一种数控机床刀具性能的智能化监测方法和系统与流程

1.本发明涉及数控机床刀具状态检测领域，特别涉及一种数控机床刀具性能的智能化监测方法和系统。


背景技术：

2.随着现代工业信息化、智能化的不断推进，数控机床在工业生产中的应用越来越广泛，而其中刀具的精度对数控机床的综合性能与被加工件的质量起着决定性的作用。数控机床刀具的磨损会导致被加工表面尺寸精度下降、粗糙度增加，降低被加工件质量，还可能导致被加工件报废，增加生产成本。而如果能够对数控机床刀具的性能进行监控或预测就可以及时对刀具进行更换或维护，保证被加工件的质量。因此，对数控机床刀具性能监测的研究是很有意义的。
3.目前对于数控机床刀具磨损量的监控与预测主要采用间接测量的方法，即不是通过直接测量的方式，而是通过处理数控机床刀具加工过程中的传感器信号间接实现对刀具磨损量的预测。在数控机床加工的过程中，其切削力、振动信号以及声音信号都包含着丰富的有关刀具磨损状态的特征信息，可以通过获取并处理这些传感器测量信号间接实现对刀具磨损量的预测。
4.但现有文献中，一般只单独测试一种与刀具磨损状态关联的信号，如振动信号、温度信号、声发射、主轴电流信号等，通过这种单一的信号来提取与刀具磨损相关的特征，以这些特征为基础进行刀具磨损状态识别；或者虽然采集两种信号，但提取的信号特征对刀具的磨损状态不够敏感、或者对不同的信号只采用单一的分析技术提取信号特征，因此，对刀具状态的识别及监测的准确度都不高；另外，监测系统所需仪器特殊、价格较高，如监测声发射信号设备，导致监测成本增高。


技术实现要素：

5.针对本领域数控机床刀具性能监测的技术缺陷，本发明提供了一种数控机床刀具性能的智能化监测方法，包括以下步骤：
6.步骤1，实时监测数控机床刀具的运行状态，获取以下运行数据：刀具使用时长、机床主轴工作负荷、刀具温度信号、以及刀具的参数信息；
7.步骤2，对获取的运行数据进行数字化处理和标准化处理；
8.步骤3，基于处理后的刀具使用时长、机床主轴工作负荷及刀具温度信号，初步确定刀具的性能状况；
9.步骤4，根据初步确定的刀具性能状况，启动对数控机床刀具性能的精确识别；
10.步骤5，针对所述刀具性能的精确识别结果，发布数控机床刀具性能监测预警。
11.本发明还提供了一种数控机床刀具性能的智能化监测系统，包括：
12.数据采集单元，用于实时监测数控机床刀具的运行状态，获取以下运行数据：刀具使用时长、机床主轴工作负荷、刀具温度信号、以及刀具的参数信息；
13.数据处理单元，用于对获取的运行数据进行数字化处理和标准化处理；
14.初判单元，用于基于处理后的刀具使用时长、机床主轴工作负荷及刀具温度信号，初步确定刀具的性能状况；
15.识别单元，用于根据初步确定的刀具性能状况，启动对数控机床刀具性能的精确识别；
16.监测预警单元，用于针对所述刀具性能的精确识别结果，发布数控机床刀具性能监测预警。
17.本发明与传统的方法相比，有益效果包括：
18.首先，本发明简单适用，操作方便，并且使用的传感器比较通用、价格适中，易于组建试验系统，大大减少了监测成本，并能有效地识别刀具的磨损状态，减少刀具的浪费。
19.其次，本发明基于三重运行数据来判断刀具性能，通过实时监控和采集数控机床刀具的运行状态，获取刀具使用时长、机床主轴工作负荷、刀具温度信号、以及刀具的参数信息，运用刀具性能状况函数汇总三重运行数据，进行性能初步判断；又结合了图像采集检测方法的精准，实现了既高效又精准的刀具性能监测。
20.另外，本发明采集刀具图像，无需拆卸刀具，利用包含待识别的刀具磨损部位的目标区域即可进行磨损状态检测，检测速度快并且不影响加工过程，且降低了生产成本。
21.最后，图像的匹配精度或标定精度极大地影响两幅图像目标区域的细微差值，即极大地影响刀具磨损量的识别，目前的刀具的磨损识别无法做到精确的图像匹配和图像标定。而本发明根据实验和测算，提出了刀具图像匹配标定的精确算法，根本地解决了刀具图像匹配标定问题，将刀具磨损识别的精度提高到一个新的台阶。
附图说明
22.图1本发明所提出的方法流程图。
23.图2本发明所提出的系统框架图。
具体实施方式
24.为了更好地理解本发明，下面结合附图参考实施例的描述，对本发明的方法进行进一步的说明。
25.为了全面理解本发明，在以下详细描述中提到了众多具体细节。但是本领域技术人员应该理解，本发明可以无需这些具体细节而实现。在实施例中，不详细描述公知的方法、过程、组件，以免不必要地使实施例繁琐。
26.参见图1所示，本发明提供的一种数控机床刀具性能的智能化监测方法，包括以下步骤：
27.步骤1，实时监测数控机床刀具的运行状态，获取以下运行数据：刀具使用时长、机床主轴工作负荷、刀具温度信号、以及刀具的参数信息；
28.步骤2，对获取的运行数据进行数字化处理和标准化处理；
29.步骤3，基于处理后的刀具使用时长、机床主轴工作负荷及刀具温度信号，初步确定刀具的性能状况；
30.步骤4，根据初步确定的刀具性能状况，启动对数控机床刀具性能的精确识别；
31.步骤5，针对所述刀具性能的精确识别结果，发布数控机床刀具性能监测预警。
32.优选地，其中，所述步骤1，刀具温度信号通过红外温度传感器采集刀具刀尖处的温度。
33.优选地，其中，所述步骤3，基于处理后的刀具的使用时长、机床主轴工作负荷及刀具温度信号，初步确定刀具的性能状况，具体包括：使用性能状况函数来初步确定刀具的性能状况，
34.p(t，l，s)＝δ
·
log
α
t β
·
l γ
·
s235.其中，p(t，l，s)表示刀具性能状况函数，t表示获取刀具使用时长、l表示机床主轴工作负荷、s表示刀具温度信号，δ，β，γ分别表示刀具使用时长、机床主轴工作负荷、刀具温度信号的权重系数，α为调节系数。
36.优选地，其中，所述步骤4，根据初步确定的刀具性能状况，启动对数控机床刀具性能的精确识别，具体包括：
37.步骤4
‑
1，当所述刀具性能状况达到预设条件时，启动对数控机床刀具性能的精确识别，将刀具转移至指定位置；
38.步骤4
‑
2，对所述刀具进行图像采集，生成所述刀具的识别图像；
39.步骤4
‑
3，根据所述刀具的参数信息，从云服务器中调取同类型标准刀具的基准图像；
40.步骤4
‑
4，对所述基准图像和所述识别图像进行图像预处理；
41.步骤4
‑
5，根据所述基准图像和所述识别图像，精确判断刀具性能，实现对数控机床刀具性能的精确识别。
42.优选地，其中，所述步骤5，针对所述刀具性能的精确识别结果，发布数控机床刀具性能监测预警，具体包括：
43.所述刀具性能的精确识别结果包括轻微磨损、中度磨损和严重磨损；
44.当属于轻微磨损时，发布刀具正常使用通知；
45.当属于中度磨损时，发布刀具预更换通知，同时发布估计的更换时间；
46.当属于严重磨损时，发布刀具更换通知。
47.优选地，其中，所述步骤4
‑
4，对所述基准图像和所述识别图像进行图像预处理，具体包括：分别对所述基准图像和所述识别图像进行图像裁剪、图像去噪、图像锐化以及对比度增强处理，并经过形态学处理去除干扰区域。
48.优选地，所述步骤4
‑
5，根据所述基准图像和所述识别图像，精确判断刀具性能，实现对数控机床刀具性能的精确识别，具体包括：
49.步骤4
‑5‑
1，对所述基准图像和所述识别图像进行图像匹配；
50.步骤4
‑5‑
2，确定所述识别图像中的目标区域，以及确定所述基准图像中相应的目标区域，所述目标区域包含待识别的刀具磨损部位；
51.步骤4
‑5‑
3，针对所述目标区域，对所述基准图像和所述识别图像进行图像做差；
52.步骤4
‑5‑
4，根据图像差值，精确判断刀具性能。
53.优选地，其中，所述步骤4
‑5‑
1，对所述基准图像和所述识别图像进行图像匹配，具体包括：
54.步骤4
‑5‑1‑
1，将机床坐标系下的坐标转换为图像坐标，根据图像坐标，实现所述
基准图像和所述识别图像的初步匹配；
55.步骤4
‑5‑1‑
2，选取所述识别图像的特征点；
56.步骤4
‑5‑1‑
3，针对所述识别图像的特征点，确定基准图像中的匹配点，形成特征点对；
57.步骤4
‑5‑1‑
4，根据特征点对，实现基准图像和识别图像的精确匹配。
58.优选地，其中，所述步骤4
‑5‑1‑
3，针对所述识别图像的特征点，确定基准图像中的匹配点，形成特征点对，具体包括：
59.步骤4
‑5‑1‑3‑
1，图像初步匹配后，确定所述识别图像中的特征点i；
60.步骤4
‑5‑1‑3‑
2，在所述识别图像中，以特征点i为中心取一个(2l 1)
×
(2l 1)大小的相关窗口w1，l为大于等于1个的整数像素；相应地，所述基准图像中存在对应的相关窗口w2；
61.步骤4
‑5‑1‑3‑
3，将所述基准图像和所述识别图像进行灰度化；
62.步骤4
‑5‑1‑3‑
4，逐个选取识别图像中每一个特征点i，求取该特征点i与基准图像中w2窗口内任一点j的匹配度r，
63.所述匹配度
[0064][0065]
其中，其中，c1、c2分别为识别图像和基准图像中像素点相关窗口内像素的灰度值，分别表示识别图像和基准图像像素点相关窗口内像素灰度值的均值；
[0066]
步骤4
‑5‑1‑3‑
5，针对识别图像中的每一个特征点i，选取基准图像中最大的匹配度r
max
所对应的像素点作为该特征点i的匹配点；
[0067]
步骤4
‑5‑1‑3‑
6，所述识别图像的特征点和所述基准图像的匹配点，形成特征点对。
[0068]
如图2所示，本发明提供的一种数控机床刀具性能的智能化监测系统，包括：
[0069]
数据采集单元，用于实时监测数控机床刀具的运行状态，获取以下运行数据：刀具使用时长、机床主轴工作负荷、刀具温度信号、以及刀具的参数信息；
[0070]
数据处理单元，用于对获取的运行数据进行数字化处理和标准化处理；
[0071]
初判单元，用于基于处理后的刀具使用时长、机床主轴工作负荷及刀具温度信号，初步确定刀具的性能状况；
[0072]
识别单元，用于根据初步确定的刀具性能状况，启动对数控机床刀具性能的精确识别；
[0073]
监测预警单元，用于针对所述刀具性能的精确识别结果，发布数控机床刀具性能监测预警。
[0074]
优选地，其中，所述刀具温度信号，通过红外温度传感器采集刀具刀尖处的温度。
[0075]
优选地，其中，所述初判单元，用于基于处理后的刀具的使用时长、机床主轴工作负荷及刀具温度信号，初步确定刀具的性能状况，具体包括：使用性能状况函数来初步确定
刀具的性能状况，
[0076]
p(t,l,s)＝δ
·
log
α
t β
·
l γ
·
s2[0077]
其中，p(t，l，s)表示刀具性能状况函数，t表示获取刀具使用时长、l表示机床主轴工作负荷、s表示刀具温度信号，δ，β，γ分别表示刀具使用时长、机床主轴工作负荷、刀具温度信号的权重系数，α为调节系数。
[0078]
优选地，其中，所述识别单元，用于根据初步确定的刀具性能状况，启动对数控机床刀具性能的精确识别，具体包括：
[0079]
转移单元，用于当所述刀具性能状况达到预设条件时，启动对数控机床刀具性能的精确识别，将刀具转移至指定位置；
[0080]
图像采集单元，用于对所述刀具进行图像采集，生成所述刀具的识别图像；
[0081]
标准调取单元，用于根据所述刀具的参数信息，从云服务器中调取同类型标准刀具的基准图像；
[0082]
预处理单元，用于对所述基准图像和所述识别图像进行图像预处理；
[0083]
精确判断单元，用于根据所述基准图像和所述识别图像，精确判断刀具性能，实现对数控机床刀具性能的精确识别。
[0084]
优选地，其中，所述监测预警单元，用于针对所述刀具性能的精确识别结果，发布数控机床刀具性能监测预警，所述刀具性能的精确识别结果包括轻微磨损、中度磨损和严重磨损；
[0085]
当属于轻微磨损时，发布刀具正常使用通知；
[0086]
当属于中度磨损时，发布刀具预更换通知，同时发布估计的更换时间；
[0087]
当属于严重磨损时，发布刀具更换通知。
[0088]
优选地，其中，所述预处理单元，用于对所述基准图像和所述识别图像进行图像预处理，具体包括：分别对所述基准图像和所述识别图像进行图像裁剪、图像去噪、图像锐化以及对比度增强处理，并经过形态学处理去除干扰区域。
[0089]
优选地，其中，所述精确判断单元，用于根据所述基准图像和所述识别图像，精确判断刀具性能，实现对数控机床刀具性能的精确识别，具体包括：
[0090]
图像匹配单元，用于对所述基准图像和所述识别图像进行图像匹配；
[0091]
目标确定单元，用于确定所述识别图像中的目标区域，以及确定所述基准图像中相应的目标区域，所述目标区域包含待识别的刀具磨损部位；
[0092]
图像做差单元，用于针对所述目标区域，对所述基准图像和所述识别图像进行图像做差；
[0093]
状况判断单元，用于根据图像差值，精确判断刀具磨损状况。
[0094]
优选地，其中，所述图像匹配单元，用于对所述基准图像和所述识别图像进行图像匹配，具体包括：
[0095]
初步匹配单元，用于将机床坐标系下的坐标转换为图像坐标，根据图像坐标，实现所述基准图像和所述识别图像的初步匹配；
[0096]
选取单元，用于选取所述识别图像的特征点；
[0097]
形成单元，用于针对所述识别图像的特征点，确定基准图像中的匹配点，形成特征点对；
[0098]
精确匹配单元，用于根据特征点对，实现基准图像和识别图像的精确匹配。
[0099]
优选地，其中，所述形成单元，用于针对所述识别图像的特征点，确定基准图像中的匹配点，形成特征点对，具体包括：
[0100]
确定单元，用于图像初步匹配后，确定所述识别图像中的特征点i；
[0101]
窗口单元，用于在所述识别图像中，以特征点i为中心取一个(2l 1)
×
(2l 1)大小的相关窗口w1，l为大于等于1个的整数像素；相应地，所述基准图像中存在对应的相关窗口w2；
[0102]
灰度化单元，用于将所述基准图像和所述识别图像进行灰度化；
[0103]
匹配度计算单元，用于逐个选取识别图像中每一个特征点i，求取该特征点i与基准图像中w2窗口内任一点j的匹配度r，
[0104]
所述匹配度
[0105][0106]
其中，其中，c1、c2分别为识别图像和基准图像中像素点相关窗口内像素的灰度值，分别表示识别图像和基准图像像素点相关窗口内像素灰度值的均值；
[0107]
匹配选择单元，用于针对识别图像中的每一个特征点i，选取基准图像中最大的匹配度r
max
所对应的像素点作为该特征点i的匹配点；
[0108]
点对形成单元，用于所述识别图像的特征点和所述基准图像的匹配点，形成特征点对。
[0109]
可见，本发明与传统的方法相比，有益效果包括：
[0110]
首先，本发明简单适用，操作方便，并且使用的传感器比较通用、价格适中，易于组建试验系统，大大减少了监测成本，并能有效地识别刀具的磨损状态，减少刀具的浪费。
[0111]
其次，本发明基于三重运行数据来判断刀具性能，通过实时监控和采集数控机床刀具的运行状态，获取刀具使用时长、机床主轴工作负荷、刀具温度信号、以及刀具的参数信息，运用刀具性能状况函数汇总三重运行数据，进行性能初步判断；又结合了图像采集检测方法的精准，实现了既高效又精准的刀具性能监测。
[0112]
另外，本发明采集刀具图像，无需拆卸刀具，利用包含待识别的刀具磨损部位的目标区域即可进行磨损状态检测，检测速度快并且不影响加工过程，且降低了生产成本。
[0113]
最后，图像的匹配精度或标定精度极大地影响两幅图像目标区域的细微差值，即极大地影响刀具磨损量的识别，目前的刀具的磨损识别无法做到精确的图像匹配和图像标定。而本发明根据实验和测算，提出了刀具图像匹配标定的精确算法，根本地解决了刀具图像匹配标定问题，将刀具磨损识别的精度提高到一个新的台阶。
[0114]
为了描述的方便，本技术系统的各部分以功能分为各种单元分别描述。当然，在实施本技术时可以把各单元的功能在同一个或多个软件或硬件中实现。
[0115]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实
施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
[0116]
本技术是参照根据本技术实施例的方法、系统、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0117]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0118]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0119]
最后应当说明的是：这里只说明了本发明的优选实施例，但其意并非限制本发明的范围、适用性和配置。相反，对实施例的详细说明可使本领域技术人员得以实施。应能理解，在不偏离所附权利要求书确定的本发明精神和范围情况下，可对一些细节做适当变更和修改。