一种数控刀具全生命周期质量监测系统技术方案

本发明专利技术公开了一种数控刀具的全生命周期质量监测系统，包括刀具性能评价模块、刀具出厂质量检测模块和刀具状态监测模块；所述的刀具性能评价模块包括切削力评价模块、加工质量评价模块、寿命评价模块和稳定性评价模块；所述的刀具状态监测模块包括数据采集与传输模块、数据预处理模块、磨损预测模型训练模块和状态监测模块。本发明专利技术可以在刀具生产使用的各个环节及时的发现问题，在刀具制造过程中，可及时的发现有制造缺陷的刀具。在刀具的使用过程中，可以及时的发现刀具的磨钝、崩刃等情况，消除其带来的安全隐患，提高产品的质量。本发明专利技术将各个环节产生的数据集成到数据库中，最大限度的提高各环节数据的利用率，减少了有用数据的浪费。据的浪费。据的浪费。

【技术实现步骤摘要】
一种数控刀具全生命周期质量监测系统


[0001]本专利技术属于智能制造
，尤其涉及一种数控刀具全生命周期质量监测系统。

技术介绍

[0002]随着制造业的不断发展，刀具的复杂程度大大增加，成为制造过程中影响加工质量和效率的最主要因素之一。目前，一把刀具从制造到使用的整个生命周期中存在着许多难题和挑战。
[0003]由于加工误差，在刀具的制造过程中会产生大量不符合标准的废品刀具。因此，为保证产品质量，需要提前挑出报废的刀具，目前，大多数企业的出厂质量检测都采用人工检测的方法，成本高且效率低。在刀具的使用过程中，何时换刀主要依赖于人工经验判断，导致换刀过早或过晚，过早换刀不能够发挥一把刀具的价值，造成浪费，过晚的换刀则可能影响产品的加工质量，甚至影响机床的精度。
[0004]综上所述，亟需高效的刀具全生命周期质量管控系统，及时的发现刀具生命周期中各个环节出现的问题，保证产品的质量，从而提高企业的核心竞争力。

技术实现思路

[0005]为解决上述问题，本专利技术要提出一种数控刀具的全生命周期质量监测系统，实现数控刀具全生命周期的质量监测，减少刀具设计、制造和应用过程中的问题。
[0006]为了实现上述目的，本专利技术的技术方案如下：一种数控刀具的全生命周期质量监测系统，包括刀具性能评价模块、刀具出厂质量检测模块和刀具状态监测模块；
[0007]所述的刀具性能评价模块包括切削力评价模块、加工质量评价模块、寿命评价模块和稳定性评价模块；
[0008]所述切削力评价模块的作用是通过测力仪采集刀具在切削过程中的切削力信号，通过切削力大小、切削力方向和切削力稳定性评价刀具的切削力性能；
[0009]所述加工质量评价模块的作用是进行切削加工实验，通过加工后的工件加工精度、表面粗糙度、残余应力层和切削形态来评价刀具的加工质量。
[0010]所述寿命评价模块的作用是采用固定的切削参数进行切削加工实验，每切削一段时间记录一次刀具后刀面磨损量的最大值，以刀具后刀面磨损量最大值大于300μm之前的总切削距离作为刀具寿命的评价标准。
[0011]所述稳定性评价模块的作用是以刀具切削过程中切削力的变化情况和加工工件的精度稳定性为标准评价刀具的稳定性。
[0012]所述刀具性能评价模块的作用是根据刀具的具体用途，判断上述四个评价模块得出的评价指标的重要程度，并对上述四个指标进行权重分配。根据分配好的权重计算刀具性能的综合评价值，并根据综合评价值判断刀具是否满足加工需求。
[0013]所述的刀具出厂质量检测模块包括刀具图像获取模块、刀具图像数据库、缺陷检
测模型训练模块和出厂质量检测模块；
[0014]所述刀具图像获取模块的作用是通过视觉平台得到待检测刀具数字化图像，所述的刀具数字化图像包括刀具前刀面图像和刀具后刀面图像。
[0015]所述刀具图像数据库将刀具图像获取模块采集到的数字化图像进行缺陷标注，并按不同的缺陷类型将图像分类，组成刀具图像数据库。
[0016]所述缺陷检测模型训练模块的作用是，首先采用图像增强的方法扩充刀具图像数据库，然后将刀具图像数据库中的图像分为训练集和测试集，训练刀具缺陷分类模型。
[0017]所述刀具出厂质量检测模块将待检测刀具送入刀具图像获取模块的视觉平台上，获取刀具前刀面图像和刀具后刀面图像。之后将图像输入至训练好的刀具缺陷分类模型，检测刀具是否存在缺陷，并标记缺陷刀具。
[0018]所述的刀具状态监测模块包括数据采集与传输模块、数据预处理模块、磨损预测模型训练模块和状态监测模块；
[0019]所述数据采集与传输模块利用传感器采集机床运行过程的静态数据信息和动态数据信息并将采集到的静态和动态信号传输至数据预处理模块。所述静态数据信息包括刀具牌号、刀具材料、工件尺寸、工件材料、主轴转速、切削速度、切削深度和进给量。所述动态数据信息包括x、y、z三个方向的力信号，x、y、z三个方向的加速度信号和声发射信号。
[0020]所述数据预处理模块包括数据的截取、降噪和平均分段聚合；首先截取出整段数据中的稳定部分，接着采用均值滤波的方法对数据进行降噪，最后，采用平均分段聚合的方法在保留原数据的趋势的同时减少样本点的数量。
[0021]所述磨损预测模型训练模块利用采集到的数据离线训练刀具磨损预测模型。
[0022]所述状态监测模块将从数据采集与传输模块获得的信息输入至训练好的刀具磨损预测模型中，得到刀具磨损状态和刀具磨损预测值。
[0023]进一步的，所述的切削力方向评价方法是通过测力仪测得的x、y、z三个方向的切削力计算切削合力，通过比较切削合力的方向与理想方向的偏差程度进行评价。其中，切削合力的方向计算公式为：
[0024][0025]其中，α、β、γ分别为切削合力与x、y、z三个坐标轴的夹角，F
x
、F
y
、F
z
分别为测得的x、y、z三个方向上的切削力大小值。
[0026]进一步的，所述的工件加工精度评价包括尺寸精度评价和形状精度评价，通过比较加工工件的尺寸和形状与设计图纸中的差别进行评价。残余应力层的评价以被加工工件表面的残余应力大小和分布作为评价依据。
[0027]进一步的，所述的刀具性能综合评价值的计算公式如下：
[0028]R＝IW
T
[0029]其中，R为刀具性能综合评价值，I表示由切削力评价模块、加工质量评价模块、寿命评价模块和稳定性评价模块得分组成的分数向量，W表示由分配的权重组成的权重向量，T为转置符号。
[0030]进一步的，所述的视觉平台由工业相机、镜头和光源组成。
[0031]进一步的，所述的刀具缺陷类型包括崩边、起层、裂纹、气孔和振纹。
[0032]进一步的，所述的刀具磨损预测模型组成如下：首先由一个包含六个卷积层、三个池化层和一个全连接层的一维卷积神经网络对得到的数据进行进一步的特征提取，之后采用深度广义典型相关分析的方法实现特征融合，最后根据融合后的特征值使用softmax分类器得出刀具磨损状态。所述的刀具磨损状态包括初期磨损状态、稳定磨损状态、磨顿和崩刃。
[0033]与现有技术相比，本专利技术的有益效果为：
[0034]1、本专利技术可以在刀具生产使用的各个环节及时的发现问题，在刀具制造过程中，可及时的发现有制造缺陷的刀具。在刀具的使用过程中，可以及时的发现刀具的磨钝、崩刃等情况，消除其带来的安全隐患，提高产品的质量，进而提高企业的核心竞争力。
[0035]2、本专利技术提出的系统将各个环节产生的数据集成到数据库中，最大限度的提高各环节数据的利用率，减少了有用数据的浪费。
附图说明
[0036]图1为本专利技术的组成示意图。
[0037]图2为本专利技术的刀具性能评价方法流程图。
具体实施方式
[0038]下面结合附图详细说明本专利技术的具体实施方式。
[0039]在此表述的具体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数控刀具的全生命周期质量监测系统，其特征在于：包括刀具性能评价模块、刀具出厂质量检测模块和刀具状态监测模块；所述的刀具性能评价模块包括切削力评价模块、加工质量评价模块、寿命评价模块和稳定性评价模块；所述切削力评价模块的作用是通过测力仪采集刀具在切削过程中的切削力信号，通过切削力大小、切削力方向和切削力稳定性评价刀具的切削力性能；所述加工质量评价模块的作用是进行切削加工实验，通过加工后的工件加工精度、表面粗糙度、残余应力层和切削形态来评价刀具的加工质量；所述寿命评价模块的作用是采用固定的切削参数进行切削加工实验，每切削一段时间记录一次刀具后刀面磨损量的最大值，以刀具后刀面磨损量最大值大于300μm之前的总切削距离作为刀具寿命的评价标准；所述稳定性评价模块的作用是以刀具切削过程中切削力的变化情况和加工工件的精度稳定性为标准评价刀具的稳定性；所述刀具性能评价模块的作用是根据刀具的具体用途，判断上述四个评价模块得出的评价指标的重要程度，并对上述四个指标进行权重分配；根据分配好的权重计算刀具性能的综合评价值，并根据综合评价值判断刀具是否满足加工需求；所述的刀具出厂质量检测模块包括刀具图像获取模块、刀具图像数据库、缺陷检测模型训练模块和出厂质量检测模块；所述刀具图像获取模块的作用是通过视觉平台得到待检测刀具数字化图像，所述的刀具数字化图像包括刀具前刀面图像和刀具后刀面图像；所述刀具图像数据库将刀具图像获取模块采集到的数字化图像进行缺陷标注，并按不同的缺陷类型将图像分类，组成刀具图像数据库；所述缺陷检测模型训练模块的作用是，首先采用图像增强的方法扩充刀具图像数据库，然后将刀具图像数据库中的图像分为训练集和测试集，训练刀具缺陷分类模型；所述刀具出厂质量检测模块将待检测刀具送入刀具图像获取模块的视觉平台上，获取刀具前刀面图像和刀具后刀面图像；之后将图像输入至训练好的刀具缺陷分类模型，检测刀具是否存在缺陷，并标记缺陷刀具；所述的刀具状态监测模块包括数据采集与传输模块、数据预处理模块、磨损预测模型训练模块和状态监测模块；所述数据采集与传输模块利用传感器采集机床运行过程的静态数据信息和动态数据信息并将采集到的静态和动态信号传输至数据预处理模块；所述静态数据信息包括刀具牌号、刀具材料、工件尺寸、工件材料、主轴转速、切削速度、切削深度和进给量；所述动态数据信息包括x、y、z三个方向的力信号，x、y、z三个方向的加速度信号和声发...

【专利技术属性】
技术研发人员：郭江，朱旭，倪超，陈俊杰，
申请(专利权)人：大连理工大学宁波研究院，
类型：发明
国别省市：