一种基于功率信号的刀具磨破损自适应监测方法及系统与流程

1.本发明属于智能监测领域，具体涉及一种基于功率信号的刀具磨破损自适应监测方法及系统。


背景技术：

2.刀具作为机械制造中最常用的一种工具，在精密加工中发挥着重要的作用。在数控铣削过程中，刀具的磨损和破损是数控机床常见的故障之一。刀具磨破损对机床主轴能耗影响很大，同时与零件的加工质量直接相关。相关的研究结果表明，刀具磨损是刀具失效的根本原因，刀具故障引起的维护费用占生产货物成本的15％～40％，而刀具故障引起的停机时间约占刀具总停机时间的20％。因此，对刀具状态的实时监测就显得十分关键。
3.刀具磨破损监测一直是自动化加工中非常关键的技术。它是实现生产过程自动化、无人化、保证产品质量、提高生产效率、减少设备故障的重要手段。但是由于实际切削过程中环境恶劣、刀具和工件多样性、采集数据离散大等因素，使得实际监测存在很大的困难。
4.刀具磨破损监测方法有很多，根据刀具磨损量检测原理的不同，刀具磨损监测主要分为直接监测和间接监测。直接监测是指通过识别切削刃几何形状、表面质量或测量刀具切削刃参数的变化来判断磨损状态，如光学测量法、电阻测量法、计算机图像处理法等；间接监测法监测的不是刀具本身，而是与刀具本身相关的信号，如切削力、声发射、振动、电流和功率信号等。根据切削过程中信号的变化，获取加工刀具状态信息。值得注意的是，虽然间接监测法构建模型难度较大，准确率低于直接法，但其使用的传感器易于安装，可实时在线监测，检测成本较低。因此，间接法在过去几年被广泛应用于刀具磨损监测。其中功率信号监测传感器安装方便，一般不影响机床加工，信噪比较高，为此功率监测方法成为本文选用的主要方法。


技术实现要素：

5.本发明的目的在于克服直接监测法监测成本高和不便于实时监测的不足，提出一种基于功率信号的刀具磨破损自适应监测方法及系统，该方法构造了自适应报警算法，能实现刀具磨破损的自适应监测，降低了对使用者自身经验的要求。
6.在提出基于功率信号的刀具磨破损自适应监测方法前，本发明先提出了自适应报警系统。详细阐述如下：
7.1)刀具在切削状态下，对刀具驱动电机的电流信号和电压信号进行等时间间隔采样(电网频率50hz，周期为20ms，采样频率为m
×
50，m可取为32、64、128、256)。
8.2)对步骤1)顺次采集到的m个电压值u
t
,u
t+1
,...,u
m-1
及对应电流信号值i
t
,i
t+1
,...,i
m-1
，计算t时刻的平均功率p
t
。
[0009][0010]
3)以m整除10的值滑动t时刻位置，重复步骤2)。
[0011]
4)根据步骤3)顺次获得的k(k≥60)个平均功率信号预处理得到功率的训练数据集t＝{x1,x2,
…
,xk}，对训练数据集t提取一阶差分特征，即得到功率的特征训练集s＝{y1,y2,
…
,yk}。
[0012]
5)训练集s的概率密度f(y)导出为：
[0013][0014]
在其分布为高斯分布的假设下，训练集s的均值m和标准差h为：
[0015][0016]
根据拉伊达准则，设定训练集s初始阈值p1，λ为控制上下限的参数其上下限分别表示为p1_up和p1_low为：
[0017]
p1_up＝m+λ*h
[0018]
p1_low＝m-λ*h
[0019]
6)对训练数据集t的所有数据按升序排序得到数据集z＝{z1,z2,
…
,zm}，计算数据集z的第一分位数q1和第三分位数q3表示为：
[0020][0021]
由上可知，训练数据集z的四分位距iqr导出为：
[0022][0023]
根据多倍分位距原理确定训练数据集t的初始阈值p2,α为人工选取的经验参数，其上下限分别表示为p2_up和p2_low,其确定方式如下：
[0024]
p2_up＝q3+α*iqr
[0025]
p2_low＝q
1-α*iqr
[0026]
7)随着运行时间的推移，利用p2,和p1,分别判断第k+1的x
k+1
和y
k+1
是否超出界限；
[0027]
自适应报警系统的工作方法如下，训练集s中y
k+1
在阈值p1_up和p
1-low之内时，系统判定为正常状态；训练集s中x
k+1
在阈值p2_up和p2_low,之内时，系统判定为正常状态；y
k+1
在阈值p1_up和p
1-low之外，且训练集s中x
k+1
在阈值p2_up和p2_low,之内时，系统判定为正常状态；y
k+1
在阈值p1_up和p
1-low之外，且训练集s中x
k+1
在阈值p2_up和p2_low之外时，系统判
定为报警状态。
[0028]
为了达到上述目的，本发明采取的技术方案为：
[0029]
一种基于功率信号的刀具磨破损自适应监测方法，利用实时功率信号采集系统，反应机床在切削过程中功率信号随着刀具磨破损所反映在幅值上的变化，动态识别刀具磨破损状况；利用自适应报警系统，建立功率信号的动态报警线，对比实时功率信号与报警线间的差异，实现刀具磨破损自适应监测。
[0030]
优选的：所述自适应报警系统，包括以下步骤：
[0031]
1)刀具在切削状态下，对刀具驱动电机的电流信号和电压信号进行等时间间隔采样(电网频率50hz，周期为20ms，采样频率为m
×
50，m可取为32、64、128、256)。
[0032]
2)对步骤1)顺次采集到的m个电压值u
t
,u
t+1
,...,u
m-1
及对应电流信号值i
t
,i
t+1
,...,i
m-1
，计算t时刻的平均功率p
t
。
[0033][0034]
3)以m整除10的值滑动t时刻位置，重复步骤2)。
[0035]
4)根据步骤3)顺次获得的k(k≥60)个平均功率信号预处理得到功率的训练数据集t＝{x1,x2,
…
,xk}，对训练数据集t提取一阶差分特征，即得到功率的特征训练集s＝{y1,y2,
…
,yk}。
[0036]
5)训练集s的概率密度f(y)导出为：
[0037][0038]
在其分布为高斯分布的假设下，训练集s的均值m和标准差h为：
[0039][0040]
根据拉伊达准则，设定训练集s初始阈值p1，λ为控制上下限的参数其上下限分别表示为p1_up和p1_low为：
[0041]
p1_up＝m+λ*h
[0042]
p1_low＝m-λ*h
[0043]
6)对训练数据集t的所有数据按升序排序得到数据集z＝{z1,z2,
…
,zm}，计算数据集z的第一分位数q1和第三分位数q3表示为：
[0044][0045]
由上可知，训练数据集z的四分位距iqr导出为：
[0046][0047]
根据多倍分位距原理确定训练数据集t的初始阈值p2,α为人工选取的经验参数，其上下限分别表示为p2_up和p2_low,其确定方式如下：
[0048]
p2_up＝q3+α*iqr
[0049]
p2_low＝q
1-α*iqr
[0050]
7)随着运行时间的推移，利用p2,和p1,分别判断第k+1的x
k+1
和y
k+1
是否超出界限；
[0051]
重复步骤4)至步骤7)，按时间的变化情况绘出曲线，进行刀具磨破损趋势分析。
[0052]
自适应报警系统的工作方法包括：训练集s中y
k+1
在阈值p1_up和p
1-low之内时，系统判定为正常状态；训练集s中x
k+1
在阈值p2_up和p2_low,之内时，系统判定为正常状态；y
k+1
在阈值p1_up和p
1-low之外，且训练集s中x
k+1
在阈值p2_up和p2_low,之内时，系统判定为正常状态；y
k+1
在阈值p1_up和p
1-low之外，且训练集s中x
k+1
在阈值p2_up和p2_low之外时，系统判定为报警状态。
[0053]
优选的：所述实时功率信号采集系统，通过对采集的三相电压、电流信号的计算，得到平均功率信号；具体包括以下步骤：
[0054]
1)将含数据采集器的硬件系统串联到刀具驱动电机和电源之间，利用该硬件系统采集电压、电流信号，并计算实时功率信号；
[0055]
2)将标准功率时间序列保存入硬件系统，作为训练数据集；
[0056]
3)系统开始周期性采集、存储整个切削过程的功率信号。
[0057]
一种基于功率信号的刀具磨破损自适应监测系统，包括自适应报警系统和实时功率信号采集系统，通过对比实时信号与报警线的差异，实现刀具磨破损自适应监测。
[0058]
与现有技术相比，本发明的有益效果是：
[0059]
本发明在刀具在切削过程的情况下做到了刀具磨破损的自适应监测，同时建立了基于自适应报警算法的评价标准，能够实时监测刀具的磨破损状态，填补了基于功率信号的刀具磨破损自适应监测方法的空白。相较于现有的刀具磨破损监测，该方法具有较高的便捷性和显著的经济性，同时信号稳定，操作方便，安全可靠。
附图说明
[0060]
图1为本发明实施刀具磨破损自适应监测的流程图。
[0061]
图2为本发明实施例三相交流电实时功率计算程序框图。
具体实施方式
[0062]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
[0063]
请参阅图1～2，本发明实施例中，一种基于功率信号的刀具磨破损自适应监测方法，利用实时功率信号采集系统，反应机床在切削过程中功率信号随着刀具磨破损所反映在幅值上的变化，自适应监测刀具磨破损状况；利用自适应报警系统，建立刀具磨破损动态报警线，对比实时信号与报警线的差异，实现刀具磨破损自适应监测。
[0064]
所述自适应报警系统，具体包括如下步骤：
[0065]
1)刀具在切削状态下，对刀具驱动电机的电流信号和电压信号进行等时间间隔采样(电网频率50hz，周期为20ms，采样频率为m
×
50，m可取为32、64、128、256)；
[0066]
2)对步骤1)顺次采集到的m个电压值u
t
,u
t+1
,...,u
m-1
及对应电流信号值i
t
,i
t+1
,...,i
m-1
，计算t时刻的平均功率p
t
；
[0067][0068]
3)以m整除10的值滑动t时刻位置，重复步骤2)；
[0069]
4)根据步骤3)顺次获得的k(k≥60)个平均功率信号预处理得到功率的训练数据集t＝{x1,x2,
…
,xk}，对训练数据集t提取一阶差分特征，即得到功率的特征训练集s＝{y1,y2,
…
,yk}；
[0070]
5)训练集s的概率密度f(y)导出为：
[0071][0072]
在其分布为高斯分布的假设下，训练集s的均值m和标准差h为：
[0073][0074][0075]
根据拉伊达准则，设定训练集s初始阈值p1，λ为控制上下限的参数其上下限分别表示为p1_up和p1_low为：
[0076]
p1_up＝m+λ*h
[0077]
p1_low＝m-λ*h
[0078]
6)对训练数据集t的所有数据按升序排序得到数据集z＝{z1,z2,
…
,zm}，计算数据集z的第一分位数q1和第三分位数q3表示为：
[0079][0080]
由上可知，训练数据集z的四分位距iqr导出为：
[0081][0082]
根据多倍分位距原理确定训练数据集t的初始阈值p2,α为人工选取的经验参数，其上下限分别表示为p2_up和p2_low,其确定方式如下：
[0083]
p2_up＝q3+α*iqr
[0084]
p2_low＝q
1-α*iqr
[0085]
7)随着运行时间的推移，利用p2,和p1,分别判断第k+1的x
k+1
和y
k+1
是否超出界限；
[0086]
重复步骤4)至步骤7)，按时间的变化情况绘出曲线，进行刀具磨破损趋势分析。
[0087]
所述自适应报警系统的工作方法：训练集s中y
k+1
在阈值p1_up和p1_low之内时，系统判定为正常状态；训练集s中x
k+1
在阈值p2_up和p2_low,之内时，系统判定为正常状态；y
k+1
在阈值p1_up和p1_low之外，且训练集s中x
k+1
在阈值p2_up和p2_low,之内时，系统判定为正常状态；y
k+1
在阈值p1_up和p1_low之外，且训练集s中x
k+1
在阈值p2_up和p2_low之外时，系统判定为报警状态。
[0088]
所述实时功率信号采集系统，通过对采集的三相电压、电流信号的计算，得到平均功率信号；具体包括以下步骤：
[0089]
1)将含数据采集器的硬件系统串联到机床和电源之间，利用该硬件系统采集电压、电流信号，并计算实时功率信号；
[0090]
2)将标准功率时间序列保存入硬件系统，作为训练数据集；
[0091]
3)系统开始周期性采集、存储整个切削过程的功率信号。
[0092]
一种基于功率信号的刀具磨破损自适应监测系统，包括自适应报警系统和实时功率信号采集系统，通过对比实时信号与报警线的差异，实现刀具磨破损自适应监测。
[0093]
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于功率信号的刀具磨破损自适应监测方法，其特征在于，利用实时功率信号采集系统，反应机床在切削过程中功率信号随着刀具磨破损所反映在幅值上的变化，自适应监测刀具磨破损状况；利用自适应报警系统，建立刀具磨破损动态报警线，对比实时信号与报警线的差异，实现刀具磨破损自适应监测。2.根据权利要求1所述的一种基于功率信号的刀具磨破损自适应监测方法，其特征在于，所述自适应报警系统，具体包括以下步骤：1)刀具在切削状态下，对刀具驱动电机的电流信号和电压信号进行等时间间隔采样(电网频率50hz，周期为20ms，采样频率为m
×
50，m可取为32、64、128、256)；2)对步骤1)顺次采集到的m个电压值u
t
,u
t+1
,...,u
m-1
及对应电流信号值i
t
,i
t+1
,...,i
m-1
，计算t时刻的平均功率p
t
：3)以m整除10的值滑动t时刻位置，重复步骤2)；4)根据步骤3)顺次获得的k(k≥60)个平均功率信号预处理得到功率的训练数据集t＝{x1,x2,
…
,x
k
}，对训练数据集t提取一阶差分特征，即得到功率的特征训练集s＝{y1,y2,
…
ω,y
k
}；5)训练集s的概率密度f(y)导出为：在其分布为高斯分布的假设下，训练集s的均值m和标准差h为：在其分布为高斯分布的假设下，训练集s的均值m和标准差h为：根据拉伊达准则，设定训练集s初始阈值p1，λ为控制上下限的参数其上下限分别表示为p1_up和p1_low为：p1_up＝m+λ*hp1_low＝m-λ*h6)对训练数据集t的所有数据按升序排序得到数据集z＝{z1,z2,
…
,z
m
}，计算数据集z的第一分位数q1和第三分位数q3表示为：由上可知，训练数据集z的四分位距iqr导出为：
根据多倍分位距原理确定训练数据集t的初始阈值p2,α为人工选取的经验参数，其上下限分别表示为p2_up和p2_low,其确定方式如下：p2_up＝q3+α*iqrp2_low＝q
1-α*iqr7)随着运行时间的推移，利用p2,和p1,分别判断第k+1的x
k+1
和y
k+1
是否超出界限；8)重复步骤4)至步骤7)，按时间的变化情况绘出曲线，进行刀具磨破损趋势分析。3.根据权利要求2所述的自适应报警系统的工作方法，其特征在于：训练集s中y
k+1
在阈值p1_up和p
1-low之内时，系统判定为正常状态；训练集s中x
k+1
在阈值p2_up和p2_low,之内时，系统判定为正常状态；y
k+1
在阈值p1_up和p
1-low之外，且训练集s中x
k+1
在阈值p2_up和p2_low,之内时，系统判定为正常状态；y
k+1
在阈值p1_up和p
1-low之外，且训练集s中x
k+1
在阈值p2_up和p2_low之外时，系统判定为报警状态。4.根据权利要求1所述的一种基于功率信号的刀具磨破损自适应监测方法，其特征在于，所述实时功率信号采集，通过对采集的三相电压、电流信号的计算，得到若干个周期内的平均功率信号；具体包括以下步骤：1)将含数据采集器的硬件系统串联到刀具驱动电机和电源之间，利用该硬件系统采集电压、电流信号，并计算实时功率信号；2)将标准功率时间序列保存入硬件系统，作为训练数据集；3)系统开始周期性采集、存储整个切削过程的功率信号。5.一种基于功率信号的刀具磨破损自适应监测系统，其特征在于，包括自适应报警系统和实时功率信号采集系统，通过对比实时信号与报警线的差异，实现刀具磨破损自适应监测。

技术总结
本发明公开了一种基于功率信号的刀具磨破损自适应报警方法及系统，利用实时功率信号采集系统，反应机床在切削过程中功率信号随着刀具磨破损所反映在幅值上的变化，自适应监测刀具磨破损状况；利用自适应报警系统，建立刀具磨破损动态报警线，对比实时信号与报警线的差异，实现刀具磨破损自适应监测。本发明在刀具动态切削过程中实现刀具磨破损的自适应监测，同时建立了自适应报警算法的评价标准，能够实时监测刀具的磨破损状态，具有较高的便捷性和显著的经济性，同时信号稳定，操作方便，安全可靠。全可靠。全可靠。


技术研发人员：刘弹 黄建文 曾七一 付永杰
受保护的技术使用者：杭州博众精密科技有限公司
技术研发日：2023.03.24
技术公布日：2023/8/24