智能切削刀具磨损视觉在线监测系统
冷加工
https://www.360docs.net/doc/736974237.html,
智能切削刀具磨损视觉在线监测系统的构建通过机床关键部位安装的传感器，实现数据的实时传输，通过以太网传输到智能管理系统，最后对在线视觉监控和实时传输数据进行分析与整理，完成对刀具生命全周期的在线监测和管理，在保证扫码了解更多
图1 刀具全生命周期管理
图2 刀具运行过程
刀具状态检测方法.
刀具状态检测方法 1. 1直接测量法 直接测量法能够识别刀刃外观、表面品质或几何形状变化 , 一般只能在不切削时进行。它有两个明显的缺点 : 一是要求停机检测 , 占用生产工时 ; 二是不能检测加工过程中出现的刀具突然损坏 , 使其应用受到限制。 主要方法有 : 电阻测量法、刀具工件间距测量法、射线测量法、微结构镀层法、光学测量法、放电电流测量法、计算机图像处理法等。 a 电阻测量法 该方法利用待测切削刃与传感器接触产生的电信号脉冲 , 来测量待测刀具的实际磨损状态。该方法的优点是传感器价格低 , 缺点是传感器的选材必须十分注意 , 既要有良好的可切削性 , 又要对刀具寿命无明显的影响。该方法的另一个缺点是工作不太可靠 , 这是因为切屑和刀具上的积屑可能引起传感器接触部分短路 , 从而影响精度。 b 刀具工件间距测量法 切削过程中随着刀具的磨损 , 刀具与工件间的距离减小 , 此距离可用电子千分尺、超声波测量仪、气动测量仪、电感位移传感器等进行测量。但是这种方法的灵敏度易受工件表面温度、表面品质、冷却液及工件尺寸等因素的影响 , 使其应用受到一定限制。 c 射线测量法 将有放射性的物质掺入刀具材料内 , 当刀具磨损时 , 放射性的物质微粒就会随切屑一起通过一个预先设计好的射线测量器。射线测量器中所测得的量是同刀具磨损量密切相关的 , 射线剂量的大小就反映了刀具磨损量的大小。该法的最大弱点是 , 放射性物质对环境的污染大 , 对人体健康非常不利。此外 , 尽管此法可以测
量刀具的磨损量 , 并不能准确地测定刀具切削刃的状态。因此 , 该法仅适用于某些特殊场合 , 不宜广泛采用。 d 微结构镀层法 将微结构导电镀层同刀具的耐磨保护层结合在一起。微结构导电镀层的电阻随着刀具磨损状态的变化而变化 , 磨损量越大 , 电阻就越小。当刀具出现崩齿、折断及过度磨损等现象时 , 电阻趋于零。该方法的优点是检测电路简单 , 检测精度高 , 可以实现在线检测。缺点是对微结构导电镀层的要求很高 : 要具有良好的耐磨性、耐高温性和抗冲击性能 . e 光学测量法 光学测量法的原理是磨损区比未磨损区有更强的光反射能力 , 刀具磨损越大 , 刀刃反光面积就越大 , 传感器检测的光通量就越大。由于热应力引起的变形及切削力引起的刀具位移都影响检测结果 , 所以该方法所测得的结果井非真实的磨损量 , 而是包含了上述因素在内的一个相对值 , 此法在刀具直径较大时效果较好。 f 放电电流测量法 将切削刀具与传感器之间加上高压电 , 在测量回路中流过的 (弧光放电电流大小就取决于刀刃的儿何形状 ( 即刀尖到放电电极间的距离。该方法的优点是可以进行在线检测 , 检测崩齿、断刀等刀具几何尺寸的变化 , 但不 能精确地测量刀刃的几何尺寸。 g 计算机图像处理法 计算机图像处理法是一种快捷、无接触、无磨损的检测力法 , 它可以精确地检测每个刀刃上不同形式的磨损状态。这种检测系统通常由 CCD 摄像机、光源和计算机构成。但由于光学设备对环境的要求很高 , 而实际生产中刀具的工作环境非常恶劣 (如冷却介质、切屑等 , 故该方法目前仅适用于实验室自动检测。
检测刀具磨损和破损的方法
检测刀具磨损和破损的方法 单台机床的加工，对刀具磨损和破损的监测，凭工人的经验，尚能进行正常的生产，而对FMS、CIMS、无人化工厂，必须解决刀 具磨损与破损的在线实时监测及控制问题。因为及时确定刀具磨损和破损的程度并进行在线实时控制，是提高生产过程自动化程 度及保证产品质量，避免损坏机床、刀具、工件的关键要素之一。 监测原理监测参量的选取监测原理监测原理框图监测刀具磨损和破损的方法很多，可分为直接测量法和间接测量法两大类。 直接测量法主要有：光学法、接触电阻法、放射性法等。间接测量法主要有：切削力或功率测量法，刀具和工件测量法，温度测 量法，振动分析法，AE法，电机电流或功率测量法等。 比较现有的刀具磨损和破损的监测方法，各有优缺点，我们选取声发射（AE）和电机电流信号作为监测参量。这是因为AE信 号能避开机加工中噪声影响最严重的低频区，受振动和声频噪声影响小，在感兴趣区信噪比较高，便于对信号进行处理。响应速 度快，灵敏度高；但重负荷时，易受干扰。而电机电流信号易于提取，能适应所有的机加工过程，对正常的切削加工没有影响， 但易受干扰，时间响应慢，轻负荷时，灵敏度低。这样，同时选AE和电机电流为监测信号，就能利用这2个监测量的各自长处，互 补不足，拓宽监测范围，提高监测精度和判别成功率。 切削过程中，当刀具发生磨损和破损时，切削力相应发生变化，切削力的变化引起电机输出转矩发生变化，进而导致电机电 流发生相应的变化，电流法正是通过监测电机电流的变化，实现间接在线实时判断刀具的磨损和破损。AE 是材料或结构受外力或 内力作用产生变形或断裂时，以弹性波形的形式释放出应变能的现象。它具有幅值低，频率范围宽的特点。试验及频谱分析发现 ：正常切削产生的AE信号主要是工件材料的塑性变形，其功率谱分布，100kHz以下数值很大，100kHz 以上较小。 当刀具磨损和破损时，100kHz以上频率成分的AE信号要比正常切削时大得多，特别是100-300kHz 之间的频率成分更大些。 为此，应通过带通滤波器，监测100-300kHz频率成分AE信号的变化，对刀具磨损和破损进行监测。 利用AE、电机电流信号综合对刀具磨损和破损进行判别的原理是：轻负荷区，依靠AE包络信号，用阈值的方法进行判别；在 中负荷区，这时电机电流和AE信号都起作用，用两者结合的方法进行判别，提高判别的成功率，具体方法是：如果AE信号超过AE 阈值，则置延时常数为ds（d的数值依赖于系统构成），如果在ds时间内，电流信号也超过电流信号的阈值，则判刀具极限磨损或 破损。如果在ds时间内，电流信号未超过电流信号的阈值，则不报警，由延时常数继续监测。这种以AE
数控机床状态监控系统(文献综述)
文献综述 ——机床状态监控系统的设计 1．前言 为了使数控机床加工过程安全、可靠、高效、高质量地进行，对加工设备进行状态监测就变得非常重要。本文分析了数控机床状态监测的主要内容，论述了设备状态监测系统的基本组成和状态监测系统实现的关键技术，并针对数控机床的加工过程，总结数控机床状态监测系统的工作流程和系统实现的具体结构。 2．主题 目前，国内大多数机床监控系统属于专用系统，其开放性较差，已不能满足当今制造业的发展需求，属于工厂内部典型的“自动化孤岛”。而计算机软件技术及工业控制网络技术的发展，使得工厂自动化设备的互联成为可能。机床信息采集与监测技术研究已经得到许多科技工作者的高度重视。 数控机床多用PLC控制，同时计算机网络是快捷、高效、广普的信息传递媒介。PC—PLC网络因而成为数控机床数据采集与监控的主要研究方向。但是一方面由于数控机床的封闭性，实际应用中很难直接从PLC读取机床的各种信息；另一方面，一些数控机床厂商如SIEMENS，FANUC等开发有针对自己机床数据采集与监测的软件，但是大多价格昂贵[1～5]。 随着技术的进步，制造业设备的复杂程度和智能化程度不断提高，然而复杂设备因其结构的复杂性，而使其在提高功能或性能时，给系统的可靠性、安全性、可用性、经济性等方面带来了一系列难题，系统发生故障或失效的潜在可能性也越来越大[6]。对设备自动化加工过程进行状态监测的主要目的就是要保证加工系统的安全运行，合理并优化使用自动化设备，避免设备故障，保证加工工件质量，减少额外的辅助工作时间，提高生产效率和设备利用率。同时，设备的状态监测也是对设备进行故障诊断的基础[7]。 数控机床状态监测是指对数控机床加工过程中的某些工作状态数据进行数据采集和处理，通过将实际特征参数与正常值进行比较，从而掌握数控机床的实际工作状态，了解设备工作是否正常合理，同时为故障诊断和预测提供依据。主要包括机床状态监测、刀具状态监测、加工过程监测和加工工件质量监测等4个方面。数控机床的加工过程是一个复杂的物理化学过程，对其进行状态监测涉及很多相关技术。一般的设备状态监测与故障诊断系统主要包括信息获取、特征提取和状态识别3个主要方面。其实无论是状态监测还是故障诊断与预测，数据采集、传输与处理是基础。设计一个状态监测系统，其关键是要设计一个合理的数据采集与处理系统来实现状态监测。
ARTIS刀具监控参数说明V3.8.8.6
ARTIS 刀具监控说明V3.8.8.6 图形说明：
信号说明： 上图中，绿色部分为学习曲线，下图蓝色部分为实际加工曲线与学习曲线重合的部分，红色部分为实际加工曲线超出学习曲线的部分。
ARTIS参数说明 1、“号码（Number）”标牌说明 PN=程序号，TN=刀号，DN=刀片号，BN=切削号（工步号） ARTIS刀具监控中的PN,TN,DN,BN是用来区别该通道内的加工，相同的材料，相同的加工工艺，相同的刀具，相同的进给倍率，相同的…..，才可以用相同的号，不同的加工就要用不同的号来区别。 PN，TN,DN,BN,是通过NC程序来传送的 例如下面的小程序： M3S1000 G0Z5 H20=1 ;PN=1 H21=2 ;TN=4 H23=4 ;BN=1 M811 ;ARTIS ON G1 Z‐10F100 G0 Z5 M800 ;ARTIS OFF M05 M30
2，“所有工序(All Process)”标牌说明 改变基本设定(Change Basic Setting)：通过回车可以进入到基本设定界面来修改该窗口下基本 设定的参数 学习(Learning)?标准学习(Normal Learning)：以各自对应的工步号的参数来学习，不学习放大倍率 自动学习(Automatic Leaning): 以各自对应的工步号的参数来学习，学习放大倍率 采用基本设定值学习(Learning with Basic Settings):用基本设定的参数来学习 该学习功能学习的曲线为该窗口下的所有曲线。 返工（Rework）: 为开时，表明机床当前正在返修，监控曲线没有断刀上下限，此时只有过 载报警起作用 报警输出(Output Off)：关闭通道中的，也可以说是窗口中的所有报警，就是当报警输出关闭 的时候，当ARTIS刀具监控出现报警的时候可以在窗口中看到报警，但是该报警不会传递到PLC中，从而PLC也不会对此报警做相应的处理，反之当报警输出打开的时候，当监控的时 候出现报警的时候，PLC就会接受到CTM发送的报警信号，因而就会对报警进行处理。当 我们对加工和机床比较熟悉的时候，也会分析和处理监控曲线的时候，我们建议用户打开报 警输出，让ARTIS刀具监控起到它应有的作用。
基于切削力的刀具状态在线监控
基于刀具状态的切削力模型研究 （常州铁道高等职业技术学校、常州昌成铁路机械厂江苏常州213011） 张宝金 摘要：建立适用于变工况加工的切削力模型，将切削力信号用于切削过程监控。建立基于切削参数（切削速度、进给量、切削深度）与刀具状态（主要考虑后刀面磨损量）的切削力模型，通过试验值与模型的预测值之间的比较，进一步验证模型的准确性。 关键词：切削力；刀具状态监控；金属切削；模型 1 引言 目前，加工中心（MC）、柔性制造单元（FMC）、柔性制造系统（FMS）及计算机集成制造系统（CIMS）逐渐成为现代机械制造业的主流，为实现制造系统的高度自动化提供了先决条件。自动化生产的实现，依赖于加工过程中切削刀具状态的自动监控，国内外学者在切削力模型方面进行了大量的研究工作。其中，切削力法被认为是一种具有实际应用前景的监控方法[1]。但以往基于切削力信号的研究大多是通过单因素试验[2]确定特定情况下切削力的阈值，从而对刀具状态进行识别。这类方法存在监控阈值难以确定以及监控参数特征信息不能适应切削参数的变化即监控的柔性差等问题，仅适用于不改变或较少改变切削参数的刚性加工生产线。随着计算机技术的发展，建立可适应变工况加工的刀具状态监控系统十分必要。 影响切削力的因素有很多，其中切削用量三要素：切削速度、进给量、切削深度对切削力的影响最为显著[3]。本文以外圆车削为例，建立了基于切削参数（切削速度、进给量、切削深度）与刀具状态（主要考虑后刀面磨损量）的切削力简 化模型，并通过试验值与模型的预测值之间的比 较，进一步验证模型的准确性。 2 切削试验系统及方案 （1）试验装置 本试验在一台型号为CA6140的普通车床上
数控机床刀具磨损监测方法研究
数控机床刀具磨损监测方法研究 马旭1，陈捷2 （1.南京工业大学金工实习中心，江苏南京 211800； 2.南京工业大学工业装备数字制造及控制技术重点实验室，江苏南京 210009） 摘要：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。 关键词：数控机床；刀具磨损；监测方法 中图分类号：TH16 文献标识码：A 文章编号：1006－0316 (2009) 06－0070－04 Study of monitoring method for CNC tool wear MA Xu，CHEN Jie （1.Center of Metalworking Practice，Nanjing University of Technology，Nanjing 211800, China； 2.School of Mechanical and Power Engineering, Nanjing University of Technology, Nanjing 210009, China）Abstract：CNC tool wear monitoring has great importance in improving the utilization of CNC machine tools and in reducing the economic lossos due to the tool breakage. This article is well targeted in reviewing several researches on the study of various tool wear monitoring method at home and abroad. Six tool wear monitoring methods are described in detail, which are the cutting force monitoring, the cutting noise monitoring, the power monitoring, the sound launch monitoring, the electric current monitoring as well as the monitoring method based on the multi-sensor monitor. Comparing with the merits and demerits of each monitoring methods, the article suggests that the monitoring method based on the multi-sensor monitor would be the main direction of the development of CNC tool wear monitoring in the future. Key words：CNC；tool wear monitoring；Monitoring method 刀具磨损在机械加工中是一种普遍存在的现象，刀具的磨损与磨损状态直接影响着机械加工的精度、效率及经济效益，研究刀具磨损可以大大提高机械加工效率，降低加工成本，具有较大的经济效应。刀具磨损的在线监测是柔性制造系统研究工程的一个重要课题。 近年来，随着高性能CNC机床、FMS以及CIMS 的广泛应用，机械加工的效率、加工质量有了明显的提高，同时对全自动化生产也提出了更高的要求，操作人机比由原来的一对一发展到现在的一名操作人员操控多台设备的局面。这样，数控机床系统能否自动监测刀具状态，及时了解正在使用的刀具磨损情况，从而根据刀具寿命、磨损量、刀具破裂等形式的刀具故障对刀具工作状态进行监控，并在刀具磨损达到设定磨损量时报警，就显得非常重要。工业统计表明，刀具失效是引起机床故障的首要因素，由此引起的停机时间占数控机床总停机时间的1/5～1/3[1]。切削加工中，如果刀具磨损不能及时发现，将导致整个加工过程的中断，引起工件报废，甚至整个系统的停止。研究表明，数控机床配备刀具监测系统后可减少75%的故障停机时间，提高生产率10%～60%，提高机床利用率50%以上。美国Kennamtal公司的研究表明，配备刀具监控系统的数控系统，能够节约加工费用达30%[2]。因此研究开发智能监测技术，防止因刀具失效而引起的工件报废、设备损坏并保证机床无故障运行是很重要的[3]。
基于切削力的刀具状态在线监控
基于切削力的刀具状态在 线监控 The latest revision on November 22, 2020
基于刀具状态的切削力模型研究 （常州铁道高等职业技术学校、常州昌成铁路机械厂江苏常州 213011） 张宝金 摘要：建立适用于变工况加工的切削力模型，将切削力信号用于切削过程监控。建立基于切削参数（切削速度、进给量、切削深度）与刀具状态（主要考虑后刀面磨损量）的切削力模型，通过试验值与模型的预测值之间的比较，进一步验证模型的准确性。 关键词：切削力；刀具状态监控；金属切削；模型 1 引言 目前，加工中心（MC）、柔性制造单元（FMC）、柔性制造系统（FMS）及计算机集成制造系统（CIMS）逐渐成为现代机械制造业的主流，为实现制造系统的高度自动化提供了先决条件。自动化生产的实现，依赖于加工过程中切削刀具状态的自动监控，国内外学者在切削力模型方面进行了大量的研究工作。其中，切削力法被认为是一种具有实际应用前景的监控方法[1]。但以往基于切削力信号的研究大多是通过单因素试验[2]确定特定情况下切削力的阈值，从而对刀具状态进行识别。这类方法存在监控阈值难以确定以及监控参数特征信息不能适应切削参数的变化即监控的柔性差等问题，仅适用于不改变或较少改变切削参数的刚性加工生产线。随着计算机技术的发展，建立可适应变工况加工的刀具状态监控系统十分必要。 影响切削力的因素有很多，其中切削用量三要素：切削速度、进给量、切削深度对切削力的影响最为显着[3]。本文以外圆车
削为例，建立了基于切削参数（切削速度、进给量、切削深度）与刀具状态（主要考虑后刀面磨损量）的切削力简化模型，并通过试验值与模型的预测值之间的比较，进一步验证模型的准确性。 2 切削试验系统及方案 （1）试验装置 本试验在一台型号为CA6140的普通车床上进行，切削力信号由Kistler测力仪（传感器）检测，测出的力信号经电荷放大器放大、经过数据采集卡后可直接将信号传送到计算机。再用Kistler测力仪的配套软件Dynoware对测得的力信号进行分析和处理。试验系统组成如图1-1 所示。试验中刀面磨损状况及磨损值随时刻进行测量，使用Keyence的VH-8000系列数码显微镜对车刀后刀面的磨损状况拍照，通过测量软件测量车刀后刀面的磨损量以及刀具的破损情况。 （2）试验方案 切削力试验分为三部分进行：使用新刀片（磨损量为零）进行切削试验；使用不同状态的刀片（变化的磨损量）进行切削试验；使用不同状态的刀片（变化的磨损量）验证已建立的刀具磨损状态下的切削力模型。 采用正交试验法安排试验，使用L9(43)正交表，为三因素、三水平试验。 具体试验正交表如表1： 表1试验计划
常用的刀具磨损检测方法比较
常用的刀具磨损检测方法比较 篇一：刀具的磨损和耐用度浅谈 刀具磨损和耐用度浅谈 刀具在切削金属的同时，本身也逐渐被磨损。当磨损到一定程度时，就需要更换刀具，否则会产生降低加工表面质量等不良后果。让我们先来看看刀具的磨损过程：常用的高速钢和硬质合金钢刀具的磨损过程如图所示，它反映了切削时间和刀具磨损之间的关系。正常磨损 后刀面磨损初期磨损 切削时间/ 1．初期磨损阶段 在该阶段中，由于是新刃磨的刀具，刀后面粗糙不平，后面与工件过渡表面间的实际接触面很小，压力大，磨损速度很快。初期磨损量与刀具刃磨质量有关，经过研磨的刀具初期磨损量小。 2．正常磨损阶段 刀后面经过初期的磨损后，粗糙度值降低，与工件过渡表面实际接触面积增大，压力减小，刀刃仍然比较锋利，磨损速度比较缓慢。该阶段切削过程平稳，持续时间长，是刀具的有效工作阶段。 3．急剧磨损阶段 当刀具磨损到一定程度后，刃口变钝，摩擦力增大，切削力和切削温度迅速上升，刀具材料的性能下降，引起刀具迅速磨损，直至完
全丧失切削性能。所以在切削过程中应避免刀具发生急剧磨损。 刀具的磨损过程又可看为刀具的钝化过程 从上述磨损过程可以看出，刀具在正常磨损阶段即将结束前，刀具必须及时重磨或可转位刀片转换刀刃。否则不仅会损坏刀具，而且会使工件的加工质量变坏。此时的刀具磨损量称为刀具的磨损限度。国家标准规定，把刀具磨损达到正常磨损阶段结束前的某一后面磨损量VB值作为刀具的磨损限度，即磨钝标准。因为刀具磨损后，切削力将增大，在柔性加工系统中，经常用切削力的某一数值作为刀具磨钝标准，以实现对刀具磨损状态的自动控制。 在实际生产中，采用与磨钝标准队赢得切削时间，即刀具耐用度来表示刀具已经磨钝，到了该换刀具的时候。所谓刀具耐用度，是指新磨好的刀具，由开始切削直到磨损量达到磨钝标准的总切削时间，用字母t表示，单位为min。刀具耐用度有时也可用加工同样零件的数量或切削路程长度来表示。 粗加工时，多为切削时间表示耐用度。例如，目前高速钢镗刀的耐用度为30~60min；硬质合金铣刀的耐用度为120~180min。高速钢钻头的耐用度为80~120min；成形刀具耐用度为200~300min。精加工时，常以走刀次数或加工零件个数表示刀具耐用度。 用刀具耐用度衡量磨损量的大小，比直接测量磨损量方便的多，因而在生产中广泛采用。刀具寿命则是指一把新刀从使用到报废为止的总的切削时间，它是刀具耐用度与磨刀次数的乘积。 篇二：刀具磨损原理及耐磨设计
刀具磨损监测方法综述
刀具磨损监测方法综述 一、刀具磨损状态监测的意义及研究现状 1、刀具状态监测的意义 加工过程中刀具的磨损将造成工件的精度及粗糙度变差，甚至造成工件的报废、昂贵设备的损伤、机床停机等故障，直接影响着机械加工的精度、效率及经济效益。据统计生产工程中75%以上的设备故障是由于刀具失效引起的，因此对刀具状态进行在线监测显得尤为重要。随着生产自动化程度的提高，特别是柔性制造系统(FMS)技术的出现，人们越来越重视对加工过程的在线监测。 2、国内外研究现状及成果 随着新方法、新理论、新技术的不断应用，国内外学者在信号选取、信号分析、特征提取和状态诊断等方面进行了广泛而深入的研究。多年来，国内外学者在刀具监控方面作了大量的工作，并在检测方法、监控参数的选择、信号处理及识别领域取得了显著成果，有些监控系统已经用于生产。日本、美国、德国及瑞典等国家处于领先地位，并拥有一批成果及专利。国内的多所大学及研究单位也对刀具监控系统进行了一定的研究工作，且有一批产品问世。80年代以前，刀具实时监控仪的研究多以单传感参数刀具磨损监视仪为主，典型的传感参数是声发射、切削力、主轴功率和红外图像等，典型的监控仪有：日本的EMT-IO00，CHIP-55AZ，美国的ATMA，KTA和Cincinnati的功率监视系统，丹麦的HZK系统及中国的DJ-101，DZJ-101和TM-8000等。80年代后期，美国率先研究多传感参数融合的车刀磨损监测系统，利用人工神经网络(ANN)进行多传感参数特征信号并行输入的融合识别。清华大学在深入研究ANN，GMDH等融合识别基础上开展了声发射和切削振动两种传感信号多特征参数并行输入的:“主-从”融合识别车刀与立铣刀磨损及车刀、立铣刀、钻头、丝锥破/折损综合监控仪的研究开发和适用化研究，开发了TM-9000 型刀具磨/破损监控仪。哈尔滨工业大学、西北工业大学及上海交通大学都有相应的刀具状态监控系统。 二、国内外刀具状态监测方法概述 刀具状态检测方法可分为直接测量法和间接测量法。 1.直接测量法 直接测量法能够识别刀刃外观、表面质量或几何形状的变化，一般只能在不切削时进行，它有两个明显的缺点：一是要求停机检测；二是不能检测出加工过程中出现的刀具突然破损。国内外采用的刀具磨损量的直接测量法有：电阻测量法、刀具工件间距测量法、光学测量法、放电电流测量法、射线测量法、微结构镀层法及计算机图像处理法。
刀具磨损在线监测技术研究的探讨 (1)
刀具磨损在线监测技术研究的探讨-工程论文 刀具磨损在线监测技术研究的探讨 贾娜JIA Na；马雪亭MA Xue-ting （东北林业大学机电工程学院，哈尔滨150040） （Mechanical and Electrical Engineering College of Northeast Forestry University，Harbin 150040，China） 摘要：本文对近几年刀具磨损在线技术的研究进行探讨，得出间接测量方法较直接测量方法灵活，但直接测量方法敏感性更强。 Abstract: This paper discusses the research of the tool wear on-line monitoring technology. It is concluded that the method of the indirect measurement is more flexible than the direct measurement, and the method of the direct measurement is more sensitive than the indirect measurement. 关键词：刀具磨损；监测信号；间接测量 Key words: tool wear；check signature；indirect measurement 中图分类号：TH161 文献标识码：A 文章编号：1006-4311（2014）34-0057-02 基金项目：黑龙江省青年科学基金项目资助（QC06C002）。 作者简介：贾娜（1975-），女，黑龙江齐齐哈尔人，副教授，硕士研究生导师，研究方向为机械设计、木质材料加工、木材加工刀具；马雪亭（1990-），男，山东滨州人，研究生，研究方向为现代林业与木工机械设计及理论。 1 间接测量刀具磨损的研究
基于切削力的刀具状态在线监控之欧阳家百创编
基于刀具状态的切削力模型研究 欧阳家百（2021.03.07） （常州铁道高等职业技术学校、常州昌成铁路机械厂江苏常州 213011） 张宝金 摘要：建立适用于变工况加工的切削力模型，将切削力信号用于切削过程监控。建立基于切削参数（切削速度、进给量、切削深度）与刀具状态（主要考虑后刀面磨损量）的切削力模型，通过试验值与模型的预测值之间的比较，进一步验证模型的准确性。 关键词：切削力；刀具状态监控；金属切削；模型 1 引言 目前，加工中心（MC）、柔性制造单位（FMC）、柔性制造系统（FMS）及计算机集成制造系统（CIMS）逐渐成为现代机械制造业的主流，为实现制造系统的高度自动化提供了先决条件。自动化生产的实现，依赖于加工过程中切削刀具状态的自动监控，国内外学者在切削力模型方面进行了年夜量的研究工作。其中，切削力法被认为是一种具有实际应用前景的监控办法[1]。但以往基于切削力信号的研究年夜多是通过单因素试验[2]确定特定情况下切削力的阈值，从而对刀具状态进行识别。这类办法存在监控阈值难以确定以及监控参数特征信息不克不及适应切削参数的变更即监控的柔性差等问题，仅适用于不修改或较少修改切削参数的刚性加工生产线。随着计算机技术的成长，建立可适应变工况加工的刀具状态
监控系统十分需要。 影响切削力的因素有很多，其中切削用量三要素：切削速度、进给量、切削深度对切削力的影响最为显著[3]。本文以外圆车削为例，建立了基于切削参数（切削速 度、进给量、切削深度）与刀具状 态（主要考虑后刀面磨损量）的切 削力简化模型，并通过试验值与模 型的预测值之间的比较，进一步验 证模型的准确性。 2 切削试验系统及计划 （1）试验装置 本试验在一台型号为CA6140的普通车床上进行，切削力信号由Kistler测力仪（传感器）检测，测出的力信号经电荷放年夜器放年夜、经过数据收集卡后可直接将信号传送到计算机。再用Kistler测力仪的配套软件Dynoware对测得的力信号进行阐发和处理。试验系统组成如图11 所示。试验中刀面磨损状况及磨损值随时刻进行丈量，使用Keyence的VH8000系列数码显微镜对车刀后刀面的磨损状况拍照，通过丈量软件丈量车刀后刀面的磨损量以及刀具的破损情况。 （2）试验计划 切削力试验分为三部分进行：使用新刀片（磨损量为零）进行切削试验；使用不合状态的刀片（变更的磨损量）进行切削试验；使用不合状态的刀片（变更的磨损量）验证已建立的刀具磨损状态
刀具状态检测方法.
刀具状态检测方法 1. 1 直接测量法 直接测量法能够识别刀刃外观、表面品质或几何形状变化, 一般只能在不切削时进行。它有两个明显的缺点: 一是要求停机检测, 占用生产工时; 二是不能检测加工过程中出现的刀具突然损坏, 使其应用受到限制。 主要方法有: 电阻测量法、刀具工件间距测量法、射线测量法、微结构镀层法、光学测量法、放电电流测量法、计算机图像处理法等。 a 电阻测量法 该方法利用待测切削刃与传感器接触产生的电信号脉冲, 来测量待测刀具的实际磨损状态。该方法的优点是传感器价格低, 缺点是传感器的选材必须十分注意, 既要有良好的可切削性, 又要对刀具寿命无明显的影响。该方法的另一个缺点是工作不太可靠, 这是因为切屑和刀具上的积屑可能引起传感器接触部分短路, 从而影响精度。 b 刀具工件间距测量法 切削过程中随着刀具的磨损, 刀具与工件间的距离减小, 此距离可用电子千分尺、超声波测量仪、气动测量仪、电感位移传感器等进行测量。但是这种方法的灵敏度易受工件表面温度、表面品质、冷却液及工件尺寸等因素的影响, 使其应用受到一定限制。 c 射线测量法 将有放射性的物质掺入刀具材料内, 当刀具磨损时, 放射性的物质微粒就会切屑一起通过一个预先设计好的射线测量器。射线测量器中所测得的量是同刀磨损量密切相关的, 射线剂量的大小就反映了刀具磨损量的大小。该法的最大点是, 放射性物质对环境的污染大, 对人体健康非常不利。此外, 尽管此法可以测
量刀具的磨损量 , 并不能准确地测定刀具切削刃的状态。 特殊场合 , 不宜广泛采用。 d 微结构镀层法 随着刀具磨损状态的变化而变化 , 磨损量越大 , 电阻就越小。当刀具出现崩齿、 折 断及过度磨损等现象时 , 电阻趋于零。 该方法的优点是检测电路简单 , 检测精 度 高 , 可以实现在线检测。 缺点是对微结构导电镀层的要求很高 : 要具有良好的 耐 磨性、耐高温性和抗冲击性能 . e 光学测量法 光学测量法的原理是磨损区比未磨损区有更强的光反射能力 , 刀具磨损越 大 , 刀刃反光面积就越大 , 传感器检测的光通量就越大。 由于热应力引起的变形 及切 削力引起的刀具位移都影响检测结果 , 所以该方法所测得的结果井非真实 的磨损 量 , 而是包含了上述因素在内的一个相对值 , 此法在刀具直径较大时效 果较好。 f 放电电流测量法 将切削刀具与传感器之间加上高压电 , 在测量回路中流过的 （弧光放电 电 流大 小就取决于刀刃的儿何形状 （ 即刀尖到放电电极间的距离 。 该方法的优点 是可以 进行在线检测 , 检测崩齿、断刀等刀具几何尺寸的变化 , 但不 能精确地测量刀刃的几何尺寸。 g 计算机图像处理法 计算机图像处理法是一种快捷、 无接触、 无磨损的检测力法 , 它可以精确地 检测 每个刀刃上不同形式的磨损状态。 这种检测系统通常由 CCD 摄像机、 光源 和 计算 机构成。 但由于光学设备对环境的要求很高 , 而实际生产中刀具的工作环 境 非常恶劣 （如冷却介质、切屑等 , 故该方法目前仅适用于实验室自动检测。 因此 , 该法仅适用 于某些 将微结构导电镀层同刀具的耐磨保护层结合在一起。 微结构导电镀层的电阻
刀具磨损监测技术的研究现状及发展趋势
76 研究与探索Research and Exploration ·监测与诊断 中国设备工程 2019.01 (下) 在制造业中，数控机床发挥着举足轻重的作用。近年来，随着零件品质要求不断提高，越来越多的零部件需要进行高精密的加工，尤其是在航空航天、汽车、手机等领域，数控机床的发展已成为提高产品质量的关键性因素。对于数控机床来讲，刀具系统是其最重要的组成部分，它与加工工件的质量有着紧密联系，而刀具的磨损是导致工件质量差，废品率高的直接原因。有研究指出，五分之一的机床停机是由于刀具系统破损造成的，采用准确可靠的刀具磨损在线监测技术可使机床利用率提高1.5倍，最高提升切削速度50%，并节约30%左右的总加工成本。因此，对刀具磨损状态的实时监测有助于提高加工环境的稳定性和工件的质量，保障机床及加工人员安全，同时还能提高企业的生产效率、降低企业的生产成本。因此，发展刀具磨损监测技术有重要的作用。 1?刀具磨损状态监测技术的研究现状 现阶段的刀具磨损监测方法主要分为直接法和间接法。直接法主要是通过监测刀具磨损面反光强度、刀刃位移情况、切削面放射性、接触电阻及工件尺寸的变化来判断刀具的磨损情况。而间接法主要是通过监测切削过程中某些与刀具磨损构成映射关系的参数，例如工件温度、超声信号、切削过程的振动信号、切削力、扭矩、电机功率或电流的变化来间接反映刀具的磨损情况。以下是几种主要的监测方法。1.1?直接法 （1）光学图谱法：光学图谱法是通过利用光学仪器记录刀具后刀面磨损处的反光强度变化或进行图像处理得到刀具磨损信息的方法。这类方法的优点是其结果较为明确直观，方便技术人员分析；缺点是在实际生产过程中伴有切削液等切削条件的干扰，很难实现实时监测。 （2）接触法：接触法是通过探头磁间隙传感器检测切削刃的位置参数来得到刀具磨损信息的方法。这类方法的优点是简便易操作，缺点是其易受切削温度影响。 （3）放电性技术：放电性技术是通过在刀具原材料中加入放射性物质，随着磨损程度的加大，刀具放射 性逐渐加大，从而达到监测目的。这类方法的优点是其不受加工环境的影响，缺点是其实时性差，应用于实际生产还需考虑防护性问题。 （4）工件尺寸测量法：这类方法通过传感器检测工件的尺寸，根据检测结果与实际工件尺寸误差的大小来判断刀具磨损情况。但工件的尺寸受机床运动精度和热膨胀的影响，可靠性较低。1.2?间接测量法 （1）切削温度测量法：切削温度与刀具磨损有着直接联系，因此可通过监测工件与刀具之间的热电偶或用红外检测仪监测切削部位温度变化来实现磨损状态的识别，但这种方法不适用于添加冷却液的加工过程。 （2）声发射监测法：声发射是刀具或被加工器件在加工过程中因裂缝扩展、塑性变形、相变等引起应变能快速释放而产生应力波的现象。这种方法能在不影响刀具和工件的情况下检测到刀具磨损的特征信号，这些信号频率较高，受环境干扰较小，其缺点是传播过程中信号衰减很快，传感器需安置在接近切削处的位置，且信号处理方式复杂，效率低下。 （3）振动监测法：其通常用加速度计来监测切削过程中振动信号的变化来判断刀具磨损情况，对刀具磨损敏感度高，但其信号易受到机床的自激振动和噪声干扰，给后期判断增加了难度。 （4）切削力监测法：切削力对刀具磨损灵敏度高且作为加工过程中刀具状态变化最直接的表现之一，其信号特征能准确反应刀具的磨损情况。其缺点是传感器需要与工件有特定的安装位置，信号采集困难，设备昂贵。 2?研究难点及可能的解决方案 从现有刀具磨损监测技术来看，直接法操作性强，能够得到直观数据，避免了复杂的数据分析，但采集数据时容易受到环境干扰，采集数据不可靠，测量精度不高。而间接法虽然可以采集相对准确的数据，但它并不能直观反映刀具的磨损状态，需建立复杂的数学模型对磨损特征进行提取，过程复杂。 刀具磨损监测技术的研究现状及发展趋势 任泽宇 （浙江?杭州?311200） 摘要：刀具磨损的在线监测有助于提升刀具系统的稳定性和提高工件的加工质量，降低数控机床的故障率，减少故障时间，提高生产效率，对高精度的机械自动化加工有着重要意义。本文综述了现有的研究现状，并分析了现有技术的研究难点，提出了可能的解决方案，并展望了未来的发展趋势，为刀具磨损监测技术的发展提供了方向和拓展性思路。 关键词：刀具磨损；数控机床；在线监测 中图分类号：TG54；TP311.13 文献标识码：A 文章编号：1671-0711（2019）01（下）-0076-02
关于刀具磨损监测的分析
1.信号的相关性 2.刀具监测信号的处理：时频，频域，以及小波变换 1)小波分析用于信号与图象压缩是小波分析应用的一个重要方面。它的特点是压缩比高，压缩速度快，压缩后能保持信号与图象的特征不变，且在传递中可以抗干扰。基于小波分析的压缩方法很多，比较成功的有小波包最好基方法，小波域纹理模型方法，小波变换零树压缩，小波变换向量压缩等。 2)小波在信号分析中的应用也十分广泛。它可以用于边界的处理与滤波、时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺 度边缘检测等。 3)在工程技术等方面的应用。包括计算机视觉、计算机图形学、曲线设计、湍流、远程宇宙的研究与生物医学方面。 刀具磨损过程可以大致分为三个阶段：初期磨损阶段，正常磨损阶段，剧烈磨损阶段。1，初期磨损阶段：该阶段刀具磨损较快，主要是因为新刀刃的表面粗糙不平，接触应力较大，以及新刀刃表面可能出现的脱碳层，氧化层等表面缺陷。 2，正常磨损阶段：经初期磨损阶段后，切削刃仍比较锋利，刀具的切削刃和刀面已比较平整，所以这一阶段中，磨损速度相对减慢，切削过程比较平稳。 3，剧烈磨损阶段：在刀具正常磨损达到一定程度，刀具与工件的接触情况显著恶化，刀刃钝化，摩擦力急剧增大，刀具磨损发生质的变化，同时刀具的切削性能迅速下降，刀具与工件之间由于摩擦应力增大而产生高温将可能烧损刀刃或者失刀刃破损，此时刀具完全丧失切削能力。 刀具磨损的在线监控是柔性制造系统研究工程的一个重要课题，其工作状态直接影响着机械加工效率，效益及精度。刀具磨损检测方法：直接检测方法和间接检测方法。 1）直接检测方法中常用的主要有接触法，放射线法，光学检测方法。其中光学检测方法只能在停车时进行检测，不能用于实时监测；放射线检测方法虽有一定的检测精度，但不能进行实时监控，又具有实时性污染所以未能推广使用；光学检测法通过光学传感器获得刀具磨损区域的图形，并利用图像处理技术全面了解刀具的磨损状态，但其致命的缺点是：容易受加工方式及工况条件的影响，是许多加工过程无法无法采用光学法检测刀具磨损状态。 2）间接检测方法：切削力监测技术，基于声发射监测技术，基于振动加速度的监测技术，基于电流和功率的监测技术，表面光洁度监测法，超声波监测法，基于温度的监测法等。 切削力监测方法在刀具磨损监测研究领域应用最为广泛，是最具优势的一种方法。声发射信号反映的是金属材料内部晶格的变化，因此包含于刀具密切相关的信息，对刀具磨损与破损有较好的预报特性，声发射监测技术也成为目前应用最为广泛的方法之一。与其他检测方法相比，声发射信号的频率很高，一般在50KHZ以上，能够避开加工过程中振动和噪声污染严重的低频段，并能抵御一定范围内由于切削用量变化而引起的信号干扰，因此具有灵敏度高，信息量丰富等优点。切削过程中的振动信号包含丰富的与刀具状态密切相关的信息，它主要有切削力中的动态分量引起，且与刀具—工件—机床构成的切削系统本身的动态系统相关。通常采用加速度传感器测量振动信号，传感器通过磁座吸附于工件表面，安装简便，但安装方位不同将会对刀具状态监测的效果产生较大影响。刀具磨损时由于切削力增大，使得机床电流增大，负载功率也随之增大，因此因此可采用监测电流或功率的方法识别刀具磨损状态的变化。电流检测方法和功率监测方法具有安装测量简便，成本低，不受加工条件限
刀具磨损早期故障智能诊断研究
刀具磨损早期故障智能诊断研究 曹伟青 傅 攀 李晓晖 西南交通大学，成都，６１００３１ 摘要：针对刀具的早期故障监测中因存在强烈的背景噪声而难以提取故障特征的问题，提出了基于 二次采样随机共振消噪和Ｂ样条神经网络智能识别的故障诊断方法。首先利用在随机共振过程中，噪声增强振动信号的信噪比特性，将刀具振动信号进行随机共振输出，提取有效特征，再输入到Ｂ样条神经网络进行智能识别，进而获得刀具的磨损值。同时，为了得到与输入信号最佳匹配的随机共振参数，提出了基于遗传算法的多参数同步优化的自适应随机共振算法，克服了传统随机共振系统只实现单参数优化的缺点。实验结果表明，该方法能实现弱信号检测，能有效地应用于刀具磨损故障诊断中。 关键词：随机共振；遗传算法；信噪比；Ｂ样条神经网络中图分类号：ＴＰ１６４ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００４－１３２Ｘ．２０１４．１８．０１１ＥａｒｌｙＦａｕｌｔＩｎｔｅｌｌｉｇｅｎｔＤｉａｇｎｏｓｉｓｏｆＴｏｏｌＷｅａｒ ＣａｏＷｅｉｑｉｎｇ ＦｕＰａｎ ＬｉＸｉａｏｈｕｉＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ，６１００３１ Ａｂｓｔｒａｃｔ：Ｉｎｖｉｅｗｏｆｔｈｅｄｉｆｆｉｃｕｌｔｉｅｓｏｆｆａｕｌｔｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｆｒｏｍｓｔｒｏｎｇｂａｃｋｇｒｏｕｎｄｎｏｉｓｅｉｎｔｏｏｌｗｅａｒｅａｒｌｙｆａｕｌｔｄｉａｇｎｏｓｉｓ，ａｍｅｔｈｏｄｗａｓｐｒｏｐｏｓｅｄｂａｓｅｄｏｎｔｗｉｃｅｓａｍｐｌｉｎｇＳＲａｎｄＢ桘ｓｐｌｉｎｅｎｅｕｒａｌｎｅｔ‐ｗｏｒｋ．Ｆｉｒｓｔ，ＳＲｗａｓｅｍｐｌｏｙｅｄｔｏｒｅｍｏｖｅｎｏｉｓｅｉｎｔｏｏｌｗｅａｒｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓｂｅｃａｕｓｅｏｆｉｔｓｂｅｎｅｆｉｔｓｆｏｒｅｎｈａｎｃｉｎｇｔｈｅｓｉｇｎａｌ桘ｔｏ桘ｎｏｉｓｅｒａｔｉｏ，ｔｈｅｎ，ｔｏｏｌｗｅａｒｓｗｉｔｈｔｈｅｇｏｏｄｆａｕｌｔｆｅａｔｕｒｅｓｗｅｒｅｉｄｅｎｔｉｆｉｅｄｂｙＢ桘ｓｐｌｉｎｅｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｄｅｆｉｃｉｅｎｃｙｏｆａｓｉｎｇｌｅｐａｒａｍｅｔｅｒｂｅｏｐｔｉｍｉｚｅｄｉｎｔｈｅｔｒａ‐ｄｉｔｉｏｎａｌＳＲａｎｄａｃｈｉｅｖｅｔｈｅｂｅｓｔＳＲｐａｒａｍｅｔｅｒｓ，ａｎａｄａｐｔｉｖｅＳＲｗａｓｐｒｏｐｏｓｅｄｂａｓｅｄｏｎｇｅｎｅｔｉｃａｌｇｏ‐ｒｉｔｈｍ，ｗｈｉｃｈｒｅａｌｉｚｅｄｍｕｌｔｉ桘ｐａｒａｍｅｔｅｒｓｙｎｃｈｒｏｎｏｕｓｏｐｔｉｍｉｚａｔｉｏｎ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎｒｅａｌｉｚｅｔｈｅｗｅａｋｓｉｇｎａｌｄｅｔｅｃｔｉｏｎａｎｄａｐｐｌｙｔｏｔｏｏｌｆａｕｌｔｄｉａｇｎｏｓｉｓｅｆｆｅｃｔｉｖｅｌｙ． Ｋｅｙｗｏｒｄｓ：ｓｔｏｃｈａｓｔｉｃｒｅｓｏｎａｎｃｅ（ＳＲ）；ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ；ｓｉｇｎａｌ桘ｔｏ桘ｎｏｉｓｅｒａｔｉｏ；Ｂ桘ｓｐｌｉｎｅｎｅｕｒａｌｎｅｔ‐ｗｏｒｋ 收稿日期：２０１３—０５—０２ 基金项目：中央高校基本科研业务费专项资金资助项目（ＳＷＪ‐ＴＵ１２ＣＸ０３９） ０ 引言 刀具的磨损监测是实现自动化和无人化加工的关键技术之一。在实际的刀具磨损故障诊断过程中，所采集的振动信号除了有用的特征信息外，还存在大量的干扰噪声，尤其在早期的故障诊断中，特性信息比较微弱，提取这种微弱信号的特征是刀具磨损早期故障诊断的关键。现有的方法多数是从消噪的角度来检测故障特征的，如小波消噪［１］、经验模式分解降噪［２］、局部均值分解降噪［３］、形态滤波［４］等方法。然而这些方法在抑制噪声的同时，也使得被测信号被不同程度地削弱。 随机共振［５］ 与传统的方法不同，它利用噪声和信号之间的能量转换来增强弱信号，在微弱信号检测中具有突出的优势，受到广泛关注［６桘１１］。 文献［７］通过二次采样频率变换，实现了大参数信 号的随机共振；文献［８桘９］利用级联随机共振去除高频噪声，达到降噪目的；文献［１０］利用信号调制原理实现高频微弱信号的检测。这些研究为随机共振理论在微弱信号检测方面的应用提供了方法。本文根据遗传算法优良的全局寻优能力，以双稳态系统输出的信噪比为适应度函数，对随机共振系统中的多个参数进行同步优化，实现了刀具磨损过程中的微弱信号检测。最后利用Ｂ样条神经网络对提取的信号特征进行融合，网络的输出为刀具的磨损值，实现了刀具磨损的智能识别。 本文中，刀具磨损弱特征提取及智能诊断分以下几步进行：①建立实验系统，采集刀具各磨损阶段的数据；②根据估计的噪声强度Ｄ设置二次采样频率ｆｓｒ，进行二次采样，使信号满足小参数随机共振分析的需要；③用遗传算法优化随机共振系统参数；④系统输出增强信号；⑤计算输出信 ? ３７４２?刀具磨损早期故障智能诊断研究———曹伟青 傅 攀 李晓晖