一种数字孪生的铣削加工干涉实时预测系统及方法技术方案

本发明专利技术涉及一种数字孪生的铣削加工干涉实时预测系统，包括铣削加工中心模块、知识库模块和数字孪生模块，所述铣削加工模块外接知识库模块，所述知识库模块包括转换所述振动传感器和声学传感器的连续信号的A/D转换器、数据清洗单元、数据存储单元、数据分析单元、刀具磨损预测单元；所述数据孪生模块包括将所述加工中心数据库的加工参数进行转换的A/D转换器、工件加工量计算单元和干涉检测单，本发明专利技术通过智能化监控在铣削过程中加工过程中存在的实时干涉，进一步通过三维显示出干涉点，辅助加工者在加工过程的调整，提升加工质量。提升加工质量。提升加工质量。

【技术实现步骤摘要】
一种数字孪生的铣削加工干涉实时预测系统及方法


[0001]本专利技术涉及铣削领域，具体涉及一种数字孪生的铣削加工干涉实时预测方法。

技术介绍

[0002]目前，铣削加工为制造业中主流的加工方式仍具备较大的发展前景，尤其在于大平台、大尺寸加工方面。而铣削加工过程中，尤其在非对称的非标准件产品加工方面存在较大的干涉，这对于加工质量、刀具磨损等方面存在较大的影响，目前对于加工干涉预测的主流方法为加工前对其进行样条曲线分析，例如现有技术CN 106808032 A公开了一种减少螺纹铣削加工干涉的方，其包括以下步骤：1)利用螺纹和铣刀基本参数建立理论螺纹牙型和实际螺纹牙型的数学模型；2)通过对理论螺纹牙型和实际螺纹牙型进行比较，建立螺纹铣削加工干涉值的计算模型；3)利用最大干涉值建立螺纹铣刀牙型动态调整的迭代算法，优化螺纹铣刀牙型的六个特征点；4)利用优化后的六个特征点生成理想的螺纹铣刀牙型。上述方法对铣削加工干涉有一定的抑制作用，但无法实时对干涉进行预测，这样仍然会导致在加工过程中出现干涉碰撞，进而影响加工精度，导致加工件精度下降，而且在一定程度上影响着机床、刀具的使用寿命。

技术实现思路

[0003]为解决上述技术问题，本专利技术实施例期望提供一种数字孪生的铣削加工干涉实时预测方法。
[0004]本专利技术具体采用以下技术方案来实现上述技术目的：
[0005]一种数字孪生的铣削加工干涉实时预测装置，包括铣削加工中心模块、知识库模块、和数字孪生模块；其特征在于：
[0006]所述铣削加工模块外接知识库模块，包括加工中心数据库、工件、用于加工所述工件的刀具，安装在所述刀具上用于获得刀具上下振动信号的振动传感器，安装在刀具上用于获得加工声音的声学传感器，用于获得主轴中心偏移量的激光测距传感器，所述加工中心数据库单元为加工中心的数据储存单元，用于输出加工工件信息；
[0007]所述知识库模块包括转换所述振动传感器和声学传感器的连续信号的A/D转换器，将所述A/D转换器输出的离散信号进行清洗的数据清洗单元，存储所述数据清洗单元和所述激光测距传感器的连续信号的数据存储单元，将存储的数据进行分析的数据分析单元，以及基于数据分析结果进行磨损预测的刀具磨损预测单元；
[0008]所述数据孪生模块包括将所述加工中心数据库的数据的加工参数进行转换的A/D转换器，基于磨损预测数据和所述加工参数获得工件加工数据的工件加工量计算单元，将加工量计算结果进行应用的工件三维模型，基于所述刀具磨损预测结果的刀具三维模型，以及基于所述刀具三维模型和所述工件三维模型进行干涉检测的干涉检测单元。
[0009]通过刀具磨损预测单元连接数字孪生模块，而铣削加工模块通过加工中心数据库连接数字孪生模块。
[0010]所述数据清洗单元主要用于清洗采样过程中的噪声数据；所述数据储存单元用于储存输入的工况数据；所述数据分析单元主要用于预测铣刀磨损量，其主要为3输入的7层深度神经网络，输入层参数为加工声音数据、铣刀主轴偏移量，其计算公式为：ΔL＝L1‑
L2、铣刀主轴的上下振动信号，神经网络架构为CNN型卷积神经网络，输出为铣削预测工况；刀具磨损预测单元用于储存该种材料下各工况刀具刃口10个标准点的磨损曲线，通过预测的铣削的工况，查询相应工况下材料的磨损曲线，输出刃口10个标准点的磨损量，利用B样条曲线拟合刃口曲线，其公式为其中P
i
为标准点位置，B
i
为B样条曲线；
[0011]具体来说，所述数据清洗单元用于过滤干扰信号；所述数据储存单元用于数据储存；所述数据分析单元用于铣刀工作状态实时预测；所述刀具磨损预测单元用于在预测加工过程中铣刀磨损的经验知识储存；
[0012]所述数据孪生模块包括A/D数据转换器单元、工件加工量计算单元、工件三维模型单元、刀具三维模型单元、干涉检测单元；其中所述A/D转换器用于将模拟信号转换为数字信号；工件三维模型单元和刀具三维模型单元为数据平台建立的三维模型，用于实时显示铣削加工过程中刀具和工件的变化；所述工件加工量计算单元主要用于预测铣削加工过程中的工件实时加工量，其输入为加工中心的每刃进给量、主轴转速、铣刀刃数，计算出底面的加工量，其计算公式为：v
f
＝f
z
×
z
×
n，其中v
f
为底面进给量，z为铣刀刃数，f
z
为每刃进给速度，n为铣刀主轴转速，输出加工工件的实时加工量；干涉检测单元主要用于检测实时加工模型是否存在干涉，主要是利用变换后的刀具三维模型与工件三维模型进行对比，分析出是否存在干涉及干涉位置。
[0013]作为优选实施方式，所述数据融合单元采用C++语言进行融合。
[0014]作为优选实施方式，所述数据判断单元采用小波滤波算法进行判断。
[0015]作为优选实施方式，所述数据储存单元为储存地址方式，储存端为云端储存。
[0016]作为优选实施方式，所述数据分析单元内置深度神经网络单元及工况预测单元，所述深度神经网络为一种3输入的7层深度神经网络，输入层参数为加工声音数据、铣刀主轴偏移量，框架为CNN，输出层为铣削预测工况。
[0017]作为优选实施方式，所述加工中心数据库为车床控制柜储存模块。
[0018]作为优选实施方式，所述干涉检测单元为数字孪生平台自带模块。
[0019]种数字孪生的铣削加工干涉实时预测方法，包括如下步骤：
[0020]步骤S1，数据采集：主要采集加工量数据和刀具数据；加工量数据主要包括加工件的加工信息，分别为每刃进给量、转速和铣刀刃数；刀具数据主要包括铣刀上下振动量、铣刀偏移量、铣刀加工声音数据；
[0021]步骤S2，数据清洗：利用公式：v
f
＝f
z
×
z
×
n计算得出加工件地面加工量，输入三维加工模型；刀具数据经过采样后转换为离散数据点，并利用小波算法对其进行滤波处理；
[0022]步骤S3，数据分析：刀具数据导入深度学习模型，输出刀具预测实时工况
[0023]步骤S4，刀具磨损预测：将预测的实时工况输入刀具磨损单元，根据实时工况查询刀具的磨损曲线，输出预测磨损量；
[0024]步骤S5，模型可视化：将所得的刀具磨损数据及加工量输入至刀具和工件三维模型，将物理模型数据与数字模型建立联系。
[0025]步骤S6，干涉检测：利用平台自带的干涉检查单元进行干涉检测。
[0026]作为优选实施方式，步骤S3中的所述学习模型为深度学习模型，学习样本数量为10000。
[0027]作为优选实施方式，步骤S6中所述孪生平台开发软件为UE4。
[0028]本专利技术的有益效果：智能化监控在铣削过程中加工过程中存在的实时干涉，通过三维显示出干涉点，辅助加工者在加工过程的调整，提升加工质量。
附图说明
[0029]为了更清楚地说明本专利技术实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字孪生的铣削加工干涉实时预测系统，所述预测系统包括铣削加工中心模块、知识库模块和数字孪生模块；其特征在于：所述铣削加工模块外接知识库模块，包括加工中心数据库、工件、用于加工所述工件的刀具，安装在所述刀具上用于获得刀具上下振动信号的振动传感器，安装在刀具上用于获得加工声音的声学传感器，用于获得主轴中心偏移量的激光测距传感器，所述铣削加工模块通过加工中心数据库连接数字孪生模块；所述知识库模块包括转换所述振动传感器和声学传感器连续信号的A/D转换器，将所述A/D转换器输出的离散信号进行清洗的数据清洗单元，存储所述数据清洗单元和所述激光测距传感器的信号的数据存储单元，将存储的数据进行分析的数据分析单元，以及基于数据分析结果进行磨损预测的刀具磨损预测单元，所述知识库模块通过所述刀具磨损预测单元连接所述数字孪生模块；所述数据孪生模块包括将所述加工中心数据库的加工参数进行转换的A/D转换器，基于刀具磨损预测结果和所述加工参数计算工件加工数据的工件加工量计算单元，模拟工件结构的工件三维模型，模拟刀具结构的刀具三维模型，以及基于所述刀具三维模型和所述工件三维模型进行干涉检测的干涉检测单元。2.根据权利要求1所述的一种数字孪生的铣削加工干涉实时预测系统，其特征在于：所述数据分析单元为用于预测铣刀磨损量的3输入层的7层深度神经网络，所述3输入层的参数分别为加工声音数据、铣刀主轴偏移量和铣刀主轴的上下振动信号，其中所述铣刀主轴偏移量
△
L的计算公式为：ΔL＝L1‑
L2，L1代表初始位置的主轴与传感器的距离，L2代表加工稳定后主轴与激光传感器的距离；进一步的，所述深度神经网络为CNN型卷积神经网络，所述数据分析单元的输出层为铣削预测工况；进一步的，所述刀具磨损预测单元储存该种材料下各工况刀具刃口10个标准点的磨损曲线，通过预测的铣削的工况，查询相应工况下材料的磨损曲线，利用B样条曲线拟合刃口曲线P(u)拟合输出刃口10个标准点的磨损量，拟合公式为其中P
i
为标准点位置，B
i
为B样条曲线。3.根据权利要求2所述的一种数字孪生的铣削加工干涉实时预测系统，其特征在于：所述工件三维模型单元和刀具三维模型单元为数据平台建立的三维模型，用于实时...

【专利技术属性】
技术研发人员：罗鑫鑫，旷水章，吴辉，王磊，王虎，雷先华，
申请(专利权)人：湖南交通工程学院，
类型：发明
国别省市：