[发明专利]一种基于振动信号的刀具失效监控方法

说明书

本发明属于数控加工领域，特别涉及一种基于振动信号的刀具失效监控方法，方法包括以下步骤：第一步，获取数控加工过程中的振动信号，并计算所述振动信号的均方根值；第二步，基于所述振动信号的均方根值，进行刀具失效识别，所述刀具失效识别包括刀具断裂识别、刀具缺齿识别和刀具崩刃识别；其中，所述刀具断裂识别根据所述振动信号的均方根值小于下限值所持续的时间长度进行识别；所述刀具缺齿识别根据所述振动信号的均方根值大于上限值所持续的时间长度进行识别；所述刀具崩刃识别通过基于SVM构建的模型进行识别，本发明针对飞机结构件品种多、批量小的情况，公开了飞机结构件数控加工刀具失效监控方法，提高了识别的准确性。

技术领域

本发明属于数控加工领域，特别是涉及一种基于振动信号的刀具失效监控方法。

背景技术

在金属切削加工中，刀具随着使用时间的延长逐渐磨损甚至破损、断裂。由于与工件直接接触，刀具的过度磨损、破损将降低零件的尺寸精度及表面质量，甚至导致零件报废（例如：刀刃破损后导致零件烧伤）。因此，加工过程中，需要时刻关注刀具的状态，在其磨损到一定程度或出现破损时及时更换。

目前，飞机结构件的数控加工过程中，刀具状态主要依靠操作工人通过经验来判断，人为因素影响大，对一些异常情况难以及时响应。因此，常出现因刀具过度磨损/破损引起的零件质量问题。

市场上已经有ARTIS等商业化的刀具监控系统，并在汽车行业中已经得到成熟应用，主要采用学习然后比对的方式进行异常监控，但是对于飞机结构件多品种、小批量的加工模式，可以用于学习的数据量少，并且信号在飞机结构件等复杂零件的加工过程中易受加工状态波动的影响，因此应用过程中频繁产生误报警而影响正常生产。

发明内容

针对飞机结构件多品种、小批量的加工模式，可以用于学习的数据量少，并且信号在飞机结构件等复杂零件的加工过程中频繁产生误报警的问题，本发明采用融合刀具使用工况的机理分析和信号处理算法构建模型的思路，提出一种基于振动信号的刀具失效监控方法。

为了实现上述发明目的，本发明提供了以下技术方案：

一种基于振动信号的刀具失效监控方法，包括以下步骤：

第一步，获取数控加工过程中的振动信号，并计算所述振动信号的均方根值；

第二步，基于所述振动信号的均方根值，进行刀具失效识别，所述刀具失效识别包括刀具断裂识别、刀具缺齿识别和刀具崩刃识别；

其中，所述刀具断裂识别根据所述振动信号的均方根值小于下限值所持续的时间长度进行识别；所述刀具缺齿识别根据所述振动信号的均方根值大于上限值所持续的时间长度进行识别；所述刀具崩刃识别基于SVM构建的模型进行识别。

作为本发明的优选方案，所述刀具断裂识别根据所述振动信号的均方根值小于下限值所持续的时间长度进行识别具体是指：

设振动信号每转均方根值RMS小于下限值K₁所持续的时间长度为T₁，若T₁大于刀具断裂许可时间，则判定发生刀具断裂。

作为本发明的优选方案，所述刀具缺齿识别根据所述振动信号的均方根值大于上限值所持续的时间长度进行识别具体是指：

设振动信号每转均方根值RMS大于上限值K₂所持续的时间长度为T₂，若T₂大于刀具缺齿许可时间，则判定发生刀具缺齿。

作为本发明的优选方案，所述刀具崩刃识别通过基于SVM构建的模型进行识别分为两种情况：