单品大批量重复加工过程的智能刀具状态监测方法技术

本发明专利技术提供了一种单品大批量重复加工过程的智能刀具状态监测方法，包括以下步骤：S1、建立样本库，采集刀具处于不同寿命阶段时工件加工的特征信号样本；S2、多传感器信号融合；S3、机床加工过中影响特征信号的因素；S4、赋予刀具寿命监测算法自学习的能力；S5、在刀具前期的寿命监测中，采取每加工m件进行一次监测，其他加工期间则把监控关闭，当监控到距最后设定N还有H件时开始实时监控。本发明专利技术的有益效果是：可以较好的避免误判断的发生。

Intelligent tool state monitoring method for large batch process of single product

The present invention provides intelligent tool condition monitoring method for single product batch repetitive machining process, which comprises the following steps: S1, create a sample database, collection of tool workpiece in characteristic signal samples of different life stages; the integration of S2, S3, multi sensor signal processing machine; factors affecting the characteristics of the signal ability; S4, give the tool life monitoring algorithm self-learning; life monitoring tool in early S5, and a monitor to take every m processing, the other is close monitoring during the process, when to monitor the N and H from the last set piece at the start of the real-time monitoring. The beneficial effect of the invention is that the occurrence of misjudgement can be avoided better.

【技术实现步骤摘要】
单品大批量重复加工过程的智能刀具状态监测方法
本专利技术涉及刀具状态监测方法，尤其涉及一种单品大批量重复加工过程的智能刀具状态监测方法。
技术介绍
刀具状态监测从出现到发展至今，主要经历了两个发展历程：1）传统监控阶段在传统切削加工过程中，刀具状态的识别是通过加工人员辨别切削声音、切屑颜色、切削时间等来判断，或根据在加工工序之间拆卸刀具后实测其破损程度和磨损量来判断。2）智能监控阶段所谓的智能监控指的是在产品加工过程中，计算机通过检测各类传感器信号变化，预测刀具的磨损和破损状态，从而决定刀具是否需要更换，常用的刀具监测信号有振动信号、温度信号、主轴电流信号、声发射信号等等，刀具磨损状态描述如图1所示，分为：初期磨损阶段、正常磨损阶段和急剧磨损阶段。初期磨损阶段：新刃磨刀具的后刀面往往存在粗糙不平、显微裂纹、氧化等缺陷，而且切削刃比较锋利，在切削过程中，后刀面与已加工表面接触面积比较小，接触压力较大，因此，初期磨损时间较短。正常磨损阶段：进入正常磨损时，刀具的后刀面已基本磨平，它与已加工表面的接触面积较大，接触压力变小，磨损均匀且比较缓慢。正常磨损阶段刀具的磨损量基本与工件的加工时间成正比。急剧磨损阶段：当刀具磨损到一定程度后，工件的加工表面粗糙度值增加，切削力、切削温度升高，刀具急剧磨损。急剧磨损阶段通常伴有强烈的振动及不正常的噪声，到这个阶段，就要及时的停机更换刀具。通过刀具状态监测系统分辨出当前刀具处于哪一磨损阶段，当处于急剧磨损阶段，则提示数控系统换刀。传统的刀具状态监测往往依靠的是技术工人的长期积累的生产经验，所以不可避免的会出现以下问题：1）如果刀具磨损量低于磨钝标准但已经被卸下，则没有充分利用刀具的实际寿命而造成浪费，增加加工成本；2）如果刀具磨损量高于磨钝标准，即刀具已经发生磨损或破损，则会影响工件的加工表面质量和尺寸精度，甚至损坏机床。3）造成人员上的浪费，现在工业生产的趋势是无人化生产，通过人员去发现刀具的磨损和破损已经不能满足现代工业生产的需要，而且如何通过拆卸刀具来检测刀具磨损量则会导致加工的停顿，影响生产效率。传统的刀具状态监测系统往往采用设置阈值的方式进行监测，以主轴功率信号为例：机床刀具在加工过程中每时每刻的主轴功率不是一层不变的，当处于重切削状态下，其切削功率会随之增大，因此机床主轴功率在加工过程中事处于一个动态变化的过程中，因此我们可以设置合适的阈值，当超过该值时提醒系统刀具磨损超过正常限制，机床加工完该工件再换刀；同时我们也需要注意机床在加工过程中可能会发生刀具崩刃，造成的危害比刀具磨损严重的多，需要我们设置一条极限阈值，当超过该阈值时立马停机，防止刀具破损对机床本身及操作人员造成危害。在机床正常加工时，机床主轴功率的峰值是稳定在一定区间内的，不会发生太大的跳变，正常加工水平阈值阈值较低；当机床主轴功率超过磨损阈值时，说明刀具的磨损值超过加工允许，当机床加工完该工件时，便会停机换刀；当机床主轴功率超过极限阈值时，说明刀具发生了破损，刀具磨损是个缓慢变化的过程，而破损事突发情况，对机床本身及操作人员造成巨大危害，所以当主轴功率曲线超过极限阈值时，不能等到该工件加工完再换刀，需要立即停机换刀，避免刀具破损造成的严重危害。所以这种信号会以一种突变的形式出现，如图2所示的加工的后期曲线。发展到近几年出现的智能刀具状态监测虽说摆脱了人员上的限制，实现了智能在线监测，但仍存在监测不精确，换刀时间难确定的问题，因为现有的智能监测往往只能分辨出当前刀具是出于初期磨损阶段、正常磨损阶段还是急剧磨损阶段，并不能给出刀具的具体寿命，因此也常常会造成刀具使用不充分和刀具的过度使用这两个问题。而且现代刀具的智能监测往往会出现误判，因为监测系统不知道刀具现在正处于什么样的加工状态，是处于高速加工还是低速加工，是重切削还是轻切削，监控系统完全一无所知。当刀具进行高速大切销量重切削时，其特征信号往往比当刀具进行低速小切削量轻切削时变化剧烈的多，而这时候刀具监控系统也许就会认为刀具在此时出现了破损或者已经超出了刀具磨钝标准，需要换刀。
技术实现思路
为了解决现有技术中的问题，本专利技术提供了一种单品大批量重复加工过程的智能刀具状态监测方法。本专利技术提供了一种单品大批量重复加工过程的智能刀具状态监测方法，包括以下步骤：S1、建立样本库，采集刀具处于不同寿命阶段时工件加工的特征信号样本；S2、多传感器信号融合；S3、机床加工过中影响特征信号的因素；S4、赋予刀具寿命监测算法自学习的能力；S5、在刀具前期的寿命监测中，采取每加工m件进行一次监测，其他加工期间则把监控关闭，当监控到距最后设定N还有H件时开始实时监控。作为本专利技术的进一步改进，在步骤S1中，特征信号包括主轴电流信号、振动信号、声音信号、温度信号。作为本专利技术的进一步改进，在步骤S3中，影响特征信号的因素包括切削宽度W、切削深度D、进给速度V。本专利技术的有益效果是：通过上述方案，可以较好的避免误判断的发生。附图说明图1是现有技术中刀具磨损状态示意图。图2是现有技术中加工的后期曲线图。图3是本专利技术一种单品大批量重复加工过程的智能刀具状态监测方法的多传感器信号融合示意图。图4是本专利技术一种单品大批量重复加工过程的智能刀具状态监测方法的机床加工过中影响特征信号的因素的示意图。图5是专利技术一种单品大批量重复加工过程的智能刀具状态监测方法的样本库的建立流程图。图6是专利技术一种单品大批量重复加工过程的智能刀具状态监测方法的训练流程图。具体实施方式下面结合附图说明及具体实施方式对本专利技术作进一步说明。如图3至图6所示，针对现代机床越来越多的从事于单一规格的产品大批量重复加工这一现象，为了提高刀具状态监控的准确性，减少误判率，同时加入自学习能力，真正实现刀具状态的在线监测，监测的结果不仅仅局限于得到刀具处于什么样的磨损状态，而是能得到当前刀具剩余的可加工工件数量，本专利技术提供了一种单品大批量重复加工过程的智能刀具状态监测方法，包括以下步骤：1）建立样本库，采集刀具处于不同寿命阶段时工件加工的特征信号样本，这种特征信号可以是主轴电流信号、振动信号、声音信号、温度信号等等。而需要从这些特征信号中找到与刀具磨损状态密切相关的特征信号，把不敏感的信号进行排除。其中样本选择必须全面，从新刀开始加工第一件工件到刀具磨损到使得加工工件不合格即最后一个工件的样本数据都是需要的，确保样本库的完整性，同时样本的数量要大，能够避免偶然因素对决策的影响。2）多传感器信号融合，必须正视的一个问题是如果仅仅通过一种信号的监测，是不可能到达很高的准确度的，因为每种信号都有自己的局限性。多传感器融合是指刀具状态的判定不仅仅依赖于一种信号，而是对多种信号的数据进行采集和处理，利用每种信号都有各自的优势，优势互补就能得到更加精确的结果。例如同时采集加工过程中的主轴电流信号，振动信号以及加工信号等等，而且同一种信号中不同的特征值也能在不同程度上反映刀具的磨损状态，因此可以对不同的信号特征值根据他们对刀具磨损的敏感程度来赋予他们不同的权值，进而得到合理的监测结果，最终通过多种特征值的综合判定得到刀具磨损的状态。3）机床加工过中影响特征信号的因素：切削宽度W、切削深度D、进给速度V以及外部各种干扰因素，当机床进行的是单本文档来自技高网...

【技术保护点】
一种单品大批量重复加工过程的智能刀具状态监测方法，其特征在于,包括以下步骤：S1、建立样本库，采集刀具处于不同寿命阶段时工件加工的特征信号样本；S2、多传感器信号融合；S3、机床加工过中影响特征信号的因素；S4、赋予刀具寿命监测算法自学习的能力；S5、在刀具前期的寿命监测中，采取每加工m件进行一次监测，其他加工期间则把监控关闭，当监控到距最后设定N还有H件时开始实时监控。

【技术特征摘要】
1.一种单品大批量重复加工过程的智能刀具状态监测方法，其特征在于,包括以下步骤：S1、建立样本库，采集刀具处于不同寿命阶段时工件加工的特征信号样本；S2、多传感器信号融合；S3、机床加工过中影响特征信号的因素；S4、赋予刀具寿命监测算法自学习的能力；S5、在刀具前期的寿命监测中，采取每加工m件进行一次监测，其他加工期间则把监控关闭，当监控到...

【专利技术属性】
技术研发人员：李建刚，秦泽政，楼云江，李衍杰，
申请(专利权)人：哈尔滨工业大学深圳研究生院，
类型：发明
国别省市：广东,44