CN107350900B - 一种基于断屑时间提取的刀具状态监测方法 - Google Patents
一种基于断屑时间提取的刀具状态监测方法 Download PDFInfo
- Publication number
- CN107350900B CN107350900B CN201710547440.2A CN201710547440A CN107350900B CN 107350900 B CN107350900 B CN 107350900B CN 201710547440 A CN201710547440 A CN 201710547440A CN 107350900 B CN107350900 B CN 107350900B
- Authority
- CN
- China
- Prior art keywords
- chip breaking
- breaking time
- tool
- acoustic emission
- chip
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000005553 drilling Methods 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 239000000284 extract Substances 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000003754 machining Methods 0.000 claims description 5
- 230000003750 conditioning effect Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 230000001143 conditioned effect Effects 0.000 claims 1
- 238000005520 cutting process Methods 0.000 abstract description 35
- 238000012545 processing Methods 0.000 abstract description 21
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 238000013480 data collection Methods 0.000 description 9
- 238000005299 abrasion Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241001074085 Scophthalmus aquosus Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000009172 bursting Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/098—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining by measuring noise
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Drilling And Boring (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于断屑时间提取的刀具状态监测方法，属于钻削加工的刀具状态监测领域。切屑断裂瞬间会产生突发性声发射信号，本发明利用包络解调法得到声发射信号的低频包络曲线，然后利用小波峰谷检测法得到低频包络曲线的波谷位置(时刻)，从而提取出断屑时间(切屑断裂的时间间隔)。该方法有效提取出反映刀具状态的断屑时间均值这一特征值，利用该特征值对刀具状态进行监测，可以提高刀具状态监测的灵敏度，同时能够避免低频环境噪声和机床振动的干扰，为钻削加工提供了一种新的刀具状态监测方法，具有广泛的工程应用价值。
Description
技术领域
本发明属于钻削加工的刀具状态监测领域，具体涉及一种基于断屑时间提取的刀具状态监测方法。
背景技术
钻削加工是制造业中使用最为广泛的金属切除方法之一，占整个金属切除任务的近40％。然而钻削加工处于封闭或半封闭的条件下，导致钻削加工过程的非平稳性较强，因此刀具故障会随机发生。能否有效地对钻削加工的刀具状态进行实时监测，己成为提高钻孔质量、降低生产成本、实现钻削加工自动化的关键性技术。
钻削加工过程常见的刀具故障包括刀具磨损、破损等。切削刃的磨钝、崩裂会导致切屑断裂困难，从而使切屑的形态、质量等发生变化，表现为切屑变长、变厚，因而切屑状态直接反映了刀具状态。切屑断裂的瞬间将引起切削力的波动，进而导致振动等信号产生波动；同时会产生突发性声发射信号。切屑断裂信号是很微弱的低频信号，会被淹没在加工现场的低频环境噪声和机床振动之中，因此无法从切削力、振动等信号中提取出来。然而在声发射信号中，切屑断裂信号会被调制到高频带，可以避免上述干扰。因此在钻削加工的刀具状态监测领域，声发射信号是一种很有前途的监测信号。
在传统的钻削加工的刀具状态监测方法中，声发射信号的处理方法有：包络波形法、计数法、频谱法和能量法等。这些刀具状态监测方法是从声发射信号幅值、能量的角度来识别刀具磨损状态。该方法易受传输路径、钻削过程的随机性和非平稳性的影响，导致刀具状态识别的可靠性差，无法满足工程应用要求。声发射信号中不仅含有刀具状态信息，还包含切削用量等其它信息，因此提取的特征值对刀具状态的灵敏度不高。特别是当切削用量发生改变后，需要重新分析声发射信号与刀具状态之间的关系，从而限制了声发射信号在钻削加工的刀具状态监测领域的应用。
发明内容
本发明的目的在于提供一种基于断屑时间提取的刀具状态监测方法，以克服现有技术中的问题，本发明能够有效地提取切屑断裂时刻，并且对加工参数的变化和加工过程的随机波动不敏感，从而可以实现对钻削加工过程中刀具状态的可靠监测。
为达到上述目的，本发明采用如下技术方案：
一种基于断屑时间提取的刀具状态监测方法，该刀具状态监测方法利用数据采集系统和信号处理程序，从钻削加工过程产生的声发射信号中提取断屑时间，将断屑时间的平均值作为反映刀具状态的特征值，利用该特征值对钻削加工的刀具状态进行监测。
进一步地，所述从声发射信号中提取断屑时间的步骤为：
首先利用数据采集系统采集钻削加工过程产生的声发射信号，然后利用信号处理程序中包络解调法得到声发射信号的低频包络曲线，再利用信号处理程序中小波峰谷检测法得到低频包络曲线的波谷位置，从而得到反映刀具状态的断屑时间。
进一步地，所述数据采集系统包括安装在机床工作台上的声发射传感器，声发射传感器上连接有用于对声发射传感器的输出信号进行调理的前置放大器，前置放大器上连接有用于采集调理后的电压信号的模拟采集模块，模拟采集模块上连接有用于保存采集数据的电脑，所述信号处理程序置于电脑中；
机床工作台上设置加工工件，加工工件的正上方设置有连接在机床主轴上的钻销加工刀具。
进一步地，利用信号处理程序中包络解调法得到声发射信号的低频包络曲线，再利用信号处理程序中小波峰谷检测法得到低频包络曲线的波谷位置，从而得到反映刀具状态的断屑时间具体为：
首先对声发射信号进行带通滤波，然后利用包络解调法对带通滤波后的声发射信号进行包络解调分析得到低频包络曲线，再对低频包络曲线进行带通滤波，然后利用小波峰谷检测法，准确地识别带通滤波后的低频包络曲线的波谷位置，计算相邻波谷的时间间隔，从而提取出反映刀具状态的断屑时间。
进一步地，所述利用小波峰谷检测法准确地识别低频包络曲线的波谷位置，具体是对小波峰谷检测算法的阈值、宽度、去趋势三个参数进行设置，以达到如下波谷检测效果：第一、去除低频包络曲线中缓慢变化的趋势项；第二、准确识别切屑断裂时由于碰撞所产生的两个临近波谷中，更接近真实断裂时刻的波谷。
进一步地，将断屑时间的平均值作为反映刀具状态的特征值，利用该特征值对钻削加工的刀具状态进行监测的步骤为：得到一个钻削加工过程对应的断屑时间后，计算断屑时间的平均值，作为反映该钻削加工过程的刀具状态的特征值，并设定阈值T1和阈值T2，且T1＜T2，当断屑时间的平均值大于等于T1且小于T2时，刀具发生严重磨损；当断屑时间的平均值大于等于T2时，刀具发生破损；所述的阈值T1和阈值T2通过刀具试验获得。
与现有技术相比，本发明具有以下有益的技术效果：
本发明利用从声发射信号中提取断屑时间的平均值作为特征值，进而对刀具状态进行监测。相对于对声发射信号进行计数分析、频谱分析、能量分析等信号处理方法，该方法能够有效地提取切屑断裂时刻，提取的特征值与刀具状态直接相关。提高了刀具状态监测的灵敏度，并且对加工参数的变化和加工过程的随机波动不敏感，从而实现了对钻削加工过程中刀具状态的可靠监测，具有广泛的工程应用价值。
附图说明
图1是本发明所述数据采集系统的示意图；
图2是从声发射信号中提取断屑时间，利用断屑时间均值作为特征值，对钻削加工的刀具状态进行监测的算法流程图；
图3是用来验证小波峰谷检测法识别信号波谷的准确性的示意图，图中信号是声发射信号的低频包络曲线，即周期性的切屑断裂信号，趋势是低频包络曲线的缓慢变化部分，波谷是利用小波峰谷检测法提取的信号波谷，方框标识的是切屑断裂时由于碰撞所产生的两个临近波谷；
图4是切屑质量均值和断屑时间均值对比图；
图5是利用深孔钻削的刀具磨损试验采集的声发射信号，来验证本发明提出的刀具状态监测方法的有效性的结果示意图。
其中，1为机床主轴；2为钻削加工刀具；3为加工工件；4为机床工作台；5为声发射传感器；6为前置放大器；7为模拟采集模块；8为电脑。
具体实施方式
下面结合附图对本发明作进一步详细描述：
参见图1，本发明包括数据采集系统和信号处理程序，数据采集系统以声发射传感器5为主，将声发射传感器5安装在尽量靠近加工工件3的机床工作台4上，信号处理程序采用LabVIEW软件编写。该刀具状态监测方法利用数据采集系统和信号处理程序，从声发射信号中提取断屑时间，将断屑时间的平均值作为反映刀具状态的一种特征值，利用该特征值对钻削加工的刀具状态进行监测。
从声发射信号中提取断屑时间的步骤为：首先利用数据采集系统采集钻削加工过程产生的声发射信号，然后利用信号处理程序中包络解调法得到声发射信号的低频包络曲线，再利用信号处理程序中小波峰谷检测法得到低频包络曲线的波谷位置(时刻)，从而计算得到反映刀具状态的断屑时间。
数据采集系统包括声发射传感器5、前置放大器6、模拟采集模块7和数据采集程序，声发射传感器5安装在尽量靠近加工工件3的机床工作台4上，前置放大器6将声发射传感器5输出的电荷信号转换为电压信号，并进行10倍放大和带通滤波，模拟采集模块7对前置放大器调理后的电压信号进行采集，电脑8中的数据采集程序采用LabVIEW软件编写，保存模拟采集模块7采集的数据。
信号处理程序采用LabVIEW软件编写，对声发射信号进行包络解调分析，并进行带通滤波得到声发射信号的低频包络曲线，然后利用小波峰谷检测法，准确地识别低频包络曲线的波谷位置(时刻)，计算相邻波谷的时间间隔，即为提取的能够反映刀具状态的断屑时间。具体实现步骤如下：
1)确定带通滤波器的截止频率，对钻削加工过程采集的声发射信号进行带通滤波；
2)利用Hilbert包络解调法对滤波后的信号进行包络解调，得到声发射信号的包络曲线；
3)确定带通滤波器的截止频率，对包络曲线再次进行带通滤波，得到声发射信号的低频包络曲线，提取出周期性的切屑断裂信号；
4)利用小波峰谷检测算法准确地识别低频包络曲线的波谷位置(时刻)。该算法利用双正交小波bior3_1进行非抽样小波变换UWT，相对于离散小波变换DWT，UWT在平滑度和精度之间有更好的折中。在得到各层细节系数后，首先从最底层查找过零点，作为峰谷的粗糙估计(过零点意味着信号在该位置可能是峰谷)；其次查找上一层细节系数在粗糙估计位置附近的过零点，作为峰谷的精细估计；重复进行直到第一层为止。
5)计算相邻波谷的时间间隔，提取出能够反映刀具状态的断屑时间。
利用小波峰谷检测法准确地识别低频包络曲线的波谷位置(时刻)，需要对小波峰谷检测算法的阈值(threshold)、宽度(width)、去趋势(detrend settings)等三个参数进行设置，以达到如下的波谷检测效果：(1)去除低频包络曲线中的缓慢变化的趋势项，该趋势项的周期远大于切屑断裂的周期，且幅值接近于0；(2)准确识别切屑断裂时由于碰撞所产生两个临近波谷中，更接近真实断裂时刻的波谷，切屑断裂信号的周期有峰值、峰谷，当峰值小于同时刻的趋势项幅值时，则该峰值前后的两个峰谷的最小值，认为是接近真实断裂时刻的波谷。
将断屑时间的平均值作为反映刀具状态的一种特征值，利用该特征值对钻削加工的刀具状态进行监测的步骤为：得到一个钻削加工过程对应的断屑时间后，计算断屑时间的平均值，作为反映该钻削加工过程的刀具状态的一种特征值，并设定阈值T1和阈值T2，且T1＜T2，当断屑时间的平均值大于等于T1且小于T2时，刀具发生严重磨损；当断屑时间的平均值大于等于T2时，刀具发生破损；所述的阈值T1和阈值T2通过刀具试验获得。
下面结合附图对本发明的操作过程做详细描述：
参阅图1，图1是本发明所述数据采集系统的示意图。金属材料的声发射信号主要分布在100～500kHz的带宽范围，故声发射传感器5选择在该频段内灵敏的谐振式声发射传感器。声发射传感器5通过磁座吸附在靠近加工工件3的机床工作台4上，加工工件3的正上方设置有连接在机床主轴1上的钻销加工刀具2。前置放大器6需要电源与输出信号分离，以适用于通用模拟采集模块7；同时具有多个放大增益(20/40/60dB)，根据现场情况选择合适的放大增益，以既不超过采集量程，又有足够高的放大以提高采集精度为准。模拟采集模块7需要选择高采样率、大缓存的数据采集模块。为了能够高效地采集数据，电脑8中的数据采集程序采用了生产者/消费者设计模式和队列技术。
参阅图2，图2是本发明的算法流程图。流程如下：(1)对每个钻削加工过程分别采集声发射信号；(2)确定带通滤波器的截止频率，对声发射信号进行滤波。对钻削加工刀具在不同磨损时期采集的多组声发射信号进行分析，本发明选择带通滤波的频段范围是50～200kHz；(3)利用Hilbert包络解调法对滤波后的信号进行包络解调，得到声发射信号的包络曲线；(4)确定带通滤波器的截止频率，对包络曲线进行带通滤波，得到声发射信号的低频包络曲线，提取出周期性的切屑断裂信号。根据钻削加工的进给量、刀具直径和切屑体积，估算断屑时间的大致范围，对应的频率即为带通滤波器的截止频率。本发明选择带通滤波的频段范围是1～80Hz；(5)利用小波峰谷检测法准确地识别低频包络曲线的波谷位置(时刻)，采用的是LabVIEW小波分析中Multiscale Peak Detection函数；(6)计算相邻波谷的时间间隔，提取出能够反映刀具状态的断屑时间；(7)对每个钻削加工过程采集的声发射信号分别提取断屑时间，并计算断屑时间的平均值；(8)利用断屑时间均值作为反映该钻削加工过程的刀具状态的一种特征值。并设定阈值T1和阈值T2，且T1＜T2，当断屑时间的平均值大于等于T1且小于T2时，刀具发生严重磨损；当断屑时间的平均值大于等于T2时，刀具发生破损；所述的阈值T1和阈值T2通过刀具试验获得。
参阅图3，用来验证小波峰谷检测法识别信号波谷的准确性。信号是声发射信号的低频包络曲线，波谷是利用小波峰谷检测法提取的信号波谷。需要对LabVIEW小波分析中Multiscale Peak Detection函数的阈值(threshold)、宽度(width)、去趋势(detrendsettings)等三个参数进行设置，以达到如下的波谷检测效果：(1)去除低频包络曲线中的缓慢变化的趋势项，如图中的趋势曲线；(2)准确识别切屑断裂时由于碰撞所产生两个临近波谷中，更接近真实断裂时刻的波谷，如图3方框标识部分。
参阅图4，采用枪钻刀具在加工现场进行深孔钻削的刀具磨损试验，在不同的刀具磨损时期收集钻削加工过程产生的部分切屑，利用精密电子秤称量每根切屑的质量并计算平均值，利用采集的声发射信号计算断屑时间的平均值，对比切屑质量均值和断屑时间均值。刀具直径是Ф6mm，钻孔深度是230mm，主轴转速是5300RPM，进给量是110mm/min，工件材料是45#钢材。对每个钻削加工过程分别采集声发射信号，采样率为1MHz。在不同的刀具磨损时期(加工第209个、383个、565个、860个、1010个工件)，收集钻削加工过程产生的部分切屑，利用精密电子秤称量每根切屑的质量并计算平均值，与相应钻削加工过程采集的声发射信号，计算断屑时间均值的对比。可以看到：两者存在很好的相关性；随着钻孔数的增加，两者总体呈上升趋势，说明刀具磨损程度增大。验证了提取断屑时间方法的正确性。
参阅图5，利用刀具磨损试验采集的声发射信号，来验证提出的刀具状态监测方法的有效性。对枪钻刀具进行深孔钻削试验，每隔20个工件，利用工具显微镜测量后刀面的平均磨损宽度VB。每隔4个工件，对相应钻削加工过程采集的声发射信号提取断屑时间，计算断屑时间的平均值，并对其进行滑动平均以平滑曲线的波动，对比刀具磨损量和断屑时间均值。可以看到：测量的刀具磨损量与计算的平滑后断屑时间均值呈现较好的相关性，验证了本发明以断屑时间均值作为反映刀具状态的一种特征值的有效性。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定专利保护范围。
Claims (4)
1.一种基于断屑时间提取的刀具状态监测方法，其特征在于，该刀具状态监测方法利用数据采集系统和信号处理程序，从钻削加工过程产生的声发射信号中提取断屑时间，将断屑时间的平均值作为反映刀具状态的特征值，利用该特征值对钻削加工的刀具状态进行监测；
所述从声发射信号中提取断屑时间的步骤为：首先利用数据采集系统采集钻削加工过程产生的声发射信号，然后利用信号处理程序中包络解调法得到声发射信号的低频包络曲线，再利用信号处理程序中小波峰谷检测法得到低频包络曲线的波谷位置，从而得到反映刀具状态的断屑时间；
利用信号处理程序中包络解调法得到声发射信号的低频包络曲线，再利用信号处理程序中小波峰谷检测法得到低频包络曲线的波谷位置，从而得到反映刀具状态的断屑时间具体为：首先对声发射信号进行带通滤波，然后利用包络解调法对带通滤波后的声发射信号进行包络解调分析得到低频包络曲线，再对低频包络曲线进行带通滤波，然后利用小波峰谷检测法，准确地识别带通滤波后的低频包络曲线的波谷位置，计算相邻波谷的时间间隔，从而提取出反映刀具状态的断屑时间。
2.根据权利要求1所述的一种基于断屑时间提取的刀具状态监测方法，其特征在于，所述数据采集系统包括安装在机床工作台(4)上的声发射传感器(5)，声发射传感器(5)上连接有用于对声发射传感器(5)的输出信号进行调理的前置放大器(6)，前置放大器(6)上连接有用于采集调理后的电压信号的模拟采集模块(7)，模拟采集模块(7)上连接有用于保存采集数据的电脑(8)，所述信号处理程序置于电脑(8)中；
机床工作台(4)上设置加工工件(3)，加工工件(3)的正上方设置有连接在机床主轴(1)上的钻销加工刀具(2)。
3.根据权利要求1所述的一种基于断屑时间提取的刀具状态监测方法，其特征在于，所述利用小波峰谷检测法准确地识别低频包络曲线的波谷位置，具体是对小波峰谷检测算法的阈值、宽度、去趋势三个参数进行设置，以达到如下波谷检测效果：第一、去除低频包络曲线中缓慢变化的趋势项；第二、准确识别切屑断裂时由于碰撞所产生的两个临近波谷中，更接近真实断裂时刻的波谷。
4.根据权利要求1所述的一种基于断屑时间提取的刀具状态监测方法，其特征在于，将断屑时间的平均值作为反映刀具状态的特征值，利用该特征值对钻削加工的刀具状态进行监测的步骤为：得到一个钻削加工过程对应的断屑时间后，计算断屑时间的平均值，作为反映该钻削加工过程的刀具状态的特征值，并设定阈值T1和阈值T2，且T1＜T2，当断屑时间的平均值大于等于T1且小于T2时，刀具发生严重磨损；当断屑时间的平均值大于等于T2时，刀具发生破损；所述的阈值T1和阈值T2通过刀具试验获得。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710547440.2A CN107350900B (zh) | 2017-07-06 | 2017-07-06 | 一种基于断屑时间提取的刀具状态监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710547440.2A CN107350900B (zh) | 2017-07-06 | 2017-07-06 | 一种基于断屑时间提取的刀具状态监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107350900A CN107350900A (zh) | 2017-11-17 |
| CN107350900B true CN107350900B (zh) | 2019-04-12 |
Family
ID=60292745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710547440.2A Active CN107350900B (zh) | 2017-07-06 | 2017-07-06 | 一种基于断屑时间提取的刀具状态监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107350900B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10908124B2 (en) * | 2017-12-27 | 2021-02-02 | Fisher Controls International Llc | Methods and apparatus to generate an acoustic emission spectrum using chirp demodulation |
| CN108356607B (zh) * | 2018-04-26 | 2023-08-08 | 中南大学 | 用于监测切削加工及切屑形成中刀具状态的装置及方法 |
| CN108723895B (zh) * | 2018-05-25 | 2019-12-31 | 湘潭大学 | 一种用于钻削加工状态实时监测的信号分割方法 |
| CN109765841A (zh) * | 2019-01-09 | 2019-05-17 | 西北工业大学 | 在线监测数据与零件加工位置的时空映射方法 |
| US11623316B2 (en) * | 2019-04-23 | 2023-04-11 | University Of Kentucky Research Foundation | Testbed device for use in predictive modelling of manufacturing processes |
| CN113369989A (zh) * | 2021-07-02 | 2021-09-10 | 湘潭大学 | 一种可实时监测的变进给车削断屑法 |
| CN113624848A (zh) * | 2021-08-10 | 2021-11-09 | 北京理工大学 | 一种基于声发射的切削状态识别方法及系统 |
| CN117840819B (zh) * | 2024-03-08 | 2024-05-17 | 南京航空航天大学 | 一种基于lm算法的钻削加工刀具堵屑智能监测方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006127709A2 (en) * | 2005-05-26 | 2006-11-30 | The University Of Connecticut | System and method for chatter stability prediction and control in simultaneous machining applications |
| CN102172849A (zh) * | 2010-12-17 | 2011-09-07 | 西安交通大学 | 基于小波包和概率神经网络的刀具破损自适应报警方法 |
| CN104162809A (zh) * | 2013-05-18 | 2014-11-26 | 吴寅 | 一种刀具状态远程监控补偿系统 |
| CN103433806A (zh) * | 2013-08-01 | 2013-12-11 | 上海交通大学 | 一种自适应的刀具微破损监控系统及监控方法 |
-
2017
- 2017-07-06 CN CN201710547440.2A patent/CN107350900B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107350900A (zh) | 2017-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107350900B (zh) | 一种基于断屑时间提取的刀具状态监测方法 | |
| Liu et al. | On-line chatter detection using servo motor current signal in turning | |
| Cao et al. | Chatter identification in end milling process based on EEMD and nonlinear dimensionless indicators | |
| CN102765010B (zh) | 刀具破磨损状态检测方法及其检测系统 | |
| CN110059442B (zh) | 一种基于零件表面粗糙度和功率信息的车削加工换刀方法 | |
| CN109262368B (zh) | 一种刀具失效判定方法 | |
| CN111761409A (zh) | 一种基于深度学习的多传感器数控机床刀具磨损监测方法 | |
| CN103962888A (zh) | 一种基于小波去噪和希尔伯特-黄变换的刀具磨损监测方法 | |
| CN106217130B (zh) | 复杂曲面加工过程中铣刀状态在线监测与预警方法 | |
| Ai et al. | The milling tool wear monitoring using the acoustic spectrum | |
| CN104741638A (zh) | 一种车削刀具磨损状态监测系统 | |
| CN109352416B (zh) | 一种机床主轴夹屑和/或刀具缠屑的报警方法及装置 | |
| CN113752089B (zh) | 一种基于奇异性李氏指数的刀具状态监测方法 | |
| Patra | Acoustic emission based tool condition monitoring system in drilling | |
| Raja et al. | Hilbert–Huang transform-based emitted sound signal analysis for tool flank wear monitoring | |
| Du et al. | Intelligent turning tool monitoring with neural network adaptive learning | |
| CN112207631B (zh) | 刀具检测模型的生成方法、检测方法、系统、设备及介质 | |
| CN113624848A (zh) | 一种基于声发射的切削状态识别方法及系统 | |
| CN103971001A (zh) | 一种基于emd分解的刀具运行状态可靠性评估方法 | |
| CN114346761A (zh) | 一种基于改进条件生成对抗网络的刀具磨损状况检测方法 | |
| CN112720071A (zh) | 多能域信号智能化融合的刀具实时状态监测指标构造方法 | |
| CN100371925C (zh) | 一种基于声音信号特征的机床类型的判别法 | |
| CN114888635A (zh) | 一种刀具状态监测方法 | |
| CN210878880U (zh) | 一种数控车床刀具磨损监测系统 | |
| CN113436645A (zh) | 复杂噪声环境下的机电系统故障在线监测声学处理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |