數控機床刀具磨損監測系統開發關鍵技術研究

王志偉 周益軍

摘要：對于數控機床中重要組成部分的刀具，在其工作過程中，會隨著切割工件產生磨損情況，當磨損到一定程度，刀具必然會影響到正常的工作，因此對刀具磨損狀態的檢測，在當前是提高數控機床工作質量的一個重要環節。傳統的刀具磨損檢測方法存在諸多的問題，首先是勞動力強度較高，然后是會降低數控機床的日常工作效率，其次是會增加日常材料的使用成本，以及工作過程中的人工成本。隨著科技的進步，逐漸出現了智能化的刀具磨損狀態監測系統，其不僅提高了數控機床日常工作的效率，還能進一步降低現場工人的勞動強度，達到降低原材料成本的目標，以及減少相關廢品的產生。

關鍵詞：數據機床;刀具磨損;監測系統;關鍵技術

中圖分類號：TG659? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2021）01-0059-02

0? 引言

在機械制造及自動化的加工控制過程中，數控機床中的刀具會經常過度磨損，導致了加工精度與成品的質量未能達到國家規定及廠商限定標準，嚴重則導致安全事故的發生，由此造成的經濟損失不可估量，據我國2019年度機械生產大數據可知，有15%的機械機制制動或機床停機與機械加工刀具的過度磨損有著直接或間接的關系，而在機床的高速運轉加工過程中由于機床刀具出現故障所導致的生產安全問題占企業總事故的80%以上，更有甚者會導致人員的傷亡與高精尖昂貴機床設備的損傷，由此帶來的惡劣影響與企業經濟損失嚴重增加，不利于我國機械制造領域的長足發展。基于此類客觀事實因素，發展刀具磨損自動化監測系統成為當下機械制造領域的熱門話題與必要環節，刀具磨損檢測系統能夠準確的實時監測機床中刀具的磨損狀態，從而降低事故的發生概率。

1? 當前數控機床刀具磨損狀態監測中存在的問題

1.1 數控機床刀具磨損狀態監測中存在的實際問題

現如今制造業已經成為國家經濟發展的中流砥柱，而制造業與目前信息時代的發展相融合的重要前提，就是利用先進的制造技術來提高生產效率。機械加工中對于機械設備或者工件的監測技術不斷發展，而刀具作為機械自動化生產中機床加工的執行件，其磨損狀態智能監測技術是一項新興的現代化智能診斷技術，也是隨著不斷發展的傳感器、信號處理、計算機和智能制造等高新技術的基礎上發展起來的新型技術。刀具切削加工過程中，會隨著切屑的不斷產生和去除而逐漸磨損或者甚至發生破損。刀具隨著自身的磨損情況加重會導致加工工件的精度下降。甚至于發生劇烈振動而無法正常生產，因而對加工生產產生巨大的影響。因此，刀具的磨損加劇會直接影響加工的效率、生產的質量以及成本，對生產效益產生不良的影響，若刀具磨損嚴重至達到破損狀態而發生崩刃，也會對人身安全造成威脅[3]。所以，通過刀具磨損信號的分析對刀具磨損狀態進行準確識別并預警的智能監測方法具有重要意義。

1.2 數控機床刀具信號特征提取中的實際問題

1.2.1 數控機床刀具磨損的形式

在數控機床刀具使用過程中，其磨損主要為三種形式，前刀面磨損、后刀面磨損以及邊界磨損。在機床刀具臨近破損時，刀具的表面由于硬度張力已到達極限會出現表面磨損加劇的現象，檢測系統可以根據此類刀具磨損特點，進行相應的技術調整，通過傳感器與相關軟件的加工處理，快速檢驗出存在安全隱患的刀具，并及時將其更換掉，以此避免由于刀具磨損嚴重而導致生產加工出現一系列問題，從而避免由于刀具過度使用帶來的安全隱患，從而降低生產中的不確定因素。

1.2.2 數控機床刀具磨損情況信號特征分析

數控機床刀具磨損監測系統需要對刀具的表面及結構進行實施的掃描，通過多點位對機工機床中刀具信號采集與分析，能夠有效的獲得刀具的實施狀態，通過各項參數指標的高效比對能夠快速且準確的判定刀具實時狀態。磨損監測機構通過信號的采集能夠準確獲取刀具具體情況，通過刀具的切削力信號或加速度信號、以及電流信號等能夠更為準確的判定刀具的真實情況，根據這一特點有關專家研發出了時頻域分析法、小波分解法等測量手段。

①時頻域分析法是當今我國應用較為普遍的刀具檢測判定法，檢測系統不斷的向刀具發射傳感信號，通過對信號的一系列處理獲得磨損的具體參數信號，中央控制電腦對該傳回的信號進行采集后利用列時頻域計算與相應的變換方式，再利用傅里葉變換可獲得相應刀具狀態的實時頻譜，利用時域譜的有效值和頻域譜的峭度、特征峰值和頻率等關鍵特征參數來對刀具磨損信號進行特征提取。

②小波分解法同樣是當下熱門的刀具磨損分析方式，能夠有效的整合突發問題所產生的波動信號與微弱的信號，機床在常規機械加工時刀具的回傳信號頻率較低，但刀具的磨損會帶來刀具表面的不規則，切削信號也會有相應的波動與改變，檢測儀器可以通過對刀具信號的收集來獲取刀具實施相關數據。

③對于模態化分解法，主要顯示為對加工刀具實時參數的追蹤與獲取信號的平穩化處理上，EMD方法是以信號上下幅度的采集基礎上建立的一套規則化趨勢判定法，將信號進行逐級分解，得到特征尺度不同的一系列固有模態函數IMF分量。

2? 數控機床刀具磨損監測系統的開發

2.1 深度學習算法的智能診斷

數字化智能監控系統的效率取決與檢測系統的精確度與智能算法的優化程度，采用高效的深度學習及準確有效的智能算法會讓刀具檢測工作得到事半功倍的效果，深度學習系統誕生是人工智能系統與大數據的基礎，只有充分的開發刀具磨損的職能化算法，才能根本性的加強對刀具狀態的實施檢測，提前做出相應的預判。在人工智能輔助這一前提下，實現深度智能算法則變得更為重要，深度學習智能算法，通過不斷的獲取機床中刀具的實時狀態，記錄刀具與其相應的各項客觀環境，通過大數據篩選與最優算法計算出每一時段的具體參數指標，通過對刀具的實施監控，可以獲取刀具中參數的一手信息資料，結合智能數據庫中的海量信息模板，將最具價值的信息傳遞給機床操作者，使機床操作人員能夠對其進行相應的針對性處理，避免經濟損失及人員安全問題的出現，為企業減少不必要的成本。而Lecun 等深度算法科學家與2017年前后提出了CNN既神經網絡算法，CNN算法是一種多層次多結構的智能化神經算話，該算法可以充分的壓縮計算量，減少大量的計算時間與反應時間，利用大數據的充分積累提高計算機系統的判斷準確性，該系統能夠真正意義上實現智能軟件與高性能傳感器之間的聯通架構，將獲得的數據有效的存入系統中，通過相應的增刪改查輔助工作人員，實現對機床刀具的完美掌控，提升機床安全性與工作效率。

2.2 數控機床刀具磨損狀態在線監測系統

數控機床刀具磨損狀態在線監測技術是當前國內外所普遍關注的一項新興技術，將智能模塊與機械加工技術相結合，互為依托，相互取長補短。而智能化模塊的運用與升級改造是數控機床刀具磨損狀態監測系統能否真正意義上實現價值的基石。

2.2.1 基于傳感器信號的數控機床刀具磨損狀態監測系統的構建

對數控加工機床刀具磨損情況的分析可以采取分步構建的模式，通過傳感器將刀具的實施具體參數獲取后，通過數字信號傳送給中央處理系統內，系統通過及時傳回的數字信號可以加工與呈現出相應的刀具狀態，其中數據分析是整體數字化框架的關鍵核心部分，通過將系統及相關的刀具磨損算法嵌入計算機中，可通過傳感器傳送回的信號，即使對數據進行加工與整合，通過算法模擬器得出刀具磨損的現狀，為企業相關工作人員提供技術指導與處置意見。其結構如圖1所示。

2.2.2 數控機床刀具磨損狀態智能化監測系統的構建

該系統不同于其它領域的檢測系統，數控機床刀具磨損監控系統需實施開啟，在線監控，對刀具的每一次切選每一種狀態進行監控，通過網絡數字信號實時監控與回傳信息，通過終端操作界面或相應端口對該區域內的有關人員進行實施數據的呈現，該智能化系統應實時對刀具的實施磨損情況進行分析通過對大數據的比對，預判出可能出現的后果，并采取相應的補救及更換等措施，在獲得刀具實時數據后，智能刀具磨損系統會采取多種智能方式，通過精密的儀器與傳感器的信號檢測手段，運用當前常見的CCD工業相機拍攝技術對刀具的具體磨損影響，通過智能分析系統對實時影像的分析，可以實現對整體機床的監控，進而保障區域內人員的人身安全與企業的生產效率。其結構如圖2所示。

2.2.3 大數據技術在刀具磨損檢測中的作用

當前互聯網數字化信息技術與人工智能技術以區域成熟，由此帶來的益處也普遍得到各行各業的廣泛認可，現如今我國的眾多大型機械加工企業已經運用了數字化集成技術，機床的升級與改造正在逐步實現智能化與現代化，通過大數據平臺可以將各分散機床化零為整，整合機床的核心數據，通過將機床刀具的標號、材質、加工精度的變化、溫度、磨損位置、斷裂部分、加工效率曲線等信息的收錄與整理，通過大數據算法的分析，得出各部件的易磨損位置及磨損情況等重要信息，通過對該信息的整理可以估算出各類型刀具的中和磨損情況，并在刀具損壞或加工效率降低時提前更換，以保證人員的安全與企業加工車間整體的工作效率。當前熱門的大數據分析平臺有Hadoop和Spark。通過該平臺的數據加工處理，通過Spark算法對系統進行相應的分析，進而實現對機床加工刀具的完美把控。

3? 結語

綜上所述，數控機床刀具磨損系統的開發和運用對于機械加工領域而言極為重要，通過對刀具有效的檢測手段可以防患于未然，通過及時的檢測可以快速的更換刀具，進而提高工作人員的安全系數，增強企業生產效率，為我國的工業發展奠定堅實的保障。

參考文獻：

[1]李小君.數控機床的發展及改進[J].中國金屬通報，2020（05）：184-185.

[2]盧志遠，馬鵬飛，肖江林，王美清，唐曉青.基于機床信息的加工過程刀具磨損狀態在線監測[J].中國機械工程，2019，30（02）：220-225.

[3]張小翠.數控機床刀具磨損智能監測系統開發研究[J].無線互聯科技，2018，15（24）：50-52.

[4]李大勝，繆鵬程，張輝.數控機床刀具磨破損狀態監測方法的探討[J].赤峰學院學報（自然科學版），2013，29（21）：52-54.