超硬刀具热疲劳裂纹状态实时智能监测系统及评价模型技术方案

本发明专利技术提供一种超硬刀具热疲劳裂纹状态实时智能监测系统及评价模型，包括计算机，计算机上连接有动态测力仪，用于获得铣削力信号C1；声发射传感器，用于监测并获取刀具不同裂纹形式和损伤状态时的声发射信号C2；红外测温仪，用于获取温度信号C3；集成压电加速度传感器，用于获取振动信号C4；上述数据通过信号处理与A/D转换，将数据存入计算机中。本发明专利技术通过检测到的特征信号数值，包括铣削力信号、声发射信号、温度信号、振动信号，实时生成计算与超硬刀具热疲劳状态对应的关联函数与关联度，从而量化表示超硬刀具的热疲劳状态。而量化表示超硬刀具的热疲劳状态。而量化表示超硬刀具的热疲劳状态。

【技术实现步骤摘要】
超硬刀具热疲劳裂纹状态实时智能监测系统及评价模型


[0001]本专利技术属于超硬刀具热疲劳检测领域，尤其涉及超硬刀具热疲劳裂纹状态实时智能监测系统及评价模型。

技术介绍

[0002]统计资料显示，在所有零部件失效行为中，有50％～90％属于疲劳破坏(包括热疲劳、冲击疲劳、腐蚀疲劳和热
‑
机械疲劳等)。一般情况下，疲劳破坏特指那些导致开裂或破坏的性能变化。可见，影响结构安全性的“疲劳”，实际上就是裂纹从成核、萌生、扩展，到最终破坏的整个过程。
[0003]超硬材料刀具铣削时的工作状况一般比较恶劣，常常需要承受循环载荷以及冷热交替的温度变化，刀具材料内部会产生反复变化的热应力和热应变，从而引起刀具材料的热疲劳损伤，刀具易折易碎，刀具寿命低。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对
技术介绍
的不足提供了超硬刀具热疲劳裂纹状态实时智能监测系统及评价模型。
[0005]本专利技术为解决上述技术问题采用以下技术方案：
[0006]一种超硬刀具热疲劳裂纹状态实时智能监测系统，包括计算机，计算机上连接有，
[0007]动态测力仪，用于监测刀具铣削力变化，获得铣削力信号C1；
[0008]声发射传感器，用于监测并获取刀具不同裂纹形式和损伤状态时的声发射信号C2；
[0009]红外测温仪，用于监测切削区温度变化，并获取温度信号C3；
[0010]集成压电加速度传感器，用于监测激振频率及幅值的变化，获取振动信号C4；
[0011]所述动态测力仪、声发射传感器、红外测温仪、集成压电加速度传感器采集数据后通过信号处理与A/D转换，将数据存入计算机中。
[0012]一种超硬刀具热疲劳裂纹状态智能评价模型，包括如下步骤：
[0013]S1，建立超硬刀具热疲劳状态待评物元模型矩阵：
[0014][0015]式中：p0为某一待评的超硬刀具；c
i
(i＝1，2，...n)为热疲劳裂纹状态等级N
oj
的特征，即影响超硬刀具热疲劳状态评价的主要因素；X
i
为p0关于c
i
的量值，即待评超硬刀具热疲劳裂纹状态的具体数值；
[0016]S2，将权利要求1中的铣削力信号C1、声发射信号C2、温度信号C3、振动信号C4带入矩阵R中，得到：
[0017]物元R的经典域确定为：
[0018][0019]式中：N
0j
为超硬刀具热疲劳裂纹状态的第j个等级，j＝1～4；X
oji
为N
0j
关于c
i
所规定的量值的范围，即N
0j
的经典域；a
0ji
——超硬刀具在某一裂纹状态时某一特征信号经典域的最小值；b
0ji
——超硬刀具在某一裂纹状态时某一特征信号经典域的最大值；
[0020]物元R的节域确定为：
[0021][0022]式中：P为超硬刀具热疲劳裂纹状态的全部等级；X
pi
为P关于c
i
所取的量值范围，即P的节域；a
pi
——某一特征信号节域的最小值；b
pi
——某一特征信号节域的最大值；
[0023]S3，根据确定的物元模型以及刀具与其热疲劳状态等级的关联函数K
j
(u
i
)；
[0024]则待评超硬刀具与其热疲劳裂纹状态等级的关联度为：
[0025][0026]其中：|X
0ji
|＝b
0ji
‑
a
0ji
[0027][0028][0029]α
i
——为所选取的特征评价指标(铣削力信号、声发射信号、振动信号、温度信号)的权重系数，
[0030]S5，根据关联度确定超硬刀具的热疲劳状态为正常、裂纹萌生、裂纹扩展、主裂纹生成或者刀具破损；
[0031]S6，计算机实时显示刀具破损情况，若刀具的热疲劳状态为裂纹萌生，则调整加工条件或加工参数；若刀具的热疲劳状态为主裂纹生成，则更换刀具。
[0032]本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：
[0033]1、本专利技术探索引入多元数据量化决策新方法——可拓物元评价方法，以切削过程
中超硬刀具热疲劳裂纹状态为研究对象，构建基于可拓物元的超硬刀具热疲劳裂纹状态评价预报模型。该模型通过检测到的特征信号数值(铣削力信号、声发射信号、温度信号、振动信号)，实时生成计算与超硬刀具热疲劳状态对应的关联函数与关联度，从而量化表示超硬刀具的热疲劳状态；
[0034]2、本专利技术将定性与定量指标有机结合，使评价结果合理准确，评价方法灵活宜用。研究表明，CNC机床配备刀具监测系统后可减少故障停机时间的75％，提高生产率10～60％，提高机床利用率50％以上。美国Kennametal公司的研究表明，刀具监测系统不仅提高了刀具本身的利用率，而且可避免刀具失效所导致的工件报废和机床故障，节约费用达30％。
附图说明
[0035]图1为实施例一的流程图；
[0036]图2为实施例二的流程图。
具体实施方式
[0037]下面结合附图对本专利技术的技术方案做进一步的详细说明：
[0038]本专利技术的描述中，需要理解的是，术语“左侧”、“右侧”、“上部”、“下部”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专利技术和简化描述，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，“第一”、“第二”等并不表示零部件的重要程度，因此不能理解为对本专利技术的限制。本实施例中采用的具体尺寸只是为了举例说明技术方案，并不限制本专利技术的保护范围。
[0039]实施例一
[0040]本专利技术提供一种超硬刀具热疲劳裂纹状态实时智能监测系统，包括包括计算机，计算机上连接有，
[0041]动态测力仪，用于监测刀具铣削力变化，获得铣削力信号C1；
[0042]声发射传感器，用于监测并获取刀具不同裂纹形式和损伤状态时的声发射信号C2；
[0043]红外测温仪，用于监测切削区温度变化，并获取温度信号C3；
[0044]集成压电加速度传感器，用于监测激振频率及幅值的变化，获取振动信号 C4；
[0045]所述动态测力仪、声发射传感器、红外测温仪、集成压电加速度传感器采集数据后通过信号处理与A/D转换，将数据存入计算机中。
[0046]具体的：
[0047]高速铣削时超硬刀具的工作状况异常复杂，包括热、力的综合作用，要全面反映加工过程中超硬刀具的真实状态，就要对多个相关信号进行拾取、监测和分析。不同的特征信号对加工中刀具的失效状态有不同的敏感程度。设计超硬刀具热疲劳裂纹信号检测系统如图1所示。在系统中采用了力传感器、声发射传感器、温度传感器和振本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超硬刀具热疲劳裂纹状态实时智能监测系统，其特征在于：包括计算机，计算机上连接有，动态测力仪，用于监测刀具铣削力变化，获得铣削力信号C1；声发射传感器，用于监测并获取刀具不同裂纹形式和损伤状态时的声发射信号C2；红外测温仪，用于监测切削区温度变化，并获取温度信号C3；集成压电加速度传感器，用于监测激振频率及幅值的变化，获取振动信号C4；所述动态测力仪、声发射传感器、红外测温仪、集成压电加速度传感器采集数据后通过信号处理与A/D转换，将数据存入计算机中。2.一种超硬刀具热疲劳裂纹状态智能评价模型，其特征在于：包括如下步骤：S1，建立超硬刀具热疲劳状态待评物元模型矩阵：式中：p0为某一待评的超硬刀具；c
i
(i＝1，2，...n)为热疲劳裂纹状态等级N
oj
的特征，即影响超硬刀具热疲劳状态评价的主要因素；X
i
为p0关于c
i
的量值，即待评超硬刀具热疲劳裂纹状态的具体数值；S2，将权利要求1中的铣削力信号C1、声发射信号C2、温度信号C3、振动信号C4带入矩阵R中，得到：物元R的经典域确定为：式中：N
0j
为超硬刀具热疲劳裂纹状态的第j个等级，j＝1～4；X
oji
为N
0j
关于c
i
所规定的量值...

【专利技术属性】
技术研发人员：郭彩芬，董志，
申请(专利权)人：苏州市职业大学，
类型：发明
国别省市：