一种基于机床刀具受力状态的加工进度信息采集方法
【专利摘要】本发明公开一种基于机床刀具受力状态的加工进度信息采集方法，所属领域为制造业信息化【技术领域】。该方法首先采用三向测力仪和数据采集卡实现对机床刀具受力信息的获取，然后通过时域分析、频域分析和小波分析方法实现对原始受力信号的形态滤波和加工进度特征元素的提取；最后通过支持向量机（SVM）分类训练器实现加工进度特征信号的分类识别，实现对加工进度信息采集。本发明可广泛应用于制造车间，推动车间制造过程物联技术的发展。
【专利说明】一种基于机床刀具受力状态的加工进度信息采集方法
【技术领域】
[0001]本发明涉及一种基于机床刀具受力状态的加工进度信息采集方法，属于制造业信息化【技术领域】。
【背景技术】
[0002]机床作为机械加工的通用设备在机械制造业中一直起着不可替代的作用，在网络化和信息化的推进进程中，机床底层生产数据采集问题已成为车间信息系统实施过程中的主要问题，而工件的加工进度信息是机床底层生产数据主要数据之一，工件的加工进度信息更是支持实现制造过程管理和优化运行的重要信息。工件的加工进度信息包括很多方面，其中最主要的是正在加工的工件加工进度信息和已加工完成加工的工件数量等。
[0003]目前，在大部分机械加工车间，由于设备本身的陈旧，生产加工进度信息还是采用传统人工方式纸质传送到车间和企业管理者，存在加工进度信息实时性差、准确率低、管理混乱等问题，严重阻碍制造企业信息化的有效推进。而且，一些车间中经会出现多个不同的工件在一段时间内同时在一台机床上加工的现象，这也给工件进度统计带来一定难度。尤其是有些车间人员素质不高，员工为了加快完成生产任务，经常擅自改变加工参数，导致工件质量无法保证，造成了大量废品，给制造车间的管理带来了较大的困难。在部分自动化程度高的制造车间，虽然已有采用条形码、基于主轴功率信息、NC代码中插入宏指令等方式实现工件加工进度信息的自动采集，但是采用条形码和基于主轴功率信息方式适合批了加工的工件数量统计，NC代码中插入宏指令只适合有条件的数控机床，而在大部分机械加工的车间中，这些方式都不能有效地实现加工进度信息的采集。
【发明内容】
[0004]本发明提出一种基于机床刀具受力状态的加工进度信息采集方法，旨在解决生产制造车间机床底层数据采集难，工件进度统计困难，加工进度信息实时性差、准确率低、管理混乱等问题。
[0005]本发明的目的是这样实现的:一种基于机床刀具受力状态的加工进度信息采集方法，是根据机床在加工工件的过程中刀具受力状态信息的特性，从刀具受力状态信息中识别出加工进度信息。其特征在于该方法包括如下步骤:
[0006]步骤I)机床刀具受力状态原始信号的获取:通过三向测力仪获取机床刀具的受力状态信号，通过数据采集卡采集三向测力仪获取到的机床刀具状态信号，并对原始刀具受力信号进行存储。
[0007]步骤2)提取刀具受力状态特征信号:刀具受力状态信号作为原始信号，内部包含与工件加工进度紧密相关的信息，通过对刀具受力状态信号进行时域分析，频域分析和小波分析，提取与加工进度相关的特征信号。
[0008]步骤3)工件加工进度的识别:对本工段计划加工的工件进行小样本试加工，按照步骤I)和2)提取工件加工时的刀具受力状态特征信号，从特征信号中选取能表征加工进度的特征元素如特征信号时域波形的总能量&、均值歹,域里主要频段的幅值Ai和
频率fp加工时间T、有效加工时间与总加工时间比Ki获取形成加工进度特征向量样本库；然后对特征向量样本进行训练得到受过训练的支持向量机(SVM)，最后通过支持向量机(SVM)对实时刀具受力状态特征信号分类和辨识，输出加工进度识别结果，实现对加工进度/[目息米集。
[0009]进一步的特征在于步骤I)中，所述的三向测力仪是包括配套电荷放大器和相应的采集软件。三向测力仪的安装根据加工工件的实际情况安装在机床刀具的合适位置，选择的位置应受干扰小、稳定可靠且不影响加工。
[0010]进一步的特征在于步骤2)中，所述的时域分析是将信号输入到开环运算和闭环运算联合滤波器，尽可能的过滤无关信号，抑制噪声，保留好完整的信号轮廓细节。所述的频域分析是指对滤波消除干扰后的切削力信号进行傅里叶变换，在频域寻找与切削力相关的特征信号。所述的小波分析是指采用小波分析的方法将切削力信号在低频段的特征表达出来，提取出与加工进度相关的特征信号；三个方向切削力的频谱能量主要集中在低频段，将切削力信号f(t)以基函数U^b(t)进行内积运算，将f(t)分解为不同频带的子信号，寻求
与基函数vab(t)最相关或相似的分量即为特征信号。其中a, b的取
【权利要求】
1.一种基于机床刀具受力状态的加工进度信息采集方法主要包括机床刀具受力状态原始信号获取，刀具受力状态特征信号提取和工件加工进度的识别三个部分； ①所述的机床刀具受力状态原始信号获取是通过三向测力仪获取机床刀具的受力状态信号，通过数据采集卡采集三向测力仪获取到的机床刀具状态信号，并对原始刀具受力信号进行存储； ②所述的刀具受力状态特征信号提取是指刀具受力状态信号作为原始信号，内部包含与工件加工进度紧密相关的信息，通过对刀具受力状态信号进行时域分析，频域分析和小波分析，提取与加工进度相关的特征信号； ③所述的工件加工进度的识别是指对本工段计划加工的工件进行小样本试加工，按照前一步骤提取工件加工时的刀具受力状态特征信号，从特征信号中选取能表征加工进度的特征元素如特征信号时域波形的总能量、均值g、频域里主要频段的幅值Ai和频率圮、加工时间T、有效加工时间与总加工时间比Ki获取形成加工进度特征向量样本库；然后对特征向量样本进行训练得到受过训练的支持向量机(SVM)，最后通过支持向量机(SVM)对实时刀具受力状态特征信号分类和辨识，输出加工进度识别结果，实现对加工进度信息采集。
2.权利要求1刀具受力状态特征信号提取其特征包括以下处理过程: ①所述的时域分析是将信号输入到开环运算和闭环运算联合滤波器，尽可能的过滤无关信号，抑制噪声，保留好完整的信号轮廓细节； ②所述的频域分析是指对滤波消除干扰后的切削力信号进行傅里叶变换，在频域寻找切削力特征向量；. ③所述的小波分析是指采用小波分析的方法将切削力信号在低频段的特征表达出来，三个方向切削力的频谱能量主要集中在低频段，将切削力信号f(t)以基函数va,b(t)进行内积运算，将f(t)分解为不同频带的子信号，寻求与基函数Ψ_α)最相关或相似的分量即为特征信号。其中=a，b的取值取决于刀具受力状态的实际波形，a为
' a a波形伸缩量(若a〈l，则波形收缩，若a>l，则波形伸展)，b是时移因子。
3.权利要求1中的支持向量机分类训练器(SVM)进行分类辨识其特征如下: ①选取能表征加工进度的特征元素:选取特征信号时域波形的总能量I均值耳、频域里主要频段的幅值Ai和频率fp加工时间T、有效加工时间与总加工时间比&组成支持向量机的特征向量尤= (4.^4，./:工4)?其中A’卵1，fi (t)为Fi(t)的导数，这里i表示刀具受力的三个方向x，y，z ; ②对本工段计划加工的新工件进行小样本试加工，按照上面步骤获取特征向量训练样本，通过分类器对样本进行训练得到对应工件的分类器聚； 由机床刀具受力状态特征向量夂=(A, J].A1,./::?\Κ),支持向量机算法如下: 设通过小样本测试获得的机床刀具受力状态特征向量集合为S，
S = Kxi, λ j)}, i = I, 2,...N其中Xi为第i个工件的特征向量，λ i为第i个工件的分类标记，取值为O或1，对待分
【文档编号】G06Q10/06GK103473640SQ201310397088
【公开日】2013年12月25日 申请日期:2013年9月4日 优先权日:2013年9月4日
【发明者】尹超, 周远飞, 王枭, 钟婷, 黎振武 申请人:重庆大学