基于主轴振动信号的刀具磨破损实时监控方法及相关装置制造方法及图纸

基于主轴振动信号的刀具磨破损实时监控方法及相关装置，包括：同步采集主轴振动及数控系统内部数据；在振动数据降噪基础上进行功率谱分析得到反映刀具磨损的功率谱频带能量指标和反映刀具破损的无量纲监测指标；对指标进行融合得到反映刀具状态的综合监测指标；提出了设定刀具磨损及破损阈值的有效方法；一旦综合监测指标超过失效阈值，通过材料去除率增量辅助判断刀具是否失效，进而在消除工况参数切换瞬间产生的误报警同时准确识别刀具状态。本发明专利技术仅通过单只外置三向加速度传感器及数控系统内部数据即可实现对刀具磨损与刀具破损的实时监测，提出面向单台机床与柔性生产线的工业可接受刀具状态监测系统，为工业应用提供了切实可行的解决方案。供了切实可行的解决方案。供了切实可行的解决方案。

【技术实现步骤摘要】
基于主轴振动信号的刀具磨破损实时监控方法及相关装置


[0001]本专利技术属于数控加工
，涉及基于主轴振动信号的刀具磨破损实时监控方法及相关装置。

技术介绍

[0002]数控机床作为高端装备制造的“工业母机”，是航空、航天、航海等领域大型装备复杂结构件高精度制造的基础。刀具作为数控机床完成结构件制造的最终执行者，对零件加工精度有着至关重要的影响。刀具在切削加工过程中不可避免会发生磨损，刀具过度磨损会导致切削刃外圆尺寸变小进而引起零件加工尺寸不合格。同时切削刃磨损会使得刀具后刀面宽度VB值增加，进而造成已加工表面粗糙度超差。一旦刀具切削刃意外破损后，不仅会导致机床振动明显加剧，而且会恶化零件表面质量。
[0003]高精度数控机床以及正确数控程序也不一定能够加工出合格零件，刀具几何形态也是保障零件是否合格的关键。实时掌握刀具的几何状态对于保证零件加工质量来说至关重要。现阶段刀具磨损、破损状态判断主要依赖机床操作工人经验，刀具失效后一段时间后才被察觉的事件发生频繁，大大增加了零件不合格的风险。考虑刀具潜在的风险，保守提前更换刀具，则会增加刀具使用成本，造成资源极大浪费。随着自动化生产线的成熟发展，市场对无人值守生产线的需求更加迫切。刀具健康状态的自动诊断判别正是实现无人值守生产线技术的最为关键的一步。
[0004]通过传感器采集机床加工过程中的状态响应信号及NC指令数据等可用于刀具磨破损状态的判别。然而，如何从海量制造大数据中提取反映切削刃状态变化的有用信息成为了解决刀具状态实时监测的关键。刀具状态监测流程大体可分为数据采集、特征提取与状态判别3个阶段。专利202111085598.5专利技术了一种基于对抗迁移学习的刀具磨损状态预测方法及装置，基于源域数据集和目标域数据集训练对抗迁移学习模型。尽管借助深度学习方法可实现端到端的刀具状态判别，但深度学习模型在模型泛化能力方面不足的问题导致其当前很难用于真实的工业现场。专利202210778313.4专利技术了一种基于多类信号特征融合的刀具磨损监测方法，通过辨识切削力系数实现复杂切削工况下的刀具磨损监测。基于模型
‑
数据融合方法可得到对刀具磨损敏感而不受工况参数影响的铣削力系数等指标，但这些都依赖瞬时铣削力模型。从加工制造数据中获取辨识铣削力系数所需的输入参数是非常具有挑战性。专利201610668278.5专利技术了一种复杂曲面加工过程中铣刀状态在线监测与预警方法，以三向加速度传感器测得的机床主轴端部X、Y方向的加速度信号二次频域积分获取位移信号实现刀具状态监测。专利号202010735535.9专利技术了一种基于振动监测的刀具破损识别方法，通过提取振动信号的均方根值实现飞机结构件加工过程刀具破损在线识别。但上述方法很容易受到工况参数的干扰，产生大量误报警造成机床的频繁停机，影响正常生产节拍。

技术实现思路

[0005]本专利技术的目的在于提供基于主轴振动信号的刀具磨破损实时监控方法及相关装置，基于单只加速度传感器及数控系统内部数据实现时变切削工况下的刀具破损及破损监测。提出的刀具磨破损监测方法及相关装置不仅可在用于单台机床，同时也适用于柔性生产线。
[0006]为实现上述目的，本专利技术采用以下技术方案：
[0007]基于主轴振动信号的刀具磨破损实时监控方法，包括：
[0008]采集数控机床主轴振动数据及数控系统内部数据；
[0009]对采集到的数据进行降噪处理；
[0010]通过对降噪处理后的主轴振动数据进行功率谱分析，得到反映刀具磨损的功率谱频带能量指标和反映刀具破损的无量纲监测指标；
[0011]对指标进行融合，得到反映刀具磨损与刀具破损的综合监测指标；
[0012]当综合监测指标超过失效阈值，通过材料去除率增量辅助判断刀具是否失效，进而在消除工况参数切换瞬间产生的误报警同时准确识别刀具状态。
[0013]进一步的，通过OPC UA协议采集数控系统内部刀具名称、程序名称，以及实时的主轴转速、进给速度、XYZ轴坐标数据；
[0014]通过安装于主轴侧壁的三向加速度传感器实时采集主轴XYZ振动数据；
[0015]进一步的，降噪：对原始数据分别进行异常值替换处理，去除均值与趋势项。用数据的均值代替异常数值，使得处理后数据瞬时幅值波动稳定。
[0016]进一步的，功率谱频带能量指标：
[0017]通过对预处理后主轴XYZ三个方向的振动信号进行功率谱分析，利用直接法计算功率谱如下式(1)：
[0018][0019]定义选择功率谱特征频率幅值作为监测指标，给出功率谱特征频率幅值指标的数学定义如下式(2)：
[0020]F＝Amp
psd
(f)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0021]其中，Amp(f)为特征频率f对应的幅值；
[0022]定义刀齿通过频率为f
p
，其大小通过该式f
p
＝(n/60)
·
N
t
计算得到，n为主轴转速，N
t
为刀具齿数；分别选择功率谱成分中刀齿通过频率f
p
及三倍频3f
p
幅值作为监测指标；
[0023]通过分析主轴振动信号不同磨损阶段功率谱频率成分的相对分布，提出反映刀具磨损变化的监测指标—功率谱频带能量指标；选择0
‑
7f
p
频带范围内频率成分幅值的累积总和，给出功率谱频带能量指标的数学定义如下式(3)：
[0024][0025]进一步的，无量纲监测指标：
[0026]根据刀具破损前后功率谱频率成分幅值大小及分布，定义了两个对刀具破损敏感而不受工况参数干扰的无量纲监测指标；
[0027]根据刀具破损前后振动信号功率谱频率成分幅值大小相对变化，给出无量纲指标—幅值比的数学定义如下式(4)：
[0028][0029]其中，Amp
psd
(f
p
)为刀齿通过频率基频幅值，Amp
psd
(2f
p
)为刀齿通过频率2倍频幅值；
[0030]根据刀具破损前后振动信号功率谱频率成分组成和分布相对变化，给出无量纲指标—能量比的数学定义如下式(5)：
[0031][0032]其中，为振动信号功率谱低频带能量，为刀振动信号功率谱高频带能量。
[0033]进一步的，对指标进行融合，得到反映刀具磨损与刀具破损的综合监测指标：
[0034]不同指标归一化的数学定义如下式(6)：
[0035][0036]其中，K
normal
为刀具正常时各个监测指标的幅值，K
i
为刀具不同磨损阶段的归一化前的监测指标，K
t
为经过归一化处理后的刀具不同退化阶段的监测指标；
[0037]指标归一化后，给出不同指标间融合的数学定义如下式(7本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于主轴振动信号的刀具磨破损实时监控方法，其特征在于，包括：采集数控机床主轴振动数据及数控系统内部数据；对采集到的数据进行降噪处理；通过对降噪处理后的主轴振动数据进行功率谱分析，得到反映刀具磨损的功率谱频带能量指标和反映刀具破损的无量纲监测指标；对指标进行融合，得到反映刀具磨损与刀具破损的综合监测指标；当综合监测指标超过失效阈值，通过材料去除率增量辅助判断刀具是否失效，进而在消除工况参数切换瞬间产生的误报警同时准确识别刀具状态。2.根据权利要求1所述的基于主轴振动信号的刀具磨破损实时监控方法，其特征在于，通过OPC UA协议采集数控系统内部的刀具名称、程序名称，以及实时的主轴转速、进给速度、XYZ轴坐标数据；通过安装于主轴侧壁的三向加速度传感器实时采集主轴XYZ振动数据。3.根据权利要求1所述的基于主轴振动信号的刀具磨破损实时监控方法，其特征在于，降噪：对原始数据分别进行异常值替换处理，去除均值与趋势项。4.根据权利要求1所述的基于主轴振动信号的刀具磨破损实时监控方法，其特征在于，功率谱频带能量指标：通过对预处理后的主轴XYZ三个方向的振动信号进行功率谱分析，利用直接法计算功率谱如下式(1)：定义选择功率谱特征频率幅值作为监测指标，给出功率谱特征频率幅值指标的数学定义如下式(2)：F＝Amp
psd
(f)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中，Amp(f)为特征频率f对应的幅值；定义刀齿通过频率为f
p
，其大小通过该式f
p
＝(n/60)
·
N
t
计算得到，n为主轴转速，N
t
为刀具齿数；分别选择功率谱成分中刀齿通过频率f
p
及三倍频3f
p
幅值作为监测指标；通过分析主轴振动信号不同磨损阶段功率谱频率成分的相对分布，提出反映刀具磨损变化的监测指标—功率谱频带能量指标；选择0
‑
7f
p
频带范围内频率成分幅值的累积总和，给出功率谱频带能量指标的数学定义如下式(3)：5.根据权利要求1所述的基于主轴振动信号的刀具磨破损实时监控方法，其特征在于，无量纲监测指标：根据刀具破损前后功率谱频率成分幅值大小及分布，定义了两个对刀具破损敏感而不受工况参数干扰的无量纲监测指标；根据刀具破损前后振动信号功率谱频率成分幅值大小相对变化，给出无量纲指标—幅值比的数学定义如下式(4)：
其中，Amp
psd
(f
p
)为刀齿通过频率基频幅值，Amp
psd
(2f
p
)为刀齿通过频率2倍频幅值；根据刀具破损前后振动信号功率谱频率成分组成和分布相对变化，给出无量纲指标—能量比的数学定义如下式(5)：其中，为振动信号功率谱低频带能量，为刀振动信号功率谱高频带能量。6.根据权利要求1所述的基于主轴振动信号的刀具磨破损实时监控方法，其特征在于，对指标进行融合，得到反映刀具磨损与刀具破损的综合监测指标：不同指标归一化的数学定义如下式(6)：其中，K
normal
为刀具正常时各个监测指标的幅值，K
i
为刀具不同磨损阶段的归一化前的监测指标，K
t
为经过归一化处理后的刀具不同退化阶段的监测指标；指标归一化后，给出不同指标间融合的数学定义如下式(7)：其中，K
synthetic
为刀具破损综合监测指标或者刀具破损综合监测指标；p
n
为各个监测指标权重；K
tn
为归一化后用于特征融合的监测指标，包括不同方向与不同类型间的指标；通过式(6)
‑
(7)进行归一化处理与无量纲指标融合，得到...

【专利技术属性】
技术研发人员：张俊，白乐乐，吴世杰，严佳星，刘弘光，张会杰，赵万华，卢秉恒，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：