[发明专利]一种基于主轴振动特征融合的刀具破损实时监测方法

说明书

一种基于主轴振动特征融合的刀具破损实时监测方法，首先针对铣削过程，分析刀具破损过程，建立考虑刀具偏心和破损的切削层厚度计算模型，进行铣削力计算，并对铣削力时域和频域特性进行分析；对刀尖点‑主轴头传递函数进行实验测试和模态参数辨识，计算铣削力激励作用下的主轴振动响应，并对振动响应的时域和频域特性进行分析；融合X方向和Y方向主轴振动位移响应的频域幅值，定义刀具破损特征；对主轴振动加速度信号进行实时数据采集、动态提取与拼接，计算刀具破损特征值，与其阈值比较来实时判断刀具是否发生破损。本发明能够实现快速准确的刀具破损监测，实施方案简单、有效。

技术领域

本发明属于智能切削加工技术领域，特别涉及一种基于主轴振动特征融合的刀具破损实时监测方法。

背景技术

刀具破损会直接影响工件的表面质量和尺寸精度，严重时会对机床造成损坏。在实际切削加工过程中，刀具是否破损全凭工人的经验来判断，例如听切削过程中的声音、感触机床的振动、停机视觉观察等等。但在一人多机与无人值守的生产线，由于缺乏人工的干预，会出现刀具更换不及时和频繁换刀的情况。刀具更换不及时会导致零件质量不达标，甚至产生废品；频繁的更换刀具会导致停机时间长而影响生产效率，增加生产成本。因此，如何在加工过程中快速、准确的判断出加工过程中刀具是否破损，是保证加工质量、降低成产成本并提高生产效率的重要环节。

目前，刀具状态监测可以通过直接监测和间接监测实现。直接监测是通过光学、图像等方法来直接观察、测量刀具的破损情况，但光学测量法需停机测量，影响加工效率；图像法受限于机加工环境恶劣及设备安装困难等因素，且成本高昂；因此，直接监测在工业界的应用不多。间接监测可以有效地避免直接监测所存在的问题，使用振动、声发射、电机电流等信号的间接监测在实际现场得到了广泛的应用。有人开发了基于机床运行数据的刀具磨/破损监测软件，但这些软件所使用的方法无法分辨出切削负载的变化是由于加工参数的变化导致还是刀具破损所引起的，只能用在固定工况、批量生产的情况下，使用范围受限。此外，随着人工智能和大数据技术的发展，基于数据模型的刀具破损监测成为了新的热点。然而，数据模型是通过数据拟合出实际系统的变化规律，缺乏通过物理建模得出规律的过程，因此，存在前期需大量实验数据进行训练的问题。而且在实际加工中，工艺参数多变、材料种类繁多，需大量的时间和成本来积累数据。

综上所述，当前刀具破损直接监测方法需停机，影响加工效率；间接监测方法无法确定切削负载的变化是否由刀具破损所导致，且缺乏机理分析，需通过大量数据拟合出规律。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供了一种基于主轴振动特征融合的刀具破损实时监测方法，通过对主轴振动加速度进行实时采集和频域分析，定义刀具破损特征，并计算特征频率幅值比，以及刀具破损特征值，进一步与破损特征阈值比较来进行刀具破损判别；本发明具有较高的可靠性和实时性，且实施较为简单、便于在企业加工现场进行使用。

为了达到上述目的，本发明采取的技术方案为：

一种基于主轴振动特征融合的刀具破损实时监测方法，包括以下步骤：

步骤1)针对铣削过程，建立考虑刀具偏心和破损的切削层厚度计算模型，进行铣削力计算，并对铣削力时域和频域特性进行分析；

步骤2)对刀尖点-主轴头传递函数进行实验测试和模态参数辨识，计算铣削力激励作用下的主轴振动响应，并对主轴振动响应的时域和频域特性进行分析；

步骤3)融合X方向和Y方向主轴振动位移响应的频域幅值，定义刀具破损特征；

步骤4)对主轴振动加速度信号进行实时数据采集、动态提取与拼接，计算刀具破损特征值，实时判断刀具是否发生破损。

所述的步骤1)的具体过程为：

1.1)铣削加工中刀具的破损过程：