[go: up one dir, main page]

CN102621932B - 一种数控机床服役过程的能量消耗预测方法 - Google Patents

一种数控机床服役过程的能量消耗预测方法 Download PDF

Info

Publication number
CN102621932B
CN102621932B CN2012101317664A CN201210131766A CN102621932B CN 102621932 B CN102621932 B CN 102621932B CN 2012101317664 A CN2012101317664 A CN 2012101317664A CN 201210131766 A CN201210131766 A CN 201210131766A CN 102621932 B CN102621932 B CN 102621932B
Authority
CN
China
Prior art keywords
energy consumption
machine tool
cutting
power
speed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN2012101317664A
Other languages
English (en)
Other versions
CN102621932A (zh
Inventor
刘飞
刘霜
谢俊
王秋莲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN2012101317664A priority Critical patent/CN102621932B/zh
Publication of CN102621932A publication Critical patent/CN102621932A/zh
Application granted granted Critical
Publication of CN102621932B publication Critical patent/CN102621932B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Numerical Control (AREA)

Abstract

本发明针对目前缺少数控机床能量消耗预测方法的现状，提出一种数控机床服役过程能量消耗预测方法。该方法在对数控机床服役过程能量消耗特点分析的基础上，建立了以启动、空载和加工三类子过程能耗预测为基础的数控机床服役过程能耗预测模型。通过分别对每类子过程的能耗预测模型进行求解，从而得到整个数控机床服役过程的能耗预测结果。通过该方法，根据数控加工工艺参数就可以直接预测机床加工过程的能量消耗。

Description

一种数控机床服役过程的能量消耗预测方法
技术领域
本发明属于机床控制技术领域，尤其涉及一种数控机床服役过程能量消耗预测新方法。
背景技术
以机床为主体的机械加工系统量大面广，节能潜力和环境减排潜力很大；机床的能耗预测是机床加工过程中能量消耗问题的重要组成部分，对于能耗定额制定、切削工艺参数节能性优化等一系列问题均有着重要支持作用；因此，对机床加工过程中能耗预测问题的研究正在全球迅速兴起。Li，W等人建立了一种在加工条件下的能量预测模型，并通过实验的方法来验证了该模型的可靠性与准确性[3]；Dietmair A等人提出了一种基于统计的离散时间制定的机床和工厂能源消耗通用建模方法，该方法可以直接用于规划过程中，对不同场景下不同配置的能源消耗进行预测[4]；但以上这些方法都未考虑到机床的复杂的附加载荷损耗功率；Gutowski等人也对加工环境因素进行了一系列分析，介绍了加工过程理论能量消耗模型[5，6]，但他并未对其中各个参数进行很明确的定义，并不知道每个参数的值和具体推导过程。因此，以上这些方法都不能用于对数控机床服役过程的能量消耗的预测。
虽然现有文献表明已有不少专家学者对机床能耗预测问题作了相应的研究，但能够用于实际生产中的数控机床服役过程的能量预测的方法尚未找到，其主要原因是：数控机床本身是一个很复杂的系统，在整个服役过程中能量流动十分复杂，且形式多样化，更重要的是其影响因素众多。因此很难找到一个通用的模型来对其能量消耗进行预测。
发明内容
针对现有技术中存在的问题，本发明的目的是提供一种机床服役过程能量消耗预测方法。通过该方法可以对机床整个服役过程的能耗进行比较准确的评估。
为实现以上目的，本发明采用了如下的技术手段：
1．一种数控机床服役过程的能量消耗预测方法，其特征为：将服役全过程分为启动过程、空载过程、加工过程，并分别对三类子过程进行能量消耗预测，以此来得到机床整个服役过程的总能耗预测。其预测模型为：
Figure 2012101317664100002DEST_PATH_IMAGE002
其中：
Figure 2012101317664100002DEST_PATH_IMAGE004
表示某服役过程的总能耗，
Figure 2012101317664100002DEST_PATH_IMAGE006
表示该服役过程中各类子过程的个数，下标
Figure 2012101317664100002DEST_PATH_IMAGE008
、
Figure 2012101317664100002DEST_PATH_IMAGE010
、
Figure 2012101317664100002DEST_PATH_IMAGE012
分别用以标识启动过程、空载过程、加工过程，
Figure 2012101317664100002DEST_PATH_IMAGE014
表示各子过程的序号。
2．启动子过程的能量预测函数的建立：通过事先设定多个转速点，测量各转速下机床启动能耗，并用一个关于转速的二次函数来对所测得的能耗数据进行拟合，以此建立以转速为变量的启动能耗函数：
Figure 2012101317664100002DEST_PATH_IMAGE016
。
3．空载子过程的功率函数的建立：事先测量出多个不同转速下的空载功率，并用关于转速的二次函数来对所测得的功率数据进行拟合，以此建立以转速为变量的空载功率函数：
Figure 2012101317664100002DEST_PATH_IMAGE018
。
4．  加工子过程能耗预测方法：加工子过程的能量预测模型为：
Figure 2012101317664100002DEST_PATH_IMAGE020
其中，所述空载功率函数和工艺转速，可确定
Figure 2012101317664100002DEST_PATH_IMAGE022
；根据工艺参数可确定
Figure 2012101317664100002DEST_PATH_IMAGE024
；
Figure 2012101317664100002DEST_PATH_IMAGE026
的确定方法见具体实施方法。
 相对于现有技术，本发明有如下有效果：
1、           只需知道加工过程中的各个切削用量以及每个过程的加工时间就可以求取出机床整个服役过程的能量消耗，该方法简单易行，且对现有数控机床普遍适用。
2、           由本发明方法预测到的机床服役过程能耗信息，与机床服役过程中实际能耗之间的误差不超过10%，而且该误差多为随机误差，且误差值在应用范围之内，因此，在实际工作中有着很好的参考价值。
3、           本发明方法可用于机床能量效率获取、机械加工过程中的能效评估、能耗监控、能量管理、机床能耗标定等，在实际中有着广阔的应用前景。
附图说明
    图1为数控机床服役过程能耗预测流程简化示意图；
图2为案例零件毛坯图；
　　图3为机床启动能耗函数曲线；
图4为机床空载功率函数曲线。
具体实施方式
本发明提出了一种数控机床服役过程能量预测方法，该方法是将数控机床服役过程分为启动、空载、加工三类子过程，并分别对每类子过程进行能量预测。
本发明按上述思路建立机床服役过程机电主传动系统能量消耗预测模型如下：
Figure 235241DEST_PATH_IMAGE002
其中，
Figure 683540DEST_PATH_IMAGE004
表示某服役过程的总能耗，
Figure 463277DEST_PATH_IMAGE006
表示该服役过程中各子过程的个数，下标
Figure 389645DEST_PATH_IMAGE008
、
Figure 204017DEST_PATH_IMAGE010
、
Figure 806906DEST_PATH_IMAGE012
分别用以标识启动过程、空载过程、加工过程，
Figure 73939DEST_PATH_IMAGE014
表示各子过程的序号。
1 基础数据获取
1.1系数、
Figure 2012101317664100002DEST_PATH_IMAGE030
的获取
由于系数
Figure 335156DEST_PATH_IMAGE028
、
Figure 535193DEST_PATH_IMAGE030
体现的是机床机械传动系统的特性，与传动路线相关，因此数控机床的每个转速档都对应相应的
Figure 528557DEST_PATH_IMAGE028
、值。要获取基础参数、
Figure 356333DEST_PATH_IMAGE030
的值，需要最少两组
Figure 2012101317664100002DEST_PATH_IMAGE032
、
Figure 2012101317664100002DEST_PATH_IMAGE034
、
Figure 2012101317664100002DEST_PATH_IMAGE036
。因此可在数控机床每档转速中自由选取转速，进行
Figure 2012101317664100002DEST_PATH_IMAGE038
组（
Figure 2012101317664100002DEST_PATH_IMAGE040
）的不同的切削实验，测取相应的
Figure 628920DEST_PATH_IMAGE032
与
Figure 870545DEST_PATH_IMAGE036
值，并结合实验参数计算出对应的切削功率
Figure 676827DEST_PATH_IMAGE034
，按最小二乘法拟合出基础参数和
Figure 717782DEST_PATH_IMAGE030
的值。
利用之前实验得到
Figure 2012101317664100002DEST_PATH_IMAGE042
组空载功率
Figure 2012101317664100002DEST_PATH_IMAGE044
、切削功率
Figure 2012101317664100002DEST_PATH_IMAGE046
、加工功率
Figure 2012101317664100002DEST_PATH_IMAGE048
建立方程： 
Figure 2012101317664100002DEST_PATH_IMAGE050
按最小二乘法有：
Figure 2012101317664100002DEST_PATH_IMAGE052
解得：
Figure 2012101317664100002DEST_PATH_IMAGE054
从而得到
Figure 322069DEST_PATH_IMAGE028
、
Figure 181310DEST_PATH_IMAGE030
的值为：
Figure 2012101317664100002DEST_PATH_IMAGE056
即可求得基础系数
Figure 210446DEST_PATH_IMAGE028
、
Figure 982093DEST_PATH_IMAGE030
。
对于同一型号的机床其基础系数应该相同，不必每台机床进行相应的测量与实验。
1.2 启动能耗和空载功率数据的获取
首先将功率分析仪安装到机床上，用于检测机床启动、空载、加工过程的能量消耗；再开启功率分析仪，启动机床的主轴电机至加工转速，并对工件进行加工，用功率分析仪记录下机床的启动子过程能耗
Figure 2012101317664100002DEST_PATH_IMAGE058
、空载功率
Figure 463890DEST_PATH_IMAGE036
、加工功率
Figure 877553DEST_PATH_IMAGE032
；设置不同的启动转速和加工转速重复上述实验
Figure 230037DEST_PATH_IMAGE042
次，得到
Figure 454476DEST_PATH_IMAGE042
组不同转速对应的启动子过程的能耗
Figure 2012101317664100002DEST_PATH_IMAGE060
，空载功率
Figure 2012101317664100002DEST_PATH_IMAGE062
。
1.2.1机床启动子过程能耗函数的建立
利用上述实验采集的启动能耗
Figure 2012101317664100002DEST_PATH_IMAGE064
与对应的转速
Figure 2012101317664100002DEST_PATH_IMAGE066
，用以转速为自变量的二次函数对记录的数据进行拟合，得到数控机床的启动子过程的能耗函数：
Figure 2012101317664100002DEST_PATH_IMAGE068
一些数控机床存在多个转速档，则应分别建立各转速档的启动能耗函数，形成启动能耗函数库。
1.2.2机床空载子过程功率消耗函数的建立
利用上述实验采集的空载功率
Figure 2012101317664100002DEST_PATH_IMAGE070
与对应的转速，用以转速为自变量的二次函数对记录的数据进行拟合，得到数控机床的空载子过程的功率消耗函数：
Figure 2012101317664100002DEST_PATH_IMAGE072
如果所测量的数控机床存在多个转速档，则应分别建立各转速档的空载功率函数，形成启动能耗函数库。
2 能耗预测
2.1 启动子过程能耗预测
根据加工过程中选取的转速档在步骤2建立的机床启动子过程能耗函数中选取对应转速档中的能量消耗函数，将服役过程中所选取的加工转速带入函数即可得到该转速下启动子过程的能量消耗，此值即为启动子过程的预测能耗
Figure 218088DEST_PATH_IMAGE058
。
2.2空载子过程能耗预测
根据加工过程中选取的转速档在步骤3建立的机床空载子过程功率消耗函数中选取对应转速档中的功率消耗函数，将服役过程中所选取的加工转速带入函数即可的到该转速下空载子过程的功率消耗
Figure 690658DEST_PATH_IMAGE036
。再将所的到的
Figure 335266DEST_PATH_IMAGE036
与空载时间相乘即可得到空载子过程的预测能耗
Figure 2012101317664100002DEST_PATH_IMAGE076
。
2.3加工子过程能耗预测
由于加工子过程的能量消耗是由加工过程中的空载能量消耗
Figure 2012101317664100002DEST_PATH_IMAGE078
、切削能量消耗
Figure 2012101317664100002DEST_PATH_IMAGE080
和附加载荷能量消耗
Figure DEST_PATH_IMAGE082
三部分组成。即对三部分功率消耗进行积分便可得到加工子过程的预测能耗。
Figure DEST_PATH_IMAGE084
其中，空载功率可以根据上述方法，利用所对应的转速档的机床功率消耗函数来计算得到； 
Figure DEST_PATH_IMAGE086
的确定方法如上文所述；切削功率
Figure DEST_PATH_IMAGE088
的计算如下所述。
2.3.1 切削功率
Figure 135862DEST_PATH_IMAGE088
的计算
根据金属切削手册查询可知，切削力
Figure DEST_PATH_IMAGE090
由下式计算得到，其中，
Figure DEST_PATH_IMAGE092
、
Figure DEST_PATH_IMAGE094
、分别为吃刀深度、进给速度、切削速度，
Figure DEST_PATH_IMAGE098
、
Figure DEST_PATH_IMAGE100
、
Figure DEST_PATH_IMAGE102
、
Figure DEST_PATH_IMAGE104
、
Figure DEST_PATH_IMAGE106
为相应的系数、指数、修正系数，可通过查表得到。
由切削力
Figure 547121DEST_PATH_IMAGE090
与切削速度的乘机获取切削功率
Figure DEST_PATH_IMAGE112
：
Figure DEST_PATH_IMAGE114
这种方法误差一般比较大，但由于切削能耗在总能耗
Figure 670935DEST_PATH_IMAGE004
中一般都低于30%，因此，误差对整个服役过程能耗预测准确度影响不大。
2.3.2 附加损耗功率
Figure DEST_PATH_IMAGE116
的计算
本方法采用切削功率
Figure 486444DEST_PATH_IMAGE112
的二次函数来对附加载荷功率消耗
Figure DEST_PATH_IMAGE118
进行拟合：
Figure DEST_PATH_IMAGE120
通过该拟合函数即可求得加工子过程中的附加损耗功率
Figure 222274DEST_PATH_IMAGE116
。
由上述计算可得加工子过程的总功率损耗
Figure DEST_PATH_IMAGE122
为：
Figure DEST_PATH_IMAGE124
因此，加工子过程的预测能耗为：
Figure DEST_PATH_IMAGE126
2.4 数控机床服役过程的能耗预测
在上述步骤的基础上，将分别预测的启动过程预测能耗
Figure DEST_PATH_IMAGE128
、空载过程预测能耗、加工过程预测能耗
Figure DEST_PATH_IMAGE132
带入数控机床服役过程能耗预测模型，即：
Figure DEST_PATH_IMAGE134
这样，就可得到该数控机床服役过程的预测能耗
Figure 125639DEST_PATH_IMAGE004
。
实施例：
在C2-6136HK/1的数控车床上，采用本发明方法对其服役过程进行能耗预测，其过程如下：
1）获取C2-6136HK/1的数控车床的基础数据：
根据本发明所提出的能耗预测方法，要对具有两档转速（表1）的C2-6136HK/1数控车床任一服役过程的能耗进行预测，需要事先准备启动过程能耗函数库、空载过程功率函数库、及求解基础参数
Figure 838380DEST_PATH_IMAGE028
、
Figure 28053DEST_PATH_IMAGE030
。
表1  C2-6136HK/1数控车床参数
按照实施方法的步骤3所述方法，选取各级转速点，测取启动能耗如图3所示，并拟合出低速档启动能耗函数
Figure DEST_PATH_IMAGE137
和高速档启动能耗函数
Figure DEST_PATH_IMAGE139
：
Figure DEST_PATH_IMAGE143
         
按照实施方法的步骤4所述方法，选取各级转速点，测取空载功率如图4所示，并拟合出低速档空载功率函数
Figure DEST_PATH_IMAGE145
和高速档空载功率函数： 
Figure DEST_PATH_IMAGE149
Figure DEST_PATH_IMAGE151
由于该数控机床的转速分高速和低速两档，即具有两条机械传动链，因此该机床有两组基础参数值：低速档基础参数
Figure DEST_PATH_IMAGE153
、
Figure DEST_PATH_IMAGE155
及高速档基础参数
Figure DEST_PATH_IMAGE157
、
Figure DEST_PATH_IMAGE159
 。按实施过程步骤1所述方法，在低速档和高速档分别测取多组
Figure 488728DEST_PATH_IMAGE032
与
Figure 54839DEST_PATH_IMAGE034
值并结合上述测取的
Figure DEST_PATH_IMAGE161
值，拟合出两组基础参数值如下：
Figure DEST_PATH_IMAGE163
Figure DEST_PATH_IMAGE165
2）能耗预测及误差对比
获得该机床的基础数据后，可对该机床任一服役过程的能量消耗进行预测，此处选用的是加工如图所示零件的服役过程。该过程中使用的刀具及毛坯材料在表2中列出。
表2   毛坯与刀具材料参数
根据该服役过程中的加工步骤及工艺参数（表3），毛坯及零件尺寸（见附图2），编制的数控程序，整个服役过程划分为12个子过程，如表m所示。
表3   服役过程工艺参数表
加工步骤 n(rpm) f （mm/min） a（mm）
深车外圆前部 400 40 5
浅车外圆后部 400 40 1
车削端面 1000 48 0.2
切断 400 70 4
表4列出了每一子过程的转速及时间，用于在各函数库中查找数据及参与能耗预测的计算。由于该服役过程是指在低速档运行，因此查表时选用低速档的相关数据。
表4  服役过程详细表
子过程序号 子过程类型 子过程内容 转速 时间 (s) 能耗 (J)
1 启动 启动 400 — ES1
2 空载 进刀 400 10.5 EU1
3 加工 深车外圆前部 400 75 EM1
4 空载 退刀 400 6 EU2
5 加工 浅车外圆后部 400 15 EM2
6 空载 退刀、快移 400 3.6 EU3
7 空载 升速、进刀 1000 9.1 EU4
8 加工 车削端面 1000 12.5 EM3
9 空载 退刀、换刀 1000 10 EU5
10 空载 降速、快移、进刀 400 8.75 EU6
11 加工 切断 400 24 EM4
12 空载 快移、停机 400 2.74 EU7
将启动子过程1的转速
Figure DEST_PATH_IMAGE168
代入启动能耗函数可得到
Figure DEST_PATH_IMAGE170
。
将空载子过程2、4、6、7、9、10、12的转速值分别代入空载功率函数，得到相应的空载功率后与表m中各过程时间一起代入空载能耗预测公式就可以得到
Figure DEST_PATH_IMAGE172
、
Figure DEST_PATH_IMAGE174
、
Figure DEST_PATH_IMAGE176
、
Figure DEST_PATH_IMAGE178
、
Figure DEST_PATH_IMAGE180
、
Figure DEST_PATH_IMAGE182
、
Figure DEST_PATH_IMAGE184
。
将加工过程3、5、8、11的转速n、进给速速f、吃刀深度按表a中数据代入切削功率计算公式，其中
Figure DEST_PATH_IMAGE188
，并在切削手册中查表得到各系数、指数、修正系数，得到各过程的切削功率
Figure 136933DEST_PATH_IMAGE112
。
Figure DEST_PATH_IMAGE190
 
Figure DEST_PATH_IMAGE192
Figure DEST_PATH_IMAGE194
 
Figure DEST_PATH_IMAGE196
 
将上式中的切削功率
Figure 559824DEST_PATH_IMAGE112
，以计算出的低速档基础参数值
Figure DEST_PATH_IMAGE198
和
Figure DEST_PATH_IMAGE200
，表m中各加工子过程时间代入加工过程的能量预测公式，得到
Figure DEST_PATH_IMAGE202
，
Figure DEST_PATH_IMAGE204
，
Figure DEST_PATH_IMAGE206
，
Figure DEST_PATH_IMAGE208
。
最后，将所有子过程的能耗相加，即可得到该加工过程服役过程的总能量消耗。
Figure DEST_PATH_IMAGE210
而本加工过程中，通过电度表实际测得本次服役过程的总能耗为，则预测误差为
Figure DEST_PATH_IMAGE214
。
通过上述预测方法以及误差分析可以看出，由本发明方法对数控机床的服役过程进行能量预测得到的精度较高，与电表测量出的实际服役过程的能量消耗的误差基本在10%以内，而且该误差多为随机误差，且误差值在应用范围之内，因此，在实际工作中有着很好的参考价值。本发明方法可用于机床能量效率获取、机械加工过程中的能效评估、能耗监控、能量管理、机床能耗标定等，在实际中有着广阔的应用前景。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种数控机床服役过程的能量消耗预测方法，其特征为：将服役全过程分为启动过程、空载过程、加工过程，并分别对三类子过程进行能量消耗预测，以此来得到机床整个服役过程的总能耗预测；其预测模型为：
其中：
Figure DEST_PATH_IMAGE004
表示某服役过程的总能耗，
Figure DEST_PATH_IMAGE006
表示该服役过程中各类子过程的个数，下标
Figure DEST_PATH_IMAGE008
、、
Figure DEST_PATH_IMAGE012
分别用以标识启动过程、空载过程、加工过程，表示各子过程的序号；
启动子过程的能量预测函数的建立：通过事先设定多个转速点，测量各转速下机床启动能耗，并用一个关于转速的二次函数来对所测得的能耗数据进行拟合，以此建立以转速为变量的启动能耗函数：
Figure DEST_PATH_IMAGE016
；
空载子过程的功率函数的建立：事先测量出多个不同转速下的空载功率，并用关于转速的二次函数来对所测得的功率数据进行拟合，以此建立以转速为变量的空载功率函数：
Figure DEST_PATH_IMAGE018
，将所的到的P Ui 与空载时间t相乘即可得到空载子过程的预测能耗E ui ；
加工子过程能耗预测方法：加工子过程的能量预测模型为：
Figure DEST_PATH_IMAGE020
  
其中，系数、
Figure DEST_PATH_IMAGE024
的获取：
由于系数
Figure 152065DEST_PATH_IMAGE022
、
Figure 538047DEST_PATH_IMAGE024
体现的是机床机械传动系统的特性，与传动路线相关，因此数控机床的每个转速档都对应相应的
Figure 317785DEST_PATH_IMAGE022
、
Figure 431103DEST_PATH_IMAGE024
值；要获取基础参数、
Figure 5621DEST_PATH_IMAGE024
的值，需要最少两组
Figure DEST_PATH_IMAGE026
、、
Figure DEST_PATH_IMAGE030
；因此可在数控机床每档转速中自由选取转速，进行
Figure DEST_PATH_IMAGE032
组（）的不同的切削实验，测取相应的
Figure 928446DEST_PATH_IMAGE026
与
Figure 596188DEST_PATH_IMAGE030
值，并结合实验参数计算出对应的切削功率
Figure 265067DEST_PATH_IMAGE028
，按最小二乘法拟合出基础参数
Figure 727272DEST_PATH_IMAGE022
和
Figure 199711DEST_PATH_IMAGE024
的值；
利用之前实验得到
Figure DEST_PATH_IMAGE036
组空载功率
Figure DEST_PATH_IMAGE038
、切削功率
Figure DEST_PATH_IMAGE040
、加工功率
Figure DEST_PATH_IMAGE042
建立方程： 
Figure DEST_PATH_IMAGE044
按最小二乘法有：
Figure DEST_PATH_IMAGE046
解得：
Figure DEST_PATH_IMAGE048
从而得到
Figure 61356DEST_PATH_IMAGE022
、
Figure 53583DEST_PATH_IMAGE024
的值为：
Figure DEST_PATH_IMAGE050
即可求得基础系数
Figure 952269DEST_PATH_IMAGE022
、
Figure 193894DEST_PATH_IMAGE024
；
其中，切削功率
Figure DEST_PATH_IMAGE052
的计算：
根据金属切削手册查询可知，切削力
Figure DEST_PATH_IMAGE054
由下式计算得到，其中，、
Figure DEST_PATH_IMAGE058
、
Figure DEST_PATH_IMAGE060
分别为吃刀深度、进给速度、切削速度，、
Figure DEST_PATH_IMAGE064
、
Figure DEST_PATH_IMAGE066
、
Figure DEST_PATH_IMAGE068
、
Figure DEST_PATH_IMAGE070
为相应的系数、指数、修正系数，可通过查表得到；
由切削力
Figure DEST_PATH_IMAGE074
与切削速度
Figure DEST_PATH_IMAGE076
的乘机获取切削功率
Figure DEST_PATH_IMAGE078
：
Figure DEST_PATH_IMAGE080
 。
CN2012101317664A 2012-05-02 2012-05-02 一种数控机床服役过程的能量消耗预测方法 Expired - Fee Related CN102621932B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2012101317664A CN102621932B (zh) 2012-05-02 2012-05-02 一种数控机床服役过程的能量消耗预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012101317664A CN102621932B (zh) 2012-05-02 2012-05-02 一种数控机床服役过程的能量消耗预测方法

Publications (2)

Publication Number Publication Date
CN102621932A CN102621932A (zh) 2012-08-01
CN102621932B true CN102621932B (zh) 2013-11-20

Family

ID=46561899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012101317664A Expired - Fee Related CN102621932B (zh) 2012-05-02 2012-05-02 一种数控机床服役过程的能量消耗预测方法

Country Status (1)

Country Link
CN (1) CN102621932B (zh)

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197552B (zh) * 2013-03-15 2015-08-12 重庆大学 一种面向低碳制造的机械加工参数优化控制方法
CN103235554B (zh) * 2013-03-29 2015-11-11 重庆大学 一种基于nc代码的数控车床加工工件能耗获取方法
CN103793754B (zh) * 2013-12-13 2017-09-01 中冶南方工程技术有限公司 一种空分系统的能耗预测方法
CN103901813B (zh) * 2014-03-04 2016-04-27 浙江大学 变切削速率过程材料切削功率及能耗的获取和节能控制方法
CN103885387B (zh) * 2014-03-10 2016-09-14 浙江大学 数控机床快速进给功率和能耗的获取及控制方法
CN103941644B (zh) * 2014-04-04 2016-09-21 武汉科技大学 一种基于时间参数的数控铣床能耗预测方法
CN103971019B (zh) * 2014-05-23 2017-02-08 武汉科技大学 一种基于几何特征的工件加工能耗预测方法
CN104281090A (zh) * 2014-09-30 2015-01-14 华中科技大学 一种数控机床系统的功率建模方法
TWI571820B (zh) * 2014-11-06 2017-02-21 財團法人資訊工業策進會 工具機耗電量預測系統與方法
CN104678890B (zh) * 2014-12-26 2017-04-05 重庆大学 一种机械加工车间工件能耗定额制定方法
CN107193259A (zh) * 2016-03-14 2017-09-22 重庆邮电大学 一种基于实时电量的数控机床主传动系统能耗和时间信息获取方法
CN105955198B (zh) * 2016-04-28 2018-09-21 江南大学 基于最小二乘迭代算法的机床工步能耗监测方法
CN105841991B (zh) * 2016-05-23 2018-03-27 哈尔滨工业大学 一种机床能效快速定量测试方法
CN108107733A (zh) * 2017-12-21 2018-06-01 山东科技大学 一种数控钻削能耗快速准确预测及钻削方案节能优选方法
CN109034452A (zh) * 2018-06-20 2018-12-18 上海安悦节能技术有限公司 用于汽车零配件生产企业的能耗预测方法
CN108803495A (zh) * 2018-07-30 2018-11-13 山东理工大学 一种执行车削加工程序时数控车床能耗预测方法
CN109333155A (zh) * 2018-10-25 2019-02-15 山东理工大学 水环真空泵转子轴数控车削加工中能量效率在线检测方法
CN109754332B (zh) * 2019-01-08 2022-08-09 西北工业大学 基于切削力的机床铣削加工过程的能耗模型建模方法
CN109753017B (zh) * 2019-01-29 2020-04-07 重庆大学 数控机床的固有能效要素函数获取系统与获取方法
CN110262392A (zh) * 2019-07-09 2019-09-20 重庆大学 一种基于虚拟样件的机床固有能效属性测量系统与方法
CN110560920A (zh) * 2019-08-22 2019-12-13 浙江科技学院 一种回转件激光切割加工的能耗预测方法
CN110560921A (zh) * 2019-08-22 2019-12-13 浙江科技学院 一种基于最短距离的激光切割的总能耗预测方法
CN110560922A (zh) * 2019-08-22 2019-12-13 浙江科技学院 一种基于几何特征的激光切割的加工能耗预测方法
CN110531702B (zh) * 2019-09-26 2020-08-11 重庆工商大学 一种机床服役周期能效潜力获取方法
CN110658782B (zh) * 2019-09-30 2023-06-02 武汉科技大学 一种基于特征的数控机床固有能效预测方法
CN110514335B (zh) * 2019-09-30 2021-04-23 武汉科技大学 一种数控机床的能效比确定方法
CN111999552B (zh) * 2020-08-31 2023-06-02 上海控软网络科技有限公司 能耗监控方法、因子确定方法、监控装置、设备及介质
CN113867264A (zh) * 2021-08-31 2021-12-31 南京工程学院 一种大型数控成形铣齿机床能耗评估、优化方法
CN114298397A (zh) * 2021-12-24 2022-04-08 苏州科技大学 一种运用时序数据的深度强化学习建筑能耗预测方法
CN115167279B (zh) * 2022-09-07 2022-11-29 中科航迈数控软件(深圳)有限公司 针对数控机床的能耗预测方法、系统及相关设备
CN116754828B (zh) * 2023-08-21 2023-12-01 济南瑞源智能城市开发有限公司 一种智慧隧道的能耗监测方法、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009012092A (ja) * 2007-07-02 2009-01-22 Fujitsu Ltd 工作機械の制御装置
CN101898317A (zh) * 2010-06-10 2010-12-01 重庆大学 一种虚拟式数控机床在线检测系统和方法
CN101977014A (zh) * 2010-11-28 2011-02-16 沈阳工业大学 直线电机伺服系统能耗-时间最优控制方法及所建立系统
CN102179727A (zh) * 2011-04-15 2011-09-14 重庆大学 机床主传动系统加工过程能耗信息在线检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009012092A (ja) * 2007-07-02 2009-01-22 Fujitsu Ltd 工作機械の制御装置
CN101898317A (zh) * 2010-06-10 2010-12-01 重庆大学 一种虚拟式数控机床在线检测系统和方法
CN101977014A (zh) * 2010-11-28 2011-02-16 沈阳工业大学 直线电机伺服系统能耗-时间最优控制方法及所建立系统
CN102179727A (zh) * 2011-04-15 2011-09-14 重庆大学 机床主传动系统加工过程能耗信息在线检测方法

Also Published As

Publication number Publication date
CN102621932A (zh) 2012-08-01

Similar Documents

Publication Publication Date Title
CN102621932B (zh) 一种数控机床服役过程的能量消耗预测方法
CN103941644B (zh) 一种基于时间参数的数控铣床能耗预测方法
Lv et al. Experimental study on energy consumption of computer numerical control machine tools
Liu et al. A method for predicting the energy consumption of the main driving system of a machine tool in a machining process
CN103235554B (zh) 一种基于nc代码的数控车床加工工件能耗获取方法
CN104133417B (zh) 叶片式流体机械数控加工切削力的快速预测方法
WO2016101624A1 (zh) 一种机械加工车间工件能耗定额制定方法
Jiang et al. Electrical energy consumption of CNC machine tools based on empirical modeling
Li et al. Optimization of cutting parameters for energy saving
CN104281090A (zh) 一种数控机床系统的功率建模方法
CN102179727A (zh) 机床主传动系统加工过程能耗信息在线检测方法
CN102637014B (zh) 数控机床加工过程机电主传动系统能量效率获取的方法
Guo et al. An operation-mode based simulation approach to enhance the energy conservation of machine tools
CN108614522B (zh) 数控机床服役过程主轴系统能量效率在线监测方法
CN103971019B (zh) 一种基于几何特征的工件加工能耗预测方法
CN103885387B (zh) 数控机床快速进给功率和能耗的获取及控制方法
CN112230601B (zh) 数控机床主轴停转节能临界时间确定及节能方法
CN109754332A (zh) 基于切削力的机床铣削加工过程的能耗模型建模方法
CN104669057A (zh) 一种机床切削加工系统附加载荷损耗系数获取方法
CN108037734A (zh) 数控机床钻削过程功率及能耗获取与节能控制方法
CN107065778A (zh) 一种面向机床整个使用阶段能量效率最高的机床评选方法
CN105414616A (zh) 螺旋铣孔过程中切削力预报和稳定性判别方法
CN103500251A (zh) 数控铣削中刀具切削用量的优化加工方法
CN109933002A (zh) 一种面向节能的机械加工过程数控机床能耗建模方法
CN110262392A (zh) 一种基于虚拟样件的机床固有能效属性测量系统与方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20131120