[发明专利]一种数控车床刀具磨损监测系统及方法

说明书

本发明公开了一种数控车床刀具磨损监测系统及方法，该数控车床刀具磨损监测系统包括：通过传输线依次连接的加速度传感器、便携式恒流适配器、数据采集卡以及笔记本电脑，本申请中提供的数控车床刀具磨损监测系统及方法其信号处理方法采用经验模态分解(empirical mode decomposition,简称EMD)方法，摆脱了线性和平稳性束缚，适用于分析非线性非平稳信号，可以在时间和频率同时达到很高的精度，对局部特征反映更为准确,在很大程度上弥补了传统信号分析方法的不足；该系统简单适用,操作方便,并且使用的传感器比较通用、价格适中,易于组建试验系统,大大减少了监测成本,并能较为有效地识别刀具的磨损状态。

技术领域

本发明涉及刀具磨损检测领域，特别涉及一种数控车床刀具磨损监测系统及方法。

背景技术

装备制造业是推动社会发展和技术进步的基础产业,它牵动着人民生活的方方面面,关系着国计民生。数控车床在装备制造中应用十分广泛，而且是生产流程上的关键设备。而数控车床切削加工是大功率、大切削用量、高速切削,刀具材料多为新材料,工件多为难加工材料,使得加工过程中的危险性比普通车床大得多。而刀具又是制造业中的关键部件,是加工过程中最常见也是最重要的加工要素之一，它对制造业的发展起着决定性的作用,其磨损状态直接影响了加工工件的质量和精度。因刀具失效而造成的故障停机率约占数控车床总故障率的22.4％,所以数控车床刀具磨损监测便成了装备制造和机械故障诊断及状态监控技术的重大关键技术难题之一,至今尚未得到很好解决。装备制造业的发展迫切要求在加工过程中对数控车床刀具的磨损状态进行实时地监测,以便及时地采取各种相应的控制措施来保证加工质量和减少经济损失。

目前国内外关于数控车床刀具磨损监测的主要技术路线是：(1)信号采集(2)信号处理(3)特征提取(4)智能决策。其中，信号处理是关键环节。但现有文献中：传统的傅里叶变换、短时傅里叶变换、小波变换等信号处理方法存在以下不足：

(1)傅里叶变换只能处理线性非平稳的信号，小波变换虽然在理论上能处理非线性非平稳信号，但在实际算法实现中却只能处理线性非平稳信号。

(2)不具有自适应性。

(3)傅里叶变换的频率是全局性的，小波变换是区域性的，不能对信号局部特征进行精确的分析。

为了克服现有技术中存在的不足，本发明提供一种数控车床刀具磨损监测系统及方法。

发明内容

发明的目的在于提供一种数控车床刀具磨损监测系统及方法，解决了背景技术中提到的问题。

本发明是这样实现的，一种数控车床刀具磨损监测系统及方法，该数控车床刀具磨损监测系统包括：通过传输线依次连接的加速度传感器、便携式恒流适配器、数据采集卡以及笔记本电脑。

本发明的进一步技术方案是：所述加速度传感器采用压电式加速度传感器。

本发明的进一步技术方案是：该数控车床刀具磨损监测方法包括以下步骤：

步骤A：建立样本集；

步骤B：寻优与训练并得到刀具磨损识别模型；

步骤C：在线传递实时数据至刀具磨损识别模型并进行刀具磨损程度的判断。

本发明的进一步技术方案是：所述步骤A中的建立样本集中的每个样本均包含如下5个特征：振动信号经过经验模态分解(EMD)后提取的第1阶和第2阶内禀模态函数(Intrinsic Mode Function,简称IMF)分量IMF1和IMF2的均方根值rms1,rms2以及切削参数，所述切削参数为主轴转速n,进给量f,切削深度a_p。

本发明的进一步技术方案是：所述步骤A中的建立样本集中的每个样本均有对应的样本标签，分别为0,1；其中0代表不需要更换刀片包括刀片的初期磨损和正常磨损,1代表需要更换刀片即刀片的严重磨损。