用于智能刀柄的数据处理方法及数控机床系统

技术领域

本发明涉及数控机床领域，特别涉及一种用于智能刀柄的数据处理方法及数控机床系统。

背景技术

近20年来国内机床行业取得了长足的发展，行业总体现状是体量巨大，但在高精尖核心技术方面和国外先进技术还有一定差距。

数控机床是使用较为广泛的机床之一。它主要用于轴类工件或盘类工件的内外圆柱面、任意锥角的内外圆锥面、复杂回转内外曲面和圆柱、圆锥螺纹等切削加工，并能进行切槽、钻孔、扩孔、铰孔及镗孔等。

数控机床是按照事先编制好的加工程序，自动地对被加工工件进行加工。我们把工件的加工工艺路线、工艺参数、刀具的运动轨迹、位移量、切削参数以及辅助功能，按照数控机床规定的指令代码及程序格式编写成加工程序单，再把这程序单中的内容记录在控制介质上，然后输入到数控机床的数控装置中，从而指挥机床加工工件。

目前数控机床在智能化控制时，判断不准确，从而导致加工效率降低，产品合格率降低。

发明内容

本发明要解决的技术问题是为了克服现有技术中数控机床在智能化控制时，判断不准确，从而导致加工效率降低，产品合格率降低的缺陷，提供一种能够提取智能刀柄的工作参数中关键指标，作为数控机床工作过程中的判断依据，使数控机床控制更加准确的用于智能刀柄的数据处理方法及数控机床系统。

本发明是通过下述技术方案来解决上述技术问题：

一种用于智能刀柄的数据处理方法，其特点在于，所述数据处理方法包括：

利用安装刀具的所述智能刀柄进行加工，所述智能刀柄上设有形变传感器；

获取加工过程中形变传感器采集的加工数据；

提取加工数据中的特征参数，所述特征参数包括若干特征项；

对比利用不同磨损程度的刀具获取的特征参数；

获取不同磨损程度的刀具中特征参数的变化满足预设条件的目标特征项。

较佳地，所述数据处理方法包括：

形变传感器采集智能刀柄加工过程的加工数据；

根据加工数据中的目标特征项获取数控机床刀具的使用状态。

较佳地，所述智能刀柄上开设有若干安装槽，每一安装槽内设有一柔性电路板，所述柔性电路板上安装形变传感器、处理芯片，所述数据处理方法包括：

所述处理芯片获取加工过程中形变传感器采集的加工数据；

所述处理芯片将加工数据转化为力学信号；

通过小波对所述力学信号进行滤波；

提取滤波后力学信号中的特征参数。

较佳地，滤波后力学信号中的特征参数包括下属特征中的一种或几种：

有量纲特征、无量纲特征、三维频域特征、小波频带能量特征以及小波熵特征。

较佳地，所述有量纲特征及无量纲特征包括的特征项为均值、标准差、均方根、峰值因子及偏度指标；

所述三维频域特征包括的特征项为重心频率、频率方差及均方频率。

较佳地，所述数据处理方法包括：

利用多分类支持向量机递归特征小区选取特征参数中目标特征项；

利用目标特征项生成所述使用状态的判断阈值；

利用所述判断阈值控制数控机床的加工。

较佳地，所述数据处理方法包括：

利用安装刀具的所述智能刀柄对加工件按照预设路径进行加工；

获取加工过程中形变传感器采集的加工数据；

加工完成后识别加工件的加工质量以获取低质量位置；

根据低质量位置在预设路径上的位置获取低质量位置的加工时刻；

获取所述加工时刻的加工数据；

获取加工时刻前后数据的变化满足预设条件的目标特征项以及目标特征项在加工时刻的数值，将所述加工时刻的数值作为使用状态的判断阈值。

较佳地，所述数控机床包括至少一智能刀柄，所述智能刀柄上开设有若干安装槽，每一安装槽内设有一柔性电路板，所述柔性电路板上安装形变传感器、处理芯片，所述数据处理方法包括：

形变传感器采集智能刀柄加工过程的形变信号；

所述处理芯片判断形变信号是否满足所述判断阈值，若否则通过蓝牙发射装置向机床接收装置传输控制信号；

机床接收装置接收所述控制信号后暂停所述智能刀柄的加工动作，并将超出正常范围的形变信号传输至所述上位机存储。

本发明还提供一种智能刀柄，其特点在于，所述智能刀柄实现如上所述的数据处理方法。

本发明还提供一种智能刀柄，其特点在于，所述数控机床包括如上所述的智能刀柄。

符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。

本发明的积极进步效果在于：

本发明能够提取智能刀柄的工作参数中关键指标，作为数控机床工作过程中的判断依据，使数控机床的控制更加准确。

附图说明

图1为本发明实施例1的数据处理方法的流程图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

实施例

本实施例中，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本实施例提供一种数控机床系统，所述数控机床系统包括一数控机床以及一处理终端，所述数控机床包括一智能刀柄。

所述处理终端用于：

利用安装刀具的所述智能刀柄进行加工，所述智能刀柄上设有形变传感器；

获取加工过程中形变传感器采集的加工数据；

提取加工数据中的特征参数，所述特征参数包括若干特征项；

对比利用不同磨损程度的刀具获取的特征参数；

获取不同磨损程度的刀具中特征参数的变化满足预设条件的目标特征项。

在本实施例中，目标特征项满足预设条件，所述预设条件可以是变化幅度大于阈值，举例来说，利用一个新的刀具与一个接近报废的刀具对同一加工件（或同一批加工件）进行相同工序的加工，采集新的刀具的特征参数以及接近报废的刀具的特征参数，对比特征参数中的各个特征项，查找特征项之间的区别，当特征项之间的区别满足预设幅度、程度或数值时，将特征项作为目标特征项。

所述目标特征项能够反映刀具的磨损程度，利用目标特征项在正常加工过程中能够反映刀具的工作状态，当目标特征项的数值与接近报废的刀具的目标特征项相似或关联时则表明当前刀具应该更换以保证产品的合格率。

进一步地，形变传感器用于采集智能刀柄加工过程的加工数据；

所述处理终端用于根据加工数据中的目标特征项获取数控机床刀具的使用状态。

具体地，所述智能刀柄上开设有若干安装槽，每一安装槽内设有一柔性电路板，所述柔性电路板上安装形变传感器、处理芯片。

所述处理芯片用于获取加工过程中形变传感器采集的加工数据；

所述处理芯片用于将加工数据转化为力学信号；

所述处理终端用于通过小波对所述力学信号进行滤波，提取滤波后力学信号中的特征参数。

其中，滤波后力学信号中的特征参数包括下属特征中的一种或几种：

有量纲特征、无量纲特征、三维频域特征、小波频带能量特征以及小波熵特征。

具体地，所述有量纲特征及无量纲特征包括的特征项为均值、标准差、均方根、峰值因子及偏度指标；

所述三维频域特征包括的特征项为重心频率、频率方差及均方频率。

进一步地，所述处理终端用于：

利用多分类支持向量机递归特征小区选取特征参数中目标特征项；

利用目标特征项生成所述使用状态的判断阈值；

利用所述判断阈值控制数控机床的加工。

在其它实施方式中，

所述数控机床用于利用安装刀具的所述智能刀柄对加工件按照预设路径进行加工。

所述处理终端用于获取加工过程中形变传感器采集的加工数据。

数控机床系统用于在加工完成后识别加工件的加工质量以获取低质量位置，所述识别过程可以通过图像识别也可以通过人工识别。

数控机床系统用于根据低质量位置在预设路径上的位置获取低质量位置的加工时刻；

所述处理终端用于获取所述加工时刻的加工数据；

所述处理终端用于获取加工时刻前后数据的变化满足预设条件的目标特征项以及目标特征项在加工时刻的数值，将所述加工时刻的数值作为使用状态的判断阈值。

进一步地，所述数控机床包括至少一智能刀柄，所述智能刀柄上开设有若干安装槽，每一安装槽内设有一柔性电路板，所述柔性电路板上安装形变传感器、处理芯片。

形变传感器用于采集智能刀柄加工过程的形变信号；

所述处理芯片用于判断形变信号是否满足所述判断阈值，若否则通过蓝牙发射装置向机床接收装置传输控制信号；

数控机床用于在机床接收装置接收所述控制信号后暂停所述智能刀柄的加工动作，并将超出正常范围的形变信号传输至所述上位机存储。

参见图1，利用上述数控机床系统，本实施例还提供一种数据处理方法，包括：

步骤100、利用安装刀具的所述智能刀柄进行加工，所述智能刀柄上设有形变传感器。

步骤101、获取加工过程中形变传感器采集的加工数据。

步骤102、提取加工数据中的特征参数，所述特征参数包括若干特征项。

步骤103、对比利用不同磨损程度的刀具获取的特征参数。

步骤104、获取不同磨损程度的刀具中特征参数的变化满足预设条件的目标特征项。

获取目标特征项后数控机床进行加工，执行如下步骤：

步骤105、形变传感器采集智能刀柄加工过程的加工数据；

步骤106、所述处理芯片根据加工数据中的目标特征项获取数控机床刀具的使用状态。

步骤102具体包括：

所述处理芯片将加工数据转化为力学信号；

通过小波对所述力学信号进行滤波；

提取滤波后力学信号中的特征参数。

其中，滤波后力学信号中的特征参数包括下属特征中的一种或几种：

有量纲特征、无量纲特征、三维频域特征、小波频带能量特征以及小波熵特征。

具体地，所述有量纲特征及无量纲特征包括的特征项为均值、标准差、均方根、峰值因子及偏度指标；

所述三维频域特征包括的特征项为重心频率、频率方差及均方频率。

在本实施例数据处理方法中，目标特征项是满足预设条件的特征项，所述预设条件可以是变化幅度大于阈值，举例来说，利用一个新的刀具与一个接近报废的刀具对同一加工件（或同一批加工件）进行相同工序的加工，采集新的刀具的特征参数以及接近报废的刀具的特征参数，对比特征参数中的各个特征项，查找两个刀具特征项之间的区别，当特征项之间的区别满足预设幅度、程度或数值时，将特征项作为目标特征项。

所述目标特征项能够反映刀具的磨损程度，利用目标特征项在正常加工过程中能够反映刀具的工作状态，当目标特征项的数值与接近报废的刀具的目标特征项相似或关联时则表明当前刀具应该更换以保证产品的合格率。

步骤104具体为：利用多分类支持向量机递归特征小区选取特征参数中目标特征项，所述目标特征项就是优选项，能够反映出刀具的使用状态。

步骤106具体地为：

步骤1061、利用目标特征项生成所述使用状态的判断阈值；

步骤1062、利用所述判断阈值控制数控机床的加工。

进一步地，步骤100具体为：

利用安装刀具的所述智能刀柄对加工件按照预设路径进行加工。

步骤101具体为：

获取加工过程中形变传感器采集的加工数据。

步骤104具体包括：

加工完成后识别加工件的加工质量以获取低质量位置；

根据低质量位置在预设路径上的位置获取低质量位置的加工时刻；

获取所述加工时刻的加工数据；

获取加工时刻前后数据的变化满足预设条件的目标特征项以及目标特征项在加工时刻的数值，将所述加工时刻的数值作为使用状态的判断阈值。

其中，步骤105具体为：形变传感器采集智能刀柄加工过程的形变信号。

步骤1062具体包括：

所述处理芯片判断形变信号是否满足所述判断阈值，若否则通过蓝牙发射装置向机床接收装置传输控制信号；

机床接收装置接收所述控制信号后暂停所述智能刀柄的加工动作，并将超出正常范围的形变信号传输至所述上位机存储。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。