在数控机床上在线监测刀具磨损的新方法——计算机图象处理法

本文介绍在数控机床上应用大截面光导纤维传象束和工业摄像机将刀具磨损图象输入监视器,并利用图象采集卡将图象转换成数字图象存入微机,经专用软件处理,从而实现刀具磨损的在线监测的全过程。试验表明,这是一种具有广阔应用前景的先进方法,它较之其它间接在线监测刀具磨损的方法具有直观、精度高及速度快的优点。     

基于LabVIEW的刀具磨损在线监控系统

自动监测刀具磨损、分析刀具磨损状况是FMS和CIMS中迫切需要解决的词题。文章在LabVIEW技术的基础上，实现了机床主轴电动机电流信号的采集、存储和分析；在线监控电流的变化情况，反映出了刀具的磨损状况，提出了主轴电流与切削参数之间的数学模型。并用试验验证了该系统的有效性和实用性。     

基于振动法的刀具磨损状态监测研究

数控机床加工过程中,刀具是直接与金属材料接触并参与切削过程的工作部件。在金属切削加工过程中刀具不可避免地产生磨损现象,提高刀具使用寿命,降低因为刀具磨损而产生的损失,对刀具的工作状态实施监测意义十分重大。基于振动测试法的刀具磨损状态监测主要以采集到的振动信号作为依据,对振动信号作时域、频域和时频分析来提取有效的特征量,结合工件被加工表面的粗糙度情况以及刀刃的磨损状况,判断出在加工过程中刀具的实时磨损规律,实现刀具磨损程度的有效控制。     

基于振动测试的数控机床刀具磨损监测方法

为了通过特性分析直接判断数控机床刀具的工作状态,以实现柔性制造系统的研究,在刀具磨损的多种在线监测方法中采用振动测试的监测方法,对DL20MH数控车削中心的YG8硬质合金刀头进行在线监测,分别在不同的刀具磨损阶段实时监测其磨损信号,通过时域分析、频域分析和传递函数分析相结合的方法进行数据处理,并对照被加工工件的表面粗糙度和通过显微镜下观察刀刃的实时变化情况,对其进行分析处理,得出刀具的实时变化情况及被加工工件的粗糙度与理论数据基本吻合并呈现出一定的趋势,从实频域分析数据中也可以直观地判断刀具的磨损状态,测试结果与实际情况吻合,从而验证了振动测试是适合刀具磨损在线监测研究的.     

数控机床主轴电流与切削参数关系研究

简单介绍了监测刀具状态的重要性,阐述了主轴电流与刀具磨损量之间的线性关系,同时提出了主轴电流与切削参数之间存在着必然联系。设计了检测电流信号的测试系统,建立了主轴电流与切削参数关系的数学模型,并通过多元线性回归处理确定了该模型中的未知系数。利用F检验法验证模型呈显性成立。通过相对误差及剩余标准差计算,验证了该模型精确度非常高,满足工程实际需要。最后得出了铣削加工中切削参数对主轴电流影响的显著度由强到弱的顺序。     

数控机床切削过程刀具磨损与破损的振动监测法

数控切削加工过程中刀具的磨损与破损是数控机床常见的故障之一,而刀具的磨损与破损程度直接影响零件的加工质量.所以对刀具状态的实时监测就显得十分关键,本文阐述了从振动分析方面对其进行在线监测的方法.     

基于主轴电流信号多特征融合的刀具磨损状态监测

为实现在正常生产条件下进行刀具磨损的长期在线监测,提出了基于主轴电流信号和粒子群优化支持向量机模型(PSO-SVM)的刀具磨损状态间接监测方法。首先对数控机床主轴电机电流信号进行分析,将与刀具磨损相关的主轴电流信号多个特征参数和EMD能量熵进行特征融合作为输入特征向量;其次,通过粒子群寻优算法(PSO)对支持向量机模型(SVM)参数进行优化,建立基于主轴电流信号融合特征和PSO-SVM理论的刀具磨损状态识别模型;最后,通过实验采集某立式加工中心主轴在刀具不同磨损状态下电流信号进行验证,并与传统SVM模型、BP神经网络模型进行了对比分析。结果表明,所提出的方法具有较高的准确率和较好的泛化能力。能够实现正常生产条件下对刀具磨损的长期在线监测。     

数控机床刀具磨损监测方法研究

数控机床刀具磨损监测对于提高数控机床利用率,减小由于刀具破损而造成的经济损失具有重要意义.文章有针对性地回顾了国内外各种刀具磨损监测方法的研究工作,详细叙述了切削力监测法、切削噪声监测法、功率监测法、声发射监测法、电流监测法以及基于多传感器监测法等六种刀具磨损监测方法.本文通过比较各种监测方法的优缺点,提出基于多传感器监测法是数控机床刀具磨损监测方法的未来发展的主要方向.     

考虑电流和振动的涂层铣刀磨损规律实验研究

随着切削技术向着高速、高效和干式加工等方向发展,刀具涂层和切削状态监测技术成为影响切削技术发展的主要因素,研究刀具涂层以及刀具磨损引起的切削状态改变对促进制造业发展具有重要意义。利用铣削实验得到了相同切削条件下,不同涂层的3把硬质合金刀具的加工磨损情况。通过分析各个刀具磨损过程中铣削力信号、主轴电流信号以及切削振动信号的变化,得到了无涂层、Ti Al N涂层以及Al Ti N涂层刀具在切削过程中表现出的磨损规律。结果表明:Al Ti N涂层的耐磨性能更好,3把刀具的主轴电流有效值和切削振动信号质心频率的变化均有效反映了刀具磨损情况。在立铣加工过程中,可以将上述两种特征值用于刀具磨损实时在线监测。     

振动信号监测在刀具磨损故障诊断中的应用

以典型高档数控机床DL-20M H型车削加工中心为试验对象,采用加速度传感器对振动信号进行监测。信号分析过程中,应用时域分析、频域分析实现了刀具磨损量与振动信号的关联,解决了生产过程中由于刀具突然损坏导致的产品质量下降问题,从而降低生产成本。     

变频主轴数控机床刀具破损时的保护对策

介绍了利用三菱M64数控系统的DDB功能,实现刀具破损时对机床的保护。     

数控机床刀具磨损监测实验数据处理方法研究

数控机床刀具磨损监测对于提高数控机床利用率,减小由于刀具破损而造成的经济损失具有重要意义.有针对性地回顾了国内外各种分析刀具磨损信号方法的研究工作,详细叙述了功率谱分析法、小波变换、人工神经网络以及多传感器信息融合技术的实现形式.通过比较各种数据处理方法的优缺点,提出基于混合智能多传感器信息融合技术是数控机床刀具磨损监测实验数据处理的未来发展的主要方向.     

基于主轴驱动电流杂波的立铣刀复杂工况下磨损状态辨识

为保证刀具寿命并控制工件废品率,提出一种通过提取主轴驱动电流信号中因刀具磨损和振动异常激发的杂波信号,并利用卷积神经网络实现立铣刀磨损状态辨识的方法.该方法基于刀具磨损和振动异常会导致主轴驱动电流信号出现不规则杂波成分的试验结果,利用傅里叶级数拟合将电流波形分解为反映电流有效值准静态变化的谐波成分和反映立铣刀刃口和后刀面磨损状态以及振动异常的电流杂波信号,然后将电流杂波信号输入到卷积神经网络中进行立铣刀状态特征提取和分类.实验结果表明,该方法可排除切削振动和切削参数对刀具磨损状态辨识准确性的影响,能够实现复杂工况下立铣刀磨损状态的准确辨识,为预测立铣刀剩余寿命和科学制定立铣刀更换规则打下基础.     

数控机床刀具磨损在线监测建模与研究

通过对数控机床刀具在线磨损状况进行分析,构建了一种在线监测刀具磨损的模型,文章阐述了该模型的在线监测原理,并对其必要技术进行了研究分析.     

数控机床刀具磨损的振动监测法

在分析小波理论及BP神经网络的基础上,进行了刀具磨损试验研究。在时频域对刀具磨损状态的特征信号进行提取和分析,获得了反映刀具磨损状态的特征信号。将此刀具磨损特征量作为BP神经网络的输入样本对网络进行学习训练,完成对刀具磨损状态的有效识别。实验结果表明该方法是有效的。     

基于HHT算法与主轴功率信号的刀具磨损状态在线监测

对刀具磨损状态进行在线监测是提高加工效率、改善产品质量的重要途径,提出了一种基于希尔伯特-黄变换(HHT)和机床主轴功率信号的刀具磨损状态在线监测方法,并设计了六组实验用于研究切削用量、工件材料、加工方式等因素对该方法监测精度的影响。实验结果表明,在不同加工工况条件下,基于希尔伯特-黄变换和主轴功率信号构造的磨损系数与刀具的实际磨损量均有较高的相关性,相关系数约为0.85,最高可达0.98,即所研究的因素对该方法监测精度影响较小。表明文章提出的刀具磨损状态在线监测方法具有良好的可行性和适用性,能够满足工业中的应用需求。     

基于力信号的低频振动制孔刀具磨损状态分析

为分析碳纤维增强树脂基复合材料(CFRP)/钛合金(TC4)叠层材料低频振动制孔工艺下刀具磨损状态,开展基于切削力信号的制孔刀具磨损状态研究.通过采集CFRP/TC4叠层材料低频振动制孔过程中的切削力信号,进行时域和频域分析,探讨各信号特征量与刀具磨损状态之间的联系.研究结果表明:CFRP/TC4叠层材料低频振动制孔轴...     

基于主轴电流的铣削力间接监测方法

实时准确地监测铣削状态对于提高加工质量与加工效率具有重要意义,切削力作为重要的加工状态监测对象,因其监测设备昂贵且安装不便而受到限制,为此提出一种考虑刀具磨损的基于主轴电流的铣削力监测方法.首先基于切削微元理论建立了考虑后刀面磨损的铣削力模型,并通过铣削实验进行铣削力模型系数标定;然后对主轴电流与铣削力的关系进行理论建...     

基于数字孪生的刀具磨损监测和预测方法研究

利用数字孪生方法建立了刀具磨损监测和预测模型,并利用实际测量得到的数据对算法进行验证。首先,在理论方面归纳总结了数字孪生模型的基本理论和实现方法,主要包括几何、物理、行为以及规则4种子模型。其次,以随机森林算法为基础,实现了刀具磨损与预测数学模型的搭建,主要改进点为利用特征向量的表示优化随机森林算法。最后,利用实验数据验证该算法。结果显示,该算法提升了刀具磨损预测的准确率。