CN115246081B - 一种快速和可靠的铣削颤振检测方法 - Google Patents
一种快速和可靠的铣削颤振检测方法 Download PDFInfo
- Publication number
- CN115246081B CN115246081B CN202210619937.1A CN202210619937A CN115246081B CN 115246081 B CN115246081 B CN 115246081B CN 202210619937 A CN202210619937 A CN 202210619937A CN 115246081 B CN115246081 B CN 115246081B
- Authority
- CN
- China
- Prior art keywords
- data
- synchronous sampling
- flutter
- groups
- vibration
- 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
- 238000003801 milling Methods 0.000 title claims abstract description 53
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 230000001360 synchronised effect Effects 0.000 claims abstract description 83
- 238000005070 sampling Methods 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000003672 processing method Methods 0.000 claims abstract description 6
- 238000006073 displacement reaction Methods 0.000 claims description 46
- 238000009434 installation Methods 0.000 claims description 4
- 238000011425 standardization method Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 238000002759 z-score normalization Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000003754 machining Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 101100136092 Drosophila melanogaster peng gene Proteins 0.000 description 1
- 101000619542 Homo sapiens E3 ubiquitin-protein ligase parkin Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 244000145845 chattering Species 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 102000045222 parkin Human genes 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/12—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring vibration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0971—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining by measuring mechanical vibrations of parts of the machine
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及状态检测技术领域,公开了一种快速和可靠的铣削颤振检测方法,包括:确定主轴每转采集的数据量n,每个时间窗口的数据长度nm,m也可以被看作主轴转数,指定颤振阀值T,确定振动传感器的数量k以及其与转速传感器的安装位置;获取k组多点同步采样数据;利用Z‑score标准化方法对获取的k组多点同步采样数据标准化处理;扩展标准化处理后的k组多点同步采样数据;利用中心化处理方法对扩展后的k组多点同步采样数据进行中心化处;计算融合颤振信息后数据Z的标准差判定颤振状态是否产生。与现有相比,本发明根据颤振的特点,融合多个传感器的颤振信息,能够可靠地检测颤振的出现,降低颤振的误诊率和漏诊率。
Description
技术领域
本发明属于状态检测技术领域,涉及一种机械加工状态检测技术,具体涉及一种应用于高速铣削或超高速铣削加工的快速和可靠铣削颤振检测技术。
背景技术
高速铣削加工具有加工精度高和生产效率高等优点,已广泛应用于汽车和航空航天等的多个制造加工领域。在高速铣削加工过程中,颤振经常出现。颤振的出现不但降低加工质量和加工效率,而且加速刀具磨损、产生大量噪声和浪费能源。颤振已成为阻碍提高铣削加工加工质量和加工效率的最大障碍,尤其对于薄壁工件的铣削加工。为了提高加工质量和加工效率,有必要对高速铣削加工过程中的颤振进行检测。
目前,研究人员和工程师已提出多种颤振检测技术。申请号为201410620569.8的发明专利公开了一种基于C0复杂度和相关系数的铣削颤振检测方法,其特点在于首先利用Comb滤波器滤除颤振信号中的周期性成分,然后采用C0复杂度和相关系数对颤振进行表征和检测。申请号为201910656987.5的发明专利公开了一种基于经验模式分解和时频多特征的颤振检测方法,该方法的特点在于首先利用经验模式分解方法把颤振信号分解为一组子信号,然后选择包含颤振信息较多的几个子信号进行分析,抽取多个颤振特征量,构建多维观测空间,接着利用流形学习算法降低多维观测空间的维数,进而融合多个颤振特征量的信息,最后利用支持向量机对颤振进行识别。这两种颤振检测方法具有相对较多的计算费用,可能无法满足于高速或者超高速铣削加工。为了快速检测出铣削加工过程中的颤振,Schmitz等(Schmitz TL,Medicus K,Dutterer B.Exploring once-per-revolution audiosignal variance as a chatter indicator.Mach Sci Technol2002;6:215–33.http://dx.doi.org/10.1081/MST-120005957.)提议采用单点同步采样信号的方差作为颤振指标来对颤振进行检测。单点同步采样是根据庞加莱图开发的一种数据采集策略,它是指在主轴每旋转一转时实现一次采样,进而获得一组单点同步采样数据。颤振是一种自激振动现象。在非线性***中,可以将颤振看作分岔现象或者混沌现象。在不考虑噪声影响的情况下,对于颤振信号来说,单点同步采样数据为一定值(或者常数),而对于颤振信号来说,单点同步采样数据则不再为一定值,具有波动现象。根据颤振的这一特点,单点同步采样能够识别出颤振。尽管该方法可以显著减少采集的数据量,并具有较小的计算费用,可是单点同步采样数据无法可靠地展示颤振信息。利用该方法可能无法检测出对应于周期-2分岔的颤振。
以上颤振检测方法均利用单个传感器获取的颤振信号。Peng等(Peng ZK,JacksonMR,Guo LZ,Parkin RM,Meng G.Effects of bearing clearance on the chatterstability of milling process.Nonlinear Anal Real World Appl2010;11:3577–89.)研究发现,单个传感器可能无法获取到颤振信息。这是因为颤振信息不一定同时存在于所有振动方向上。例如,颤振信息可能不同时存在于铣削加工方向和垂直与铣削加工方向。因此,采用单个传感器无法可靠地检测出颤振。目前,虽然已有不少基于多个传感器的颤振检测方法,但是这些方法的计算费用相对较大,不适用于高速或者超高速铣削加工的颤振检测。
发明内容
发明目的:针对背景技术中存在的问题,本发明公开了一种快速和可靠的铣削颤振检测方法,根据颤振的特点,融合多个传感器的颤振信息,能够可靠和快速地检测颤振的出现,降低颤振的误诊率和漏诊率。
技术方案:本发明公开了一种快速和可靠的铣削颤振检测方法,包括以下步骤:
步骤1:确定主轴每转采集的数据量n,每个时间窗口的数据长度nm,m也可以被看作主轴转数,指定颤振阀值T,确定振动传感器的类型和数量k以及它们与转速传感器的安装位置;以上振动传感器需安装在不同位置处,以便获取不同位置处的振动数据;
步骤2:根据以上k个振动传感器和转速传感器,获取k组多点同步采样数据。这些数据可表示为X1=[x1(1),x1(2),x1(3),…,x1(n),…,x1(nm)],X2=[x2(1),x2(2),x2(3),…,x2(n),…,x2(nm)],X3=[x3(1),x3(2),x3(3),…,x3(n),…,x3(nm)],…,Xk=[xk(1),xk(2),xk(3),…,xk(n),…,xk(nm)];
步骤3:标准化处理获取的k组多点同步采样数据,利用Z-score标准化方法对获取的k组多点同步采样数据标准化处理;
步骤4:扩展标准化处理后的k组多点同步采样数据;
步骤5:利用中心化处理方法对扩展后的k组多点同步采样数据进行中心化处,融合k组多点同步采样数据;
步骤6:判定颤振状态是否产生,计算融合颤振信息后数据Z的标准差σ,对比计算所得标准差与预定阀值T,如果σ大于预定阀值T,则可以判定颤振已出现,否则,则认为颤振未出现。
进一步地,所述步骤1中,加工工件可为非薄壁工件和薄壁工件;针对非薄壁工件铣削加工,将k个振动传感器以及转速传感器安装在高速主轴上来获取数据;针对薄壁工件铣削加工,将k个振动传感器安装在薄壁工件或者高速主轴上,另外,把转速传感器安装在高速主轴上的来获取转速数据。
进一步地,所述振动传感器为加速度传感器、速度传感器或者位移传感器。
进一步地,所述步骤3中标准化处理后的第k组数据可表示为:
式中,代表着第k组数据Xk的均值,/>代表着第k组数据Xk的标准差。
进一步地,所述步骤4中扩展标准化处理后的k组多点同步采样数据的具体操作为:
根据每转内采集的数据量n,将标准化后的每组多点同步采样数据扩展为n维数据,针对第k组标准化后的数据,扩展后的数据可表示为:
为了方便表达,我们令第k组扩展后的数据可表示为:
对于无颤振信号,拓展后多点同步采样数据中的每行数据都是常数,不存在波动现象,而对于颤振信号,拓展后多点同步采样数据中的每行数据将不再是常数,每行数据显示出波动现象。
进一步地,所述步骤5中利用中心化处理方法对扩展后的k组多点同步采样数据进行中心化处理的具体操作为:
对扩展后k组n维数据的每维数据进行中心化处理,中心化处理后的第k组同步采样数据为:
式中,为扩展后第k组数据Yk的第n行数据平均值,将Yk′中的n维数据融合为一维数据为:
将k组融合后的数据再次融合为一组一维数据Z=[Z1,Z2,Z3,…,Zk]。
有益效果:
1、本发明根据颤振的特点,融合了多个传感器的颤振信息,因此能够可靠地检测颤振的出现,降低颤振的误诊率和漏诊率。
2、本方法计算费用较低,检测时间延迟短,可以快速地诊断出颤振,因此,可应用于高速铣削加工和超高速铣削加工***。
3、本方法计算费用较低,可以采用计算速度较慢的控制单元,从而降低控制单元成本。
4、本方法采用了多点同步采样技术,获取的同步数据不受转速影响,因此,可应用于变转速铣削加工***。
附图说明
图1为本发明方法的颤振检测流程图;
图2为无颤振时薄壁工件在垂直于铣削加工方向上的位移数据和多点同步位移数据;
图3为无颤振时主轴在垂直于铣削加工方向上的位移数据和多点同步位移数据;
图4为无颤振时主轴在铣削加工方向上的位移数据和多点同步位移数据;
图5为有颤振时薄壁工件在垂直于铣削加工方向上的位移数据和多点同步位移数据;
图6为有颤振时主轴在垂直于铣削加工方向上的位移数据和多点同步位移数据;
图7为有颤振时主轴在铣削加工方向上的位移数据和多点同步位移数据;
图8为无颤振时薄壁工件在垂直于铣削加工方向上的标准化多点同步位移数据;
图9为无颤振时主轴在垂直于铣削加工方向上的标准化多点同步位移数据;
图10为无颤振时主轴在铣削加工方向上的标准化多点同步位移数据;
图11为有颤振时薄壁工件在垂直于铣削加工方向上的标准化多点同步位移数据;
图12为有颤振时主轴在垂直于铣削加工方向上的标准化多点同步位移数据;
图13为有颤振时主轴在铣削加工方向上的标准化多点同步位移数据;
图14为无颤振时薄壁工件在垂直于铣削加工方向上的中心化多点同步位移数据;
图15为无颤振时主轴在垂直于铣削加工方向上的中心化多点同步位移数据;
图16为无颤振时主轴在铣削加工方向上的中心化多点同步位移数据;
图17为有颤振时薄壁工件在垂直于铣削加工方向上的中心化多点同步位移数据;
图18为有颤振时主轴在垂直于铣削加工方向上的中心化多点同步位移数据;
图19为有颤振时主轴在铣削加工方向上的中心化多点同步位移数据;
图20为无颤振时融合了3组位移信息的中心化多点同步位移数据;
图21为有颤振时融合了3组位移信息的中心化多点同步位移数据。
具体实施方式
以下结合附图对本发明方法的实施过程进行说明。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明公开了一种快速和可靠的铣削颤振检测方法,包括以下步骤:
步骤1:确定主轴每转采集的数据量n,每个时间窗口的数据长度nm,m也可以被看作主轴转数,指定颤振阀值T,确定振动传感器的类型和数量k以及它们与转速传感器的安装位置,以上振动传感器需安装在不同位置处,以便获取不同位置处的振动数据。本实施例中,确定主轴每转采集的数据量n=10,每个时间窗口的数据长度nm=100,可以看出每个时间窗口共采集了主轴旋转10转的数据;指定颤振检测阀值T为0.40,确定振动传感器为3个位移传感器,以及其安装位置。
振动传感器的安装位置视加工工件而定。加工工件可为非薄壁工件和薄壁工件。针对非薄壁工件铣削加工,可以将3个位移传感器以及转速传感器安装在高速主轴上来获取数据。针对薄壁工件铣削加工,可以将3个位移传感器安装在薄壁工件或者高速主轴上,另外,把转速传感器安装在高速主轴上的来获取转速数据。本实施例的加工工件选为薄壁工件,因此,振动传感器可安装在薄壁工件上或者主轴上。本实施例将一个位移传感器安装在薄壁工件上,用于测量薄壁工件在垂直于加工方向上的位移,将两个位移传感器安装在主轴表面,分别用于测量主轴在加工方向和垂直于加工方向上的位移,以上位移传感器需安装在了不同位置处,从而能够获取不同位置处的振动数据。
步骤2:获取3组多点同步采样数据。
根据以上3个位移传感器和转速传感器,可以获取3组多点同步采样数据。这些数据可表示为X1=[x1(1),x1(2),x1(3),…,x1(n),…,x1(nm)],X2=[x2(1),x2(2),x2(3),…,x2(n),…,x2(nm)],X3=[x3(1),x3(2),x3(3),…,x3(n),…,x3(nm)]。
本实施例中,安装在薄壁工件上的位移传感器用于测量薄壁工件在垂直于加工方向上的振动位移信号。安装在主轴上的两个位移传感器分别用于测量主轴在加工方向和垂直于加工方向上的振动位移信号。安装在主轴上的转速传感器用于采集主轴转速信息。联合3个位移传感器和转速传感器可获得3组多点同步采样数据。无颤振时的3组振动位移信号与多点同步采样数据分别如图2-4所示。有颤振时的3组振动位移信号与多点同步采样信号分别如图5-7所示。
步骤3:标准化处理获取的3组多点同步采样数据
利用Z-score标准化方法对获取的3组多点同步采样数据标准化处理。标准化处理后的第2组数据可表示为:
式中,代表着第2组数据X2的均值,/>代表着第2组数据X2的标准差。
本实施例中,无颤振时的3组标准化处理后的多点同步采样信号分别如图8-10所示。有颤振时的3组标准化处理后的多点同步采样信号分别如图11-13所示。通过标准化处理,3组多点同步采样数据被标准化到同一尺度上。这样可以方便后续的数据融合。
步骤4:扩展标准化处理后的3组多点同步采样数据。
根据每转内采集的数据量,将标准化后的每组多点同步采样数据扩展为10维数据。选用第2组数据作为例子进行说明。针对第2组标准化后的数据,扩展后的数据可表示为:
为了方便表达,我们令第2组扩展后的数据可表示为:
扩展这些同步采样数据的目的是为了后续融合颤振信息。扩展标准化处理后的3组多点同步采样数据可以很好地显示颤振信息。相对于单点同步采样数据,多点同步采样数据具有更多的数据,包含更多颤振信息。融合拓展后多点同步采样数据包含的颤振信息能够更可靠地刻画颤振特征。
本实施例中,由于设置的每转内采集10个数据,因此,可以将3组多点同步采样数据分别扩展为3组10维数据。每一维数据含有10个数据点。
步骤5:融合3组多点同步采样数据包含的颤振信息。
利用中心化处理方法对扩展后的3组多点同步采样数据进行中心化处。需要指出的是,这里中心化处理并不是直接对整个数据进行中心化处理,而是对扩展后3组10维数据的每维数据进行中心化处理。中心化处理后的第2组同步采样数据为:
式中,分别为扩展后第2组数据Y2的第1,2,3,…,10行数据平均值。将Y2′中的10维数据融合为一维数据为:
将3组融合后的数据再次融合为一组一维数据Z=[Z1,Z2,Z3]。
本实施例中,利用中心化处理方法对扩展后的3组多点同步采样数据进行中心化处。需要指出的是这里中心化处理并不是直接对每组所有数据中心化处理,而是对扩展后10维数据的每维数据进行中心化处理。将每组的10维数据融合为一维数据。无颤振时的3组融合后的多点同步采样信号分别如图14-16所示。有颤振时的3组融合后的多点同步采样信号分别如图17-19所示。将融合后的三组数据进一步融合为一组数据。无颤振时融合了3组多点同步采样信号的数据如图20所示。有颤振时融合了3组多点同步采样信号的数据如图21所示。
步骤6:判定颤振状态是否产生
计算融合颤振信息后数据Z的标准差σ,对比计算所得标准差与预定阀值T,如果σ大于预定阀值T,则可以判定颤振已出现,否则,则认为颤振未出现。
可以得出无颤振时的标准差σ等于0.30,小于预定阀值T=0.40,颤振检测程序返回第二步继续进行颤振检测。对于有颤振时的多点同步采样数据,计算得出标准差σ等于0.81,大于预定阀值T=0.40,则可以判断颤振已出现。
可以看出,本发明方法的计算复杂度为O(nm),这里nm是数据的长度,本发明方法计算复杂度较小,因此,该方法可以快速地检测颤振,可被应用于高速和超高速铣削加工。另外,本发明方法融合了多个传感器的多点同步采样数据,克服了单点同步采样和使用单个传感无法可靠地刻画颤振信息的缺点。本发明方法能够可靠地检测颤振。
上述实施方式只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种快速和可靠的铣削颤振检测方法,其特征在于,包括以下步骤:
步骤1:确定主轴每转采集的数据量n,每个时间窗口的数据长度nm,m也可以被看作主轴转数,指定颤振阀值T,确定振动传感器的类型和数量k以及其和转速传感器的安装位置,以上振动传感器需安装在不同位置处,以便获取不同位置处的振动数据;
步骤2:根据以上k个振动传感器和转速传感器,获取k组多点同步采样数据,这些数据可表示为X1=[x1(1),x1(2),x1(3),…,x1(n),…,x1(nm)],X2=[x2(1),x2(2),x2(3),…,x2(n),…,x2(nm)],X3=[x3(1),x3(2),x3(3),…,x3(n),…,x3(nm)],…,Xk=[xk(1),xk(2),xk(3),…,xk(n),…,xk(nm)];
步骤3:标准化处理获取的k组多点同步采样数据,利用Z-score标准化方法对获取的k组多点同步采样数据标准化处理;
步骤4:扩展标准化处理后的k组多点同步采样数据;
根据每转内采集的数据量n,将标准化后的每组多点同步采样数据扩展为n维数据,针对第k组标准化后的数据,扩展后的数据可表示为:
为了方便表达,我们令第k组扩展后的数据可表示为:
对于无颤振信号,拓展后多点同步采样数据中的每行数据都是常数,不存在波动现象,而对于颤振信号,拓展后多点同步采样数据中的每行数据将不再是常数,每行数据显示出波动现象;
步骤5:利用中心化处理方法对扩展后的k组多点同步采样数据进行中心化处,然后,融合k组多点同步采样数据包含的颤振信息;
对扩展后k组n维数据的每维数据进行中心化处理,中心化处理后的第k组同步采样数据为:
式中,为扩展后第k组数据Yk的第n行数据平均值,将Yk′中的n维数据融合为一维数据为:
将k组融合后的数据再次融合为一组一维数据Z=[Z1,Z2,Z3,…,Zk];
步骤6:判定颤振状态是否产生,计算融合颤振信息后数据Z的标准差σ,对比计算所得标准差与预定阀值T,如果σ大于预定阀值T,则可以判定颤振已出现,否则,则认为颤振未出现。
2.根据权利要求1所述的快速和可靠的铣削颤振检测方法,其特征在于,所述步骤1中,加工工件可为薄壁工件和非薄壁工件;针对非薄壁工件铣削加工,将k个振动传感器以及转速传感器安装在高速主轴上来获取数据;针对薄壁工件铣削加工,将k个振动传感器安装在薄壁工件或者高速主轴上,另外,把转速传感器安装在高速主轴上的来获取转速数据。
3.根据权利要求2所述的快速和可靠的铣削颤振检测方法,其特征在于,所述振动传感器类型可为加速度传感器、速度传感器或者位移传感器。
4.根据权利要求1所述的快速和可靠的铣削颤振检测方法,其特征在于,所述步骤3中标准化处理后的第k组数据可表示为:
其中,代表着第k组数据Xk的均值,σXk代表着第k组数据Xk的标准差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210619937.1A CN115246081B (zh) | 2022-06-02 | 2022-06-02 | 一种快速和可靠的铣削颤振检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210619937.1A CN115246081B (zh) | 2022-06-02 | 2022-06-02 | 一种快速和可靠的铣削颤振检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115246081A CN115246081A (zh) | 2022-10-28 |
CN115246081B true CN115246081B (zh) | 2023-08-25 |
Family
ID=83698519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210619937.1A Active CN115246081B (zh) | 2022-06-02 | 2022-06-02 | 一种快速和可靠的铣削颤振检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115246081B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118132933A (zh) * | 2024-02-21 | 2024-06-04 | 淮阴工学院 | 基于多分辨率非同步熵的高速铣削颤振诊断方法 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010133911A (ja) * | 2008-12-04 | 2010-06-17 | Tsuneo Yamauchi | 物理量の変化測定システム,及び,標準時刻準拠データの特定方法. |
JP2013036912A (ja) * | 2011-08-10 | 2013-02-21 | Jtekt Corp | びびり振動検出装置 |
CN104390697A (zh) * | 2014-11-06 | 2015-03-04 | 西安交通大学 | 一种基于c0复杂度与相关系数的铣削颤振检测方法 |
CN104786101A (zh) * | 2015-04-29 | 2015-07-22 | 常州信息职业技术学院 | 立铣切削颤振的监测方法 |
CN104898565A (zh) * | 2014-03-05 | 2015-09-09 | 麦克隆·阿杰·查米莱斯股份公司 | 改进的用于颤振预测的数据库 |
CN106112697A (zh) * | 2016-07-15 | 2016-11-16 | 西安交通大学 | 一种基于3σ准则的铣削颤振自动报警阈值设定方法 |
CN106124034A (zh) * | 2016-09-07 | 2016-11-16 | 湖南科技大学 | 基于机器视觉的薄壁件工作模态测试装置及测试方法 |
KR20180036199A (ko) * | 2016-09-30 | 2018-04-09 | 화천기공 주식회사 | 가공 정밀도 향상을 위한 공작 기계의 채터 검출방법 |
JP2019000943A (ja) * | 2017-06-15 | 2019-01-10 | Dmg森精機株式会社 | 工作機械、加工方法、および加工プログラム |
CN110095179A (zh) * | 2019-05-29 | 2019-08-06 | 宁波大陵五智能设备科技有限公司 | 一种电机振动检测与诊断方法 |
CN110434676A (zh) * | 2019-07-29 | 2019-11-12 | 北京理工大学 | 一种多传感器时频特征融合的镗削颤振监测方法 |
CN110530495A (zh) * | 2019-09-10 | 2019-12-03 | 长沙理工大学 | 一种基于振动分析的切削颤振监测方法 |
CN110561195A (zh) * | 2019-09-04 | 2019-12-13 | 清华大学深圳研究生院 | 一种机械加工过程中颤振的监测方法 |
CN111624947A (zh) * | 2019-02-27 | 2020-09-04 | 发那科株式会社 | 颤振判定装置、机器学习装置以及*** |
CN111618658A (zh) * | 2020-05-21 | 2020-09-04 | 西安交通大学 | 一种面向无颤振高效铣削的主轴转速自适应调整方法 |
CN111695582A (zh) * | 2019-04-10 | 2020-09-22 | 燕山大学 | 一种颤振纹理的检测方法及其装置 |
CN112200048A (zh) * | 2020-09-30 | 2021-01-08 | 苏州容思恒辉智能科技有限公司 | 一种基于回归模型的旋转设备故障预测方法、***及可读存储介质 |
KR20220060052A (ko) * | 2020-11-03 | 2022-05-11 | 한국생산기술연구원 | 가상모델을 이용한 채터 검출 시스템 |
-
2022
- 2022-06-02 CN CN202210619937.1A patent/CN115246081B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010133911A (ja) * | 2008-12-04 | 2010-06-17 | Tsuneo Yamauchi | 物理量の変化測定システム,及び,標準時刻準拠データの特定方法. |
JP2013036912A (ja) * | 2011-08-10 | 2013-02-21 | Jtekt Corp | びびり振動検出装置 |
CN104898565A (zh) * | 2014-03-05 | 2015-09-09 | 麦克隆·阿杰·查米莱斯股份公司 | 改进的用于颤振预测的数据库 |
CN104390697A (zh) * | 2014-11-06 | 2015-03-04 | 西安交通大学 | 一种基于c0复杂度与相关系数的铣削颤振检测方法 |
CN104786101A (zh) * | 2015-04-29 | 2015-07-22 | 常州信息职业技术学院 | 立铣切削颤振的监测方法 |
CN106112697A (zh) * | 2016-07-15 | 2016-11-16 | 西安交通大学 | 一种基于3σ准则的铣削颤振自动报警阈值设定方法 |
CN106124034A (zh) * | 2016-09-07 | 2016-11-16 | 湖南科技大学 | 基于机器视觉的薄壁件工作模态测试装置及测试方法 |
KR20180036199A (ko) * | 2016-09-30 | 2018-04-09 | 화천기공 주식회사 | 가공 정밀도 향상을 위한 공작 기계의 채터 검출방법 |
JP2019000943A (ja) * | 2017-06-15 | 2019-01-10 | Dmg森精機株式会社 | 工作機械、加工方法、および加工プログラム |
CN111624947A (zh) * | 2019-02-27 | 2020-09-04 | 发那科株式会社 | 颤振判定装置、机器学习装置以及*** |
CN111695582A (zh) * | 2019-04-10 | 2020-09-22 | 燕山大学 | 一种颤振纹理的检测方法及其装置 |
CN110095179A (zh) * | 2019-05-29 | 2019-08-06 | 宁波大陵五智能设备科技有限公司 | 一种电机振动检测与诊断方法 |
CN110434676A (zh) * | 2019-07-29 | 2019-11-12 | 北京理工大学 | 一种多传感器时频特征融合的镗削颤振监测方法 |
CN110561195A (zh) * | 2019-09-04 | 2019-12-13 | 清华大学深圳研究生院 | 一种机械加工过程中颤振的监测方法 |
CN110530495A (zh) * | 2019-09-10 | 2019-12-03 | 长沙理工大学 | 一种基于振动分析的切削颤振监测方法 |
CN111618658A (zh) * | 2020-05-21 | 2020-09-04 | 西安交通大学 | 一种面向无颤振高效铣削的主轴转速自适应调整方法 |
CN112200048A (zh) * | 2020-09-30 | 2021-01-08 | 苏州容思恒辉智能科技有限公司 | 一种基于回归模型的旋转设备故障预测方法、***及可读存储介质 |
KR20220060052A (ko) * | 2020-11-03 | 2022-05-11 | 한국생산기술연구원 | 가상모델을 이용한 채터 검출 시스템 |
Non-Patent Citations (1)
Title |
---|
基于计算机视觉的薄壁件铣削颤振在线监测;***;工程科技Ⅰ辑;1-48 * |
Also Published As
Publication number | Publication date |
---|---|
CN115246081A (zh) | 2022-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI481978B (zh) | 工具機之加工品質的預測方法 | |
CN108982107B (zh) | 一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法 | |
CN115246081B (zh) | 一种快速和可靠的铣削颤振检测方法 | |
CN105234745B (zh) | 机床主轴热误差、圆度误差与回转误差的分离与处理方法 | |
US20240036543A1 (en) | Tool wear monitoring method and system under variable operational conditions based on decoupling of cutting force component | |
CN112307579B (zh) | 基于温度综合信息的热误差温度敏感点选择方法及*** | |
CN103192292B (zh) | 基于加工工件曲面形貌信息的数控机床误差辨识分离方法 | |
CN110716500B (zh) | 用于确定温度敏感区间分段建模点的方法与*** | |
CN115091262B (zh) | 一种基于多类信号特征融合的刀具磨损监测方法 | |
CN112405072B (zh) | 一种机床切削颤振的在线监测方法及装置 | |
CN113554621B (zh) | 基于小波尺度图和深度迁移学习的刀具磨损状态识别***及识别方法 | |
CN116186499A (zh) | 一种数控加工表面粗糙度预测方法 | |
Li et al. | Online chatter detection in milling process based on VMD and multiscale entropy | |
Yao et al. | Modelling of multivariate time series for tool wear estimation in finish-turning | |
CN115409067A (zh) | 一种数控机床组件剩余寿命预测方法 | |
CN116423292A (zh) | 一种综合能量比和幅值标准差的铣削颤振在线监测方法 | |
CN116861313A (zh) | 基于振动能量趋势的卡尔曼滤波工况识别方法、*** | |
CN112861728B (zh) | 一种多传感信号融合监测薄壁件铣削数据降维方法及*** | |
Watanabe et al. | Anomaly detection methods in turning based on motor data analysis | |
CN114119501B (zh) | 一种微铣削加工未变形切削厚度测量方法及*** | |
CN108427375B (zh) | 一种基于带通滤波处理多传感监测刀具状态的方法 | |
CN115422978A (zh) | 一种工件表面粗糙度预测方法 | |
CN118024021A (zh) | 一种基于少量测量数据的高速铣削颤振检测方法 | |
CN114638265A (zh) | 一种基于信号卷积神经网络的铣削颤振判别方法 | |
Zheng et al. | Tool wear prediction with external signals based on lightweight deep learning model |
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 |
Effective date of registration: 20240119 Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Dragon totem Technology (Hefei) Co.,Ltd. Address before: 223000 No.1, Meicheng East Road, Huaian Economic and Technological Development Zone, Jiangsu Province Patentee before: HUAIYIN INSTITUTE OF TECHNOLOGY |
|
TR01 | Transfer of patent right |