CN117170312A - 一种数控机床主轴健康程度量化评价方法 - Google Patents
一种数控机床主轴健康程度量化评价方法 Download PDFInfo
- Publication number
- CN117170312A CN117170312A CN202311454164.7A CN202311454164A CN117170312A CN 117170312 A CN117170312 A CN 117170312A CN 202311454164 A CN202311454164 A CN 202311454164A CN 117170312 A CN117170312 A CN 117170312A
- Authority
- CN
- China
- Prior art keywords
- main shaft
- numerical control
- control machine
- machine tool
- 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.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 56
- 230000001133 acceleration Effects 0.000 claims description 22
- 238000006073 displacement reaction Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 12
- 230000000087 stabilizing effect Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 4
- 238000003754 machining Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
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
本发明公开了一种数控机床主轴健康程度量化评价方法，属于数控机床领域，解决如何通过多方面的数据来分析评估数控机床的主轴健康状态，从而及时发现主轴异常和延迟主轴使用寿命的问题；本发明首先获取主轴振动数据，根据获取的主轴振动数据计算主轴振动水平系数，由主轴振动水平系数判断目标数控机床主轴当前运行是否稳定；并获取外界影响数据，根据获取的外界影响数据计算外界影响评估系数，由外界影响评估系数判断目标数控机床主轴受到外界因素负面影响的程度；最后根据主轴振动水平系数和主轴外界评估系数计算主轴健康程度评估系数，由主轴健康程度评估系数判断目标数控机床主轴的健康状态。
Description
技术领域
本发明属于数控机床领域，具体是一种数控机床主轴健康程度量化评价方法。
背景技术
数控机床主轴是数控机床中的一个关键部件，它承载着切削工具（如铣刀、钻头、刀具等）并在加工过程中旋转，从而实现对工件的切割、雕刻、钻孔、车削等加工操作。主轴的功能类似于传统机械机床中的主轴，但它具有更高的自动化和精度。
现有技术（CN105974886A）公开了一种数控机床的健康监测方法，通过对关键的数控机床健康指数的计算依据、健康指数的计算方法以及健康指数的显示方式等进行改进，能够有效解决数控机床健康状态判断不及时与不准确的问题，并且得出的数控机床的健康指数是通过可视化显示，提高了机床与人的交互效果。但该现有技术不能通过多个方面的数据来分析评估数据机床的主轴健康状态，导致对数控机床主轴是否健康的判断结果不准确，若无法及时处理，可能导致主轴使用寿命缩短和发生安全问题。为此，本发明提出了一种数控机床主轴健康程度量化评价方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种数控机床主轴健康程度量化评价方法，本发明解决了如何通过多方面的数据来分析评估数控机床的主轴健康状态，从而及时发现主轴异常和延迟主轴使用寿命的问题。
为了实现上述目的，本发明采用了如下技术方案：
一种数控机床主轴健康程度量化评价方法，包括：
获取主轴振动数据，根据获取的主轴振动数据计算主轴振动水平系数，由主轴振动水平系数判断目标数控机床主轴当前运行是否稳定；
获取外界影响数据，根据获取的外界影响数据计算外界影响评估系数，由外界影响评估系数判断目标数控机床主轴受到外界因素负面影响的程度；
根据主轴振动水平系数和主轴外界评估系数计算主轴健康程度评估系数，由主轴健康程度评估系数判断目标数控机床主轴的健康状态。
进一步地，主轴振动数据包括振动速度、振动位移以及振动加速度；外界影响数据包括主轴温度、主轴运行时长以及电机电压值。
进一步地，获取主轴振动数据的方式如下：
主轴振动数据通过设置若干个振动传感器分别单独对各项主轴振动数据进行检测，或通过设置集速度检测、位移检测以及加速度检测为一体的振动传感器进行检测。
进一步地，根据获取的主轴振动数据计算主轴振动水平系数，由主轴振动水平系数判断目标数控机床主轴当前运行是否稳定的方式如下：
将振动传感器每隔预设单位时间检测获取的振动速度、振动位移以及振动加速度分别标记为Vt、Xt以及At，其中，t表示振动传感器检测获取数据时的时间戳；
根据获取的振动速度Vt、振动位移Xt以及振动加速度At计算目标数控机床主轴的振动水平系数Zt；计算公式如下：；式中，Vo、Xo以及Ao分别为目标数控机床主轴的极限振动速度、极限振动位移以及极限振动加速度；a1、a2以及a3分别为目标数控机床主轴的振动速度余量、振动位移余量以及振动加速度余量的预设权重比例系数；其中，a1＞a2＞a3＞0，且a1+a2+a3=1；
将计算获取的目标数控机床主轴的振动水平系数Zt与预设主轴振动水平系数阈值ZS比对；若Zt＜ZS，则表示目标数控机床主轴振动性能差，运行不稳定；需要及时排查主轴振动问题；若Zt≥ZS，则表示目标数控机床主轴振动性能良好；暂时无需排查主轴振动问题。
进一步地，获取外界影响数据的方式如下：
在目标数控机床主轴上或主轴附近合适位置安装温度传感器，当目标数控机床运行时，温度传感器每隔预设单位时间对目标数控机床主轴的温度进行采集，获取主轴温度；通过安装在目标数控机床上的计时触发器对主轴运行时长进行计时；以及在目标数控机床的电机位置设置电压传感器，每隔预设单位时间，通过电压传感器采集目标数控机床电机的电压值。
进一步地，根据获取的外界影响数据计算外界影响评估系数，由外界影响评估系数判断目标数控机床主轴受到外界因素负面影响的程度的方式如下：
根据获取的主轴温度Wt、主轴运行时长Yt以及电机电压值Ut，计算外界影响评估系数Ft；计算公式如下：；式中，Wo、Yo以及Uo分别为目标数控机床的主轴极限温度、主轴运行极限时长以及电机电压稳定值；b1、b2以及b3分别为目标数控机床的主轴温度余量、主轴运行时长余量以及电机电压余量的预设权重比例系数；其中，b1＞b3＞b2＞0，且b1+b2+b3=1；
若Ft＜FS，则表示当前外界因素对目标数控机床主轴的负面影响大，需要及时排查外界因素影响，并及时排除异常问题；若Ft≥FS，则表示当前外界因素对目标数控机床主轴的负面影响小，暂时不用排查外界因素的影响。
进一步地，根据主轴振动水平系数和主轴外界评估系数计算主轴健康程度评估系数，由主轴健康程度评估系数判断目标数控机床主轴的健康状态包括：
计算主轴健康程度评估系数PXt,计算公式如下：；式中，ɑ和β分别为主轴振动水平系数偏差值和外界影响评估系数偏差值的预设权重比例系数，其中ɑ＞β＞0；ɑ+β=1；
将计算获取的主轴健康程度评估系数PXt与预设主轴健康程度评估系数阈值PXS比对；
若PXt＞PXS，则表示目标数控机床主轴健康程度低，需要对目标数控机床主轴进行整体维护和改进；
若PXt≤PXS，则表示目标数控机床主轴健康程度良好，暂时不作维护和改进。
进一步地，计时触发器设置在目标数控机床上，计时触发器与目标数控机床的主轴控制开关电性连接，当主轴控制开关开启时，则计时触发器开始计时；计时触发器还与各个传感器电性连接，计时触发器每隔预设单位时间触发各个传感器进行相应的检查采集工作。
与现有技术相比，本发明的有益效果是：
在本发明中，通过获取主轴振动数据，根据获取的主轴振动数据计算主轴振动水平系数，由主轴振动水平系数判断目标数控机床主轴当前运行是否稳定；获取外界影响数据，根据获取的外界影响数据计算外界影响评估系数，由外界影响评估系数判断目标数控机床主轴受到外界因素负面影响的程度；根据主轴振动水平系数和主轴外界评估系数计算主轴健康程度评估系数，由主轴健康程度评估系数判断目标数控机床主轴的健康状态；在此过程中，可以及时了解主轴的振动水平是否符合要求，判断主轴运行是否稳定；以及分析外界因素是否对主轴产生的负面影响是否较大；其中在分析振动水平时，结合了振动速度、振动位移以及振动加速度来分析，以及在分析外界影响时，结合了主轴温度、主轴运行时长以及电机电压值；结合多维度的数据来综合分析数控机床的主轴健康状态，更加准确，从而及时发现主轴异常和延迟主轴使用寿命。
附图说明
图1为本发明的一种数控机床主轴健康程度量化评价方法流程图。
具体实施方式
下面将结合实施例对本发明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做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。
如图1所示，一种数控机床主轴健康程度量化评价方法，包括：
步骤一：获取主轴振动数据，根据获取的主轴振动数据计算主轴振动水平系数，由主轴振动水平系数判断目标数控机床主轴当前运行是否稳定；
在本申请中，所述主轴振动数据包括振动速度、振动位移、振动加速度；主轴振动数据可以通过用于振动检测的传感器，简称振动传感器；可选的，可以设置若干个振动传感器分别单独对各项主轴振动数据进行检测，也可以设置集速度检测、位移检测以及加速度检测为一体的振动传感器进行检测；
将振动传感器安装在目标数控机床主轴或主轴附近的合适位置，安装时确保振动传感器与目标数控机床主轴的物理接触良好；并为目标数控机床配备计时触发器，当目标数控机床开机，则计时触发器开始计时；通过计时触发器时，每隔预设单位时间触发振动传感器以及其他与之连接的传感器进行检测采集工作；
将振动传感器每隔预设单位时间检测获取的振动速度、振动位移以及振动加速度分别标记为Vt、Xt以及At，其中，t表示振动传感器检测获取数据时的时间戳；
根据获取的振动速度Vt、振动位移Xt以及振动加速度At计算目标数控机床主轴的振动水平系数Zt；计算公式如下：；式中，Vo、Xo以及Ao分别为目标数控机床主轴的极限振动速度、极限振动位移以及极限振动加速度；a1、a2以及a3分别为目标数控机床主轴的振动速度余量、振动位移余量以及振动加速度余量的预设权重比例系数，表示对主轴振动水平系数Zt的影响程度；其中，a1＞a2＞a3＞0，且a1+a2+a3=1；
需要说明的是，目标数控机床主轴的极限振动速度、极限振动位移以及极限振动加速度是通过前期对正常运行的目标数控机床主轴在不同工作条件下进行振动检测和数据分析来确定的；这涉及采集大量主轴振动数据，并对这些数据进行详细分析以找出振动的最高可接受水平，这些水平被定义为主轴的极限振动参数，分别为对应的极限振动速度、极限振动位移以及极限振动加速度；其中不同工作条件可以是不同的切削条件、不同的负载、不同的转速等等；
可以理解的是，在目标数控机床主轴工作时，若振动速度余量越小、振动位移余量越小以及振动加速度余量越小，则目标数控机床主轴的振动水平系数Zt越小，表示目标数控机床主轴的振动性能越差，且主轴当前运行越不稳定，需要及时处理；
将计算获取的目标数控机床主轴的振动水平系数Zt与预设主轴振动水平系数阈值ZS比对；
若Zt＜ZS，则表示目标数控机床主轴振动性能差，运行不稳定；需要及时排查主轴振动问题；
若Zt≥ZS，则表示目标数控机床主轴振动性能良好；暂时无需排查主轴振动问题；
其中，预设主轴振动水平系数阈值ZS通过前期大量主轴振动水平系数分析获取；
步骤二：获取外界影响数据，根据获取的外界影响数据计算外界影响评估系数，由外界影响评估系数判断目标数控机床主轴受到外界因素负面影响的程度；
在本申请中，所述外界影响数据包括主轴温度、主轴运行时长以及电机电压值；可以理解的是，主轴温度越高、主轴运行时长越长以及电机电压值越不稳定，则说明主轴越容易受损；
具体地，在目标数控机床主轴上或主轴附近合适位置安装温度传感器，当目标数控机床运行时，温度传感器每隔预设单位时间对目标数控机床主轴的温度进行采集，获取主轴温度；通过安装在目标数控机床上的计时触发器可以对主轴运行时长进行计时；以及在目标数控机床的电机位置设置电压传感器，每隔预设单位时间，通过电压传感器采集目标数控机床电机的电压值；
需要说明的是，在本申请中计时触发器设置在目标数控机床上，计时触发器与目标数控机床的主轴控制开关电性连接，当主轴控制开关开启时，则计时触发器开始计时；计时触发器还与各个传感器电性连接，计时触发器每隔预设单位时间触发各个传感器进行相应的检查采集工作；
根据获取的主轴温度Wt、主轴运行时长Yt以及电机电压值Ut，计算外界影响评估系数Ft；计算公式如下：；式中，Wo、Yo以及Uo分别为目标数控机床的主轴极限温度、主轴运行极限时长以及电机电压稳定值；b1、b2以及b3分别为目标数控机床的主轴温度余量、主轴运行时长余量以及电机电压余量的预设权重比例系数；其中，b1＞b3＞b2＞0，且b1+b2+b3=1；
其中，目标数控机床的主轴极限温度和主轴运行极限时长是通过前期对正常运行的目标数控机床主轴在不同工作条件下进行主轴温度检测、主轴运行时长计时以及数据分析来确定的；电机电压稳定值是电机的额定电压值；
可以理解的是，在目标数控机床主轴工作时，若主轴温度余量越小、主轴运行时长余量越小以及电机电压余量越大，则外界影响评估系数Ft越小，表示对目标数控机床主轴的负面影响越大，需要及时处理；
将计算获取的外界影响评估系数Ft与预设外界影响评估系数阈值FS比对；其中，预设外界影响评估系数阈值FS通过前期大量外界影响评估系数分析获取；
若Ft＜FS，则表示当前外界因素对目标数控机床主轴的负面影响大，需要及时排查外界因素影响，并及时排除异常问题；例如，需要对主轴的温度进行降低，暂停主轴工作，以及排查主机电压和主机问题；
若Ft≥FS，则表示当前外界因素对目标数控机床主轴的负面影响小，暂时不用排查外界因素的影响；
步骤三：根据主轴振动水平系数和主轴外界评估系数计算主轴健康程度评估系数，由主轴健康程度评估系数判断目标数控机床主轴的健康状态；
计算主轴健康程度评估系数PXt,计算公式如下：；式中，ɑ和β分别为主轴振动水平系数偏差值和外界影响评估系数偏差值的预设权重比例系数，其中ɑ＞β＞0；ɑ+β=1；
将计算获取的主轴健康程度评估系数PXt与预设主轴健康程度评估系数阈值PXS比对；预设主轴健康程度评估系数阈值PXS是前期通过大量数据分析获取；
若PXt＞PXS，则表示目标数控机床主轴健康程度低，需要对目标数控机床主轴进行整体维护和改进；
若PXt≤PXS，则表示目标数控机床主轴健康程度良好，暂时不作维护和改进；
需要说明的是，主轴健康程度评估系数越大，则表示目标数控机床主轴的健康程度越低。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
在本发明所提供的实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种数控机床主轴健康程度量化评价方法，其特征在于：包括：
获取主轴振动数据，根据获取的主轴振动数据计算主轴振动水平系数，由主轴振动水平系数判断目标数控机床主轴当前运行是否稳定；
获取外界影响数据，根据获取的外界影响数据计算外界影响评估系数，由外界影响评估系数判断目标数控机床主轴受到外界因素负面影响的程度；
根据主轴振动水平系数和主轴外界评估系数计算主轴健康程度评估系数，由主轴健康程度评估系数判断目标数控机床主轴的健康状态。
2.根据权利要求1所述的一种数控机床主轴健康程度量化评价方法，其特征在于：主轴振动数据包括振动速度、振动位移以及振动加速度；外界影响数据包括主轴温度、主轴运行时长以及电机电压值。
3.根据权利要求2所述的一种数控机床主轴健康程度量化评价方法，其特征在于：获取主轴振动数据的方式如下：
主轴振动数据通过设置若干个振动传感器分别单独对各项主轴振动数据进行检测，或通过设置集速度检测、位移检测以及加速度检测为一体的振动传感器进行检测。
4.根据权利要求2所述的一种数控机床主轴健康程度量化评价方法，其特征在于：根据获取的主轴振动数据计算主轴振动水平系数，由主轴振动水平系数判断目标数控机床主轴当前运行是否稳定的方式如下：
将振动传感器每隔预设单位时间检测获取的振动速度、振动位移以及振动加速度分别标记为Vt、Xt以及At，其中，t表示振动传感器检测获取数据时的时间戳；
根据获取的振动速度Vt、振动位移Xt以及振动加速度At计算目标数控机床主轴的振动水平系数Zt；计算公式如下：；式中，Vo、Xo以及Ao分别为目标数控机床主轴的极限振动速度、极限振动位移以及极限振动加速度；a1、a2以及a3分别为目标数控机床主轴的振动速度余量、振动位移余量以及振动加速度余量的预设权重比例系数；其中，a1＞a2＞a3＞0，且a1+a2+a3=1；
将计算获取的目标数控机床主轴的振动水平系数Zt与预设主轴振动水平系数阈值ZS比对；若Zt＜ZS，则表示目标数控机床主轴振动性能差，运行不稳定；需要及时排查主轴振动问题；若Zt≥ZS，则表示目标数控机床主轴振动性能良好；暂时无需排查主轴振动问题。
5.根据权利要求2所述的一种数控机床主轴健康程度量化评价方法，其特征在于：获取外界影响数据的方式如下：
在目标数控机床主轴上或主轴附近合适位置安装温度传感器，当目标数控机床运行时，温度传感器每隔预设单位时间对目标数控机床主轴的温度进行采集，获取主轴温度；通过安装在目标数控机床上的计时触发器对主轴运行时长进行计时；以及在目标数控机床的电机位置设置电压传感器，每隔预设单位时间，通过电压传感器采集目标数控机床电机的电压值。
6.根据权利要求2所述的一种数控机床主轴健康程度量化评价方法，其特征在于：根据获取的外界影响数据计算外界影响评估系数，由外界影响评估系数判断目标数控机床主轴受到外界因素负面影响的程度的方式如下：
根据获取的主轴温度Wt、主轴运行时长Yt以及电机电压值Ut，计算外界影响评估系数Ft；计算公式如下：；式中，Wo、Yo以及Uo分别为目标数控机床的主轴极限温度、主轴运行极限时长以及电机电压稳定值；b1、b2以及b3分别为目标数控机床的主轴温度余量、主轴运行时长余量以及电机电压余量的预设权重比例系数；其中，b1＞b3＞b2＞0，且b1+b2+b3=1；
若Ft＜FS，则表示当前外界因素对目标数控机床主轴的负面影响大，需要及时排查外界因素影响，并及时排除异常问题；若Ft≥FS，则表示当前外界因素对目标数控机床主轴的负面影响小，暂时不用排查外界因素的影响。
7.根据权利要求4或6所述的一种数控机床主轴健康程度量化评价方法，其特征在于：根据主轴振动水平系数和主轴外界评估系数计算主轴健康程度评估系数，由主轴健康程度评估系数判断目标数控机床主轴的健康状态包括：
计算主轴健康程度评估系数PXt,计算公式如下：；式中，ɑ和β分别为主轴振动水平系数偏差值和外界影响评估系数偏差值的预设权重比例系数，其中ɑ＞β＞0；ɑ+β=1；
将计算获取的主轴健康程度评估系数PXt与预设主轴健康程度评估系数阈值PXS比对；
若PXt＞PXS，则表示目标数控机床主轴健康程度低，需要对目标数控机床主轴进行整体维护和改进；
若PXt≤PXS，则表示目标数控机床主轴健康程度良好，暂时不作维护和改进。
8.根据权利要求5所述的一种数控机床主轴健康程度量化评价方法，其特征在于：计时触发器设置在目标数控机床上，计时触发器与目标数控机床的主轴控制开关电性连接，当主轴控制开关开启时，则计时触发器开始计时；计时触发器还与各个传感器电性连接，计时触发器每隔预设单位时间触发各个传感器进行相应的检查采集工作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311454164.7A CN117170312B (zh) | 2023-11-03 | 2023-11-03 | 一种数控机床主轴健康程度量化评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311454164.7A CN117170312B (zh) | 2023-11-03 | 2023-11-03 | 一种数控机床主轴健康程度量化评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117170312A true CN117170312A (zh) | 2023-12-05 |
| CN117170312B CN117170312B (zh) | 2024-04-12 |
Family
ID=88930320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311454164.7A Active CN117170312B (zh) | 2023-11-03 | 2023-11-03 | 一种数控机床主轴健康程度量化评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117170312B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140219071A1 (en) * | 2011-08-23 | 2014-08-07 | Nec Corporation | Failure prediction method and failure prediction system |
| CN105458830A (zh) * | 2014-09-30 | 2016-04-06 | 发那科株式会社 | 机床的控制装置 |
| US20160297043A1 (en) * | 2015-04-13 | 2016-10-13 | Fanuc Corporation | Machine tool having inspection function for deteriorated state of spindle |
| KR101934705B1 (ko) * | 2017-06-30 | 2019-01-03 | 창원대학교 산학협력단 | 다축 가공기의 스핀들의 수명 진단 시스템 및 수명 진단 방법 |
| CN109396954A (zh) * | 2018-12-05 | 2019-03-01 | 上海交通大学 | 嵌入式主轴***异常状态智能检测和信息推送装置 |
| US20190285517A1 (en) * | 2017-10-25 | 2019-09-19 | Nanjing Univ. Of Aeronautics And Astronautics | Method for evaluating health status of mechanical equipment |
| CN110554657A (zh) * | 2019-10-16 | 2019-12-10 | 河北工业大学 | 一种数控机床运行状态健康诊断***及诊断方法 |
| CN110614539A (zh) * | 2019-10-31 | 2019-12-27 | 四川普什宁江机床有限公司 | 一种数控机床主轴状态在线实时监测分析方法 |
| CN111507490A (zh) * | 2020-05-09 | 2020-08-07 | 武汉数字化设计与制造创新中心有限公司 | 基于多源数据驱动的数控机床主轴预测性维护方法及*** |
| CN111650917A (zh) * | 2020-05-14 | 2020-09-11 | 中铁第四勘察设计院集团有限公司 | 一种设备的多维度状态在线监测方法及*** |
| CN113627304A (zh) * | 2021-08-03 | 2021-11-09 | 深圳市今日标准精密机器有限公司 | 一种基于人工智能的机床主轴健康监控方法和*** |
| CN115616976A (zh) * | 2022-10-28 | 2023-01-17 | 广东美的智能科技有限公司 | 数控***的健康度监控方法及健康度监控*** |
| CN116519054A (zh) * | 2023-04-21 | 2023-08-01 | 山东日照发电有限公司 | 一种热力站设备健康状态监测***及方法 |
| CN116967844A (zh) * | 2023-05-12 | 2023-10-31 | 南京工大数控科技有限公司 | 一种用于数控机床的刀具状态监测和寿命预测***及其使用方法 |
-
2023
- 2023-11-03 CN CN202311454164.7A patent/CN117170312B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140219071A1 (en) * | 2011-08-23 | 2014-08-07 | Nec Corporation | Failure prediction method and failure prediction system |
| CN105458830A (zh) * | 2014-09-30 | 2016-04-06 | 发那科株式会社 | 机床的控制装置 |
| US20160297043A1 (en) * | 2015-04-13 | 2016-10-13 | Fanuc Corporation | Machine tool having inspection function for deteriorated state of spindle |
| KR101934705B1 (ko) * | 2017-06-30 | 2019-01-03 | 창원대학교 산학협력단 | 다축 가공기의 스핀들의 수명 진단 시스템 및 수명 진단 방법 |
| US20190285517A1 (en) * | 2017-10-25 | 2019-09-19 | Nanjing Univ. Of Aeronautics And Astronautics | Method for evaluating health status of mechanical equipment |
| CN109396954A (zh) * | 2018-12-05 | 2019-03-01 | 上海交通大学 | 嵌入式主轴***异常状态智能检测和信息推送装置 |
| CN110554657A (zh) * | 2019-10-16 | 2019-12-10 | 河北工业大学 | 一种数控机床运行状态健康诊断***及诊断方法 |
| CN110614539A (zh) * | 2019-10-31 | 2019-12-27 | 四川普什宁江机床有限公司 | 一种数控机床主轴状态在线实时监测分析方法 |
| CN111507490A (zh) * | 2020-05-09 | 2020-08-07 | 武汉数字化设计与制造创新中心有限公司 | 基于多源数据驱动的数控机床主轴预测性维护方法及*** |
| CN111650917A (zh) * | 2020-05-14 | 2020-09-11 | 中铁第四勘察设计院集团有限公司 | 一种设备的多维度状态在线监测方法及*** |
| CN113627304A (zh) * | 2021-08-03 | 2021-11-09 | 深圳市今日标准精密机器有限公司 | 一种基于人工智能的机床主轴健康监控方法和*** |
| CN115616976A (zh) * | 2022-10-28 | 2023-01-17 | 广东美的智能科技有限公司 | 数控***的健康度监控方法及健康度监控*** |
| CN116519054A (zh) * | 2023-04-21 | 2023-08-01 | 山东日照发电有限公司 | 一种热力站设备健康状态监测***及方法 |
| CN116967844A (zh) * | 2023-05-12 | 2023-10-31 | 南京工大数控科技有限公司 | 一种用于数控机床的刀具状态监测和寿命预测***及其使用方法 |
Non-Patent Citations (2)
| Title |
|---|
| ***: "基于多传感器数据融合的电主轴健康状态评估", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
| 陆世民: "面向五轴工具磨削中心的健康预警和故障诊断关键技术研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117170312B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI640390B (zh) | 刀具磨耗監測與預測方法 | |
| 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 | |
| CN108620950B (zh) | 一种车削刀具加工状态监测方法及*** | |
| US20070088454A1 (en) | System and method for troubleshooting a machine | |
| EP1650623A1 (en) | Method for managing machine tool data | |
| CN109500657B (zh) | 一种基于视觉的断刀检测方法及*** | |
| CN116758719B (zh) | 一种生产车间设备环境在线监测*** | |
| CN114800040B (zh) | 工艺-状态数据关联的刀具磨损监测方法及*** | |
| EP1348296B1 (en) | Control embedded machine condition monitor | |
| CN116451044A (zh) | 基于数据分析的机加设备故障预警*** | |
| CN105807716B (zh) | 再制造机床健康监测*** | |
| CN117170312B (zh) | 一种数控机床主轴健康程度量化评价方法 | |
| CN116690313B (zh) | 一种飞机结构件腹板加工刀具失效监控方法 | |
| CN112783138A (zh) | 生产线设备加工稳定性智能监控和异常诊断方法及装置 | |
| CN117313009A (zh) | 一种基于加工中心设备数据的预防故障方法 | |
| CN113941901A (zh) | 机床刀具监控方法、监控装置及电子设备 | |
| CN112621381B (zh) | 机床进给***健康状态智能评估方法及装置 | |
| CN114555292B (zh) | 作业机械的加工状态监视方法以及*** | |
| JP7036763B2 (ja) | 工具交換時期管理システム | |
| CN118081479B (zh) | 一种机床运行故障在线监测方法与*** | |
| CN112179947B (zh) | 一种基于多特征因子统计的刀具磨损预警方法 | |
| JP6777686B2 (ja) | 診断装置、診断方法及び診断プログラム | |
| KR20240081719A (ko) | 실시간 모니터링 데이터 클러스터링 분석 기반 공구교체 시점 자동 검출방법 | |
| CN117102962A (zh) | 测量轮毂垫铝屑工况的方法与***、存储介质与电子设备 | |
| CN116833824A (zh) | 一种可转位齿轮铣刀的刀片破损监测及剩余使用寿命预测方法 |
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 |