生產線刀（dāo）具破損監控係統研製-刀具網-數控機床市（shì）場網

您現在的位置：數控係統網> 技術前沿>生產線刀（dāo）具破損監（jiān）控係統（tǒng）研（yán）製

生產線刀具破損監控係統研製

2018-6-6 來源：大連理工（gōng）大學機械工程學院（yuàn）數字化設計研究作者：錢峰，董惠敏，董喜望（wàng）

摘要（yào）: 研究數控生產線的刀具破（pò）損監（jiān）控問題，對（duì）比現有刀具（jù）破損監控方法，根據實際工（gōng）況要求，設計基於機床內置功率傳感器的自學習刀具破損監控係統（tǒng），實現（xiàn）國外進口產品替代（dài）。具體實現數控機床（chuáng）聯網（wǎng）通訊、接口函數（shù）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（pò）損監控功能。並在 FANUC 數控係統的數控機床上進行了應用測試，通過實驗驗證監控係統穩定可靠。

關（guān）鍵詞: FUANC 數控係統; 主（zhǔ）軸功率; 分段監控; 刀具破損

0、引（yǐn）言（yán）

數控機床（chuáng）是（shì）數控生產線的核心，也是數控生產線（xiàn）中最容易出問（wèn）題（tí）的（de）環節，對數控機床切削刀具破損在線監控是保證產品質量和提高（gāo）數控生產線效率的關（guān）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，直接監控法包括計算機圖（tú）像處理、光學測量等; 間接監控（kòng）法包括切削力監控、主軸（zhóu）功率監控、振動監控和聲發射監控等; 直接法雖然監控直觀、測量方便，但是一般都是（shì）在刀具靜態（tài）時候測量的，不（bú）滿足數控生產線對切削（xuē）刀（dāo）具在線監控（kòng）的要求，因此基於數控生產線的刀具破損監控研究（jiū）的熱點還是間接監控法。

國（guó）外對（duì）刀具破損監控的研究起（qǐ）步較早，也取得了（le）一些（xiē）成果，已經有（yǒu）不少商用化的刀具狀態監控（kòng）係統。國內在這方麵近幾年研究的比較多，但是大多數的刀具破損監控成果僅適（shì）用於實驗室，鮮（xiān）有穩定可靠商用刀具監控係統（tǒng）。AＲTIS 刀具破損監控係統是對機床（chuáng）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（jiān）控係統。美國 BK Mikro 刀具破損監控係統（tǒng），該係統主要帶有一個機械（xiè）式的監控測頭，能夠（gòu）感（gǎn）知加工過程中刀具的狀態變化，並且迅速的反饋刀具狀態（tài）信息。由於國內沒有相應市場化的刀具狀態監控產品，而國外的刀具狀態（tài）監控產（chǎn）品價格昂貴（guì），因此迫切需要開發穩定可靠的產品來替（tì）代國外產品的壟斷，實現國外進口產品的替（tì）代。

現有的刀具破損監控一般（bān）都需要外部傳（chuán）感器，傳感（gǎn）器要麽安（ān）裝在（zài）待加工工件表麵，要（yào）麽安（ān）裝在刀具上，有（yǒu）的刀具（jù）監控係統傳感器的安裝甚至需要改（gǎi）變機床結構，這種客（kè）觀的原（yuán）因嚴重的阻礙了（le）刀具監控係統（tǒng）的市場化。針對這個問題，本文以數（shù）控生產線批量加工的數控機床刀（dāo）具（jù）破損監控為研究對（duì）象，提出了利用數控（kòng）機床內置傳感器獲取刀具（jù）監（jiān）控信號來實現加工過程中刀具破損監控。

1、刀具破損監控原理

在切削加工過程中，當刀具發生破（pò）損（sǔn）時，刀刃狀態的改變會引起切（qiē）削力矩（jǔ）發生變化，從而導致機床主軸功率發（fā）生改變，因而通過監（jiān）控加工過程中機床主軸功率就可以監控刀具的狀態。而且機床主軸功率對刀具破損較為敏感，信號獲取簡單，可（kě）避免（miǎn）環境中的切屑、振動等（děng）幹擾，是生產實際中刀具破損監控較為理想的監測信（xìn）號。

數控機（jī）床在批量（liàng）加工過程中，由（yóu）於加（jiā）工工藝（yì）以及加工參數不發生變化，因此在批量（liàng）加工中，數控機床主軸的功率信號在時間軸上具有（yǒu）周期性特點。根據這一特點，可以（yǐ）實時獲取數控機床的（de）功率信息並與一組（zǔ）標準加工功率信號進（jìn）行比較，從而達到對數控機床刀具破損監測的（de）目（mù）的。

2 、刀（dāo）具破損監控係統設計

刀具破損監控係統總體分為四個（gè）模塊，信（xìn）號采集模塊、學習模（mó）塊、在線監控模塊和預警模塊（kuài）。信（xìn）號采集模（mó）塊主要（yào）是采（cǎi）集監（jiān）控係統所需要用（yòng）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（shù）據，作為閾值設定的基準（zhǔn）。在線監控模塊則是實時監測刀（dāo）具時候超出設定的閾值，如若超出相應的閾值，則傳遞給預（yù）警模（mó）塊信息（xī）。當實（shí）時監控時，檢測出當前功率超出了設定的閾值則預（yù）警模塊作用，使機床產生相應的保護動作（zuò）。

2． 1 刀（dāo）具破損（sǔn）監控自學習方法

用自學習方法進行刀（dāo）具切（qiē）削狀態（tài）監（jiān）控，就（jiù）是（shì）在批量生產時，先用鋒利的刀刃加工一個工件，保存這一過程的（de）機床（chuáng）的（de）主軸功率。在以後的加工過程中，實時讀取機床（chuáng）主軸功率並與之前鋒利刀具切削時保存（cún）的功率對比，如果出現超出（chū）設定的閾值，就說明刀具出現（xiàn）破損，從而實現監（jiān）控。監（jiān）控過程如圖 1 所示。

圖 1 自學習監控原理圖

要監（jiān）控一批零件的加工，隻需進行一次自（zì）學（xué）習過程，以後的監控工作均是重複實時監控過程。用自學習方法的前提就是加工要有一定（dìng）的批量，如（rú）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）重複性包括所加工工件毛坯相同、切（qiē）削刀具（jù）相同、切（qiē）削（xuē）用量相同（tóng）。一般在批量生產中，確定了零件生產工藝，就不會隨意更改，因此批量生產過程可保證加工過（guò）程嚴格重複。自學習方法（fǎ）的根本點就是將實際加工過程（chéng）的監（jiān）控數據與自學習過程的標準數據相（xiàng）比（bǐ）較（jiào），這（zhè）就（jiù）要求必須（xū）在相同（tóng）的（de）條件下進行比較，即數據同步。實現數據的同步對比也是自學習監控方法的關（guān）鍵技術。

2．2 監控係統功能（néng）與結構

本文開發的基於自學習的刀具破損監控係統結構如圖 2 所示，刀具的切削狀態由主軸的功率變化來（lái）間接反映，主軸功率信號（hào）和加（jiā）工代（dài）碼等輔助信息通過數控機床的內置傳（chuán）感器采（cǎi）集，由本文編寫的（de）FOCAS2接口軟件實時（shí）讀取。實時讀取的功率（lǜ）信號進入監控模塊並依據相應的判定規則做出刀具是否破損（sǔn）的判定，若果判定破損，則給出相應的報（bào）警提示。

生產線數控機床在加工過程（chéng）中（zhōng）切削加工的模式為自動（dòng）狀態，此時主軸和進給軸（zhóu）都運（yùn）動，當監控係統檢（jiǎn）測到刀具破損信號時，係統發出一個觸發（fā）信號給機床數控（kòng）係統，使（shǐ）其修（xiū）改數控（kòng）機（jī）床的操作模式為手動狀態，而機（jī）床的手動狀態則（zé）隻是主軸轉動（dòng），進給停止，這樣（yàng）當監控係統（tǒng）檢測到（dào）刀具破損信（xìn）號時（shí），就使得（dé）數控機床進給停止，阻止了刀具和工件進一步接觸（chù）。

圖（tú） 2 監控係（xì）統結構圖

2．3 監控信號采集模塊

數控機床一般都有內置傳感器，常（cháng）用的內置（zhì）傳感（gǎn）器有檢測各個軸轉速的測（cè）速（sù）發電機和（hé）脈衝編（biān）碼器（qì），檢（jiǎn）測位置的直線光柵和光電（diàn）編碼器（qì）以及檢測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 應用程序（xù）接口（kǒu）( API) 進行自主編程就可以采集到機床的各個軸（zhóu）的實時轉速，各個軸的實時功率以及刀架的位置和當前加程序等（děng）一係列信息。通過

FANUC 技術支持提供的信息，實（shí）時采集信（xìn）號的頻率可以達到 40HZ，對於本文所運用的自學習（xí）刀具破損監控原理，能夠滿足實時監（jiān）控要求。信號采集過程如圖 3 所示。

圖 3 信號（hào）采集流向圖

2．4 係統學習模塊和在線監控模塊

在學習和監控模塊，為了實現分段監控和數據同步對比本文采用（yòng）對加工數控程序（xù）代碼進行解析。一個工序的數控加工程序包含有多行 NC 代碼，而這些 NC 代碼一般由多個加工工步的 NC 代碼組成，包含切削過程和非切削（xuē）過程指令代碼。加工（gōng）人員根據工藝編寫相應的數控程序，在數控（kòng）程序每個工步前（qián）分別定義工序號、工步號、刀號、刃號，並分別在數控程序中每個工步（bù）的數控代碼行指（zhǐ）令前加上一（yī）行（háng）空代碼#29 = 1，該工步結束數控代碼指令後一行加上空代碼#29 = 0。這樣一段正常加工的 NC 程（chéng）序就按不同的工步被#29 = 1 和#29 = 0 分為（wéi）多個片段，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（zhī）外的數控（kòng）程序代（dài）碼是非切削過程的 NC 代碼。上述過程就是對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削過程和非切削過程以（yǐ）空代碼#29 = 1 和#29 = 0 明顯的區分開了，刀具破損監控時隻需要對#29 =1 和（hé）#29 = 0 之間的（de）加工過程進行監控。數控代碼分段解析過程如圖（tú） 4 所示。

圖 4 數控程序解析示（shì）意圖

學習數據與實時監控數據同（tóng）步對比是實現（xiàn）自學習刀（dāo）具破損監控的關（guān）鍵技術之一。自學習刀具破損監控（kòng）要求采集的學習功率信號和實時監控功率信號在（zài）相同的條（tiáo）件下進（jìn）行對（duì）比，即學習曲線和實時監控曲（qǔ）線對比的時候不能有相位差，數（shù）據同步對比如圖（tú） 5 所示，圖5a 為非同步對比，圖 5b 為同步對比。

圖（tú） 5 學習曲線與監控曲線同步對比

在（zài）學習階段，監控係統（tǒng）讀取當前（qián）執行數（shù）控程序名和（hé）當（dāng）前執行每一行代碼的行號，當讀取到#29 = 1 這一（yī）行 NC 代碼時，係（xì）統開始讀取並保存主軸功率，直到讀取到#29 = 0 這一行 NC 代碼時，停止讀取（qǔ）主軸功率，同時保（bǎo）存該工步的工步號、刀號。接下來繼續讀取當前執行的（de）代碼，當讀取到下一對#29 = 1 和#29 = 0 執行上述相同的邏（luó）輯，這樣一整條數控程序執行完後，在學習階段就完成了整條數控（kòng）程序中若幹個工（gōng）步切削過（guò）程（chéng）主軸功率（lǜ）數據的存儲。學習過程（chéng）的算法如圖 6 所示。

圖 6 學習過程算（suàn）法框（kuàng）圖

刀具破損自學習監控的閾值設定方式和閾值大小設定直接影響這監控的效果（guǒ），閾值設定方式有直線閾值和曲線閾值，直線閾值適合於粗加工，曲線閾值適合於半精加工（gōng）和精加（jiā）工。根據不同的加工（gōng）選擇不同的閾值設定方式。閾值設置（zhì）得（dé）過小，監控係統反應太靈敏，容易產生誤報; 閾值設（shè）置（zhì）的過大，可能會（huì）漏（lòu）掉某些破損（sǔn）報警。本文提出一種（zhǒng）基於工步（bù）分（fèn）別設置不同（tóng）閾值的方法，在粗加工和對零件精度要求不嚴格的工步設置（zhì）較大（dà）的（de）閾（yù）值，在（zài）精加工和（hé）對零件精度要求較高的工步設置較小的閾值。這種基（jī）於工（gōng）步（bù）特征設置不同監控閾值的方法相對於對整個加工程序設置一個相同的閾（yù）值更（gèng）加的合理。

在實時監控階段，監（jiān）控係統讀取當前執行程序名和當前執行代碼（mǎ），首先判斷（duàn）當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（zé）讀取當前執行代碼，當讀取到#29 =1 這一行代碼時，係統開始讀取執行代碼和主軸功率，同時將采集到的工步（bù）號（hào）、刀號與（yǔ）學習階段保存工步號、刀號匹配，並將實時采集的主軸功率與匹配上（shàng）對應學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，結束讀取數據，直到整個加工程序結束。學習階段的算法如（rú）圖 7 所示。

圖 7 監控過程算法框圖

3 、刀具破損監控（kòng）係（xì）統（tǒng）軟件開發

針對上文介紹的自學習刀具破損監控原理和算法，運（yùn）用 Visual C++ 和 SQL SEＲVEＲ開發工具開發了刀具破損監控軟件，實現了自動（dòng）生產線批量生產刀具破損實時在線監控（kòng）功（gōng）能。軟件主要實現批量加工時刀具破損。

學習時（shí），按照（zhào）解析之後的數（shù）控加工代碼加工一個（gè）標準零件，存儲加工過程中的主軸功率數據，在整個數控代（dài）碼的所有工步執行完之後完（wán）成學習過程。

閾值設定時首先選（xuǎn）擇閾值（zhí）的形式，有（yǒu）直線閾值和曲線閾值兩種可供（gòng）選擇（zé）。閾值的（de）大小是相對於學習曲線來計算的，曲線形式的閾值（zhí）上限是學習樣本中最大功率值的設（shè）定百分比加上當前每個時刻功率（lǜ），閾值下限是學（xué）習樣（yàng）本中每個時刻的功（gōng）率值減去最（zuì）小功率的設定百（bǎi）分比。直線形式的閾值（zhí）上限（xiàn）是學習樣本中最（zuì）大值加上最大功率值的設（shè）定百分比，閾值下限是學（xué）習樣本中最小值減去最小功率的（de）設定（dìng）百分比。在（zài）所有工步學習完後可以給每個（gè）工步分別設定不同的閾值大小。

實時監控時，係統實時讀取當前主軸功率，並與學習（xí）樣本同步對（duì）比，判斷當前主軸功率是否超出設定的閾值上（shàng）下限，若超出，則監控係統報警，數控機床進給停止。刀具破（pò）損監控係統的界麵圖 8、圖 9 所示。

圖 8 學習模式（shì）主界（jiè）麵

圖 9 實時監控主界麵

4 、應用測試

為了驗證監（jiān）控係統的效果，做了如（rú）下的實驗（yàn）:

實驗機（jī）床使用（yòng）的是沈陽機（jī）床 A5-T2 單機自動化數控機（jī）床，數控操作係統為（wéi） FANUC-0i-mate，實驗試件（jiàn）為Cr40 階梯軸，刀具采用的是 SANDVIK 外圓粗（cū）加（jiā）工車刀和外圓精加工車刀，刀具材料為硬質合金。加工（gōng）工序含有兩個工步，用粗加（jiā）工刀（dāo）具加工階（jiē）梯軸外圓，切削用量為切削速度 V = 200m /min，進給量 f = 0. 5mm /r，背吃刀量 ap= 3. 5mm，上下閾值均設定為（wéi） 40% 。精加（jiā）工切削用量為切削速度 V = 500 m /min，進給量 f =0. 2mm / r，背吃刀量（liàng） ap1. 0mm，上下閾值均設（shè）定為25% 。刀具破損是隨（suí）機發生的，為了使加工過程中刀具發生破損，在（zài）工件中嵌入硬質點，這樣當刀尖碰到硬質點時，刀具必將破（pò）損（sǔn）。實驗中一共切削了 50 個工件，其中 25 個工件在粗加工工步嵌（qiàn）入硬質點，25 個工件在精加工（gōng）工步嵌入硬（yìng）質點。粗加工工步中當切屑到工件含有硬質點部位時，全（quán）部監控到，準（zhǔn）確率 100% ，精加工工步當切削到工件含有硬質點部（bù）位（wèi）時，監控（kòng）到了 24 個，有兩個沒有報警，報警準確（què）率 98% 。

5 、結論

本文論述了基於（yú） FANUC 提供的 FOCAS2 應用程序接口( API) 進（jìn）行自主編程獲刀具破損取監控信號，為數控機床狀態監控信號獲取方式的進（jìn）一步研究（jiū）提供了借鑒意義。采用數（shù）控機床內置傳感器獲取監控信號，很好的解決了傳統刀具破損監控傳感器的安裝難題。結合 NC 代碼解析來甄別切削過程（chéng）和非切削過程解決（jué）了以往刀具（jù）破損監控對整個加（jiā）工過程監控的盲目性，為後續研究刀具破損監（jiān）控拓展了（le）研究思路。開發（fā）的（de）刀（dāo）具破損監控係統已經應用（yòng）在企業中，實踐證明（míng）本係統監（jiān）控效果良好運行（háng）可靠（kào）。

投稿箱：
如果您有機床行業、企（qǐ）業相關新聞稿件發表（biǎo），或進行資訊合（hé）作，歡迎聯係本（běn）網編輯部，郵箱：skjcsc@vip.sina.com

更多相關信息（xī）

名（míng）企推薦

業界視點

| 更多

行業數據

| 更多

博文選萃

| 更多