JP2016135511A - Irregular machining detecting apparatus and irregular machining detecting method - Google Patents
Irregular machining detecting apparatus and irregular machining detecting method Download PDFInfo
- Publication number
- JP2016135511A JP2016135511A JP2015010773A JP2015010773A JP2016135511A JP 2016135511 A JP2016135511 A JP 2016135511A JP 2015010773 A JP2015010773 A JP 2015010773A JP 2015010773 A JP2015010773 A JP 2015010773A JP 2016135511 A JP2016135511 A JP 2016135511A
- Authority
- JP
- Japan
- Prior art keywords
- value
- average
- machining
- processing
- tool
- 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.)
- Pending
Links
Images
Landscapes
- Numerical Control (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
Description
本発明はスロット加工やフライス加工などの切削加工に関し、特に切削加工時の振動を随時監視して、工具破損ないし工具摩耗による加工異常を検出する加工異常検出装置及び加工異常検出方法に関するものである。 The present invention relates to cutting processing such as slot processing and milling processing, and more particularly to a processing abnormality detection device and a processing abnormality detection method for detecting processing abnormality due to tool breakage or tool wear by monitoring vibration during cutting processing as needed. .
切削加工は、金属等の被削材をエンドミルや、スローアウェイチップ、バイト等の切削工具で加工し、所定の形状に加工するものであり、工業製品の金型や部品の製造に必要不可欠な加工技術である。このように、切削加工では被削材を上述のような切削工具で加工するため、加工するにつれて工具摩耗が徐々に進行していく。また、切削工具は疲労や突発的な過負荷により、加工中に破損することがある。加工中に工具摩耗が許容範囲を超えたり、工具破損が発生したりしたまま加工を継続すると被削材の形状精度や表面粗さが悪化して製品不良となる。また、加工機にも大きな負荷が発生するので好ましくない。 Cutting is a process of cutting a metal or other work material with a cutting tool such as an end mill, throw-away tip, or bite into a predetermined shape, which is indispensable for the manufacture of molds and parts for industrial products. Processing technology. Thus, since the work material is processed with the cutting tool as described above in the cutting process, the tool wear gradually progresses as it is processed. Also, the cutting tool may be damaged during processing due to fatigue or sudden overload. If the machining is continued while the tool wear exceeds the allowable range or the tool is broken during the machining, the shape accuracy and surface roughness of the work material deteriorate and the product becomes defective. Moreover, since a big load generate | occur | produces also in a processing machine, it is not preferable.
従来、このような工具摩耗や工具破損といった加工異常に対して、工具寿命の管理や工具破損の検出といった対策が取られてきた。工具の寿命を管理する場合の従来技術として、工具の使用時間や切削距離を集計して、予想の寿命時間と比較し、その比較結果により予備工具との交換や使用停止を指示するものが知られている。また、工具破損を検出する従来技術としては、加速度センサを用いて、その検出結果に基づき工具の破損を検出し、運転停止指令を出すものや主軸にかかる負荷電流を検出して、切削抵抗を推定し、工具破損を検出するものが知られている。 Conventionally, countermeasures such as tool life management and tool breakage detection have been taken against such machining abnormalities such as tool wear and tool breakage. As a conventional technology for managing the tool life, the tool usage time and cutting distance are totaled, compared with the expected life time, and the result of the comparison is used to instruct replacement or stop use of the spare tool. It has been. In addition, as a conventional technique for detecting tool breakage, an acceleration sensor is used to detect tool breakage based on the detection result, to issue an operation stop command or to detect load current applied to the spindle, and to reduce cutting resistance. One that estimates and detects tool breakage is known.
特許文献１には、切削加工時に生じる振動データを加速度センサで測定し、加工異常を検出する方法が示されており、切削加工前に生じる空転振動データを取得するステップと、前記空転振動データの絶対値を基に空転振幅値を算出ステップと、前記空転振幅値を基にして空転振幅上限値を算出するステップと、切削加工時に生じる振動データを取得するステップと、前記振動データの絶対値を基に振幅データを算出するステップと、前記振幅データを所定の時間間隔にて移動平均処理を行うことにより短期平均振幅値を算出するステップと、前記振幅データを前記時間間隔よりも長い時間間隔にて移動平均処理を行うことにより長期平均振幅値を算出するステップと、前記長期平均振幅値を基にして閾値を算出するステップと、前記短期平均振幅値と前記閾値とを比較して異常が検出され且つ前記短期平均振幅値が前記空転振幅上限値を超えている場合に異常検知信号を出力し、前記短期平均振幅値が前記空転振幅上限値を下回っている場合には前記閾値による異常検出を無効とするステップと、を有することを特徴とする切削加工における異常検出方法が示されている。
また、特許文献２には、回転切削工具に作用する切削トルクをトルクセンサによって測定し、その測定結果をウェーブレット変換し、ウェーブレット変換したデータの絶対値を積分した値と切削加工前の工具摩耗が進行していない時の積分データを比較して工具の摩耗状態を検出する方法が示されている。
特許文献３には、エンドミル加工において主軸モータと運動軸モータの電流値、エンドミル工具の半径値及び切削関与角を用いて、工具移動接線方向切削抵抗及び工具移動法線方向切削抵抗を検出することで、切削抵抗の検出精度を高める方法が示されている。
In
In
特許文献１では、切削加工時のデータのばらつきに対して、リアルタイムに加工異常の閾値を設定することで、データのばらつきによる影響を少なくし、加工異常の誤検出を減らしているが、リアルタイムに閾値を設定することで、閾値自体も工具摩耗の影響で大きくなるので、急激に振動振幅データが増加したときにしか加工異常が検出されず、必ず１つは不良ワークを発生させてしまうといった課題があった。また、所定の時間間隔における振幅データを移動平均しているため、工具破損時に発生する周波数の特徴なども消されてしまい、検出精度が低いといった課題も有していた。
特許文献２では、事前にテスト加工しておくことで、工具破損前のトルクパターンを閾値に設定でき、工具破損による不良ワークの発生を未然に防ぐことが期待できるが、工具が数ｍｍ以下だと切削トルクの変動も小さく、モータの加減速や切粉の絡まりなどによって生じる負荷変動と区別することができず、異常が検出できないといった課題を有していた。
特許文献３も同様に、加工機の主軸や運動軸は非常に剛性が高いので、主軸モータや運動軸モータの電流値に小さな負荷が反映されず、検出精度が低いといった課題を有していた。
In
In
Similarly,
本発明は上記のような課題を解決するためになされたものであり、工具破損ないし工具摩耗による不良ワークの発生を未然に防ぐことができ、加工異常の検出精度を高くすることができ、かつ、小さな負荷変動であっても加工異常を検出することができる加工異常検出装置及び加工異常検出方法を得ることを目的としている。 The present invention has been made to solve the above-described problems, can prevent the occurrence of defective workpieces due to tool breakage or tool wear, can increase the detection accuracy of processing abnormalities, and An object of the present invention is to obtain a machining abnormality detection device and a machining abnormality detection method capable of detecting a machining abnormality even with a small load fluctuation.
本発明に係る加工異常検出装置は、加工時に被削材から発生する振動を測定する加速度センサによる振動データから得られる波形を高速フーリエ変換（以下、ＦＦＴという）解析する解析手段と、前記解析手段による解析結果からリニアスペクトル特性を算出するスペクトル特性算出手段と、前記スペクトル特性算出手段により算出されたリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出する平均スペクトル値算出手段とを備え、前記平均スペクトル値算出手段により得られた前記平均スペクトル値に応じて加工異常状態を検出し加工状態が異常であるか正常であるかを表示するようにしたことを特徴とするものである。
また、本発明に係る加工異常検出方法は、加工時に被削材から発生する振動を測定する加速度センサによる振動データから得られる波形をＦＦＴ解析するステップと、前記ＦＦＴ解析するステップによる解析結果からリニアスペクトル特性を算出するステップと、前記スペクトル特性を算出するステップと、前記スペクトル特性を算出するステップにより算出されたリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出するステップとを含み、平均スペクトル値を算出するステップにより得られた前記平均スペクトル値に応じて加工異常状態を検出し加工状態が異常であるか正常であるかを表示するようにしたことを特徴とするものである。
The processing abnormality detection apparatus according to the present invention includes an analysis unit that analyzes a waveform obtained from vibration data by an acceleration sensor that measures vibration generated from a work material during processing, and the analysis unit. Spectral characteristic calculation means for calculating a linear spectral characteristic from the analysis result of the above, and an average for calculating an average spectral value for a plurality of frequencies generated at the time of tool breakage or tool wear from the linear spectral characteristic calculated by the spectral characteristic calculation means A spectrum value calculating unit, and detecting a processing abnormal state according to the average spectral value obtained by the average spectral value calculating unit and displaying whether the processing state is abnormal or normal. It is a feature.
Also, the machining abnormality detection method according to the present invention includes a step of performing FFT analysis on a waveform obtained from vibration data obtained by an acceleration sensor that measures vibration generated from a workpiece during machining, and a linear result from an analysis result obtained by the FFT analysis step. An average spectrum value for a plurality of frequencies generated at the time of tool breakage or tool wear is calculated from the linear spectrum characteristics calculated by calculating the spectrum characteristics, calculating the spectrum characteristics, and calculating the spectrum characteristics. A processing abnormal state is detected according to the average spectral value obtained by the step of calculating an average spectral value, and whether the processing state is abnormal or normal is displayed. It is a feature.
本発明による加工異常検出装置では、加工時に被削材から発生する振動を測定する加速度センサによる振動データから得られる波形をＦＦＴ解析して算出したリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出し、前記平均スペクトル値に応じて加工異常状態を検出し加工状態が異常であるか正常であるかを表示するように構成したので、加工異常の検出精度を高めることができ、しかも、加工異常検出の信頼性を向上できるものとすることができる。
また、本発明による加工異常検出方法では、加工時に被削材から発生する振動を測定する加速度センサによる振動データから得られる波形をＦＦＴ解析して算出したリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出し、前記平均スペクトル値に応じて加工異常状態を検出し加工状態が異常であるか正常であるかを表示するようにしたので、加工異常の検出精度を高めることができ、しかも、加工異常検出の信頼性を向上できる。
The machining abnormality detection device according to the present invention is generated when a tool is broken or worn due to linear spectral characteristics calculated by FFT analysis of a waveform obtained from vibration data obtained by an acceleration sensor that measures vibration generated from a work material during machining. Since it is configured to calculate the average spectrum value for multiple frequencies, detect the machining abnormality state according to the average spectrum value, and display whether the machining state is abnormal or normal, the machining abnormality detection accuracy In addition, the reliability of processing abnormality detection can be improved.
In addition, in the machining abnormality detection method according to the present invention, when a tool is broken or worn out from a linear spectrum characteristic calculated by FFT analysis of a waveform obtained from vibration data from an acceleration sensor that measures vibration generated from a work material during machining. An average spectrum value for a plurality of generated frequencies is calculated, a processing abnormality state is detected according to the average spectrum value, and whether the processing state is abnormal or normal is displayed. The accuracy can be increased and the reliability of processing abnormality detection can be improved.
実施の形態１．
本発明によるスロット加工やフライス加工、エンドミル加工などの切削加工における異常検出装置の実施の形態を図１から図２８に基づいて説明する。
図１は、本発明に係る異常検出方法をスロット加工機に適用した加工異常検出装置の構成を示す概略図である。なお、図１では、スロット加工機における概略図を図示したが、適用できる装置はこれに限られるものではない。
An embodiment of an abnormality detection apparatus in cutting processing such as slot processing, milling processing, and end mill processing according to the present invention will be described with reference to FIGS.
FIG. 1 is a schematic diagram showing a configuration of a machining abnormality detection apparatus in which the abnormality detection method according to the present invention is applied to a slot machine. In addition, in FIG. 1, although the schematic in a slot processing machine was illustrated, the apparatus which can be applied is not restricted to this.
実施の形態１における加工異常検出装置は、スロット加工が行われ、加工異常検出部となる加工機のハウジング９および測定した振動データからその異常判定と判定結果の表示が行われる加工異常判定部である制御ボックス１０から構成される。加工機のハウジング９は切削工具であるディスクカッター１１と、加工時の振動を測定する加速度センサ１Ａおよび加速度センサ１Ｂにて構成され、加工異常判定部である制御ボックス１０は、加速度センサ１Ａ，１Ｂの信号を増幅する加速度センサ用のアンプ２Ａ，２Ｂと、装置を駆動させる電源３と、電源３から加工異常検出装置に電気を供給する無停電電源装置４と、無停電電源装置４と組み合わせることで、装置電源のＯＮ／ＯＦＦの自動化を可能にするコンピュータ６と、無停電電源装置４とコンピュータ６に接続し、装置の加工状態や各種設定の入力値、加工異常時の表示などを行うタッチパネルディスプレイ５と、コンピュータ６に接続し、各種設定値などを入力する入力機器７であるキーボードやマウスと、コンピュータ６に接続され、加工機の稼働状態や加工異常の発生を告知するパトライト（登録商標）からなる加工異常表示器８により構成される。
コンピュータ６により構成される演算処理装置は、本発明における中枢機能を遂行する下記（１）〜（８）項の各演算処理手段に係る機能を有するアプリケーションプログラムからなるソフトウエアおよび前記ソフトウエアに応じたリソースを具備したハードウエアを保有している。
（１）入力手段：加工時に被削材から発生する振動を測定する加速度センサ１Ａ，１Ｂにより得られた振動データをコンピュータ６により構成される演算処理装置からなる演算手段に入力する。
（２）加工開始手段：加速度センサ１Ａ，１Ｂにより測定して得られた振動データの実効値を算出して加工開始のトリガとする。
（３）解析手段：前記振動データから得られる波形をＦＦＴ解析する。
（４）スペクトル特性算出手段：前記解析手段による解析結果からリニアスペクトル特性を算出する。
（５）平均スペクトル値算出手段：前記スペクトル特性算出手段により算出したリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出する。
（６）閾値設定手段：事前に測定した工具破損ないし工具摩耗状態における平均スペクトル値から閾値を設定する。
（７）比較手段：前記閾値と前記加工時の平均スペクトル値を比較する。
（８）表示手段：前記比較手段の出力に応じて加工状態が異常であるか正常であるかを表示する。
The processing abnormality detection device according to the first embodiment is a processing abnormality determination unit in which slot processing is performed and abnormality determination and a determination result are displayed from the
The arithmetic processing unit constituted by the
(1) Input means: Inputs vibration data obtained by the
(2) Processing start means: An effective value of vibration data obtained by measurement by the
(3) Analyzing means: FFT analysis is performed on the waveform obtained from the vibration data.
(4) Spectral characteristic calculation means: The linear spectral characteristic is calculated from the analysis result by the analysis means.
(5) Average spectral value calculating means: An average spectral value for a plurality of frequencies generated when the tool is broken or worn is calculated from the linear spectral characteristic calculated by the spectral characteristic calculating means.
(6) Threshold setting means: A threshold is set from an average spectrum value in a tool breakage or tool wear state measured in advance.
(7) Comparison means: The threshold value is compared with the average spectrum value during the processing.
(8) Display means: Displays whether the machining state is abnormal or normal according to the output of the comparison means.
次に、本発明に係る加工異常検出装置の検出部の設置状況を説明する。図２は、スロット加工機の軸受ハウジング１２にマグネットマウント１３に取付けた加速度センサ１Ａ と、マグネットマウント１３に取付けた加速度センサ取付冶具１４と加速度センサ１Ｂを示している。軸受ハウジング１２は上面部１２ａと側面部１２ｂを有し、加速度センサ１Ａおよび加速度センサ１Ｂは上面部１２ａにそれぞれマグネットマウント１３を介して取付けられている。また、図２には示していないが、加速度センサ１Ａ，１Ｂを軸受ハウジング１２の側面部１２ｂにマグネットマウント１３を介して取付ける場合がある。
加速度センサ１Ａ，１Ｂは、扁平な截頭円錐状を成す軸受ハウジング１２における環状の水平面を形成する上面部１２ａおよび軸受ハウジング１２における周面を形成する側面部１２ｂに取り付けられるものである。水平に延在する上面部１２ａにおける東西南北に相当するＸＹ二次元座標位置に加速度センサ１Ａ，１Ｂがそれぞれ配置される。また、上下方向に延在し上面部１２ａとはＺ軸位置が異なる周面をもつ側面部１２ｂに加速度センサ１Ａ，１Ｂが配置される。そして、加速度センサ１Ａ，１Ｂはそれぞれ、その測定方向をＲ：半径方向、Ｔ：周方向およびＺ：鉛直方向のいずれかに設定できるものである。
これらの加速度センサ取付位置を決めるため図３に示す条件で、加速度センサ１Ａ，１Ｂをそれぞれ取付け、軸受ハウジング１２の南西側をハンマで打撃した場合の加速度センサ１Ａ，１Ｂの振動データとＦＦＴ（高速フーリエ変換）解析結果を図４に示している。
Next, the installation state of the detection part of the processing abnormality detection device according to the present invention will be described. FIG. 2 shows the
The
In order to determine the mounting positions of these acceleration sensors, the
図４の解析結果から、加速度センサ１Ａ，１Ｂの位置が軸受ハウジング１２のＢ：北側で、軸受ハウジング１２のＲ：半径方向及びＴ：周方向を測定したとき、軸受ハウジング１２の固有値が最も感度良く測定できていることが分かる。軸受ハウジング１２のＲ：半径方向とＴ：周方向の２方向の振動データを測定することで、異常検出精度を向上できる効果もある。上記説明でスロット加工機における加速度センサの設置方法を示したが、加速度センサの設置位置や設置数、振動の測定方向、ハンマの打撃位置などは、各加工機の構成によるのでこれの限りではない。
From the analysis result of FIG. 4, when the
図５は、軸受ハウジング１２に加速度センサ１Ａ，１Ｂを前述した設置位置に取付け、ディスクカッター１１（図１参照）に取付けた２４枚のスローアウェイチップ中の１枚が破損した状態でスロット加工を行ったときに出力された振動データの波形を示している。図５の波形は、２周期分の波形であり、図５中に示している破損工具の振動波形が、この後も１．５５秒間隔で周期的に発生する。
In FIG. 5, the
図６は、この加工振動の測定データ４０９６個、約２０．５秒分（サンプリングタイム０．００５秒×４０９６データ）をＦＦＴ解析した結果を示している。このＦＦＴ解析手段によるＦＦＴ解析結果により、スペクトル特性算出手段によって周波数範囲０〜２０Ｈｚの周波数範囲において各周波数におけるスペクトル値が算出されリニアスペクトル特性が導出されるものである。
図６中に示すように、ディスクカッター１１（図１参照）において破損したスローアウェイチップがない通常の加工時には、５．１Ｈｚと１５．２Ｈｚの周波数でピークが発生する。これは、スローアウェイチップを取り付けたディスクカッター１１が３８ｒｐｍで回転しているからである。しかし、破損したスローアウェイチップがある場合、０．６３Ｈｚとその整数倍の周波数でピークが発生していた。これは、スローアウェイチップ２４枚を取付けたディスクカッター１１で工具回転数を３８ｒｐｍとしたときのスローアウェイチップ１枚における周波数に一致する。上記特徴より、０．６３Ｈｚは破損したスローアウェイチップが発生させている周波数のピークだといえる。なお、上記説明では破損したスローアウェイチップが発生させている周波数について記述したが、ディスクカッター１１の振れなどの影響でスローアウェイチップの摩耗状態に偏りが発生した場合なども同様に特徴的な周波数が検出可能である。
FIG. 6 shows the result of FFT analysis of 4096 measurement data of this machining vibration, about 20.5 seconds (sampling time 0.005 seconds × 4096 data). Based on the result of the FFT analysis by the FFT analysis unit, the spectrum characteristic calculation unit calculates the spectrum value at each frequency in the frequency range of 0 to 20 Hz and derives the linear spectrum characteristic.
As shown in FIG. 6, peaks are generated at frequencies of 5.1 Hz and 15.2 Hz during normal processing without a broken throw-away tip in the disk cutter 11 (see FIG. 1). This is because the
次に、本発明による異常加工検出方法を図７で説明する。図７はディスクカッター１１（図１参照）における破損したスローアウェイチップにより発生する振動波形の周波数０．６３Ｈｚ付近を拡大した特性図である。
図７に示すように、０．６３Ｈｚと整数倍７倍の周波数４．４３Ｈｚまでの周波数のスペクトル値と、それぞれの前後２点の５点、合計３５点のスペクトル値の平均である平均スペクトル値を導出する。
すなわち、ディスクカッター１１における破損したスローアウェイチップにより発生する周波数０．６３Ｈｚと、それに関連する複数の周波数が検出され、各周波数におけるスペクトル値が検出されて、平均スペクトル値算出手段によりそれらの平均スペクトル値が導出されるものである。
ここで、図８にスローアウェイチップの破損状態を示す。
Next, the abnormal machining detection method according to the present invention will be described with reference to FIG. FIG. 7 is a characteristic diagram enlarging the vicinity of a frequency of 0.63 Hz of a vibration waveform generated by a broken throw-away tip in the disc cutter 11 (see FIG. 1).
As shown in FIG. 7, an average spectral value that is an average of spectral values of frequencies up to 0.63 Hz and a frequency of 4.43 Hz, which is an integer multiple of 7 times, and two points before and after each, a total of 35 spectral values. Is derived.
That is, the frequency 0.63 Hz generated by the broken throw-away tip in the
Here, FIG. 8 shows a broken state of the throw-away tip.
このように、異常検出の判定に工具破損ないし工具摩耗時に発生する周波数とその７倍までの整数倍の周波数スペクトルの平均値を使用することで加工異常の検出精度が高くなり、加工異常検出の信頼性を向上できる効果が得られる。また、異常検出の判定に工具破損ないし工具摩耗時に発生する周波数とその７倍までの整数倍の周波数のスペクトル値と各周波数の前後２点の５点、合計３５点の平均値を使用することで加工異常の検出精度がさらに高くなり、加工異常検出の信頼性をさらに向上できる効果が得られる。 In this way, the abnormality detection accuracy is increased by using the average value of the frequency spectrum that is an integer multiple of up to 7 times the frequency generated at the time of tool breakage or tool wear and the abnormality detection. An effect of improving reliability can be obtained. Also, use the average value of a total of 35 points for the frequency of the occurrence of tool breakage or tool wear, the spectrum value of the integer multiple up to 7 times, and the two points before and after each frequency for the determination of abnormality detection. As a result, the accuracy of detecting a processing abnormality is further increased, and the effect of further improving the reliability of processing abnormality detection can be obtained.
図９は、図８に示したディスクカッター１１（図１参照）におけるスローアウェイチップの逃げ面の破損部の高さＨと、逃げ面の破損部の幅Ｗと、すくい面の破損深さｔの積と、平均スペクトルの関係を示している。図９より、スローアウェイチップ破損部の積が大きいほど平均スペクトル値が高いことが分かる。
また、図１０に加工中の平均スペクトルの推移を示す。図１０はスローアウェイチップが大きく破損したときの平均スペクトルの推移で、平均スペクトルが増加している原因は、加工の進行とともにスローアウェイチップの破損部が拡大しているためだと考えられる。破損部の拡大と切削抵抗の増大により、スローアウェイチップが負荷に耐えられなくなったところで大きな工具破損が発生したと考えられる。
図１１には、工具が大きく破損した２回目の平均スペクトルの推移を示している。図１１と同様に平均スペクトルの値が増加していることが確認できる。上記、平均スペクトルの特性より、閾値を設定することで、工具が破損するのを未然に防ぐことが可能であるといえる。
9 shows the height H of the damaged portion of the flank of the throw-away tip in the disc cutter 11 (see FIG. 1) shown in FIG. 8, the width W of the damaged portion of the flank, and the damage depth t of the rake face. And the average spectrum. FIG. 9 shows that the average spectral value increases as the product of the throwaway tip breakage portion increases.
FIG. 10 shows the transition of the average spectrum during processing. FIG. 10 shows the transition of the average spectrum when the throw-away tip is greatly damaged. The reason why the average spectrum is increased is thought to be that the damaged portion of the throw-away tip is enlarged with the progress of processing. It is considered that a large tool breakage occurred when the throw-away tip could not withstand the load due to the enlargement of the damaged part and the increase in cutting resistance.
FIG. 11 shows the transition of the average spectrum for the second time when the tool was greatly damaged. As in FIG. 11, it can be confirmed that the value of the average spectrum increases. It can be said that it is possible to prevent the tool from being damaged by setting the threshold value based on the characteristics of the average spectrum.
次に、図１２を用いて本発明におけるＦＦＴ演算方法を説明する。図１２は、本発明におけるＦＦＴ演算のイメージ図である。本発明では、前記設置方法で被削材ないし加工工具付近に設置した加速度センサ１Ａ，１Ｂ（図１参照）から加工中の振動を測定し、周波数の分解能０．００６１Ｈｚで1秒毎にＦＦＴ演算結果を更新する。そして、ＦＦＴ演算後に算出するリニアスペクトル特性から、破損した工具で発生する周波数のスペクトル値を読み取る。そして、読み取った複数のスペクトルから平均スペクトル値を算出し、閾値と比較し、加工異常を判定する。周波数の分解能は破損した工具が発生させる周波数によるが、破損工具が発生させる周波数の１／１０以下であることが望ましい。また、図１２ではＦＦＴ演算の信頼性を確保するため、２〜１４のデータ数をＦＦＴ演算に使用している。周波数分解能０．００６１Ｈｚで２〜１４のデータ数を確保するためには、１６．３８４秒間を要するので、１秒毎のＦＦＴ演算処理及びリニアスペクトル特性の算出をするために、１５．３８４秒分のデータは、次のＦＦＴ演算処理と重複させて使用している。
Next, the FFT calculation method in the present invention will be described with reference to FIG. FIG. 12 is an image diagram of the FFT operation in the present invention. In the present invention, vibration during machining is measured from the
前記スペクトル値の算出時に重複データを使用することで、ＦＦＴ演算時のデータ数を確保し、ＦＦＴ演算結果の信頼性を向上させる効果があり、さらに１秒毎にＦＦＴ演算とリニアスペクトル特性の算出から導出することで、リアルタイムな加工状態の監視を可能とする効果が得られる。 By using duplicate data when calculating the spectrum value, there is an effect of securing the number of data at the time of FFT calculation, improving the reliability of the FFT calculation result, and further calculating the FFT calculation and linear spectrum characteristics every second. By deriving from, it is possible to obtain an effect that enables real-time monitoring of the machining state.
図１３は、実効値の演算方法を示した図で、1秒毎に1秒間の加速度データを二乗平均した値を算出している。算出した実効値を加工開始のトリガとして使用することで、加工異常判定が加工開始時に自動的に起動することが可能となっている。具体的には、トリガ設定値とトリガ判定時間を事前に設定しておき、上記算出方法で出力された実効値がトリガ設定値をトリガ判定時間より長い時間超えていた場合、加工が開始したと判断して、データの取得を開始するようにしている。 FIG. 13 is a diagram showing an effective value calculation method, and calculates a value obtained by averaging the acceleration data for one second every second. By using the calculated effective value as a machining start trigger, it is possible to automatically start machining abnormality determination when machining starts. Specifically, the trigger setting value and the trigger determination time are set in advance, and if the effective value output by the above calculation method exceeds the trigger setting value for a time longer than the trigger determination time, machining is started. Judgment is made and data acquisition is started.
ここで、ディスクカッター１１（図１参照）における摩耗したスローアウェイチップを用いた閾値の求め方を示す。図１４は、切削工具としてのディスクカッター１１で加工したときに、摩耗した工具で発生する周波数を示しており、０．６７１Ｈｚとその２〜７倍の周波数である。平均スペクトル値の算出には、図１４に記載の周波数と、各周波数±０．０６１Ｈｚ、±０．１２２Ｈｚの７×５＝３５データの和を用いる。耐力６７k級の被削材を使用し、図１５に示す切削条件で加工する。また、図１６にスローアウェイチップの摩耗状態を示している。
Here, how to obtain the threshold value using the worn away throw tip in the disc cutter 11 (see FIG. 1) will be described. FIG. 14 shows frequencies generated by a worn tool when the
この実験の結果を図１７〜図２０に示す。図１７は加工深さを７０ｍｍとしたときの各加速度センサ１Ａ，１Ｂ（図１参照）で測定された平均スペクトルの推移を示している。図１８は図１７と同様加工深さを７０ｍｍとしたときの各加速度センサ１Ａ，１Ｂの実効値の推移を示している。また、図１９は加工深さ５０ｍｍのときの平均スペクトル値の変化を示しており、図２０は加工深さ５０ｍｍのときの実効値の変化を示している。これらの結果から、工具摩耗量が大きくなるにつれて、平均スペクトル値も大きくなっていることが分かる。また、切削抵抗が大きい加工深さ７０ｍｍで加工深さ５０ｍｍと比較して、大きい平均スペクトル値が得られている。
図２１は、前記の結果から設定した閾値を示しており、正常時の１．３倍を「警告」、１．４倍以上で「異常」を出力することで、不良ワークの発生を未然に防ぐことができる。
このように、閾値設定手段では、事前に測定した図１７〜図２０に示す工具破損ないし工具摩耗状態における平均スペクトル値を参照して、加工異常と判別するキーとなる倍率ｍが例えば１．４として予め設定され、この倍率ｍを正常状態の平均スペクトル値に乗じた値（ｈ＝平均スペクトル値×ｍ）が閾値ｈとして設定されるものである。
The results of this experiment are shown in FIGS. FIG. 17 shows the transition of the average spectrum measured by each
FIG. 21 shows threshold values set based on the above results. By outputting “warning” 1.3 times as normal and “abnormal” when 1.4 times or more, the occurrence of defective workpieces can be detected in advance. Can be prevented.
As described above, the threshold value setting means refers to the average spectrum value in the tool breakage or tool wear state shown in FIG. 17 to FIG. 20 measured in advance, and the magnification m serving as a key for determining machining abnormality is 1.4, for example. Is set in advance, and a value (h = average spectrum value × m) obtained by multiplying the average spectrum value in the normal state by the magnification m is set as the threshold value h.
次に、耐力８１ｋ級の材質を加工した時の結果を示す。切削条件は図１５のとおりである。図２２に加工深さ４０ｍｍのときの平均スペクトル値の変化を示しており、このときの閾値を図２３に示している。図２４に加工深さ５０ｍｍのときの平均スペクトル値の変化を示しており、図２５にこのときの閾値を示している。また、図２６に加工深さ７０ｍｍのときの平均スペクトル値を示しており、図２７にこのときの閾値を示している。但し、図２６、図２７では送り速度を図１５の条件より遅くしている。 Next, the result when processing a material with a yield strength of 81k class is shown. Cutting conditions are as shown in FIG. FIG. 22 shows the change of the average spectrum value when the processing depth is 40 mm, and FIG. 23 shows the threshold value at this time. FIG. 24 shows the change of the average spectrum value when the processing depth is 50 mm, and FIG. 25 shows the threshold value at this time. Further, FIG. 26 shows an average spectrum value when the processing depth is 70 mm, and FIG. 27 shows a threshold value at this time. However, in FIGS. 26 and 27, the feed rate is set slower than the condition of FIG.
これらの結果から、６７ｋ級と比較して、８１ｋ級の平均スペクトル値が全体的に大きいことや、図２２と図２４から加工深さが深くなるほど平均スペクトル値が大きくなること、図２４と図２６から加工深さを深くしても送り速度を遅くすることで加工負荷を下げることができること、図２６から加工開始時と終了時の平均スペクトルの変化が大きい加工深さ７０ｍｍでは１スロット内での工具摩耗が激しいことなどが読み取れる。 From these results, the average spectrum value of the 81k class is generally larger than that of the 67k class, and the average spectrum value increases as the processing depth increases from FIGS. 22 and 24. FIG. Even if the machining depth is increased from 26, the machining load can be reduced by slowing the feed rate. From FIG. 26, within one slot at a machining depth of 70 mm where the change in average spectrum at the start and end of machining is large. It can be seen that the tool wear is severe.
また、図２８に加工異常検出装置で使用するソフトウェアの画面構成を示す。図２８（ａ）は正常状態における画面表示であり、図２８（ｂ）は設定画面を示すものである。
加工異常検出装置に通電することで、自動起動し、通電を切ることで自動終了できるシステムとしている。加速度センサ１Ａ，１Ｂ（図１参照）により得られる振動データはアンプ２Ａ，２Ｂを含む入力手段によってアナログ入力ポートを介してコンピュータ６により構成される演算処理装置からなる演算手段に入力される。
加工開始・終了の判断は、前記したとおり加速度センサ１Ａ，１Ｂで測定した振動データの実効値で加工開始手段により判断しており、「設定」画面のトリガ条件部分でトリガの値、トリガ起動時間などを設定できる。トリガ起動後、自動で加速度センサ１Ａ，１Ｂの振動データを図１２に示すようにＦＦＴ解析する。
FIG. 28 shows a screen configuration of software used in the machining abnormality detection device. FIG. 28A shows a screen display in a normal state, and FIG. 28B shows a setting screen.
The system can be automatically started by energizing the machining abnormality detection device and automatically terminated by turning off the energization. Vibration data obtained by the
The processing start / end is determined by the processing start means based on the effective value of the vibration data measured by the
そして、加工開始５分後を正常な加工状態であるとして、ＦＦＴ解析後にその解析結果に基づきスペクトル特性算出手段によりリニアスペクトル特性を算出し、平均スペクトル値算出手段により平均スペクトル値を取得する。取得した平均スペクトル値と事前に設定しておいた閾値ｈの倍率ｍを基に、「警告」と「異常」の閾値ｈを閾値設定手段により自動で設定可能である。閾値ｈの倍率ｍは、事前に「設定」画面に登録しておく。閾値（ｈ＝平均スペクトル値×ｍ）を自動で設定した後、閾値ｈの値とＦＦＴ解析後に得られるリニアスペクトル特性を比較して、「正常」、「警告」、「異常」を判定する機能をもつ比較手段を有する。また、「設定」画面にてＦＦＴ解析時に使用する窓関数を選択可能である。 Then, assuming that 5 minutes after the start of machining is a normal machining state, the linear spectrum characteristic is calculated by the spectrum characteristic calculation means based on the analysis result after the FFT analysis, and the average spectrum value is obtained by the average spectrum value calculation means. Based on the acquired average spectrum value and the magnification m of the threshold value h set in advance, the threshold value h for “warning” and “abnormal” can be automatically set by the threshold setting means. The magnification m of the threshold value h is registered in advance on the “setting” screen. A function that automatically sets a threshold value (h = average spectrum value × m) and then compares the value of the threshold value h with a linear spectrum characteristic obtained after FFT analysis to determine “normal”, “warning”, and “abnormal”. Has a comparison means. In addition, a window function used at the time of FFT analysis can be selected on the “setting” screen.
なお、加工開始から５分経過した状態を正常な加工状態であるとして、ＦＦＴ解析後にリニアスペクトル特性を算出し、平均スペクトル値を取得するようにしたが、加工対象などによってこの時間は変更することが可能である。所定時間経過後の安定した状態のデータを用いれば良い。
このように、事前に測定した工具破損ないし工具摩耗時に発生する平均スペクトル値を基に加工開始所定時間後の平均スペクトル値を正常時の平均スペクトル値として取得し、事前設定しておいた倍率ｍと正常加工時の平均スペクトルの積（ｈ＝平均スペクトル値×ｍ）を加工異常検出の閾値ｈとすることで加工異常検出の閾値を自動で設定することができ、工具更新時や被削材変更時に閾値を再設定するロスを削減することができる効果が得られる。
In addition, assuming that the state after 5 minutes from the start of processing is a normal processing state, linear spectrum characteristics are calculated after FFT analysis, and an average spectrum value is obtained. However, this time may be changed depending on the processing target. Is possible. Data in a stable state after elapse of a predetermined time may be used.
In this way, the average spectral value after a predetermined time from the start of machining is obtained as the average spectral value at the normal time based on the average spectral value generated at the time of tool breakage or tool wear measured in advance, and the preset magnification m By setting the product of the average spectrum during normal machining (h = average spectrum value x m) as the processing abnormality detection threshold value h, the processing abnormality detection threshold value can be set automatically. The effect of reducing the loss of resetting the threshold when changing is obtained.
以上のように、本発明による加工異常検出装置は、加工時に被削材から発生する振動を加速度センサ１Ａ，１Ｂにより測定し、接続したコンピュータ６に振動データを入力する入力手段と、当該コンピュータ６により前記振動データの実効値を算出して加工開始のトリガとする加工開始手段と、振動データから得られる波形をＦＦＴ解析する解析手段と、前記解析手段によるＦＦＴ解析後にリニアスペクトル特性を算出するスペクトル特性算出手段と、前記スペクトル特性算出手段により算出したリニアスペクトル特性から工具破損ないし工具摩耗時に発生する複数の周波数のスペクトル値を選択し、さらに選択した複数のスペクトルの平均値である平均スペクトル値を算出する平均スペクトル値算出手段と、事前に測定した工具破損ないし工具摩耗前の平均スペクトル値から閾値（ｈ＝平均スペクトル値×ｍ）を自動で設定する閾値設定手段と、前記閾値ｈと前記加工時の平均スペクトル値を比較する比較手段と、加工時の平均スペクトル値が閾値ｈを超えた場合に加工異常信号を出力し加工異常状態であることを表示し、加工時の平均スペクトル値が閾値ｈを超えなかった場合は正常な加工状態であることを表示する加工異常表示器８からなる表示手段とを有することを特徴とするので、検出機器に感度の高い加速度センサを用いることで、小さな負荷変動であっても加工異常を検出でき、異常検出の判定に工具破損ないし工具摩耗時に発生する複数の周波数スペクトルの平均値を使用することで加工異常の検出精度が高くなる効果が得られる。また、加工開始時に被削材から発生する振動データの実効値を加工開始トリガとして使用することで、加工異常検出装置の自動起動ができ、さらに事前に測定した工具破損ないし工具摩耗時に発生する平均スペクトル値を基に閾値を自動設定することで、加工中の平均スペクトルが閾値を超えた場合、ディスプレイやパトライト（登録商標）で加工異常を表示でき、加工を自動停止できる機能を有するので、工具破損ないし工具摩耗による不良ワークの発生を未然に防ぐことができる効果が得られる。
As described above, the machining abnormality detection device according to the present invention measures the vibration generated from the work material during machining by the
また、本発明による加工異常検出方法は、加工時に被削材から発生する振動を加速度センサ１Ａ，１Ｂにより測定し、接続したコンピュータ６に振動データを入力するステップと、当該コンピュータ６により前記振動データの実効値を算出して加工開始のトリガとするステップと、振動データから得られる波形をＦＦＴ解析するステップと、ＦＦＴ解析後にリニアスペクトル特性を算出するステップと、算出したリニアスペクトル特性から工具破損ないし工具摩耗時に発生する複数の周波数のスペクトル値を選択し、さらに選択した複数のスペクトルの平均値である平均スペクトル値を算出するステップと、事前に測定した工具破損ないし工具摩耗前の平均スペクトル値から閾値（ｈ＝平均スペクトル値×ｍ）を自動で設定するステップと、前記閾値ｈと前記加工時の平均スペクトル値を比較するステップとを有し、加工時の平均スペクトル値が閾値ｈを超えた場合に加工異常信号を出力して加工異常状態であることを表示するとともに、加工時の平均スペクトル値が閾値ｈを超えなかった場合は正常な加工状態であることを表示するようにしたことを特徴とするので、検出機器に感度の高い加速度センサを用いることで、小さな負荷変動であっても加工異常を検出でき、異常検出の判定に工具破損ないし工具摩耗時に発生する複数の周波数スペクトルの平均値を使用することで加工異常の検出精度が高くなる効果が得られる。さらに事前に測定した工具破損ないし工具摩耗時に発生する平均スペクトル値を基に閾値を自動設定することで、工具破損ないし工具摩耗による不良ワークの発生を未然に防ぐことができる効果が得られる。
The machining abnormality detection method according to the present invention includes a step of measuring vibrations generated from a work material during machining by the
本発明に係る実施の形態１によれば、加工時に被削材から発生する振動を測定する加速度センサ１Ａ，１Ｂにより測定して得られた前記振動データから得られる波形をＦＦＴ解析する解析手段と、前記解析手段による解析結果からリニアスペクトル特性を算出するスペクトル特性算出手段と、前記スペクトル特性算出手段により算出されたリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数についての平均スペクトル値を算出する平均スペクトル値算出手段と、前記平均スペクトル値算出手段により得られた前記加工時の前記平均スペクトル値に応じて加工異常状態を検出し加工状態が異常であるか正常であるかを加工異常表示器８で表示させる表示手段とを備えたことを特徴とする加工異常検出装置を構成したので、加工異常の検出精度を高めることができ、しかも、加工異常検出の信頼性を向上できるものとすることができる。
According to the first embodiment of the present invention, the analysis means for FFT-analyzing the waveform obtained from the vibration data obtained by the
また、本発明に係る実施の形態１によれば、加工時に被削材から発生する振動を加速度センサ１Ａ，１Ｂにより測定し、前記加速度センサ１Ａ，１Ｂにより得られた振動データをコンピュータ６で構成される演算処理装置からなる演算手段に入力する入力手段と、前記コンピュータ６で構成される演算手段により前記振動データの実効値を算出して加工開始のトリガとする加工開始手段と、前記振動データから得られる波形をＦＦＴ解析する解析手段と、前記解析手段によるＦＦＴ解析後にリニアスペクトル特性を算出するスペクトル特性算出手段と、前記スペクトル特性算出手段により算出したリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数のスペクトル値を選択し、さらに選択した複数のスペクトルの平均値である平均スペクトル値を算出する平均スペクトル値算出手段と、工具破損時ないし工具摩耗時において事前に測定した工具破損ないし工具摩耗状態の平均スペクトル値を参照して、加工異常と判別するキーとなる倍率ｍが例えば１．４として予め設定され、通常加工時の平均スペクトル値にこの倍率ｍを乗じた値（平均スペクトル値×ｍ）を閾値（ｈ＝平均スペクトル値×ｍ）として設定する閾値設定手段と、前記閾値（平均スペクトル値×ｍ）と前記加工時の平均スペクトル値を比較する比較手段とを備え、加工異常表示器８からなる表示手段により、加工時の平均スペクトル値が閾値ｈを超えた場合に加工異常信号を出力し加工異常状態であることを表示し、加工時の平均スペクトル値が閾値ｈを超えなかった場合は正常な加工状態であることを表示することを特徴とする加工異常検出装置を構成したので、加工異常の検出精度を高めることができ、しかも、加工異常検出の信頼性を向上できるとともに、事前に測定した工具破損ないし工具摩耗時に発生する平均スペクトル値を基に閾値設定手段により閾値を設定することで、工具破損ないし工具摩耗による不良ワークの発生を未然に防ぐことができるものである。
Further, according to the first embodiment of the present invention, the vibration generated from the work material during machining is measured by the
そして、本発明に係る実施の形態１によれば、加工時に被削材から発生する振動を加速度センサにより測定し演算手段に振動データを入力するステップと、前記演算手段により前記振動データの実効値を算出して加工開始のトリガとするステップと、振動データから得られる波形をＦＦＴ解析するステップと、ＦＦＴ解析後にリニアスペクトル特性を算出するステップと、算出したリニアスペクトル特性から工具破損時ないし工具摩耗時に発生する複数の周波数のスペクトル値を選択し、さらに選択した複数のスペクトルの平均値である平均スペクトル値を算出するステップと、工具破損時ないし工具摩耗時において事前に測定した工具破損ないし工具摩耗状態の平均スペクトル値を参照して、加工異常と判別するキーとなる倍率ｍが例えば１．４として予め設定され、通常加工時の平均スペクトル値にこの倍率ｍを乗じた値（平均スペクトル値×ｍ）を閾値（ｈ＝平均スペクトル値×ｍ）として自動で設定するステップと、前記閾値ｈと前記加工時の平均スペクトル値を比較するステップとを有し、加工時の平均スペクトル値が閾値ｈを超えた場合に加工異常信号を出力して加工異常状態であることを表示するとともに、加工時の平均スペクトル値が閾値ｈを超えなかった場合は正常な加工状態であることを表示するようにしたことを特徴とする加工異常検出方法としたので、加工異常の検出精度を高めることができ、しかも、加工異常検出の信頼性を向上できるものである。 And according to Embodiment 1 which concerns on this invention, the vibration which generate | occur | produces from a work material at the time of a process is measured by an acceleration sensor, and the vibration data is input into a calculating means, The effective value of the said vibration data by the said calculating means Is used as a trigger for starting machining, a step of performing FFT analysis on a waveform obtained from vibration data, a step of calculating linear spectral characteristics after FFT analysis, and tool breakage or tool wear from the calculated linear spectral characteristics Select spectral values of multiple frequencies that occur at times, calculate an average spectral value that is the average of the selected multiple spectra, and tool damage or tool wear measured in advance at the time of tool breakage or tool wear By referring to the average spectrum value of the state, the magnification m that is a key for determining machining abnormality is, for example, .4 set in advance, and automatically setting a value (average spectrum value × m) obtained by multiplying the average spectrum value during normal processing by the magnification m (average spectrum value × m) as a threshold value (h = average spectrum value × m); h and a step of comparing the average spectral value at the time of processing, and when the average spectral value at the time of processing exceeds a threshold value h, a processing abnormal signal is output and a processing abnormal state is displayed. Since the processing abnormality detection method is characterized in that when the average spectral value at the time of processing does not exceed the threshold value h, a normal processing state is displayed, the processing abnormality detection accuracy can be improved. In addition, the reliability of processing abnormality detection can be improved.
さらに、本発明に係る実施の形態１によれば、前項の加工異常検出方法において、事前に工具破損ないし工具摩耗状態における工具破損するまでの平均スペクトル値を測定し、工具破損直前などの工具破損ないし工具摩耗状態における平均スペクトル値が正常加工時の平均スペクトル値に対して何倍の倍率ｍとなるかを設定しておき、加工開始から所定時間経過して安定した状態の平均スペクトル値を正常加工時の平均スペクトル値として取得し、事前設定しておいた前記倍率ｍと正常加工時の前記平均スペクトル値の積（平均スペクトル値×ｍ）を加工異常検出の閾値（ｈ＝平均スペクトル値×ｍ）としたことを特徴とする加工異常検出方法としたので、加工異常の検出精度を高めることができ、しかも、加工異常検出の信頼性を向上できるとともに、前記倍率ｍを事前に取得しておくことにより加工異常検出の閾値を自動で設定できるものである。 Furthermore, according to the first embodiment of the present invention, in the machining abnormality detection method of the preceding paragraph, an average spectrum value until tool breakage in a tool breakage or tool wear state is measured in advance, and tool breakage immediately before tool breakage or the like. In addition, it is set how many times the magnification m is the average spectral value in the tool wear state relative to the average spectral value during normal machining, and the average spectral value in a stable state after normal processing is normal. The product (average spectrum value × m) of the above-mentioned magnification m acquired in advance and the average spectrum value obtained during normal processing (average spectrum value × m) is obtained as an average spectrum value during processing, and a processing abnormality detection threshold (h = average spectrum value × m), it is possible to improve the accuracy of detecting a processing abnormality and improve the reliability of detecting a processing abnormality. In addition, the processing abnormality detection threshold can be automatically set by acquiring the magnification m in advance.
なお、本発明は、その発明の範囲内において、実施の形態を適宜、変更、省略することが可能である。 In the present invention, the embodiments can be appropriately changed or omitted within the scope of the invention.
１Ａ，１Ｂ 加速度センサ 、２Ａ，２Ｂ 加速度センサ用のアンプ、３ 電源、
４ 無停電電源装置、５ タッチパネルディスプレイ、６ コンピュータ（演算処理装置）、７ キーボード、マウス（入力機器）、８ 加工異常表示器、
９ 加工機のハウジング（加工異常検出部）、１０ 制御ボックス（加工異常判定部）、
１１ ディスクカッター（切削工具）、１２ 軸受ハウジング、１３ マグネットマウント、１４ 加速度センサ取付冶具、
Ｈ：逃げ面の破損高さ、Ｗ：破損部の幅、ｔ：すくい面の破損深さ。
1A, 1B acceleration sensor, 2A, 2B acceleration sensor amplifier, 3 power supply,
4 uninterruptible power supply, 5 touch panel display, 6 computer (arithmetic processing unit), 7 keyboard, mouse (input device), 8 processing abnormality indicator,
9 Housing of processing machine (processing abnormality detection part), 10 Control box (processing abnormality determination part),
11 Disc cutter (cutting tool), 12 Bearing housing, 13 Magnet mount, 14 Accelerometer mounting jig,
H: height of breakage of the flank, W: width of the broken portion, t: depth of breakage of the rake face.
Claims (11)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015010773A JP2016135511A (en) | 2015-01-23 | 2015-01-23 | Irregular machining detecting apparatus and irregular machining detecting method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015010773A JP2016135511A (en) | 2015-01-23 | 2015-01-23 | Irregular machining detecting apparatus and irregular machining detecting method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2016135511A true JP2016135511A (en) | 2016-07-28 |
Family
ID=56512395
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015010773A Pending JP2016135511A (en) | 2015-01-23 | 2015-01-23 | Irregular machining detecting apparatus and irregular machining detecting method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2016135511A (en) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102017006209A1 (en) | 2016-07-07 | 2018-01-11 | Shimano Inc. | BICYCLE COMPONENTS |
| JP2018024048A (en) * | 2016-08-09 | 2018-02-15 | ファナック株式会社 | Servo controller, main shaft failure detection method using the same, and computer program |
| KR101934705B1 (en) * | 2017-06-30 | 2019-01-03 | 창원대학교 산학협력단 | A lifetime diagnosis system for a spindle of multi-axis machine and a lifetime diagnosis method of the same |
| KR20190025133A (en) * | 2017-08-29 | 2019-03-11 | 현대위아 주식회사 | The method and device for optimizing machine tool cutting conditions using vibration acceleration |
| JP2020042347A (en) * | 2018-09-06 | 2020-03-19 | 東芝機械株式会社 | Machine tool and tool abnormality determination method |
| KR20200121056A (en) * | 2019-04-15 | 2020-10-23 | 창원대학교 산학협력단 | An Outputing Method of Overload Value of Machine Tool and Rotating Body Fault Diagnosis Method using the same |
| CN112179947A (en) * | 2020-09-27 | 2021-01-05 | 上海飞机制造有限公司 | Cutter wear early warning method based on multi-feature factor statistics |
| WO2021049338A1 (en) * | 2019-09-09 | 2021-03-18 | 住友電気工業株式会社 | Cutting tool, cutting system, processing method, and processing program |
| CN112720065A (en) * | 2021-01-12 | 2021-04-30 | 北京理工大学珠海学院 | Machining state monitoring method based on current signal bilateral spectrum analysis |
| KR20210055941A (en) * | 2019-11-08 | 2021-05-18 | 건국대학교 산학협력단 | Machine tool vibration feature extraction device and method |
| CN114555291A (en) * | 2019-10-18 | 2022-05-27 | 日本Nt工程技术株式会社 | Method and system for monitoring machining state of working machine |
| WO2023119729A1 (en) * | 2021-12-24 | 2023-06-29 | 株式会社デンソー | Abnormality detection device, abnormality detection system, abnormality detection method, and abnormality detection program |
| JP2023095753A (en) * | 2021-12-24 | 2023-07-06 | 株式会社デンソー | Abnormality detection device, abnormality detection system, abnormality detection method, and abnormality detection program |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5720625A (en) * | 1980-07-15 | 1982-02-03 | Agency Of Ind Science & Technol | Detection of tool chipping |
| JPS59175941A (en) * | 1983-03-22 | 1984-10-05 | Komatsu Ltd | Method and device for detecting abnormality of multiple cutting edge tool |
| JP2004347401A (en) * | 2003-05-21 | 2004-12-09 | Nsk Ltd | Diagnostic method and diagnostic device of rolling bearing |
| JP2009180722A (en) * | 2008-01-30 | 2009-08-13 | Takayoshi Yamamoto | Support method for optimal maintenance time determination of object facility, computer program, and support device for optimal maintenance time determination of object facility |
| JP2012076553A (en) * | 2010-09-30 | 2012-04-19 | Hitachi Automotive Systems Ltd | Vibration control device for railroad vehicle |
-
2015
- 2015-01-23 JP JP2015010773A patent/JP2016135511A/en active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5720625A (en) * | 1980-07-15 | 1982-02-03 | Agency Of Ind Science & Technol | Detection of tool chipping |
| JPS59175941A (en) * | 1983-03-22 | 1984-10-05 | Komatsu Ltd | Method and device for detecting abnormality of multiple cutting edge tool |
| JP2004347401A (en) * | 2003-05-21 | 2004-12-09 | Nsk Ltd | Diagnostic method and diagnostic device of rolling bearing |
| JP2009180722A (en) * | 2008-01-30 | 2009-08-13 | Takayoshi Yamamoto | Support method for optimal maintenance time determination of object facility, computer program, and support device for optimal maintenance time determination of object facility |
| JP2012076553A (en) * | 2010-09-30 | 2012-04-19 | Hitachi Automotive Systems Ltd | Vibration control device for railroad vehicle |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102017006209A1 (en) | 2016-07-07 | 2018-01-11 | Shimano Inc. | BICYCLE COMPONENTS |
| JP2018024048A (en) * | 2016-08-09 | 2018-02-15 | ファナック株式会社 | Servo controller, main shaft failure detection method using the same, and computer program |
| US10493576B2 (en) | 2016-08-09 | 2019-12-03 | Fanuc Corporation | Servo control device, spindle failure detection method using servo control device, and non-transitory computer readable medium encoded with computer program |
| KR101934705B1 (en) * | 2017-06-30 | 2019-01-03 | 창원대학교 산학협력단 | A lifetime diagnosis system for a spindle of multi-axis machine and a lifetime diagnosis method of the same |
| KR20190025133A (en) * | 2017-08-29 | 2019-03-11 | 현대위아 주식회사 | The method and device for optimizing machine tool cutting conditions using vibration acceleration |
| KR102648425B1 (en) * | 2017-08-29 | 2024-03-14 | 현대위아 주식회사 | The method and device for optimizing machine tool cutting conditions using vibration acceleration |
| KR102580409B1 (en) * | 2017-08-29 | 2023-09-21 | 현대위아 주식회사 | The method and device for optimizing machine tool cutting conditions using vibration acceleration |
| KR20230005064A (en) * | 2017-08-29 | 2023-01-09 | 현대위아 주식회사 | The method and device for optimizing machine tool cutting conditions using vibration acceleration |
| JP7109318B2 (en) | 2018-09-06 | 2022-07-29 | 芝浦機械株式会社 | Machine tool and tool abnormality judgment method |
| JP2020042347A (en) * | 2018-09-06 | 2020-03-19 | 東芝機械株式会社 | Machine tool and tool abnormality determination method |
| KR102225195B1 (en) | 2019-04-15 | 2021-03-09 | 창원대학교 산학협력단 | An Outputing Method of Overload Value of Machine Tool and Rotating Body Fault Diagnosis Method using the same |
| KR20200121056A (en) * | 2019-04-15 | 2020-10-23 | 창원대학교 산학협력단 | An Outputing Method of Overload Value of Machine Tool and Rotating Body Fault Diagnosis Method using the same |
| WO2021049338A1 (en) * | 2019-09-09 | 2021-03-18 | 住友電気工業株式会社 | Cutting tool, cutting system, processing method, and processing program |
| JPWO2021049338A1 (en) * | 2019-09-09 | 2021-10-07 | 住友電気工業株式会社 | Cutting tools, cutting systems, processing methods and processing programs |
| CN114555291A (en) * | 2019-10-18 | 2022-05-27 | 日本Nt工程技术株式会社 | Method and system for monitoring machining state of working machine |
| KR102269144B1 (en) * | 2019-11-08 | 2021-06-24 | 건국대학교 산학협력단 | Machine tool vibration feature extraction device and method |
| KR20210055941A (en) * | 2019-11-08 | 2021-05-18 | 건국대학교 산학협력단 | Machine tool vibration feature extraction device and method |
| CN112179947A (en) * | 2020-09-27 | 2021-01-05 | 上海飞机制造有限公司 | Cutter wear early warning method based on multi-feature factor statistics |
| CN112179947B (en) * | 2020-09-27 | 2023-11-17 | 上海飞机制造有限公司 | Cutter abrasion early warning method based on multi-feature factor statistics |
| CN112720065A (en) * | 2021-01-12 | 2021-04-30 | 北京理工大学珠海学院 | Machining state monitoring method based on current signal bilateral spectrum analysis |
| WO2023119729A1 (en) * | 2021-12-24 | 2023-06-29 | 株式会社デンソー | Abnormality detection device, abnormality detection system, abnormality detection method, and abnormality detection program |
| JP2023095753A (en) * | 2021-12-24 | 2023-07-06 | 株式会社デンソー | Abnormality detection device, abnormality detection system, abnormality detection method, and abnormality detection program |
| JP7315072B2 (en) | 2021-12-24 | 2023-07-26 | 株式会社デンソー | Anomaly detection device, anomaly detection system, anomaly detection method and anomaly detection program |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2016135511A (en) | Irregular machining detecting apparatus and irregular machining detecting method | |
| US9381608B2 (en) | Vibration determination method and vibration determination device | |
| US9138848B2 (en) | Method and apparatus for suppressing vibration | |
| US9211624B2 (en) | Vibration determination method and vibration determination device | |
| Girardin et al. | Tool wear detection in milling—An original approach with a non-dedicated sensor | |
| JP5507409B2 (en) | Method and apparatus for monitoring machine tool, machine tool | |
| WO2012169300A1 (en) | Working abnormality detecting device and working abnormality detecting method for machine tool | |
| CN101354578A (en) | Numeric control device of machine tool | |
| JP4860444B2 (en) | Abnormality detection method in cutting | |
| WO2013150905A1 (en) | Machining system and method | |
| JP6735183B2 (en) | Machine tool with rotating shaft | |
| JP2014140918A (en) | Cutting vibration inhibition method, arithmetic control device, and machine tool | |
| JP4891150B2 (en) | Vibration suppressor for machine tools | |
| JP5543890B2 (en) | Tool wear detection method and machine tool | |
| JP6637689B2 (en) | Machine tool tool state determination device | |
| US10719057B2 (en) | Method and apparatus for suppression of spikes detected by a proximity sensor | |
| JP7387368B2 (en) | Machine tool spindle monitoring device and spindle monitoring method | |
| JP2017209743A (en) | Machining device | |
| JPH09174383A (en) | Abnormality detection method and device for rotating tool | |
| WO2018229870A1 (en) | Tool service life detection device and tool service life detection method | |
| JP2017064860A (en) | Working abnormality monitoring method and nc machine tool with working abnormality monitoring function | |
| JP2010069540A (en) | Abnormality detection device for drilling, machine tool equipped with the abnormality detection device, abnormality detection method | |
| JP5674491B2 (en) | Vibration determination device | |
| JP2020042347A (en) | Machine tool and tool abnormality determination method | |
| US20220168831A1 (en) | Method for producing or machining toothing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170414 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180226 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180306 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180406 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20180710 |