一种数据驱动的机床主轴切削力矩监测方法技术

技术编号：40760041 阅读：4 留言：0更新日期：2024-03-25 20:12

一种数据驱动的机床主轴切削力矩监测方法，其特征是：同步监测机床主轴电机的输出转矩或三相电流、主轴运动状态等伺服信号以及主轴切削力矩，进行切削实验获取主轴伺服监测信号‑切削力矩数据集，进而以序列‑序列监督方式训练数据驱动的时间序列单步预测模型。在实际应用时，将相应的主轴伺服监测信号输入预测模型进行单步实时预测或序列‑序列预测，从而实现主轴切削力矩的在线监测。相较于传统的基于台式/旋转切削测力仪的主轴切削力矩监测方法，本发明专利技术成本更低且不侵入机床工作空间，具有应用于实际生产过程的较大潜力。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉数控机床，尤其是利用机床伺服信号监测主轴切削力矩对数控机床加工状态进行监测的技术，具体地说是一种数据驱动的机床主轴切削力矩监测方法。

技术介绍

1、数控机床广泛应用于航空航天、轨道交通、船舶等先进制造领域，被视为体现国家制造能力的关键技术装备。在数控机床加工零件时对加工状态进行监测，对于保证加工质量和设备安全至关重要。切削力是反映加工状态最直接的可监测物理量，切削力监测数据可应用于刀具磨/破损监测、颤振检测和切削载荷自适应控制等多种场景。

2、传统的基于台式/旋转切削测力仪的切削力监测方法成本高且可能影响工作空间，难以实际应用于工业生产过程。数控机床的伺服监测信号和运动状态反映了机床各轴的受力情况，其中就包含作为外部扰动的切削力信息，因此理论上可将其用于在线预测切削力。中国专利2021107781399，《一种数据驱动的数控机床切削力自监测方法》授权了一种基于进给轴伺服电机电流和运动状态的进给轴切削力在线预测方法，中国专利2022105841099，《一种切削加工过程中的动态切削力监测方法及系统》公开了一种基于主轴电机三相电流及其均方根的进给轴切削力在线预测方法。上述两种方法均针对进给轴切削力，而主轴切削力矩在刀具状态监测、颤振识别等场景中应用更为便捷。此外，对于一些大型机床，由于进给轴传动链路径过长，信号能量损耗较大，进给轴切削力难以通过伺服监测信号准确预测。因此，亟需一种适用于各型机床、准确、低成本且不影响工作空间的机床主轴切削力矩监测方法。

技术实现思路

<p>1、本专利技术的目的是针对现有机床主轴切削力监测难以获得准确的监测参数的问题，专利技术一种数据驱动的机床主轴切削力矩监测方法。它通过同步监测机床主轴电机的输出转矩(或三相电流)和主轴运动状态等伺服信号以及主轴切削力矩，进行切削实验获取主轴伺服监测信号-切削力矩数据集，进而以序列-序列监督方式训练数据驱动的时间序列单步预测模型。在实际应用时，将相应伺服监测信号输入预测模型进行单步实时预测或序列预测，从而实现主轴切削力矩的在线监测。

2、本专利技术的技术方案是：

3、一种数据驱动的机床主轴切削力矩监测方法，其特征在于，包括以下步骤：

4、1)设置转速、切深、切宽和每齿进给量等工艺参数，固定工艺参数不变切削任意轨迹构成一次切削实验，在切削过程中同步监测机床主轴电机的输出转矩(或三相电流)和主轴运动状态等伺服信号以及主轴切削力矩，得到一个时间序列形式的切削实验样本，其中主轴伺服信号为特征信号，主轴切削力矩为标签；

5、2)选取不同转速、切深、切宽和每齿进给量的工艺参数组合设计切削实验，采用步骤1)中的方法得到一个切削实验样本集合，构造包含不同工艺参数组合的主轴伺服监测信号-切削力矩数据集；

6、3)模型采用数据驱动的时间序列预测模型，以序列-序列监督方式训练主轴伺服监测信号-切削力矩单步预测模型；

7、4)应用时，将主轴伺服监测信号输入预测模型，模型从零初始状态开始对主轴切削力矩进行单步实时预测或任意长度的序列-序列预测，且上一次预测后的模型内部状态应作为下一次预测的初始状态。

8、所述的主轴切削力矩，是指刀具-工件切削过程产生的等效作用于刀具上的沿其回转方向的阻力矩，等于刀具受到的切向切削力乘以刀具半径，可以使用但不限于台式或旋转切削测力仪进行测量。

9、所述的切削实验，轨迹由主轴实际转速稳定至指令转速后刀具完全不接触材料开始，到刀具完全切出材料且主轴指令转速仍保持不变时结束。

10、所述的机床主轴电机的输出转矩(或三相电流)，是必需的监测量，在监测条件允许的情况下，优先采用输出转矩。对于主轴电机是同步电机的情况，可以监测其转矩电流替代输出转矩(或三相电流)；也可以采用三相电流的均方根进一步替代转矩电流，但需要根据电机正反转赋予均方根电流相应的正负。

11、所述的主轴运动状态，是可选但不必需的监测量，在监测条件允许的情况下，可以增加主轴转速作为输入，也可以增加主轴转速和主轴角加速度两个运动状态作为输入。

12、所述的主轴伺服信号，优先考虑从数控系统中直接获取；对于无法从数控系统内部读取的情况，可以采用外置霍尔传感器监测(主轴电机三相电流)、编码器信号外接(主轴运动状态)等方式获取。

13、所述的选取不同转速、切深、切宽和每齿进给量的工艺参数组合设计切削实验，在选取工艺参数时根据其实际应用范围和取值的离散程度进行抽样。

14、所述的数据驱动的时间序列预测模型，推荐但不限于基于神经网络的时间序列预测模型，例如长短期记忆(lstm)网络和门控循环单元(gru)网络。

15、所述的将主轴伺服监测信号输入预测模型，应在未发生切削且主轴实际转速稳定至指令转速后开始监测。

16、此外，主轴伺服信号和切削力矩的采样频率应保持一致，且至少应为预测需求中最大刃频率的2倍以上。

17、简而言之，本专利技术的特点是监测机床主轴电机的输出转矩(或三相电流)和主轴运动状态信号，然后，利用数据驱动的时间序列模型构造上述伺服监测信号到主轴切削力矩的单步预测模型，最后在实际零件切削加工时为其输入上述伺服监测信号，根据实际加工场景的应用需求选择单步实时预测模式或序列-序列预测模式，即可实现主轴切削力矩在线监测。

18、本专利技术的有益效果是：

19、本专利技术所公开的方法相较于传统的力传感元件成本大大降低，且不会影响机床工作空间，具有推广应用于工业实际生产过程的较大潜力。

本文档来自技高网...

【技术保护点】

1.一种数据驱动的机床主轴切削力矩监测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的数据驱动的机床主轴切削力矩监测方法，其特征在于：所述的主轴切削力矩，是指刀具-工件切削过程产生的等效作用于刀具上的沿其回转方向的阻力矩，等于刀具受到的切向切削力乘以刀具半径，可以使用但不限于台式或旋转切削测力仪进行测量。

3.根据权利要求1所述的数据驱动的机床主轴切削力矩监测方法，其特征在于：步骤1)所述的切削实验，轨迹由主轴实际转速稳定至指令转速后刀具完全不接触材料开始，到刀具完全切出材料且主轴指令转速仍保持不变时结束。

4.根据权利要求1所述的数据驱动的机床主轴切削力矩监测方法，其特征在于：步骤1)所述的机床主轴电机的输出转矩或三相电流是必需的监测量，在监测条件允许的情况下，采用输出转矩；对于主轴电机是同步电机的情况，监测其转矩电流替代输出转矩或三相电流；或采用三相电流的均方根进一步替代转矩电流，但需要根据电机正反转赋予均方根电流相应的正负。

5.根据权利要求1所述的数据驱动的机床主轴切削力矩监测方法，其特征在于：步骤1)所述的主轴运

6.根据权利要求1所述的数据驱动的机床主轴切削力矩监测方法，其特征在于：步骤1)所述的主轴伺服信号，能从数控系统中直接获取，对于无法从数控系统内部读取的情况，采用外置霍尔传感器监测主轴电机三相电流、编码器信号外接监测主轴运动状态的方式获取。

7.根据权利要求1所述的数据驱动的机床主轴切削力矩监测方法，其特征在于：步骤2)所述的选取不同转速、切深、切宽和每齿进给量的工艺参数组合设计切削实验，在选取工艺参数时根据其实际应用范围和取值的离散程度进行抽样。

8.根据权利要求1所述的数据驱动的机床主轴切削力矩监测方法，其特征在于：步骤3)所述的数据驱动的时间序列预测模型，采用基于神经网络的时间序列预测模型，包括长短期记忆(LSTM)网络和门控循环单元(GRU)网络。

9.根据权利要求1所述的数据驱动的机床主轴切削力矩监测方法，其特征在于：步骤3)所述的将主轴伺服监测信号输入预测模型，应在未发生切削且主轴实际转速稳定至指令转速后开始监测。

10.根据权利要求1所述的数据驱动的机床主轴切削力矩监测方法，其特征在于：主轴伺服监测信号和切削力矩的采样频率应保持一致，且至少应为预测需求中最大刃频率的2倍以上。在监测条件允许的情况下，应为5倍以上。

...

【技术特征摘要】

1.一种数据驱动的机床主轴切削力矩监测方法，其特征在于，包括以下步骤：

5.根据权利要求1所述的数据驱动的机床主轴切削力矩监测方法，其特征在于：步骤1)所述的主轴运动状态是可选监测量，在监测条件允许的情况下，应增加主轴转速作为输入，或增加主轴转速和主轴角加速度两个运动状态作为输...

【专利技术属性】
技术研发人员：李迎光，刘旭，程英豪，夏金禹，郝小忠，刘长青，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人