[發明專利]一種智能化數控滾齒機滾刀切削狀態檢測方法

在審

• 申請號: 202010917854.1
• 申請日: 2020-09-03
• 公開（公告）號: CN112024998A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 王天航
• 申請（專利權）人: 六安市華茂金屬制品有限公司
• 主分類號: B23F5/20
• 分類號: B23F5/20;B23F23/00;B23F23/12;B23Q17/00;B23Q17/09
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種智能化數控滾齒機滾刀切削狀態檢測方法，其特征在于，包括如下步驟：

S1檢測數控滾齒機是否處于加工狀態；

S11獲取數控滾齒機的當前狀態模式，所述檢測數控滾齒機的狀態模式包括加工模式、空閑模式；

S12判斷所述數控滾齒機的當前狀態模式是否是加工模式；

若所述數控機床的當前狀態模式為加工模式，則再獲取所述數控機床的數控加工代碼；根據所述數控加工代碼判斷所述數控機床是否處于加工狀態；

S13若所述數控滾齒機處于加工狀態，則檢測數控滾齒機的主軸是否處于空轉狀態；

S131獲取所述數控滾齒機的主軸狀態，根據所述主軸狀態，判斷所述數控機床的主軸是否處于空轉狀態，主軸狀態包括主軸的轉速大小、主軸的進給率大小以及主軸的負載大小；

S14主軸處于空轉狀態，則主軸處于空轉狀態下的次數，空轉次數大于預先設定好的數值大小，則判定刀具處于非正常狀態，若空轉次數不大于預先設定好的數值大小，則判定刀具處于正常狀態；

S2刀具正常狀態進行分析：

S21在數控滾齒機的主軸上安裝加速度傳感器，采集數控滾齒機滾刀切削過程中加速度的信號，同時，偵測并擷取該加工刀具機的多個運作參數；

S22對切削狀態下的信號進行時域分析，提取時域信號特征量；

S23對上述提取的多個時域特征量進行特征空間約簡以獲得更加簡潔且相關性更好的時域特征空間；

S24用約簡后的特征空間訓練神經網絡進行分類，根據刀具磨損信號特點確定BP神經網絡的結構，利用粒子群算法初始化BP神經網絡權值和閾值；

S25接下來用訓練數據訓練BP神經網絡，在訓練過程中根據誤差調整網絡的權值和閾值；

S26用訓練好的BP神經網絡分類刀具磨損狀態特征信號，根據分類結果分析BP神經網絡分類能力；

S27用訓練好的PSO-BP神經網絡分類不同刀具磨損狀態特征信號測試數據，得到BP神經網絡分類誤差圖以及BP神經網絡分類正確率。

2.根據權利要求1所述的一種智能化數控滾齒機滾刀切削狀態檢測方法，其特征在于，多個運作參數包含一刀具坐標、一轉速以及一進給率，根據該刀具坐標，計算一切削圓周路徑；根據一工件材質，產生一工件硬度系數；根據該進給率以及該工件材質，產生一進給系數；以及將該累計切削時間、該切削圓周路徑、該轉速、該工件硬度系數以及該進給系數相乘，以產生一刀具損耗累計值，并通過該刀具損耗累計值計算一刀具剩余壽命。

3.根據權利要求1所述的一種智能化數控滾齒機滾刀切削狀態檢測方法，其特征在于，所述步驟S131獲取所述數控滾齒機的主軸狀態包括：獲取所述主軸的轉速；獲取所述主軸的進給率；獲取所述主軸的負載。

4.根據權利要求2所述的一種智能化數控滾齒機滾刀切削狀態檢測方法，其特征在于，所述工件硬度系數是根據該工件材質于一刀具壽命數據庫查表產生，且該進給系數是根據該進給率以及該工件材質于該刀具壽命數據庫查表產生。

5.根據權利要求1所述的一種智能化數控滾齒機滾刀切削狀態檢測方法，其特征在于，所述在切削試驗條件下獲取硬質合金-高溫合金的摩擦系數及磨損量，通過摩擦磨損區的微觀分析，摩擦磨損區表面的能譜分析，得到摩擦副在不同氛圍、不同載荷、溫度、摩擦速度狀態下摩擦界面的摩擦系數變化規律。

6.根據權利要求1所述的一種智能化數控滾齒機滾刀切削狀態檢測方法，其特征在于，所述步驟S23利用流形學習方法中的拉普拉斯特征映射進行降維約簡，獲得相關性更好的時域特征量。