本发明专利技术提供一种数控机床刀具性能的智能化监测方法和系统，方法包括：实时监测数控机床刀具的运行状态，获取刀具使用时长、机床主轴工作负荷、刀具温度信号、以及刀具的参数信息；对获取的运行数据进行数字化处理和标准化处理；基于处理后的刀具使用时长、机床主轴工作负荷及刀具温度信号等，实现对数控机床刀具性能的智能化监测。本发明专利技术简单适用，操作方便，大大减少了监测成本，并能有效地识别刀具的磨损状态，减少刀具的浪费。减少刀具的浪费。
【技术实现步骤摘要】
一种数控机床刀具性能的智能化监测方法和系统
[0001]本专利技术涉及数控机床刀具状态检测领域，特别涉及一种数控机床刀具性能的智能化监测方法和系统。
技术介绍
[0002]随着现代工业信息化、智能化的不断推进，数控机床在工业生产中的应用越来越广泛，而其中刀具的精度对数控机床的综合性能与被加工件的质量起着决定性的作用。数控机床刀具的磨损会导致被加工表面尺寸精度下降、粗糙度增加，降低被加工件质量，还可能导致被加工件报废，增加生产成本。而如果能够对数控机床刀具的性能进行监控或预测就可以及时对刀具进行更换或维护，保证被加工件的质量。因此，对数控机床刀具性能监测的研究是很有意义的。
[0003]目前对于数控机床刀具磨损量的监控与预测主要采用间接测量的方法，即不是通过直接测量的方式，而是通过处理数控机床刀具加工过程中的传感器信号间接实现对刀具磨损量的预测。在数控机床加工的过程中，其切削力、振动信号以及声音信号都包含着丰富的有关刀具磨损状态的特征信息，可以通过获取并处理这些传感器测量信号间接实现对刀具磨损量的预测。
[0004]但现有文献中，一般只单独测试一种与刀具磨损状态关联的信号，如振动信号、温度信号、声发射、主轴电流信号等，通过这种单一的信号来提取与刀具磨损相关的特征，以这些特征为基础进行刀具磨损状态识别；或者虽然采集两种信号，但提取的信号特征对刀具的磨损状态不够敏感、或者对不同的信号只采用单一的分析技术提取信号特征，因此，对刀具状态的识别及监测的准确度都不高；另外，监测系统所需仪器特殊、价格较高，如监测声发射信号设备，导致监测成本增高。
技术实现思路
[0005]针对本领域数控机床刀具性能监测的技术缺陷，本专利技术提供了一种数控机床刀具性能的智能化监测方法，包括以下步骤：
[0006]步骤1，实时监测数控机床刀具的运行状态，获取以下运行数据：刀具使用时长、机床主轴工作负荷、刀具温度信号、以及刀具的参数信息；
[0007]步骤2，对获取的运行数据进行数字化处理和标准化处理；
[0008]步骤3，基于处理后的刀具使用时长、机床主轴工作负荷及刀具温度信号，初步确定刀具的性能状况；
[0009]步骤4，根据初步确定的刀具性能状况，启动对数控机床刀具性能的精确识别；
[0010]步骤5，针对所述刀具性能的精确识别结果，发布数控机床刀具性能监测预警。
[0011]本专利技术还提供了一种数控机床刀具性能的智能化监测系统，包括：
[0012]数据采集单元，用于实时监测数控机床刀具的运行状态，获取以下运行数据：刀具使用时长、机床主轴工作负荷、刀具温度信号、以及刀具的参数信息；
[0013]数据处理单元，用于对获取的运行数据进行数字化处理和标准化处理；
[0014]初判单元，用于基于处理后的刀具使用时长、机床主轴工作负荷及刀具温度信号，初步确定刀具的性能状况；
[0015]识别单元，用于根据初步确定的刀具性能状况，启动对数控机床刀具性能的精确识别；
[0016]监测预警单元，用于针对所述刀具性能的精确识别结果，发布数控机床刀具性能监测预警。
[0017]本专利技术与传统的方法相比，有益效果包括：
[0018]首先，本专利技术简单适用，操作方便，并且使用的传感器比较通用、价格适中，易于组建试验系统，大大减少了监测成本，并能有效地识别刀具的磨损状态，减少刀具的浪费。
[0019]其次，本专利技术基于三重运行数据来判断刀具性能，通过实时监控和采集数控机床刀具的运行状态，获取刀具使用时长、机床主轴工作负荷、刀具温度信号、以及刀具的参数信息，运用刀具性能状况函数汇总三重运行数据，进行性能初步判断；又结合了图像采集检测方法的精准，实现了既高效又精准的刀具性能监测。
[0020]另外，本专利技术采集刀具图像，无需拆卸刀具，利用包含待识别的刀具磨损部位的目标区域即可进行磨损状态检测，检测速度快并且不影响加工过程，且降低了生产成本。
[0021]最后，图像的匹配精度或标定精度极大地影响两幅图像目标区域的细微差值，即极大地影响刀具磨损量的识别，目前的刀具的磨损识别无法做到精确的图像匹配和图像标定。而本专利技术根据实验和测算，提出了刀具图像匹配标定的精确算法，根本地解决了刀具图像匹配标定问题，将刀具磨损识别的精度提高到一个新的台阶。
附图说明
[0022]图1本专利技术所提出的方法流程图。
[0023]图2本专利技术所提出的系统框架图。
具体实施方式
[0024]为了更好地理解本专利技术，下面结合附图参考实施例的描述，对本专利技术的方法进行进一步的说明。
[0025]为了全面理解本专利技术，在以下详细描述中提到了众多具体细节。但是本领域技术人员应该理解，本专利技术可以无需这些具体细节而实现。在实施例中，不详细描述公知的方法、过程、组件，以免不必要地使实施例繁琐。
[0026]参见图1所示，本专利技术提供的一种数控机床刀具性能的智能化监测方法，包括以下步骤：
[0027]步骤1，实时监测数控机床刀具的运行状态，获取以下运行数据：刀具使用时长、机床主轴工作负荷、刀具温度信号、以及刀具的参数信息；
[0028]步骤2，对获取的运行数据进行数字化处理和标准化处理；
[0029]步骤3，基于处理后的刀具使用时长、机床主轴工作负荷及刀具温度信号，初步确定刀具的性能状况；
[0030]步骤4，根据初步确定的刀具性能状况，启动对数控机床刀具性能的精确识别；
[0031]步骤5，针对所述刀具性能的精确识别结果，发布数控机床刀具性能监测预警。
[0032]优选地，其中，所述步骤1，刀具温度信号通过红外温度传感器采集刀具刀尖处的温度。
[0033]优选地，其中，所述步骤3，基于处理后的刀具的使用时长、机床主轴工作负荷及刀具温度信号，初步确定刀具的性能状况，具体包括：使用性能状况函数来初步确定刀具的性能状况，
[0034]P(T，L，S)＝δ
·
log
α
T+β
·
L+γ
·
S2[0035]其中，P(T，L，S)表示刀具性能状况函数，T表示获取刀具使用时长、L表示机床主轴工作负荷、S表示刀具温度信号，δ，β，γ分别表示刀具使用时长、机床主轴工作负荷、刀具温度信号的权重系数，α为调节系数。
[0036]优选地，其中，所述步骤4，根据初步确定的刀具性能状况，启动对数控机床刀具性能的精确识别，具体包括：
[0037]步骤4
‑
1，当所述刀具性能状况达到预设条件时，启动对数控机床刀具性能的精确识别，将刀具转移至指定位置；
[0038]步骤4
‑
2，对所述刀具进行图像采集，生成所述刀具的识别图像；
[0039]步骤4
‑
3，根据所述刀具的参数信息，从云服务器中调取同类型标准刀具的基准图像；
[0040]步骤4
‑
4，对所述基准图像和本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数控机床刀具性能的智能化监测方法，其特征在于，包括以下步骤：步骤1，实时监测数控机床刀具的运行状态，获取以下运行数据：刀具使用时长、机床主轴工作负荷、刀具温度信号、以及刀具的参数信息；步骤2，对获取的运行数据进行数字化处理和标准化处理；步骤3，基于处理后的刀具使用时长、机床主轴工作负荷及刀具温度信号，初步确定刀具的性能状况；步骤4，根据初步确定的刀具性能状况，启动对数控机床刀具性能的精确识别；步骤5，针对所述刀具性能的精确识别结果，发布数控机床刀具性能监测预警。2.根据权利要求1所述的方法，其中，所述步骤1刀具温度信号，通过红外温度传感器采集刀具刀尖处的温度。3.根据权利要求1所述的方法，其中，所述步骤3，基于处理后的刀具的使用时长、机床主轴工作负荷及刀具温度信号，初步确定刀具的性能状况，具体包括：使用性能状况函数来初步确定刀具的性能状况，P(T，L，S)＝δ
·
log
α
T+β
·
L+γ
·
S2其中，P(T，L，S)表示刀具性能状况函数，T表示获取刀具使用时长、L表示机床主轴工作负荷、S表示刀具温度信号，δ，β，γ分别表示刀具使用时长、机床主轴工作负荷、刀具温度信号的权重系数，α为调节系数。4.根据权利要求1所述的方法，其中，所述步骤4，根据初步确定的刀具性能状况，启动对数控机床刀具性能的精确识别，具体包括：步骤4
‑
1，当所述刀具性能状况达到预设条件时，启动对数控机床刀具性能的精确识别，将刀具转移至指定位置；步骤4
‑
2，对所述刀具进行图像采集，生成所述刀具的识别图像；步骤4
‑
3，根据所述刀具的参数信息，从云服务器中调取同类型标准刀具的基准图像；步骤4
‑
4，对所述基准图像和所述识别图像进行图像预处理；步骤4
‑
5，根据所述基准图像和所述识别图像，精确判断刀具性能，实现对数控机床刀具性能的精确识别。5.根据权利要求1所述的方法，其中，所述步骤5，针对所述刀具性能的精确识别结果，发布数控机床刀具性能监测预警，具体包括：所述刀具性能的精确识别结果包括轻微磨损、中度磨损和严重磨损；当属于轻微磨损时，发布刀具正常使用通知；当属于中度磨损时，发布刀具预更换通知，同时发布估计的更换时间；当属于严重磨...
【专利技术属性】
技术研发人员：黄朋飞，
申请(专利权)人：黄朋飞，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。