CN119057565B - 基于工业物联网的数控加工刀具智能监测方法和系统 - Google Patents

Abstract

本发明提供一种基于工业物联网的数控加工刀具智能监测方法和系统，该方法包括：基于刀具图像获取刀具的表观信息；获取刀具和数控机床在多个时间点的运行状态信息；采集至少一个加工阶段的工件图像，并基于工件图像确定工件信息；对工件信息进行处理，生成加工质量信息；调取表观信息、运行状态信息和刀具加工信息，并生成刀具磨损信息；根据刀具磨损信息，发出警报；根据刀具磨损信息确定待更换刀具；以及，发出转速调整指令和/或频率调整指令。通过上述方法，能够更精准的确定刀具更换时机，减小因过早更换或刀具损坏导致的浪费，更好地避免刀具因使用寿命耗尽而突然断裂、失效带来的安全风险，保证生产安全及产品质量。

Description

基于工业物联网的数控加工刀具智能监测方法和系统

技术领域

本说明书涉及数控加工领域，特别涉及基于工业物联网的数控加工刀具智能监测方法和系统。

背景技术

刀具磨损是机械加工中的常见现象，刀具磨损会降低工件加工精度、劣化工件表面粗糙度、减少设备使用寿命、产生车削热、增加停机时间、直接降低生产效率和收益。为了避免因刀具磨损而造成损失，目前工厂大多根据加工经验和刀具平均寿命来替换刀具，常会导致刀具已经磨损但未被换下或磨损并不严重却被换下，这种方法并不能有效解决刀具磨损造成的机械加工问题。因此对刀具磨损状态的监测得十分必要，特别是随着现代全自动制造系统的逐渐普及，刀具自动监控成为必然趋势。

鉴于此，有必要提供基于工业物联网的数控加工刀具智能监测方法及系统，以更好地监测数控机床的刀具的状态。

发明内容

为更好地监测数控机床的道具状态，及时更换刀具，本发明提供一种基于工业物联网的数控加工刀具智能监测方法。

发明内容包括一种基于工业物联网的数控加工刀具智能监测方法，其特征在于，由基于工业物联网的数控加工刀具智能监测系统的工业物联网管理平台执行；所述工业物联网管理平台被配置在处理器中，通过传感网络平台与感知控制平台通信连接；所述传感网络平台被配置在通信装置上；所述感知控制平台被配置在所述数控机床的主机中，所述感知控制平台被配置为控制摄像头和机床监控装置的运行；所述方法包括：基于刀具图像获取刀具表观信息，并将所述表观信息存储到所述工业物联网管理平台的数据中心中；所述刀具图像通过所述摄像头，在预设采集时间获取；所述预设采集时间包括所述刀具处于停止状态的时间；响应于所述刀具处于运转状态，基于所述机床监控装置，获取所述刀具和所述数控机床在多个时间点的运行状态信息，并将所述运行状态信息通过所述通信装置，发送至所述工业物联网管理平台的所述数据中心中；向所述感知控制平台发出影像采集指令，以控制所述摄像头以预设频率，采集至少一个加工阶段的工件图像，并基于所述工件图像确定工件信息；所述至少一个加工阶段基于所述刀具的运行轨迹确定；对所述工件信息进行处理，生成所述至少一个加工阶段对应的加工质量信息，并将所述加工质量信息存储到所述工业物联网管理平台的所述数据中心中；从所述数据中心中调取所述表观信息、所述运行状态信息和所述加工质量信息，并生成刀具磨损信息；根据刀具磨损信息，通过机床预警装置和/或交互屏发出警报，提示所述刀具的磨损情况；根据所述刀具磨损信息确定待更换刀具；控制刀具更换组件从备用刀具盒中夹取备用刀具；发出转速调整指令和/或频率调整指令；所述转速调整指令用于控制刀具固定组件的转速，以调整所述待更换刀具的加工强度；所述频率调整指令用于调整所述摄像头的采集频率。

发明内容还包括一种基于工业物联网的数控加工刀具智能监测系统，其特征在于，所述系统包括工业物联网管理平台、传感网络平台和感知控制平台；所述工业物联网管理平台被配置在处理器中，通过所述传感网络平台与所述感知控制平台通信连接；所述传感网络平台被配置在通信装置上；所述感知控制平台被配置在所述数控机床的主机中，所述感知控制平台被配置为控制摄像头和机床监控装置的运行；所述工业物联网管理平台被配置为：基于刀具图像获取刀具表观信息，并将所述表观信息存储到所述工业物联网管理平台的数据中心中；所述刀具图像通过所述摄像头，在预设采集时间获取；所述预设采集时间包括刀具处于停止状态的时间；响应于所述刀具处于运转状态，基于所述机床监控装置，获取所述刀具和所述数控机床的运行状态信息，并将所述运行状态信息通过所述通信装置，发送至所述数据中心中；向所述感知控制平台发出影像采集指令，以控制所述摄像头以预设频率，采集工件图像，并基于所述工件图像确定工件信息；对所述工件信息进行处理，生成加工质量信息，并将所述加工质量信息通过所述通信装置，存储到所述数据中心中；从所述数据中心中调取所述表观信息、所述运行状态信息和所述加工质量信息，并生成刀具磨损信息；根据刀具磨损信息，通过机床预警装置和/或交互屏发出警报，提示所述刀具的磨损情况；根据所述刀具磨损信息确定待更换刀具；控制刀具更换组件从备用刀具盒中夹取备用刀具；以及，发出转速调整指令和/或频率调整指令；所述转速调整指令用于控制刀具固定组件的转速，以调整所述待更换刀具的加工加强度；所述频率调整指令用于调整所述摄像头的采集频率。

通过上述方法和系统，能够更精准的确定刀具更换时机，减小因过早更换或刀具损坏导致的浪费，而更好地保证数控机床的生产效率；及时确定待更换刀具、调整待更换刀具在更换前的加工强度，能够更好地避免刀具因使用寿命耗尽而突然断裂、失效带来的安全风险，保证生产安全；及时更换磨损的刀具，可以避免刀具磨损严重对工件质量的影响，确保加工度，从而提高产品质量。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的基于工业物联网的数控加工刀具智能监测系统的平台结构示意图；

图2是根据本说明书一些实施例所示的基于工业物联网的数控加工刀具智能监测方法的示例性流程图；

图3是根据本说明书一些实施例所示的生成加工质量信息的示意图；

图4是根据本说明书一些实施例所示的确定刀具磨损信息的示意图；

图5是根据本说明书一些实施例所示的确定待更换刀具的示例性示意图。

附图标记说明：100-基于工业物联网的数控加工刀具智能监测系统；110-工业物联网管理平台；120-传感网络平台；130-感知控制平台；310-工件材料信息；320-刀具运行轨迹；330-工件信息；340-加工质量信息；410-摄像头；420-第一监测部件；430-运行状态信息；431-切削液变化信息；432-切削力数据序列；440-第二监测部件；450-刀具；460-表观信息；470-磨损程度；480-刀具磨损信息；510-历史加工数据；520-剩余寿命序列；530-更换优先级；540-待更换刀具。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的基于工业物联网的数控加工刀具智能监测系统的平台结构示意图。如图1所示，在一些实施例中，基于工业物联网的数控加工刀具智能监测系统100可以包括工业物联网管理平台110、传感网络平台120和感知控制平台130。

工业物联网管理平台110是统筹、协调各功能平台之间的联系和协作，并汇聚着物联网全部的信息，为物联网运行体系提供感知管理和控制管理功能的平台。

在一些实施例中，工业物联网管理平台110可以对数控机床生命周期进行监管、管理。例如，对数控机床的加工过程，以及数控机床及其组件的维修养护进行管理。

在一些实施例中，数控机床可以包括主机。

在一些实施例中，工业物联网管理平台110可以包括数据中心、生产工艺管理分平台和设备管理分平台。

数据中心可以用于存储基于工业物联网的数控加工刀具智能监测系统100的所有运行信息。在一些实施例中，数据中心可以被配置在存储装置中，用于存储与数控加工刀具智能监测的相关数据等。例如，刀具的表观信息、刀具和数控机床在多个时间点的运行状态信息、至少一个加工阶段的工件图像、工件信息、刀具运行轨迹、加工质量信息、刀具磨损信息等；还可以包括数控加工刀具智能监测过程中产生的其他数据。

生产工艺管理分平台与数据中心信息交互，用于生产工艺管理；通过生产工艺管理分平台可实现对数控加工任务进行数控加工工艺模拟，形成数控加工工艺参数，包括刀具转速、进给速度、刀具运行轨迹等；生产工艺管理分平台还用于对刀具实际运行轨迹数据与模拟轨迹数据进行比对，判断实际运行轨迹是否存在异常并进行报警。

设备管理分平台与数据中心信息交互，用于设备状态监测管理；通过刀具状态监测模型对刀具使用寿命进行监测和预警。

在一些实施例中，工业物联网管理平台110可以被配置在处理器中。

传感网络平台120是对传感通信进行管理的功能平台。在一些实施例中，传感网络平台120可以实现感知信息传感通信和控制信息传感通信的功能。

在一些实施例中，传感网络平台120可以连接工业物联网管理平台110和感知控制平台130，实现二者的信息交互。

在一些实施例中，传感网络平台120可以被配置在通信装置上。

感知控制平台130是感知信息生成和控制信息执行的功能平台。

在一些实施例中，感知控制平台130可以被配置在数控机床的主机中，用于控制摄像头和机床监控装置的运行。

在一些实施例中，感知控制平台130可以执行数控加工指令并采集数控机床的运行参数；所述设备运行参数包括但不限于主轴转速、刀具信息（刀具型号、刀具材质、刀具形状等）、坐标（刀具坐标、工件坐标）、设备负载（主轴负载、X轴负载、Y轴负载、Z轴负载等）、进给速度等。

本说明书一些实施例中，通过基于工业物联网的数控加工刀具智能监测系统100，可以在工业物联网管理平台和感知控制平台之间形成信息运行闭环，并在统一管理下协调、规律运行，实现数控加工刀具智能监测的信息化、智慧化。

应当理解，图1所示的系统及其平台结构可以利用各种方式来实现。在一些实施例中，前述处理器、通信装置、存储装置和数控机床的主机等，可以集成在一处也可分别设置。

需要注意的是，以上对于基于工业物联网的数控加工刀具智能监测系统100及其平台结构的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个平台结构进行任意组合，或者构成子系统与其他平台结构连接。例如，各个平台结构可以共用一个存储模块，也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

图2是根据本说明书一些实施例所示的基于工业物联网的数控加工刀具智能监测方法的示例性流程图。

在一些实施例中，基于工业物联网的数控加工刀具智能监测方法可以包括：基于刀具图像获取刀具表观信息，并将表观信息，通过通信装置，发送至主机并存储到存储装置中；响应于刀具处于运转状态，基于机床监控装置，获取刀具和数控机床在多个时间点的运行状态信息，并将运行状态信息通过通信装置，发送至主机并存储到存储装置中；向感知控制平台发出影像采集指令，以控制所述摄像头以预设频率，采集至少一个加工阶段的工件图像，并基于工件图像确定工件信息；对工件信息进行处理，生成至少一个加工阶段对应的加工质量信息，并将加工质量信息通过通信装置发送至主机，存储到存储装置中；从所述存储装置中调取表观信息、运行状态信息和加工质量信息，并生成刀具磨损信息；根据刀具磨损信息，通过机床预警装置和/或交互屏发出警报，提示刀具的磨损情况；根据刀具磨损信息确定待更换刀具；控制刀具更换组件从备用刀具盒中夹取备用刀具；发出转速调整指令和/或频率调整指令。

如图2所示，流程200包括下述步骤。在一些实施例中，流程200可以由工业物联网管理平台110的处理器执行。

步骤210，基于刀具图像获取刀具表观信息。

刀具图像指记录刀具外观、结构及细节的图像。在一些实施例中，刀具图像可以包括包含刀具在不同时间点的至少一个图像。例如，刀具还未被使用时的初始刀具图像、刀具被使用后的至少一个图像等。

在一些实施例中，刀具可以是数控机床所采用的可转位车刀，包括但不限于外圆车刀、钻头、镗刀、切断刀、螺纹加工刀具中的至少一种。

在一些实施例中，处理器可以向感知控制平台发送图像获取指令，以使感知控制平台控制摄像头在预设采集时间获取刀具图像。其中，预设采集时间可以包括刀具处于停止状态的时间，例如，数控机床开始工作前的时间和/或数控机床结束工作后的时间，也可以是其他刀具处于停止状态的时间。

刀具表观信息指可以直观反映刀具状态的信息。例如，刀具表观信息可以包括刀具刃口状态，如，刀具刃口是否变形（也可被称为刃口平整度）、刃口宽度变化中的至少一种；又例如，刀具表观信息还可以包括刀具形状、尺寸、颜色、表面纹理等其他信息。仅作为示例，刃口变形可以包括但不限于刃口出现缺口、刃口歪斜中的至少一种。

在一些实施例中，刀具表观信息可以用表观信息向量的形式表示。仅作为示例，表观信息向量可以表示为。其中，为刀具刃口是否变形，0表示未变形，1表示发生变形；表示刃口宽度变化，可以用初始刃口宽度的倍数表示。例如，（0，0）表示刀具刃口未变形，刃口宽度无变化；又例如，（1，0.3）表示刀具刃口发生变形，刃口宽度变化为刃口宽度增加了初始刃口宽度的0.3倍。其中，初始刃口宽度指刀具未被使用时的刃口宽度。

在一些实施例中，处理器可以对刀具图像进行预处理，对预处理后的刀具图像进行分析，确定刀具表观信息。其中，预处理可以为灰度处理。

仅作为示例，处理器可以对初始刀具图像和刀具使用后至少一个时间点的刀具图像进行灰度处理，获得待分析图像；通过图像对比算法对待分析图像进行对比分析，确定刀具在使用后的至少一个时间点刃口是否变形，以及刃口宽度变化情况。其中，图像对比算法可以包括基于像素比较的方法、基于直方图比较的方法、基于特征提取和匹配的方法和基于深度学习的方法中的至少一种，也可以是其他能够进行图像差异对比的算法。

在一些实施例中，处理器可以基于某一时间点对应的刀具图像与初始刀具图像进行对比，确定刀具刃口的形变值，若形变值大于预设形变阈值，则确定刃口发生变形。其中，刀具刃口的形变值指刀具刃口的位置与初始刀具图像中的初始位置的差异，可以用数值表示，例如，0.1mm等。预设形变阈值指使用刀具进行加工产品时会出现质量问题的最小形变值，可基于历史加工数据确定，例如，预设形变阈值可以为0.4mm。

在一些实施例中，处理器可以基于某一时间点对应的刀具图像与初始刀具图像，确定刀具在该时间点的刃口宽度以及初始刃口宽度，进而确定刀具在该时间点的刃口宽度相较于初始刃口宽度的变化值，并基于刃口宽度的变化值与初始刃口宽度确定刃口宽度变化。

在一些实施例中，处理器可以将刀具表观信息发送至工业物联网管理平台的数据中心。该数据中心可以配置在存储装置中。示例性的，处理器可以通过通信装置将刀具表观信息发送并存储至配置存储装置中的数据中心。

步骤220，响应于刀具处于运转状态，基于机床监控装置，获取刀具和数控机床的运行状态信息。

在一些实施例中，运行状态信息可以包括刀具状态、机床状态中的至少一种。

刀具状态是用于反映刀具的运行状态的信息，可以包括反映刀具运行状态的至少一个参数值，例如，刀具振动数据、刀具加工声音、刀具温度数据等，还可以包括其他能够反映刀具运行状态的信息。

在一些实施例中，刀具状态可以包括刀具在至少一个时间点的运行状态信息。

机床状态是用于反映数控机床的运行状态的信息，可以包括反映数控机床运行状态的至少一个参数值，例如，运行功率、电流大小等，还可以包括其他能够反映数控机床运行状态的信息。

在一些实施例中，机床运行状态可以包括数控机床在至少一个时间点的运行状态信息。

在一些实施例中，处理器可以通过多种方式获取刀具的刀具运行状态和数控机床的机床运行状态。

在一些实施例中，响应于刀具处于运转状态，处理器可以基于机床监控装置，获取刀具的刀具运行状态和数控机床的机床运行状态。

关于机床监控装置的更多说明可参见本说明书图1中的相关描述。

在一些实施例中，运行状态信息还可以包括切削液变化信息和/或切削力数据序列。处理器可以通过摄像头以及配置在切削液储存罐中的第一监测部件，采集切削液变化信息，通过第二监测部件，采集刀具的切削力数据序列。详细说明可参见本说明书图4中的相关描述。

在一些实施例中，处理器可以将运行状态信息（如，刀具运行状态和机床运行状态）发送至工业物联网管理平台的数据中心。该数据中心可以配置在存储装置中。示例性的，处理器可以通过通信装置，将运行状态信息（如，刀具运行状态和机床运行状态）发送至数控机床的主机并存储到存储装置中。

步骤230，向感知控制平台发出影像采集指令，以控制摄像头以预设频率，采集工件图像，并基于工件图像确定工件信息。

工件图像指记录工件外观、结构及细节的图像。在一些实施例中，工件图像可以包括工件在至少一个加工阶段的至少一个图像。

其中，加工阶段是指工件在生产或加工过程中，根据其加工要求和工艺特性，被划分为的一个或多个具体的加工步骤或阶段，每个加工阶段可以对应处理工件的不同加工区域。示例性的，加工阶段可以包括粗加工阶段、半精加工阶段和精加工阶段中的至少一种，对于精度要求特别高的工件，还可能包括光整加工和超精密加工阶段。

在一些实施例中，处理器可以向感知控制平台发出影像采集指令，以控制摄像头以预设频率采集工件图像。

影像采集指令是指示设备进行图像捕捉和记录的操作指令。其中，设备可以是摄像头。示例性地，处理器可以基于影像采集指令，通过感知控制平台，控制摄像头采集工件图像。

预设频率指预先设置的，用于指导设备以特定频率进行图像采集的参数。

在一些实施例中，处理器可以基于用户输入确定预设频率。例如，处理器可以通过用户终端获取用户输入的预设频率，通过通信装置将预设频率发送至数控机床的主机，并存储在存储装置中。

在一些实施例中，不同加工阶段可以对应不同的预设频率，加工阶段对加工精度的要求越高，对应的预设频率越高。

在一些实施例中，处理器可以基于刀具运行轨迹确定工件当前的加工阶段，根据当前的加工阶段确定应该采用的预设频率。

仅作为示例，处理器可以实时获取一段时间内的刀具运行轨迹，将实时获取的刀具运行轨迹，与存储装置中存储的历史运行轨迹进行对比，确定相似度最高的目标运行轨迹，并将目标运行轨迹对应的加工阶段确定为当前的加工阶段。

工件信息是描述工件属性的数据集合，可以包括描述工件属性的至少一个数据，例如，工件外观、工件尺寸、尺寸偏差、工件颜色中的至少一个，还可以包括其他能够反映工件属性的数据。其中，尺寸偏差指工件实际尺寸与标准尺寸的差异。

在一些实施例中，处理器可以对工件图像进行处理（如，灰度处理），基于处理后的工件图像，通过图像分析算法确定工件外观、工件尺寸、工件颜色中的至少一种；将工件外观与标准图像通过图像对比算法进行对比，确定工件的多个关键点的尺寸偏差；基于工件外观、工件尺寸、工件颜色、尺寸偏差中的至少一种确定工件信息。

标准图像指在理想状态下加工获得的工件图像。在一些实施例中，标准图像可以基于从建模软件中提取的标准工件外观确定。

工件的多个关键点指工件上具有特殊重要性和/或需要特别关注的特征点或位置。该关键点可以用于描述工件的形状、尺寸、位置关系等关键属性，对保证工件质量、精度和功能性有重要作用。

图像分析算法可以包括图形尺寸测量算法、颜色特征提取算法、外观特征提取算法中的至少一种；关于图像对比算法的更多说明可参见前文步骤210中的相关描述。

步骤240，对工件信息进行处理，生成加工质量信息。

加工质量信息是表征刀具加工的工件质量的数据。在一些实施例中，加工质量信息可以包括工件的至少一个区域的质量。前述质量可以用0-1之间的数值表示，数值越大，表示加工质量越好。

工件的至少一个区域和工件加工的至少一个加工阶段对应。例如，不同加工阶段可以对应工件上的不同区域。关于加工阶段的更多说明可参见步骤230中的相关描述。

在一些实施例中，处理器可以根据工件局部尺寸偏差的大小，确定加工质量信息。例如，处理器可以获取工件上存在尺寸偏差的至少一个局部点，并基于下述公式（1）确定每个局部点的加工质量：

（1）

其中，为局部点的加工质量；为尺寸偏差，关于尺寸偏差的说明可参见前文描述；为局部工件尺寸。其中。局部工件尺寸指局部点所在的工件的区域的最小尺寸，可基于工件设计图纸及该局部点所在的加工阶段确定，关于加工阶段及其对应的区域的更多说明可参见步骤230中的相关描述。

在一些实施例中，处理器可以基于工件上存在尺寸偏差的至少一个局部点的加工质量，确定加工质量信息。

在一些实施例中，处理器还可以调取与工件信息对应的刀具运行轨迹，基于工件材料信息、刀具运行轨迹和工件信息，生成加工质量信息。

在一些实施例中，处理器还可以基于工件对应的标准运行轨迹和刀具运行轨迹，确定轨迹差异信息，基于轨迹差异信息、工件材料信息和工件信息，生成加工质量信息。

更多详细说明可参见本说明书图3中的相关描述。

在一些实施例中，处理器可以将加工质量信息发送至工业物联网管理平台的数据中心。该数据中心可以配置在存储装置中。示例性的，处理器可以通过通信装置将加工质量信息发送并存储至前述数据中心。

步骤250，从数据中心中调取表观信息、运行状态信息和加工质量信息，并生成刀具磨损信息。

在切削加工过程中，刀具会因持续与工件材料摩擦、冲击及高温等因素的作用，产生磨损。刀具磨损信息是表征刀具磨损程度数据。在一些实施例中，刀具磨损信息可以用0-1之间的数值表示，0表示刀具没有磨损，数值越大刀具的磨损程度越高，1表示磨损严重需要更换刀具。

在一些实施例中，处理器可以通过多种方式确定刀具磨损信息。

仅作为示例，处理器可以从数据中心调取刀具的表观信息、运行状态信息和加工质量信息，基于前述表观信息、运行状态信息和加工质量信息，查询磨损程度参考表，确定刀具磨损信息。

在一些实施例中，磨损程度参考表可以包括参考表观信息、参考运行状态和参考质量信息及其对应的参考磨损信息。

在一些实施例中，磨损程度参考表可以基于历史加工数据确定。例如，处理器可以基于历史加工数据中刀具的历史表观信息、历史运行状态信息和历史加工信息确定参考表观信息、参考运行状态和参考质量信息；处理器可以通过获取人工输入确定，在前述参考表观信息、参考运行状态信息和参考质量信息的加工条件下，刀具对应的参考磨损信息，示例性的，当刀具发生变形时标记参考磨损信息为1，刃口宽度大于预设宽度阈值时标记参考磨损信息为1，刃口宽度大于预设宽度阈值确定加工质量不满足质量阈值时，标记参考磨损信息为1。其中，预设宽度阈值、质量阈值可以基于先验经验和/或实际需求设置。

在一些实施例中，处理器还可以基于刀具的表观信息、刀具运行状态和加工质量信息，评估刀具在至少一个时间段的磨损程度；基于刀具在至少一个时间段的磨损程度，生成刀具磨损信息。

更多相关说明可参见本说明书图4中的相关描述。

步骤260，根据刀具磨损信息，通过机床预警装置和/或交互屏发出警报，提示刀具的磨损情况。

机床预警装置可以是设置在机床上的用于提示机床加工状态的装置。在一些实施例中，机床预警装置可以用于提示加工故障或刀具磨损情况等。

交互屏可以指可以实现人机交互的屏幕，可以是数控机床的屏幕、用户终端的屏幕等。交互屏可以由工业物联网管理平台管理，用户可以从交互屏控制机床以及获取机床相关信息，例如，机床的型号、机床状态、加工信息和预警信息等。

警报可以是提示刀具磨损情况的信息。在一些实施例中，警报可以包括但不限于声光预警、文字预警、预警窗口中的至少一种。

在一些实施例中，处理器可以根据刀具磨损信息，通过机床预警装置和/或交互屏发出警报，提示刀具的磨损情况。例如，当刀具磨损信息达到磨损程度阈值时，发出警报。其中，磨损程度阈值为磨损程度临界值，当磨损程度到达该临界值时，需要更换刀具。在一些实施例中，磨损程度阈值可以基于先验经验和/或实际需求确定。

步骤270，根据刀具磨损信息确定待更换刀具，控制刀具更换组件从备用刀具盒中夹取备用刀具。

在一些实施例中，处理器可以将刀具磨损信息大于或等于磨损程度阈值的刀具确定为待更换刀具。

在一些实施例中，处理器可以向感知控制平台发送刀具夹取指令，以控制刀具更换组件从备用刀具盒中夹取备用刀具，并将备用刀具放置到指定位置，以便于工作人员对刀具进行更换。

刀具更换组件是用于辅助进行刀具更换的组件。在一些实施例中，刀具更换组件可以包括多个互相协作的组件。例如，机械臂、夹取部件、驱动装置等。其中，夹取部件用于夹取备用刀具盒中的备用刀具，机械臂用于控制夹取部件的移动，驱动装置用于提供动力。其中，备用刀具盒是用于存放备用刀具的容器。

步骤280，发出转速调整指令和/或频率调整指令。

在一些实施例中，响应于触发调整条件，处理器可以通过感知控制平台向数控机床发出转速调整指令和/或频率调整指令。其中，调整条件可以包括处理器确定好待更换刀具。

转速调整指令是用于调整刀具固定组件转速的指令。

在一些情况下，刀具的磨损程度到达磨损程度阈值时并不会马上进行更换，还可能继续加工其他工作，此时需要调整刀具固定组件的转速，以降低待更换刀具的加工强度，从而避免刀具突然损坏，影响加工质量。

在一些实施例中，转速调整指令可以包括转速调整值。转速调整值可以基于待更换刀具的磨损程度确定。待更换刀具的磨损程度越高，其能承受的加工强度越小，对应的刀具固定组件的转速越小。

频率调整指令是用于调整摄像头的图像采集频率的指令。

在一些实施例中，频率调整指令可以包括调整后的采集频率。处理器可以基于预先设置的调整规则确定调整后的采集频率，待更换刀具的磨损程度越高，调整后的采集频率越高。

在一些实施例中，处理器可以通过下述公式（2）确定调整后的采集频率：

（2）

其中，为调整后的采集频率；为预设频率，详细说明可参见步骤230中的描述；为待更换刀具的磨损程度，可以基于待更换刀具对应的刀具磨损信息确定。

本说明书一些实施例中，通过刀具表观信息、刀具和数控机床的运行状态信息以及加工质量信息进行分析，生成刀具磨损信息，进而发出警报、确定待更换刀具，并及时调整待更换刀具在更换前的加工强度。通过上述方法，能够更精准的确定刀具更换时机，减小因过早更换或刀具损坏导致的浪费，而更好地保证数控机床的生产效率；及时确定待更换刀具、调整待更换刀具在更换前的加工强度，能够更好地避免刀具因使用寿命耗尽而突然断裂、失效带来的安全风险，保证生产安全；及时更换磨损的刀具，可以避免刀具磨损严重对工件质量的影响，确保加工度，从而提高产品质量。

应当注意的是，上述有关流程200的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图3是根据本说明书一些实施例所示的生成加工质量信息的示意图。如图3所示，生成加工质量信息的过程包括以下内容。在一些实施例中，生成加工质量信息的过程可以由工业物联网管理平台110的处理器执行。

在一些实施例中，处理器可以调取与工件信息对应的刀具运行轨迹，基于工件材料信息310、刀具运行轨迹320和工件信息330，生成加工质量信息340。

刀具运行轨迹指数控机床工作过程中刀具的位置移动数据。在一些实施例中，刀具运行轨迹可以用序列数据的形式表示，包括刀具上多个采样点在多个时间点的位置坐标。其中，刀具上多个采样点指刀具上能够与工件产生接触的至少一个点；位置坐标可以基于预先设置的坐标系确定。

在一些实施例中，前述多个时间点可以包括至少一个加工阶段的至少一个时间点。关于至少一个加工阶段的更多说明可参见本说明书图2步骤230中的相关描述。

在一些实施例中，处理器可以控制数控机床自动采集刀具的运行轨迹。

工件材料信息是表征工件材质的信息。例如，合金钢、铝合金或其他材料等。在一些实施例中，工件材料信息可以基于用户输入确定。

关于工件信息的详细说明可参见本说明书图2步骤230中的相关说明。

关于加工质量信息的详细说明可参见本说明书图2步骤240中的相关说明。

在一些实施例中，处理器可以基于工件材料信息、刀具运行轨迹和工件信息，生成加工质量信息。

在一些实施例中，处理器可以基于刀具运行轨迹确定当前加工阶段，基于当前加工阶段确定对应的当前加工区域；确定刀具运行轨迹和工件信息中当前加工区域轮廓的匹配度。其中，匹配度与刀具运行轨迹中的至少一个时间点对应的刀具位置的坐标与当前加工区域轮廓的坐标的子匹配度相关。

若某一时间点刀具位置的坐标与当前加工区域轮廓的坐标一致，则该时间点对应的子匹配度为1，若刀具位置与当前加工区域轮廓的坐标不一致，则分别确定刀具位置的坐标与坐标原点的距离、当前加工区域轮廓的坐标与坐标原点的距离，用较小距离和较大距离的比值作为该时间点的子匹配度。可以理解的是，当前加工区域轮廓包括至少一个与至少一个时间点的刀具位置对应的点。

在一些实施例中，坐标原点可以基于经验设置。例如，将工件与数控机床接触面的中心点作为坐标原点。当前加工区域轮廓的坐标指当前加工区域轮廓上至少一个关键点的坐标。

在一些实施例中，处理器可以选取刀具位置的坐标与当前加工区域轮廓的坐标不一致的点作为取样点，将取样点对应的子匹配度的平均值作为匹配度。

在一些实施例中，处理器可以基于工件材料信息，通过查询形变参考表确定工件的形变值。形变参考表包括工件的参考材料信息及其对应的参考形变值，可以基于先验经验确定。

形变值反映工件在加工时，因受热、摩擦、受力等因素的影响，发生形状变化的可能性。形变值越大，表示工件在加工过程中越可能发生变形，从而更容易对刀具运行轨迹产生影响。形变值可以用0-1之间的数值表示，数值越大，表示形变越大。

在一些实施例中，处理器可以基于前述匹配度和形变值以及初始加工质量确定加工质量信息。

初始加工质量指初步确定的工件加工质量。在一些实施例中，处理器可以基于工件上存在尺寸偏差的至少一个局部点的加工质量，确定初始加工质量。具体细节可参见本说明书图2步骤240中确定加工质量信息的相关描述。

在一些实施例中，处理器可以通过下述公式（3）确定加工质量信息。

（3）

其中，为加工质量信息，为初始加工质量，为匹配度，为形变值。

在一些实施例中，处理器还可以基于工件对应的标准运行轨迹和刀具运行轨迹，确定轨迹差异信息；基于轨迹差异信息、工件材料信息和工件信息，确定加工质量信息。

标准运行轨迹指理想状态下刀具的运行轨迹。理想状态指无不良因素干扰时刀具的状态。

在一些实施例中，处理器可以基于加工后工件模型确定标准运行轨迹。例如，基于工件信息确定加工后的工件模型，基于加工后的工件模型确定工件轮廓，将工件轮廓作为标准运行轨迹。其中加工后的工件模型可以通过建模软件（如，CAD等）获取。

轨迹差异信息指刀具运行轨迹和标准运行轨迹的差异信息。在一些实施例中，轨迹差异信息可以包括多组差异点。

在一些实施例中，处理器可以将刀具运行轨迹上的至少一点的坐标，和相应的标准运行轨迹上的至少一点的坐标进行比对，将坐标不一致的点确定为一组差异点；确定差异点中刀具运行轨迹上的点与坐标原点的距离，以及标准运行轨迹上的点与坐标原点的距离，用较小距离和较大距离的比值作为该组差异点的子匹配度。

在一些实施例中，处理器可以确定多组差异点，并基于多组差异点对应的子匹配度的均值确定匹配度。

在一些实施例中，处理器可以基于工件材料信息，通过查询形变参考表确定工件的形变值。详细说明可参见前文描述。

在一些实施例中，处理器可以基于前述匹配度、工件的形变值和初始加工质量确定加工质量信息。更多详细说明可参见前文关于公式（3）的相关描述。

本说明书一些实施例中，通过分析刀具运行轨迹和标准运行轨迹的轨迹差异信息，能够更准确的获得刀具运行轨迹的偏差，从而更好地为确定刀具磨损程度提供数据支撑。

数控机床对工件进行加工时，除了刀具的磨损可能影响工件加工质量外，工件自身的形变也可能影响工件加工质量。

本说明书一些实施例中，通过考虑刀具运行轨迹信息，可以更加准确地确定因刀具磨损导致的加工质量变化，为分析刀具磨损程度提供可靠的数据支撑，有利于更准确地确定刀具磨损情况。

图4是根据本说明书一些实施例所示的确定刀具磨损信息的示意图。如图4所示，生成刀具磨损信息的过程可以包括以下内容。在一些实施例中，生成刀具磨损信息的过程可以由工业物联网管理平台110的处理器执行。

在一些实施例中，如图4所示，处理器可以通过摄像头410以及配置在切削液存储罐中的第一监测部件420，采集切削液变化信息431；通过第二监测部件440，采集刀具450的切削力数据序列432；基于刀具的表观信息460、运行状态信息430和加工质量信息340，评估刀具在至少一个时间段的磨损程度470；运行状态信息430包括切削液变化信息431和切削力数据序列432；基于刀具在至少一个时间段的磨损程度470，生成刀具磨损信息480。

关于摄像头和刀具的更多内容可以参见图1的相应描述。关于表观信息、运行状态信息、加工质量信息和刀具磨损信息的更多内容可以参见图2及其相应描述。

切削液存储罐是指用于存储切削液的罐状设备。例如，不同规格的塑料桶等。切削液是一种用在金属切、削、磨加工过程中，用来冷却、润滑刀具和加工件的工业用液体。

切削液变化信息是反映切削液状态随时间的变化情况的数据序列。在一些实施例中，切削液变化信息可以包括切削液在至少一个时间点的状态信息，其中，前述状态信息可以包括但不限于切削液温度、切削液质量等。

在一些实施例中，处理器可以通过第一监测部件获取切削液变化信息。

第一监测部件是用于监测切削液的相关信息的监测设备。示例性地，第一监测部件可以包括但不限于温度传感器、重力传感器中的至少一种。

在一些实施例中，第一监测部件可以设置在切削液存储罐中。

切削力数据序列是反映数控机床的刀具受力数据随时间变化的序列。在一些实施例中，切削力数据序列可以包括数控机床的刀具在至少一个时间点的受力大小。

在一些实施例中，处理器可以通过第二监测部件获取切削力数据序列。

第二监测部件是用于监测数控机床的刀具在加工时的受力数据的监测设备。示例性地，第二监测部件可以包括但不限于压力传感器。

在一些实施例中，第二监测部件可以设置在数控机床的刀具固定组件上。关于刀具固定组件的更多内容可以参见图1的相应描述。

至少一个时间段的磨损程度是指刀具在至少一个时间段的磨损程度。由于刀具加工可以包括至少一个加工阶段，至少一个加工阶段可以划分为一个或多个时间段，每个加工阶段内刀具的磨损程度会有不同的变化。关于加工阶段的更多内容可以参见图2及其相应描述。

在一些实施例中，处理器可以基于刀具的表观信息、运行状态信息和加工质量信息，通过多种方式评估刀具在至少一个时间段的磨损程度。

在一些实施例中，处理器可以将刀具在至少一个时间段的磨损程度的最大值确定为刀具磨损信息。

仅作为示例，处理器可以通过基于刀具的表观信息查询磨损程度参考表，确定刀具的初始磨损程度；基于运行状态信息中切削液变化信息和切削力数据序列，确定异常机床数据；基于异常机床数据，确定异常机床数据实际对应的磨损值；进而基于初始磨损程度和异常机床数据实际对应的磨损值，确定刀具在至少一个时间段的磨损程度。

关于磨损程度参考表的详细说明可参见本说明书图2步骤250中的相关描述。

初始磨损程度是指数控机床开始工作前刀具的磨损程度。

异常机床数据是指切削液变化信息和切削力数据序列中出现异常的部分数据序列。在一些实施例中，处理器可以将当前的切削液变化信息和切削力数据序列，与标准切削液变化信息和标准切削力数据序列进行对比，确定其中不合理的数据，进而得到异常机床数据。不合理的数据可以包括数据中不合理的上下波动、数值突变等。例如，处理器可以获取切削液变化信息对应的图象，一级标准切削液变化信息对应的图象，通过预先设置的分析算法对二者的图象进行对比分析，确定存在差异的点，并将差异大于预设容差的点对应的数据确定为异常机床数据。其中，预设容差指可以接受的切削液变化信息与标准切削液变化信息的差异范围。对切削力数据序列的判断也可采用类似方式进行。

标准切削液变化信息和标准切削力数据序列是指用于作为参考标准的切削液变化信息和切削力数据序列。在一些实施例中，处理器可以统计历史数据中相同的历史切削液变化信息和历史切削力数据序列出现的次数，将出现次数最多的历史切削液变化信息和历史切削力数据序列分别作为标准切削液变化信息和标准切削力数据序列。

异常机床数据实际对应的磨损值用于表征某一异常情况对刀具的影响情况，可以是同一异常机床数据多次发生对应的磨损值的均值。

在一些实施例中，处理器可以通过向量匹配的方式确定异常机床数据实际对应的磨损值。

仅作为示例，处理器可以构建标准向量库。标准向量库中可以包括多个标准向量及其对应的多个标签。其中，标准向量可以包括表观信息、运行状态信息、加工质量信息和异常机床数据，标签可以为标准向量对应的参考磨损值。

在一些实施例中，处理器可以基于历史数据中的历史表观信息、历史运行状态信息、历史加工质量信息和历史异常机床数据及其对应的历史至少一个时间段的历史磨损值构建聚类向量，对多个聚类向量进行聚类，基于通过聚类形成的聚类中心所对应的历史表观信息、历史运行状态信息、历史加工质量信息和历史异常机床数据构建标准向量，将聚类中心所对应的历史至少一个时间段的历史磨损值作为标准向量的标签。其中，历史至少一个时间段的历史磨损值可以基于该时段开始时间点对应的初始磨损程度，以及该时段结束时间点对应的最终磨损程度之差确定。其中，初始磨损程度、最终磨损程度可以通过用户输入确定。

在一些实施例中，处理器可以基于当前的表观信息、运行状态信息、加工质量信息和异常机床数据构建待匹配向量，将待匹配向量与标准向量库中的标准向量进行匹配，计算待匹配向量与多个标准向量的多个向量相似度，确定向量相似度最高的标准向量对应的标签作为当前的异常机床数据实际对应的磨损值。其中，向量相似度可以通过余弦相似度、欧氏距离等表示。

在一些实施例中，处理器可以对初始磨损程度和至少一个时间段的异常机床数据实际对应的磨损值进行求和，确定至少一个时间段的磨损程度。

在一些实施例中，处理器可以基于表观信息、运行状态信息和加工质量信息，通过磨损评估模型，确定刀具在至少一个时间段的磨损程度。

磨损评估模型是用于评估刀具的磨损程度的模型。在一些实施例中，磨损评估模型可以是机器学习模型，例如，循环神经网络（Recurrent neural network, RNN）等。

在一些实施例中，磨损评估模型的输入可以包括表观信息、运行状态信息和加工质量信息，输出可以包括刀具在未来至少一个时间段的磨损程度。其中，运行状态信息包括刀具和数控机床的运行状态、切削液变化信息以及切削力数据序列。

在一些实施例中，磨损评估模型可以通过多种方式训练获取。例如，可以通过多个带有训练标签的训练样本训练获取等。训练样本可以包括样本表观信息、样本运行状态信息和样本加工质量信息。训练样本对应的训练标签为至少一个时间段的样本磨损程度。

在一些实施例中，处理器可以基于历史数据确定训练所使用的多个训练样本，以及训练样本对应的历史磨损数据；基于历史磨损数据确定历史磨损程度，并将历史磨损程度确定为训练样本对应的标签。例如，处理器可以基于历史数据中的历史表观信息、历史运行状态信息和历史加工质量信息确定训练样本，将训练样本对应的至少一个历史时间段的历史磨损程度作为训练样本的训练标签。

历史磨损程度是指历史数据中刀具的磨损程度。至少一个时间段的历史磨损程度可以基于人工输入的检查结果确定。例如，工作人员可以通过激光扫描仪器、超声探伤等仪器，对刀具进行检查确定磨损程度，处理器通过用户终端获取刀具磨损程度的人工监测结果。

在一些实施例中，处理器可以将样本表观信息、样本运行状态信息和样本加工质量信息输入初始磨损评估模模型，基于初始评估模型输出的至少一个时间段的磨损程度，与训练标签构建损失函数，基于损失函数更新初始评估模型，当满足训练结束条件时，初始评估模型训练完成，得到训练好的磨损评估模型。其中，训练结束条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，处理器基于历史磨损数据将训练样本划分为多个训练数据集；基于所述训练数据集中的至少一个，对初始评估模型进行至少一轮训练，确定初始训练效果；基于初始训练效果确定调整后的学习率；基于多个训练数据集中未被使用的数据集，以及调整后的学习率，继续训练所述初始评估模型，直至满足训练结束条件，获得磨损评估模型。

在一些实施例中，处理器可以基于历史磨损数据将训练样本划分为多个训练数据集。例如，处理器可以将训练样本对应的历史磨损程度划分为若干个磨损程度区间，基于磨损程度区间确定多个训练样本集，前述多个训练样本集包括若干个磨损程度区间不同的训练样本集，以及磨损程度未发生变化的训练样本集，每个训练样本集可以包括多组训练样本。

对于训练样本集中的至少一个，处理器可以基于其中的至少一组训练样本对初始评估模型进行至少一轮训练，确定初始训练效果。其中，初始训练效果可以基于经前述至少一轮训练获得的模型的输出与训练标签的差异的方差确定。

仅作为示例，若某一训练样本集包括A组、B组两组训练样本，处理器基于A组训练样本对初始评估模型进行至少一轮训练，获得经参数更新的初始评估模型；处理器可以将A组训练样本作为经参数更新的初始评估模型的输入，获得一组初始输出，并确定初始输出和A组训练样本的标签的差异；基于前述差异的方差确定初始训练效果，例如，方差越大，表征模型输出结果不稳定，初始训练效果越差。

在一些实施例中，处理器可以基于初始训练，确定调整后的学习率；基于多个训练数据集中未被使用的数据集，以及调整后的学习率，继续训练，直至满足训练结束条件，获得训练好的磨损评估模型。

学习率是指在训练磨损评估模型时调整参数的步进大小，决定了每次梯度更新时参数的调整程度。

在一些实施例中，方差越大，初始训练效果越差，模型训练的学习率应适当调低，以使模型更好地收敛。

仅作为示例，处理器基于A组训练样本对初始评估模型进行至少一轮训练后，若初始输出和A组训练样本的标签的差异的方差大于预设方差阈值，则说明初始训练的效果较差，不能满足模型训练需求，此时应调整学习率为更小的值，并基于调整后的学习率，采用B组训练样本继续训练初始评估模型，直至满足训练结束条件，获得训练好的磨损评估模型。其中，预设方差阈值可以基于先验经验和/或实际需求确定。关于训练结束条件的说明可参见前文描述。

本说明书一些实施例中，通过对磨损评估模型进行多轮迭代训练，并且在迭代中调整学习率，可以使最终获得的磨损评估模型的处理结果更加准确。

本说明书一些实施例中，通过使用训练好的磨损评估模型来确定刀具在至少一个时间段的磨损程度，可以提高数据加工智能监测系统的数据处理速率，减少加工过程中的时间浪费。

本说明书一些实施例中，通过监控数控机床中不同时间的切削液变化信息和切削力数据序列，可以估计比较符合实际的刀具磨损程度，进而确定合理的刀具更换时间，避免发生严重加工质量问题、节约耗材成本。

图5是根据本说明书一些实施例所示的确定待更换刀具的示例性示意图。如图5所示，确定待更换刀具的过程可以包括以下内容。在一些实施例中，确定待更换刀具的过程可以由工业物联网管理平台110的处理器执行。

在一些实施例中，处理器可以根据刀具的历史加工数据510和刀具磨损信息480，确定刀具的剩余寿命序列520；根据剩余寿命序列520，确定刀具的更换优先级530；基于更换优先级530确定待更换刀具540。

关于刀具、存储装置的更多内容可以参见图1的相应描述。关于刀具磨损信息、待更换刀具的更多内容可以参见图2及其相应描述。

历史加工数据是指刀具已经完成的对工件进行加工的相关数据。例如，历史加工数据可以包括历史刀具磨损信息、历史加工类型、历史加工次数等。历史刀具磨损信息是指历史数据中的刀具磨损信息。历史加工类型是指刀具已经加工的材料的类型。历史加工次数是指刀具已经加工的次数。

在一些实施例中，数控机床中的不同刀具具有各自对应的历史加工数据。

在一些实施例中，处理器可以从存储装置中获取历史加工数据。关于存储装置的更多内容可以参见图1的相应描述。

剩余寿命序列指数控机床中的至少一个刀具的剩余使用寿命组成的序列。剩余使用寿命是指刀具还可以用于加工的时间。

在一些实施例中，处理器可以根据刀具的历史加工数据和刀具磨损信息，通过多种方式确定刀具的剩余寿命序列。例如，处理器可以根据刀具类型、加工类型和刀具磨损信息，通过查询参考寿命表，获取与数控机床中至少一个刀具对应的剩余寿命，进而确定剩余寿命序列。

参考寿命表是包括历史加工数据、刀具磨损信息和剩余使用寿命的对应关系的表。

在一些实施例中，处理器可以统计不同刀具的历史加工数据和刀具磨损信息对应的历史剩余使用寿命，将其计入参考寿命表。当处理器根据同一历史加工数据和刀具磨损信息获取到多个剩余使用寿命时，对多个剩余使用寿命求均值，将该均值作为最终对应的剩余使用寿命。

在一些实施例中，刀具的剩余寿命序列还与刀具在至少一个时间段的磨损程度相关。

关于至少一个时间段的磨损程度的更多内容可以参见图4及其相应描述。

在一些实施例中，处理器可以基于至少一个时间段的磨损程度，通过多种方式确定剩余寿命序列。例如，处理器可以根据刀具在不同时间段的磨损程度，统计刀具的磨损变化次数；获取刀具的原始剩余使用寿命；根据原始剩余使用寿命计算目标剩余使用寿命。

仅作为示例，处理器可以使用磨损值表征刀具使用前后磨损程度的变化值，当将磨损值大于预设磨损阈值，处理器可以记录1次刀具磨损变化。预设磨损阈值表征能够影响刀具使用寿命的最小磨损值，可基于先验经验进行设置。

在一些实施例中，处理器可以将磨损值划分为至少一个预设阶段，至少一个预设阶段可以由人工输入确定。例如，（，+α]、（，+2α]、……，以此类推。其中，为预设磨损阈值，α为基于先验经验预先设置的公差。预设阶段是指预先设定的磨损值的范围。

在一些实施例中，预设阶段可以有多个，处理器可以分别统计不同预设阶段之间的磨损变化次数、……。

原始剩余寿命指初步确定的刀具使用寿命。在一些实施例中，刀具的原始使用寿命可以根据刀具的历史加工数据和刀具磨损信息确定，详细说明可参见前文相关描述。

获取刀具的原始剩余使用寿命的方式，与根据刀具的历史加工数据和刀具磨损信息，获取剩余寿命序列的方式相同，可参见前文相关说明。

目标剩余使用寿命是指需要确定的剩余使用寿命。在一些实施例中，目标剩余使用寿命与磨损变化次数和预估消耗寿命相关。预估消耗寿命是指不同的磨损值的预设阶段对应的刀具的寿命消耗值。

在一些实施例中，预估消耗寿命可以通过对历史加工数据或者实验分析获取。示例性的，对于预设阶段（，+α]，处理器可以将磨损值+α对应的寿命消耗值，作为该预设阶段对应的寿命消耗值；处理器可以选取至少一个磨损值为+α的加工过程作为参考加工过程，通过参考寿命表查询参考加工过程开始前和结束后对应的刀具剩余寿命，并将二者做差，确定前述参考加工过程的参考寿命消耗值，并基于参考寿命消耗值的平均值确定该预设阶段对应的预估消耗寿命。

在一些实施例中，目标剩余使用寿命可以通过如下公式（4）确定：

（4）

其中，表示目标剩余使用寿命，表示第n个预设阶段内发生的磨损变化次数，表示的指数函数，表示磨损程度的第n个预设阶段对应的预估消耗寿命。

在一些实施例中，处理器可以通过获取上述多个目标剩余使用寿命，进而获取剩余寿命序列。

本说明书一些实施例中，通过考虑刀具在至少一个时间段的磨损程度，在磨损程度相同时，根据刀具的加工次数确定剩余使用寿命，可以使得确定的刀具的剩余寿命序列更加准确。

更换优先级指不同刀具需要更换的必要程度。在一些实施例中，更换优先级可以通过数值表示，数值越高，表示刀具越有必要进行更换。

在一些实施例中，处理器可以基于剩余寿命序列，通过多种方式确定更换优先级。例如，处理器可以按照剩余寿命对待更换刀具进行排序，剩余使用寿命越小的刀具对应的更换优先级越高。

在一些实施例中，处理器可以基于环境传感器采集加工粉尘信息；基于加工粉尘信息、工件材料信息，调整更换优先级。

关于工件材料信息的更多内容可以参见图3及其相应描述。

环境传感器是指用于采集刀具加工的周围环境的相关信息的传感器。例如，粉尘检测传感器等。

加工粉尘信息是指与数控机床周围的粉尘的相关信息。例如，粉尘浓度等。关于数控机床的更多内容可以参见图1的相应描述。

在一些实施例中，处理器可以基于加工粉尘信息和工件材料信息，调整更换优先级。

在一些实施例中，对于数控机床中至少一个刀具中的每一个，处理器可以获取该刀具的历史加工数据，并将历史加工数据中的历史粉尘信息、历史工件材料信息、历史刀具使用时间记为该刀具的关联数据；将加工历史粉尘信息和/或工件材料符合预设条件的关联数据确定为目标数据。其中，预设条件包括粉尘浓度高于浓度阈值或工件材料为预设类型。

浓度阈值是指预先设定的粉尘浓度的最大值。在一些实施例中，预设浓度阈值可以由用户预先输入。在一些实施例中，预设浓度阈值可以是历史加工数据中的历史粉尘浓度的平均值。

预设类型是指预先设定的加工材料的类型。在一些实施例中，预设类型可以是由用户预先设定的材料类型，例如，预设类型可以为材料硬度符合要求的材料类型，可以基于用户的输入确定。

在一些实施例中，处理器可以基于目标数据对应的刀具理论使用时长的平均值，确定刀具的平均使用寿命；基于当前刀具已经使用的时间和前述平均使用寿命，更新当前刀具的调整后使用寿命，例如，将平均使用寿命和当前刀具已经使用的时间做差，确定调整后使用寿命；基于调整后使用寿命重新对待更换刀具进行排序，以调整更换优先级。

本说明书一些实施例中，通过加工粉尘信息，可以有效避免因为某些工件材料本身容易产生粉尘的特性，影响刀具加工稳定性，导致刀具寿命缩短；通过工件材料信息，可以有效避免某些工件材料硬度比较大（比如某些合金钢），导致刀具在加工过程中更容易产生摄像头无法捕捉的微小裂纹缺陷，进而导致寿命降低；考虑二者对更换优先级的影响，可以有效避免可能发生的刀具磨损误判问题，保证加工质量。

本说明书一些实施例中，根据大量的历史加工数据来确定不同刀具的剩余使用寿命，可以使确定的剩余寿命序列比较符合实际情况，有效避免理论计算得到的寿命与实际相差过大的问题，使得最终确定的待更换刀具更加准确，提高数控机床的工作效率。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行上述基于工业物联网的数控加工刀具智能监测方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (8)

1.基于工业物联网的数控加工刀具智能监测方法，其特征在于，由基于工业物联网的数控加工刀具智能监测系统的工业物联网管理平台执行；

所述工业物联网管理平台被配置在处理器中，通过传感网络平台与感知控制平台通信连接；

所述传感网络平台被配置在通信装置上；

所述感知控制平台被配置在数控机床的主机中，所述感知控制平台被配置为控制摄像头和机床监控装置的运行；

所述方法包括：

基于刀具图像获取刀具表观信息存储到所述工业物联网管理平台的数据中心中；所述刀具图像通过所述摄像头，在预设采集时间获取；所述预设采集时间包括所述刀具处于停止状态的时间；

响应于所述刀具处于运转状态，基于所述机床监控装置，获取所述刀具和所述数控机床的运行状态信息，包括：

通过所述摄像头以及配置在切削液储存罐中的第一监测部件，采集切削液变化信息；

通过第二监测部件，采集所述刀具的切削力数据序列；

将所述运行状态信息通过所述通信装置，发送至所述工业物联网管理平台的所述数据中心中；

向所述感知控制平台发出影像采集指令，以控制所述摄像头以预设频率，采集工件图像，并基于所述工件图像确定工件信息；

对所述工件信息进行处理，生成加工质量信息，并将所述加工质量信息存储到所述工业物联网管理平台的所述数据中心中；

从所述数据中心中调取所述表观信息、所述运行状态信息和所述加工质量信息，并生成刀具磨损信息，包括：

基于所述刀具的所述表观信息、所述运行状态信息和所述加工质量信息，评估所述刀具在至少一个时间段的磨损程度；所述运行状态信息包括所述切削液变化信息和/或所述切削力数据序列；

基于所述至少一个时间段的所述磨损程度，生成所述刀具磨损信息；

根据所述刀具磨损信息，通过机床预警装置和/或交互屏发出警报，提示所述刀具的磨损情况；

根据所述刀具磨损信息确定待更换刀具；控制刀具更换组件从备用刀具盒中夹取备用刀具；以及，

发出转速调整指令和/或频率调整指令；所述转速调整指令用于控制刀具固定组件的转速，以调整所述待更换刀具的加工强度；所述频率调整指令用于调整所述摄像头的采集频率。

2.如权利要求1所述的方法，其特征在于，所述对所述工件信息进行处理，生成加工质量信息，包括：

调取与所述工件信息对应的刀具运行轨迹；

基于工件材料信息、所述刀具运行轨迹和所述工件信息，生成所述加工质量信息。

3.如权利要求1所述的方法，其特征在于，所述根据所述刀具磨损信息确定待更换刀具，包括：

根据所述刀具的历史加工数据和所述刀具磨损信息，确定所述刀具的剩余寿命序列；

根据所述剩余寿命序列，确定所述刀具的更换优先级；

基于所述更换优先级确定所述待更换刀具。

4.如权利要求3所述的方法，其特征在于，所述刀具的所述剩余寿命序列还与所述刀具在所述至少一个时间段的所述磨损程度相关。

5.基于工业物联网的数控加工刀具智能监测系统，其特征在于，所述系统包括工业物联网管理平台、传感网络平台和感知控制平台；

所述工业物联网管理平台被配置在处理器中，通过所述传感网络平台与所述感知控制平台通信连接；

所述传感网络平台被配置在通信装置上；

所述感知控制平台被配置在数控机床的主机中，所述感知控制平台被配置为控制摄像头和机床监控装置的运行；

所述工业物联网管理平台被配置为：

基于刀具图像获取刀具表观信息存储到所述工业物联网管理平台的数据中心中；所述刀具图像通过所述摄像头，在预设采集时间获取；所述预设采集时间包括所述刀具处于停止状态的时间；

响应于所述刀具处于运转状态，基于所述机床监控装置，获取所述刀具和所述数控机床的运行状态信息，包括：

通过所述摄像头以及配置在切削液储存罐中的第一监测部件，采集切削液变化信息；

通过第二监测部件，采集所述刀具的切削力数据序列；

将所述运行状态信息通过所述通信装置，发送至所述工业物联网管理平台的所述数据中心中；

向所述感知控制平台发出影像采集指令，以控制所述摄像头以预设频率，采集工件图像，并基于所述工件图像确定工件信息；

对所述工件信息进行处理，生成加工质量信息，并将所述加工质量信息存储到所述工业物联网管理平台的所述数据中心中；

从所述数据中心中调取所述表观信息、所述运行状态信息和所述加工质量信息，并生成刀具磨损信息，包括：

基于所述刀具的所述表观信息、所述运行状态信息和所述加工质量信息，评估所述刀具在至少一个时间段的磨损程度；所述运行状态信息包括所述切削液变化信息和/或所述切削力数据序列；

基于所述至少一个时间段的所述磨损程度，生成所述刀具磨损信息；

根据所述刀具磨损信息，通过机床预警装置和/或交互屏发出警报，提示所述刀具的磨损情况；

根据所述刀具磨损信息确定待更换刀具；控制刀具更换组件从备用刀具盒中夹取备用刀具；以及，

发出转速调整指令和/或频率调整指令；所述转速调整指令用于控制刀具固定组件的转速，以调整所述待更换刀具的加工强度；所述频率调整指令用于调整所述摄像头的采集频率。

6.如权利要求5所述的系统，其特征在于，所述工业物联网管理平台包括生产工艺管理分平台、所述数据中心和设备管理分平台。

7.如权利要求5所述的系统，其特征在于，所述工业物联网管理平台进一步被配置为：

调取与所述工件信息对应的刀具运行轨迹；

基于工件材料信息、所述刀具运行轨迹和所述工件信息，生成所述加工质量信息。

8.如权利要求5所述的系统，其特征在于，所述工业物联网管理平台进一步被配置为：

根据所述刀具的历史加工数据和所述刀具磨损信息，确定所述刀具的剩余寿命序列；

根据所述剩余寿命序列，确定所述刀具的更换优先级；

基于所述更换优先级确定所述待更换刀具。