CN118268933A - 一种拉削刀具磨损状态识别方法 - Google Patents

Abstract

本发明涉及拉削刀具磨损状态识别技术领域，且公开了一种拉削刀具磨损状态识别方法，收集拉削刀具加工过程中的加工数据，调用拉削刀具历史切削数据库，进行比对，分别对两个图像数据进行算法运算，最终得到拉削刀具的磨损状态。该拉削刀具磨损状态识别方法通过对调用拉削刀具历史切削数据库，将采集到的拉削加工过程中的受力大小和进刀速度与历史数据库中的数据通过算法公式进行比对，若存在磨损发生的情况，则通过拍摄拉削刀具沿轴向图像数据和拉削刀具的垂直轴向的图像数据，对具体的磨损部位进行计算，将两次计算结果结合得出磨损值，通过两次测量来精确识别拉削刀具是否存在磨损依据磨损程度。

Description

一种拉削刀具磨损状态识别方法

技术领域

本发明涉及拉削刀具磨损状态识别技术领域，具体为一种拉削刀具磨损状态识别方法。

背景技术

拉削刀具是用于拉削的成形刀具，刀具表面上有多排刀齿，各排刀齿的尺寸和形状从切入端至切出端依次增加和变化，当拉刀作拉削运动时，每个刀齿就从工件上切下一定厚度的金属，最终得到所要求的尺寸和形状，拉刀常用于成批和大量生产中加工圆孔、花键孔、键槽、平面和成形表面等,生产率很高，拉刀按加工表面部位的不同，分为内拉刀和外拉刀；按工作时受力方式的不同，分为拉刀和推刀，推刀常用于校准热处理后的型孔；

在长时间的拉削过程中会对拉削刀具产生磨损，但现有的检测拉削刀具的方法多为利用先进仪器测量磨损区域的实际尺寸，能直观准确的观测尺寸变化的情况，但是该手段通常较为繁琐的，耗时较长。

发明内容

本发明要解决的技术问题是：本发明提供了一种拉削刀具磨损状态识别方法，具备快速精准识别的优点。

本发明解决上述技术问题所采用的技术方案是：一种拉削刀具磨损状态识别方法，包括以下步骤：

S1、收集拉削刀具加工过程中的加工数据，其中加工数据包括拉削加工过程中的受力大小F_t和进刀速度V_t；

S2、调用拉削刀具历史切削数据库，将采集到的拉削加工过程中的受力大小F_t和进刀速度V_t与历史数据库中的数据通过算法公式进行比对，若存在磨损发生的情况，则执行步骤S3；

S3、收集停止加工后的拉削刀具沿轴向图像数据和停止加工后的拉削刀具的垂直轴向的图像数据，并分别对两个图像数据进行算法运算，分别得出轴向观测磨损情况η₁和垂直轴向的观测磨损情况η₂；

S4、依据步骤S2和步骤S3的结果，通过算法公式输出拉削刀具的磨损状态。

作为本发明的优选技术方案，所述步骤S1中的拉削加工过程中的受力大小F_t和进刀速度V_t包括拉削刀具每一节刀齿的进刀时的受力大小和进刀速度，具体表达式如下：

F_t＝{F_t，1，F_t，2，…，F_t，n}

V_t＝{V_t，1，V_t，2，…，V_t，n}

其中，F_t，1，F_t，2，…，F_t，n分别表示第一节、第二节、…、第n节刀齿进刀时的受力大小，V_t，1，V_t，2，…，V_t，n分别表示第一节、第二节、…、第n节刀齿进刀时的进刀速度。

作为本发明的优选技术方案，所述步骤S2中调用的拉削刀具历史切削数据库包括历史拉削刀具受力大小LSF_t和历史拉削刀具进刀速度LSV_t，所述步骤S2中将采集到的拉削加工过程中的受力大小F_t和进刀速度V_t与历史数据库中的数据通过算法公式进行比对的算法表达式如下：

ΔF_t，i＝F_t，i-LSF_t，i

ΔV_t，i＝LSV_t，i-V_t，i

LSF_t＝{LSF_t，1，LSF_t，2，…，LSF_t，n}

LSV_t＝{LSV_t，1，LSV_t，2，…，LSV_t，n}

其中，，LSF_t，1，LSF_t，2，…，LSF_t，n分别表示历史数据中第一节、第二节、…、第n节刀齿进刀时的受力大小，LSV_t，1，LSV_t，2，…，LSV_t，n分别表示历史数据中第一节、第二节、…、第n节刀齿进刀时的进刀速度，ΔF_t，i表示第i节刀齿进刀时的受力大小的变化值，ΔV_t，i表示第i节刀齿进刀时的进刀速度的变化值，F_t，i表示第i节刀齿进刀时的受力大小，V_t，i表示第i节刀齿进刀时的进刀速度，LSF_t，i表示历史数据中第i节刀齿进刀时的受力大小，LSV_t，i表示历史数据中第i节刀齿进刀时的进刀速度，若ΔV_t，i＜V或ΔF_t，i＜F，则执行步骤S3，若ΔV_t，i≥V或ΔF_t，i≥F，则输出未磨损，其中V和F分别表示设定的阈值。

作为本发明的优选技术方案，所述步骤S3对拉削刀具沿轴向图像数据的处理包括以下步骤：

S3a.1、以拉削刀具轴向截面最小一面的中心点处为原点，建立XOY平面坐标系；

S3a.2、建立圆形拟合曲线，并逐级增大圆形拟合曲线的拟合半径r_t，j，让圆形拟合曲线与每一节刀齿截面的边界相切，直到完成对每一节刀齿的拟合；

S3a.3、对拟合次数和拟合半径的数值进行逐一比对；

S3a.4、输出轴向观测磨损情况η₁。

作为本发明的优选技术方案，所述步骤S3a.2中的圆形拟合曲线表达式如下：

x²+y²＝r_t，j ²

其中，x表示X轴坐标，y表示Y轴坐标，r_t，j表示第j次增大后的圆形拟合曲线的拟合半径。。

作为本发明的优选技术方案，所述步骤S3a.3的具体过程如下：

S3a.3.1、将r_t，j与历史数据库中存储的拉削刀具每一节刀齿的内切圆半径LSr_t，j进行比较，并通过如下表达式进行误差计算：

ΔR_j＝|r_t，j-LSr_t，j|

其中，ΔR_j表示第j个误差值，r_t，j表示第j次增大后的圆形拟合曲线的拟合半径，LSr_t，j表示对应第j次增大后的圆形拟合曲线的第j节刀齿的内切圆半径，|*|表示绝对值；

S3a.3.2、当ΔR_j大于磨损阈值R₀时，计算磨损情况，计算表达式如下：

其中，η₁表示轴向观测磨损情况。

作为本发明的优选技术方案，所述步骤S3中处理拉削刀具的垂直轴向的图像数据的具体过程如下：

S3b.1、以拉削刀具中轴线和拉削刀具外径最短处的交点为原点，建立XOY平面坐标系；

S3.b.2、选取每一节刀齿最远离中轴线上方的一点作为最远参照点，选取每一节刀齿最接近中轴线上方的一点作为最近参照点；

S3.b.3、以计算相邻参照点之前的倾斜程度；

S3.b.4、输出垂直轴向的观测磨损情况η₂。

作为本发明的优选技术方案，所述步骤S3.b.3的计算表达式如下：

其中，θ_t,j表示第j节刀齿的倾斜角度，arctan表示反正切三角函数，x_t,j,1和y_t,j,1表示最近参照点(x_t,j,1，y_t,j,1)的横纵坐标，x_t,j,2和y_t,j,2表示最远参照点(x_t,j,2，y_t,j,2)的横纵坐标。

作为本发明的优选技术方案，所述步骤S3.b.4输出垂直轴向的观测磨损情况η₂的表达式如下：

其中，η₂表示垂直轴向的观测磨损情况，LSθ_t,j表示历史第j节刀齿的倾斜角度。

作为本发明的优选技术方案，所述步骤S4的输出拉削刀具的磨损状态具体计算表达式如下：

其中，η表示磨损状态，η₁表示轴向观测磨损情况，η₂表示垂直轴向的观测磨损情况。

与现有技术相比，本发明提供了一种拉削刀具磨损状态识别方法，具备以下有益效果：

1、本发明通过对调用拉削刀具历史切削数据库，将采集到的拉削加工过程中的受力大小F_t和进刀速度V_t与历史数据库中的数据通过算法公式进行比对，若存在磨损发生的情况，则通过拍摄拉削刀具沿轴向图像数据和拉削刀具的垂直轴向的图像数据，对具体的磨损部位进行计算，将两次计算结果结合得出磨损值，通过两次测量来精确识别拉削刀具是否存在磨损依据磨损程度。

2、本发明通过在第二次测量中，若最终输出的磨损状态值η在误差范围内，则需要对检测拉削加工过程中的受力大小F_t和进刀速度V_t的传感器进行校准，从而避免误判。

附图说明

图1为本发明流程示意图。

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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，一种拉削刀具磨损状态识别方法，包括以下步骤：

S1、收集拉削刀具加工过程中的加工数据，其中加工数据包括拉削加工过程中的受力大小F_t和进刀速度V_t；

步骤S1中的拉削加工过程中的受力大小F_t和进刀速度V_t包括拉削刀具每一节刀齿的进刀时的受力大小和进刀速度，具体表达式如下：

F_t＝{F_t，1，F_t，2，…，F_t，n}

V_t＝{V_t，1，V_t，2，…，V_t，n}

其中，F_t，1，F_t，2，…，F_t，n分别表示第一节、第二节、…、第n节刀齿进刀时的受力大小，V_t，1，V_t，2，…，V_t，n分别表示第一节、第二节、…、第n节刀齿进刀时的进刀速度。

S2、调用拉削刀具历史切削数据库，将采集到的拉削加工过程中的受力大小F_t和进刀速度V_t与历史数据库中的数据通过算法公式进行比对，若存在磨损肯，则执行步骤S3；

步骤S2中调用的拉削刀具历史切削数据库包括历史拉削刀具受力大小LSF_t和历史拉削刀具进刀速度LSV_t，步骤S2中将采集到的拉削加工过程中的受力大小F_t和进刀速度V_t与历史数据库中的数据通过算法公式进行比对的算法表达式如下：

ΔF_t，i＝F_t，i-LSF_t，i

ΔV_t，i＝LSV_t，i-V_t，i

LSF_t＝{LSF_t，1，LSF_t，2，…，LSF_t，n}

LSV_t＝{LSV_t，1，LSV_t，2，…，LSV_t，n}

其中，，LSF_t，1，LSF_t，2，…，LSF_t，n分别表示历史数据中第一节、第二节、…、第n节刀齿进刀时的受力大小，LSV_t，1，LSV_t，2，…，LSV_t，n分别表示历史数据中第一节、第二节、…、第n节刀齿进刀时的进刀速度，ΔF_t，i表示第i节刀齿进刀时的受力大小的变化值，ΔV_t，i表示第i节刀齿进刀时的进刀速度的变化值，F_t，i表示第i节刀齿进刀时的受力大小，V_t，i表示第i节刀齿进刀时的进刀速度，LSF_t，i表示历史数据中第i节刀齿进刀时的受力大小，LSV_t，i表示历史数据中第i节刀齿进刀时的进刀速度，若ΔV_t,i<V或ΔF_t,i<F，则执行步骤S3，若ΔV_t,i≥V或ΔF_t,i≥F，则输出未磨损，其中V和F分别表示设定的阈值。

S3、收集停止加工后的拉削刀具沿轴向图像数据和停止加工后的拉削刀具的垂直轴向的图像数据，并分别对两个图像数据进行算法运算，分别得出轴向观测磨损情况η₁和垂直轴向的观测磨损情况η₂；

步骤S3对拉削刀具沿轴向图像数据的处理包括以下步骤：

S3a.1、以拉削刀具轴向截面最小一面的中心点处为原点，建立XOY平面坐标系；

S3a.2、建立圆形拟合曲线，并逐级增大圆形拟合曲线的拟合半径r_t,j，让圆形拟合曲线与每一节刀齿截面的边界相切，直到完成对每一节刀齿的拟合；

步骤S3a.2中的圆形拟合曲线表达式如下：

x²+y²＝r_t,j ²

其中，x表示X轴坐标，y表示Y轴坐标，r_t,j表示第j次增大后的圆形拟合曲线的拟合半径。

S3a.3、对拟合次数和拟合半径的数值进行逐一比对；

步骤S3a.3的具体过程如下：

S3a.3.1、将r_t,j与历史数据库中存储的拉削刀具每一节刀齿的内切圆半径LSr_t,j进行比较，并通过如下表达式进行误差计算：

ΔR_j＝|r_t，j-LSr_t，j|

其中，ΔR_j表示第j个误差值，r_t,j表示第j次增大后的圆形拟合曲线的拟合半径，LSr_t,j表示对应第j次增大后的圆形拟合曲线的第j节刀齿的内切圆半径，|*|表示绝对值；

S3a.3.2、当ΔR_j大于磨损阈值R₀时，计算磨损情况，计算表达式如下：

其中，η₁表示轴向观测磨损情况。

S3a.4、输出轴向观测磨损情况η₁。

进一步的，步骤S3中处理拉削刀具的垂直轴向的图像数据的具体过程如下：

S3b.1、以拉削刀具中轴线和拉削刀具外径最短处的交点为原点，建立XOY平面坐标系；

S3.b.2、选取每一节刀齿最远离中轴线上方的一点作为最远参照点，选取每一节刀齿最接近中轴线上方的一点作为最近参照点；

S3.b.3、以计算相邻参照点之前的倾斜程度；

步骤S3.b.3的计算表达式如下：

其中，θ_t,j表示第j节刀齿的倾斜角度，arctan表示反正切三角函数，x_t,j,1和y_t,j,1表示最近参照点(x_t,j,1，y_t,j,1)的横纵坐标，x_t,j,2和y_t,j,2表示最远参照点(x_t,j,2，y_t,j,2)的横纵坐标。

S3.b.4、输出垂直轴向的观测磨损情况η₂。

步骤S3.b.4输出垂直轴向的观测磨损情况η₂的表达式如下：

其中，η₂表示垂直轴向的观测磨损情况，LSθ_t,j表示历史第j节刀齿的倾斜角度。

S4、依据步骤S2和步骤S3的结果，通过算法公式输出拉削刀具的磨损状态。

进一步的，步骤S4的输出拉削刀具的磨损状态具体计算表达式如下：

其中，η表示磨损状态，η₁表示轴向观测磨损情况，η₂表示垂直轴向的观测磨损情况。

若最终输出的磨损状态值η在误差范围内，则需要对检测拉削加工过程中的受力大小F_t和进刀速度V_t的传感器进行校准。

本发明通过对调用拉削刀具历史切削数据库，将采集到的拉削加工过程中的受力大小F_t和进刀速度V_t与历史数据库中的数据通过算法公式进行比对，若存在磨损发生的情况，则通过拍摄拉削刀具沿轴向图像数据和拉削刀具的垂直轴向的图像数据，对具体的磨损部位进行计算，将两次计算结果结合得出磨损值，通过两次测量来精确识别拉削刀具是否存在磨损依据磨损程度。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种拉削刀具磨损状态识别方法，其特征在于：包括以下步骤：

S1、收集拉削刀具加工过程中的加工数据，其中加工数据包括拉削加工过程中的受力大小F_t和进刀速度V_t；

S2、调用拉削刀具历史切削数据库，将采集到的拉削加工过程中的受力大小F_t和进刀速度V_t与历史数据库中的数据通过算法公式进行比对，若存在磨损肯，则执行步骤S3；

S3、收集停止加工后的拉削刀具沿轴向图像数据和停止加工后的拉削刀具的垂直轴向的图像数据，并分别对两个图像数据进行算法运算，分别得出轴向观测磨损情况η₁和垂直轴向的观测磨损情况η₂；

S4、依据步骤S2和步骤S3的结果，通过算法公式输出拉削刀具的磨损状态。

2.根据权利要求1所述的一种拉削刀具磨损状态识别方法，其特征在于：所述步骤S1中的拉削加工过程中的受力大小F_t和进刀速度V_t包括拉削刀具每一节刀齿的进刀时的受力大小和进刀速度，具体表达式如下：

F_t＝{F_t,1,F_t,2,…,F_t,n}

V_t＝{V_t,1,V_t,2,…,V_t,n}

其中，F_t,1,F_t,2,…,F_t,n分别表示第一节、第二节、…、第n节刀齿进刀时的受力大小，V_t,1,V_t,2,…,V_t,n分别表示第一节、第二节、…、第n节刀齿进刀时的进刀速度。

3.根据权利要求2所述的一种拉削刀具磨损状态识别方法，其特征在于：所述步骤S2中调用的拉削刀具历史切削数据库包括历史拉削刀具受力大小LSF_t和历史拉削刀具进刀速度LSV_t，所述步骤S2中将采集到的拉削加工过程中的受力大小F_t和进刀速度V_t与历史数据库中的数据通过算法公式进行比对的算法表达式如下：

ΔF_t,i＝F_t,i-LSF_t,i

ΔV_t,i＝LSV_t,i-V_t,

LSF_t＝{LSF_t,1,LSF_t,2,…,LSF_t,n}

LSV_t＝{LSV_t,1,LSV_t,2,…,LSV_t,n}

其中，，LSF_t,1,LSF_t,2,…,LSF_t,n分别表示历史数据中第一节、第二节、…、第n节刀齿进刀时的受力大小，LSV_t,1,LSV_t,2,…,LSV_t,n分别表示历史数据中第一节、第二节、…、第n节刀齿进刀时的进刀速度，ΔF_t,t表示第i节刀齿进刀时的受力大小的变化值，ΔV_t,t表示第i节刀齿进刀时的进刀速度的变化值，F_t,表示第i节刀齿进刀时的受力大小，V_t,i表示第i节刀齿进刀时的进刀速度，LSF_t,i表示历史数据中第i节刀齿进刀时的受力大小，LSV_t,i表示历史数据中第i节刀齿进刀时的进刀速度，若ΔV_t,i<V或ΔF_t,i<F，则执行步骤S3，若ΔV_t,i≥V或ΔF_t,i≥F，则输出未磨损，其中V和F分别表示设定的阈值。

4.根据权利要求3所述的一种拉削刀具磨损状态识别方法，其特征在于：所述步骤S3对拉削刀具沿轴向图像数据的处理包括以下步骤：

S3a.1、以拉削刀具轴向截面最小一面的中心点处为原点，建立XOY平面坐标系；

S3a.2、建立圆形拟合曲线，并逐级增大圆形拟合曲线的拟合半径r_t,j，让圆形拟合曲线与每一节刀齿截面的边界相切，直到完成对每一节刀齿的拟合；

S3a.3、对拟合次数和拟合半径的数值进行逐一比对；

S3a.4、输出轴向观测磨损情况η₁。

5.根据权利要求4所述的一种拉削刀具磨损状态识别方法，其特征在于：所述步骤S3a.2中的圆形拟合曲线表达式如下：

x²+y²＝r_t,j ²

其中，x表示X轴坐标，y表示Y轴坐标，r_t,j表示第j次增大后的圆形拟合曲线的拟合半径。

6.根据权利要求5所述的一种拉削刀具磨损状态识别方法，其特征在于：所述步骤S3a.3的具体过程如下：

S3a.3.1、将r_t,j与历史数据库中存储的拉削刀具每一节刀齿的内切圆半径LSr_t,j进行比较，并通过如下表达式进行误差计算：

ΔR_j＝|r_t,j-LSr_t,j|

其中，ΔR_j表示第j个误差值，r_t,j表示第j次增大后的圆形拟合曲线的拟合半径，LSr_t,j表示对应第j次增大后的圆形拟合曲线的第j节刀齿的内切圆半径，|*|表示绝对值；

S3a.3.2、当ΔR_j大于磨损阈值R₀时，计算磨损情况，计算表达式如下：

其中，η₁表示轴向观测磨损情况。

7.根据权利要求4所述的一种拉削刀具磨损状态识别方法，其特征在于：所述步骤S3中处理拉削刀具的垂直轴向的图像数据的具体过程如下：

S3b.1、以拉削刀具中轴线和拉削刀具外径最短处的交点为原点，建立XOY平面坐标系；

S3.b.2、选取每一节刀齿最远离中轴线上方的一点作为最远参照点，选取每一节刀齿最接近中轴线上方的一点作为最近参照点；

S3.b.3、以计算相邻参照点之前的倾斜程度；

S3.b.4、输出垂直轴向的观测磨损情况η₂。

8.根据权利要求7所述的一种拉削刀具磨损状态识别方法，其特征在于：所述步骤S3.b.3的计算表达式如下：

其中，θ_t,j表示第j节刀齿的倾斜角度，arctan表示反正切三角函数，x_t,j,1和y_t,j,1表示最近参照点(x_t,j,1，y_t,j,1)的横纵坐标，x_t,j,2和y_t,j,2表示最远参照点(x_t,j,2，y_t,j,2)的横纵坐标。

9.根据权利要求8所述的一种拉削刀具磨损状态识别方法，其特征在于：所述步骤S3.b.4输出垂直轴向的观测磨损情况η₂的表达式如下：

其中，η₂表示垂直轴向的观测磨损情况，LSθ_t,j表示历史第j节刀齿的倾斜角度。

10.根据权利要求1所述的一种拉削刀具磨损状态识别方法，其特征在于：所述步骤S4的输出拉削刀具的磨损状态具体计算表达式如下：

其中，η表示磨损状态，η₁表示轴向观测磨损情况，η₂表示垂直轴向的观测磨损情况。