生產線刀具破損監控係統研製（zhì）-刀具網（wǎng）-數控機床市場（chǎng）網

您現在（zài）的（de）位置：刀具網> 技術前沿>生產線刀具破損監控係統研製

生產線刀具破（pò）損監控係統研製

2017-1-13 來源：大連理工大學機械工程學院作者：錢（qián）峰,董惠敏,董喜望

摘要（yào）:研究數控生產線的刀具破損監控問題,對比現有刀具（jù）破（pò）損監控方法,根（gēn）據實際工況要求,設計基於機床內置功率傳感器的自（zì）學習（xí）刀具破損監控係（xì）統,實現國外進口產品替代。具體實現數控機床聯網通訊、接口函數獲取機床主軸功率信號、按加工工步分段監控的自學習刀具破損監控功能。並在FANUC 數控係統的數控機床（chuáng）上（shàng）進行了應用測試,通過實驗驗證監控係統穩定可靠。

關鍵詞:FUANC 數控係統;主軸功率;分段監控;刀具破損

0.引言

數控機（jī）床是數控生（shēng）產線的核心,也是（shì）數控生產線中（zhōng）最容易出問題的環節,對數（shù）控機床切削刀（dāo）具破（pò）損在線監控（kòng）是保證產品質量和提高數控生產線（xiàn）效（xiào）率的關鍵技術。刀具破損監控的方法很多,包括直接監控法和間接監控法,直接監控法包（bāo）括計算（suàn）機圖像處理、光學測量等;間接（jiē）監控法包括切（qiē）削力（lì）監控、主軸功率監控、振動監（jiān）控（kòng）和聲發射監控等[1-6] ;直接（jiē）法雖然監控（kòng）直觀、測量方便,但是一般都是在刀具靜（jìng）態時候測量的,不滿足數控生產線對切削刀具在線監控的要求,因此基於數控生產線的刀具破損監控研究的熱點還是間接監控（kòng）法[7]。

國（guó）外對刀具破損監控的研究起步較早（zǎo）,也取得了一些成果,已經有不少商用化的刀具狀態監控係統。國內在這方麵近幾年研究的比較多,但是大多（duō）數的刀（dāo）具破（pò）損監控成（chéng）果僅適用於實（shí）驗室,鮮有穩定可靠商用刀具監控係統。ARTIS 刀具破損監控係統是對機床加工過程中刀具斷刀、主軸碰撞等機床狀態進行監控的一套監控係統。美國（guó）BK Mikro 刀具破損監控係統,該係統主要帶有一個機械式的監控測頭,能夠感（gǎn）知加工過（guò）程中刀具的狀態變化,並且迅速的反饋刀（dāo）具狀態信息。由於國內沒有相（xiàng）應市（shì）場化的刀具狀態監控產品,而國外的刀具狀態監控產品價格昂貴,因此迫切需要開發穩定可靠的產品來替代國（guó）外產品（pǐn）的壟（lǒng）斷,實現國外進口產品（pǐn）的替代。

現有的（de）刀具破損監控一般（bān）都需要外部傳（chuán）感器,傳感器要麽安裝在待加工工件表麵,要麽安裝在刀具上,有（yǒu）的（de）刀具監控係統傳感器的安裝甚至需要改變機床結構,這種客觀的原因嚴重的阻礙了刀具監控係統的市場化。針對這個問題,本文以數控（kòng）生產線批量加工的（de）數控機床刀具破損監控為研（yán）究對象,提出了利用數控（kòng）機床內置傳感器獲（huò）取刀具監控信號（hào）來實現（xiàn）加（jiā）工過程中刀具（jù）破損監控。

1.刀具破損監控原理

在切削加工（gōng）過（guò）程中（zhōng）,當刀具發生破損時,刀刃狀態的改變會引起切削力矩發生變（biàn）化,從而導致（zhì）機床主軸功率發生改變,因而通過監控加工過（guò）程中機床主軸（zhóu）功率就可（kě）以監控刀（dāo）具的狀態。而且機（jī）床主軸功率對刀具（jù）破損較為敏感,信號獲取簡單,可避免環境中的切屑、振動等幹擾,是生產實際中刀（dāo）具破損監控較為理想的監測（cè）信號[8] 。

數控機床在批量（liàng）加工過程中,由於加（jiā）工工藝以及加工（gōng）參數不（bú）發生變化,因此在批量加（jiā）工中,數控機（jī）床主軸（zhóu）的功率信號在時間軸（zhóu）上具有周期性特點[7] 。根據這（zhè）一特點,可以實時獲取數控機床的功率信息並（bìng）與一組標準加工功率信號進行比較（jiào）,從而達到對數控機床刀具破損監測的目的。

2.刀具破損（sǔn）監控係統設計

刀具破損監控係統總體分為四個模塊（kuài）,信號采集模塊、學習（xí）模塊（kuài）、在（zài）線（xiàn）監控模塊和預警模塊。信號采集模塊主要是采（cǎi）集監控係統所需要用到的各種信息。學習模塊主要存儲新刀加工時的主軸功率數據,作（zuò）為閾值設定的基準。在線監控模塊則是實（shí）時監（jiān）測刀（dāo）具時候超出設定的閾值,如（rú）若超出相應的閾值,則（zé）傳遞給預警模塊信息。當實時監控時,檢測（cè）出當前功率超出了設定的閾值則預警模塊作用,使機床（chuáng）產生相應的保護動作。

2. 1　刀具破損監控自學習方法

用自（zì）學習方法進行（háng）刀具切削狀態監控,就（jiù）是在批量生產時,先用鋒利的刀（dāo）刃加工一個工件,保存這一過程的機床的主軸功率。在以後的加工過程中,實時讀（dú）取機床主軸功率並與（yǔ）之前鋒利刀具切削（xuē）時保存（cún）的功率對比,如果出現超出設定的閾值,就說明（míng）刀具出現（xiàn）破損,從而實現監控[9] 。監控過程如圖1 所示。

要監控一批零件的加工,隻需進行一次自學習過程,以後（hòu）的監控工作（zuò）均是重複實時監控過程。用自學習方（fāng）法的前（qián）提（tí）就是加工要有一定的批量,如果單件生產就無法應用或從經濟角度是不可取的。該方法要求加工過程的（de）重（chóng）複性包括所加工工（gōng）件毛坯相同、切削刀具相同、切削（xuē）用量相同。一般在批量生產中,確定了零件生產工藝（yì）,就不會隨意（yì）更改（gǎi）,因此批（pī）量生產過程可保證加工過程（chéng）嚴（yán）格重複[10] 。自學習方法的根本點（diǎn）就是將實際加工過（guò）程的（de）監（jiān）控數據與自（zì）學習過程的標準（zhǔn）數據相比較,這就要求（qiú）必須在相同的條件下進行比較,即數據同步。實現數據（jù）的同步（bù）對比也是（shì）自學習監控方法的關鍵技術。

2. 2　監控係統功能與結構

本文開（kāi）發的基於自學習的刀具破損監控係統結構如圖2 所示,刀具的切削（xuē）狀態由主軸的功率變化來間接反（fǎn）映,主軸功率信號和加工代碼等（děng）輔助信息通過數（shù）控機床的內置（zhì）傳感器采集,由本文編寫的（de）FOCAS2 接口軟件實時讀取（qǔ）。實時讀（dú）取的功率信號進入監控模（mó）塊並依據相（xiàng）應的判定規則做出刀具是否破損的判定,若（ruò）果判定破損,則給出相應的（de）報警提（tí）示。生產線數控機床在加工過程中切削加工的模式為自動狀態,此時主軸和進給軸都運動,當監控係統檢測到刀具破損信號時,係統發出一個觸發信號給機床數控係統,使其修改數控機床的操作模式為手動狀態,而機床的手（shǒu）動狀態則隻是主軸轉動,進給停（tíng）止,這樣當監控係統檢測到刀具破損信號時（shí）,就使得數控機床進給停止,阻止了刀具和工件進一步接觸。

2. 3　監控信號（hào）采集模（mó）塊

數控機床一（yī）般都有內置傳感器,常用的內置（zhì）傳感器有檢測各個軸轉速的測速發（fā）電機和脈衝編碼器,檢測位置的直線光柵和光電編碼器以及檢測（cè）各個軸功率的霍爾傳感器。使用Microsoft Visual Basic 或者VisualC++ ,配合FANUC 提供的FOCAS2 應用（yòng）程（chéng）序（xù）接口(API)進行自主（zhǔ）編程就可以采集到機床的各個（gè）軸的實時轉速,各個軸（zhóu）的實時功率以及刀架的位置和當前加工程序等一（yī）係列信息。通過FANUC 技術支持（chí）提供的信息,實時采集信號的頻率可以達到（dào）40HZ,對於本文所運用的自學（xué）習刀具破損監控原理,能（néng）夠滿足（zú）實時監控要（yào）求。信號采集過程如圖3 所示。

2. 4　係統學習模塊和在線監控模塊

在學習和監控模塊,為了實現分（fèn）段監控和數據同步對比本文采用對加工數控程序（xù）代碼進行解析（xī）。一個工序的數控加工程序包含有多行NC 代碼,而這些NC 代碼（mǎ）一般由多個加工工步的NC 代碼組成,包含（hán）切削過程和非切削過程指令代碼（mǎ）。加工（gōng）人員根據工藝編寫相應（yīng）的數控程序（xù）,在數控程序（xù）每個工步前分別定義工序號、工步（bù）號、刀號、刃號,並分別在數控程序中每個（gè）工步的數（shù）控代碼行指令（lìng）前加上一行空代碼#29 =1,該工步（bù）結束數控代碼指令後（hòu）一行加上空代碼#29 =0。這樣一段正常加工的NC 程序就按不同的工步（bù）被#29 =1 和#29 =0 分為多個片段（duàn）,其中每對#29 =1 和#29 =0 之間的NC 代碼就是刀具切削工件的過程的NC 代碼#29 =1 和#29 =0之外的數控程（chéng）序代碼是（shì）非切削過程的NC 代碼。上述過程就是（shì）對（duì）數控代碼按工步分段解析的過程。解析完後的數控程序代碼將切（qiē）削（xuē）過程和非切削過程以空代碼#29 =1 和#29 =0 明顯的區分開了,刀（dāo）具破損監控時隻需要對#29 =1 和#29 =0 之間的加工過程進行監（jiān）控。數控代碼分段解析過程如圖4 所示。

學習數據與實時監控（kòng）數據同步（bù）對比是實現自學習刀具破損監控的關鍵技術之一。自學習刀具破損監控要求采集的學習功率信號和實時監（jiān）控（kòng）功率信號（hào）在相同的條件下進行對比,即學習曲線和實時（shí）監控曲線對比的時候不（bú）能有相位差,數據同步對比如圖5 所示,圖5a 為非同步對比,圖5b 為同步對比。

在學習階段,監控係統讀取當前執行數控程序名和當前執行每（měi）一行代碼（mǎ）的行號（hào）,當讀取到#29 =1 這一行NC 代碼時,係統開始讀取並保（bǎo）存主軸功率,直到讀取到#29 =0 這一行NC 代碼（mǎ）時,停止（zhǐ）讀取主（zhǔ）軸功率,同時保存該工步（bù）的工（gōng）步號、刀號。接（jiē）下來（lái）繼續讀取當前執行的代碼,當（dāng）讀取到下一對#29 =1 和#29 =0 執行上述相同的邏輯,這樣一整條數控程序執（zhí）行完後,在學習階段就完成（chéng）了整條數控程序中若幹個工步切削過程主軸功率數據的存儲。學習過程的算法如圖6 所示。

刀具破損自學習監（jiān）控的閾值設定方式和閾值大小設定直（zhí）接影響這監控的效果,閾值設定方式有直線閾值和曲線閾值,直線閾值適合於（yú）粗加工,曲線閾值適合於半精加工和精加工。根據不同的加工（gōng）選擇不同的閾值設定方式。閾值設置得過小,監控係統反應太靈敏,容易產生誤（wù）報;閾值設置的過大,可能會漏掉某些破損報警。本（běn）文提出一種基於工步分別設置不同閾值（zhí）的方法（fǎ）,在粗加工和對零件精度要求不（bú）嚴格的工步設置較大的閾值,在精加工和對零件精（jīng）度要求（qiú）較高的工步設置較小的閾值（zhí）。這種基於工步特征設置不同監控閾值（zhí）的方法相（xiàng）對於對整個加工（gōng）程序設置一個相同的閾（yù）值更（gèng）加的合理。

在實時（shí）監控（kòng）階段,監控係統讀取當前（qián）執行程序名（míng）和當前執行（háng）代碼,首先（xiān）判斷當（dāng）前執行程序名和學習階段執行的程序名是否相同,若相同,則讀取當前（qián）執行代碼,當讀取到#29 =1 這一行代碼時,係統開始（shǐ）讀取執行代（dài）碼和主軸功率,同時將采集到的工步號、刀（dāo）號與學習階段保存工步號、刀號匹配（pèi）,並（bìng）將實時采（cǎi）集的主軸（zhóu）功率與（yǔ）匹配上對應學（xué）習時的功率逐點對比（bǐ）,判斷是否超出設定的閾值,當讀取到#29 =0 這一行代碼時（shí）,結束讀取數據,直（zhí）到整個（gè）加工程序結束。學習階段的算法如圖7 所示。

3.刀具破損監控係（xì）統軟件開（kāi）發

針對上文（wén）介紹的自學習（xí）刀具破損監控原理和（hé）算（suàn）法,運用Visual C++ 和SQL SERVER 開發工具開發了（le）刀具破損監控軟件,實現了自動生產線批量生產刀具（jù）破損實時在線監控（kòng）功能。軟件主要實現批量加工時刀具破損。

學習時,按照解析之（zhī）後的數控加工代碼加工（gōng）一個標（biāo）準零件,存儲（chǔ）加工過程（chéng）中的主軸功率數據,在整個數（shù）控代碼的（de）所有工步執行完之（zhī）後完（wán）成學習過程。閾值設定時首先選擇閾值的形式（shì）,有直線閾值和曲（qǔ）線閾值兩種可供選擇（zé）。閾值的大小是相對於學習曲線來（lái）計算（suàn）的,曲線（xiàn）形式的閾（yù）值（zhí）上限是學習樣本中最大功率值的設定百分比加上當前每個時刻功率,閾值下限是學習樣本中每個時刻的功率值減去最小（xiǎo）功率的設定百分比（bǐ）。直（zhí）線形式的閾值上（shàng）限是學習樣本中最大值（zhí）加上最大功率值的設定百分比,閾值下限是學習樣本中最小值減去最小功率的設定百分比。在所有工步學習（xí）完後可以給每個工步分別設定不同的閾值大小。實時監控時,係統實時（shí）讀取當前主軸功率,並與學習樣（yàng）本（běn）同步對比,判斷當前主軸功率是（shì）否超出設定的閾值上下限,若超出,則監控係統報警,數控機床進（jìn）給（gěi）停止。刀具破損監（jiān）控係（xì）統（tǒng）的界麵圖8、圖9 所示。

4.應用測試

為（wéi）了驗證監控係統的效果,做了如下的實驗:實驗機床使用的（de）是沈（shěn）陽機床A5-T2 單機自動化數控機床,數控（kòng）操作係統為FANUC-0i-mate,實驗試件為Cr40 階梯軸,刀具采用的是SANDVIK 外圓粗加工車刀和外圓精加工車（chē）刀,刀具材料為硬質合金。加工工序含（hán）有兩個工步（bù）,用粗加工刀具加工階梯軸外圓,切削用（yòng）量為切削速度V = 200m/ min,進給量f = 0． 5mm/ r,背（bèi）吃刀量ap =3． 5mm,上下閾值均設定為40%。精加工切削（xuē）用量為切削速度V = 500 m/ min,進給量f =0． 2mm/ r,背吃刀量ap = 1． 0mm,上下（xià）閾值均設定為25%。刀具破損是隨（suí）機發生的,為了使（shǐ）加工過程中（zhōng）刀（dāo）具發生破損,在工件（jiàn）中嵌入硬質點,這樣當刀尖碰到硬質點時,刀具必將（jiāng）破（pò）損。實驗中一共切削（xuē）了50 個工件（jiàn）,其中25 個（gè）工件在粗加工工步嵌入硬質點,25 個工件在精加工工（gōng）步嵌入硬質點。粗加工工步中（zhōng）當切屑到（dào）工件含有硬質點部位時,全部監控到（dào）,準確率100%,精加工工步當切（qiē）削到工件（jiàn）含有硬質點部位時,監控（kòng）到了24 個,有兩個沒有報警,報警準確率98%。

5.結論

本文論述（shù）了基於（yú）FANUC 提供的FOCAS2 應用程序接口(API)進行自主（zhǔ）編程獲刀具（jù）破損取監控信號,為數控機床狀態監控信號獲取方式（shì）的進一步研究提供了借鑒意義。采用數控機床（chuáng）內置傳感器獲取監控（kòng）信號,很好的解（jiě）決了傳統刀（dāo）具破損監（jiān）控（kòng）傳感器的（de）安裝難（nán）題。結合NC 代（dài）碼解析來（lái）甄別切削（xuē）過程和（hé）非切削過程解決了以往刀具破損監控對整個（gè）加工過程監控的盲目性,為後（hòu）續研究刀具破損監控拓展了研究思路。開發的刀具破損監控係統已經應用在企業中,實踐證明本係統監控效果良好運行可靠（kào）.

投稿箱：
如果您有機床行業、企業（yè）相關新（xīn）聞（wén）稿（gǎo）件發表（biǎo），或進行資訊合作，歡迎聯係本網編輯部（bù），郵箱：skjcsc@vip.sina.com

更多相關信息（xī）

名企推薦（jiàn）

業界視點

| 更（gèng）多

行業數據

| 更多

博文選（xuǎn）萃

| 更多