一种可用于钻铣加工的刀具状态的监测方法和装置 | |
CN111113268B (zh) | 一种机床的刀具补正方法及*** |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231114 Address after: No. 22 Industrial Park, Yaowan Town, Xinyi City, Xuzhou City, Jiangsu Province, 221400 Patentee after: Jiangsu Dema EK CNC Technology Co.,Ltd. Address before: 221400 No. 10 Huiyuan East Road, Wanglou Street, Yaowan Town, Xinyi City, Xuzhou City, Jiangsu Province Patentee before: Xuzhou lingfengjun automation equipment Co.,Ltd. |