[發明專利]一種數字孿生驅動的數控機床刀具監控系統

有效

• 申請號: 201911155727.6
• 申請日: 2019-11-22
• 公開（公告）號: CN110900307B
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 陶飛;汪軼群;王雨澄;左穎;鄒孝付
• 申請（專利權）人: 北京航空航天大學
• 主分類號: B23Q17/09
• 分類號: B23Q17/09
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;鄧治平

1.一種數字孿生驅動的數據機床刀具監控系統，其特征在于，包括：

(1)數據機床刀具孿生模型構建模塊，具體包括：

幾何模型繪制模塊，使用軟件工具，建立刀具的幾何模型，體現其形狀、尺寸、結構組成以及裝配關系；

物理屬性仿真模塊，使用ANSYS軟件工具對刀具進行網格劃分，從宏觀以及微觀的尺度進行動態的模擬與刻畫，對模擬刀具切削所受最大應力、最小應力、平均應力進行模擬仿真；并通過圖形和數值的形式表現出具體設備上的物理量；

行為模型建立模塊，選取預定切削過程，獲取走刀、轉速、進給參數，根據不同加工工況分析典型的應力變化；

規則模型添加模塊，添加數控機床刀具的約束規則以及虛擬模型的控制規則；

(2)應力仿真模塊，具體包括：

網格劃分模塊，使用ANSYS軟件，選擇三角面片方式對刀具SolidWorks模型進行網格劃分；

添加邊界條件模塊，在已經劃分網格的刀具模型上，添加切削力、轉動速度、進給速度三個邊界條件；

生成受力云圖模塊，設置仿真時間，模擬仿真得到刀具受力云圖；

(3)實時數據采集模塊，具體包括：

數據接口配置模塊，設置數據采集接口參數，包括IP地址，端口，波特率，進行數據采集測試；

報警參數配置模塊，配置報警參數，包括預警方式以及存儲報警數據方式；

采集參數判斷模塊，進行實時數據采集，根據配置的報警參數進行判斷，超出預警范圍則強烈提示，所有數據以表盤形式可視化顯示；

參數可視化模塊，對某一段采集并處理過的生產數據，將數值轉換為圖表進行參數可視化顯示，并統計其偏離期望值較大的次數，計算平均值、方差數據；

(4)數據預處理模塊，具體包括：

數據清洗模塊，對數據進行清洗，刪除掉冗余的數據；

時域特征提取模塊，進行數據的時域特征提取，計算平均值、方差、偏度因子、峭度因子數據；

頻域特征提取模塊，將數據進行傅里葉變換，進行頻域特征提取，計算重心頻率、頻率方差、頻率均方差；

(5)剩余壽命預測模塊，具體包括：

獲取數據模塊，選取刀具磨損全生命周期的數據，考慮刀具加工的行為模型，進行數據擴維處理，生成孿生融合的數據；

訓練神經網絡模塊，利用孿生融合的數據進行神經網絡模型訓練；

驗證模型模塊，生成實驗數據，對訓練好的模型進行驗證和優化；

剩余壽命預測模塊，輸入實際采集數據，對數據機床刀具進行剩余壽命預測。

2.根據權利要求1所述的一種數字孿生驅動的數據機床刀具監控系統，其特征在于：所述行為模型建立模塊，設置的參數具體為：

刀具的主軸轉速為10400RPM，進給速率為1555mm/分，徑向即Y軸方向切削深度，為0.125mm，Z軸軸向切削深度為0.2mm，每次走刀進給量為0.001mm的切削工程，分析切削過程中刀具最大應力、平均應力、最小應力變化。

3.根據權利要求1所述的一種數字孿生驅動的數據機床刀具監控系統，其特征在于：所述應力仿真模塊中的網格劃分模塊，對刀具SolidWorks模型進行網格劃分，所述劃分結果包括36326節點數，21288單元數。

4.根據權利要求1所述的一種數字孿生驅動的數據機床刀具監控系統，其特征在于：所述虛擬模型的控制規則：包括基于歷史關聯數據的規律規則，基于隱性知識總結的經驗，基于相關領域知識、標準，包括數據機床刀具知識庫、故障庫以及傳感器選型庫。

5.根據權利要求1所述的一種數字孿生驅動的數據機床刀具監控系統，其特征在于：訓練神經網絡模塊，利用孿生融合的數據進行神經網絡模型訓練，其中刀具神經網絡模型預測模型采用DNN神經網絡，網絡包括了X，L1，L2，L3，Y五層結構；X層作為輸入層，神經元個數為10；L1、L2、L3隱層神經元個數分別14,14,10；Y層為輸出層輸出最終磨損量數據，神經元個數為1；神經元激活函數采用tanh函數。