基于大数据的数控机床控制方法及系统技术方案

本发明专利技术涉及智能控制技术领域，具体涉及一种基于大数据的数控机床控制方法及系统，该方法获取数控机床生产的每个工件时的生产数据；获取数控机床的走刀误差指数，筛选出走刀异常机床；获取非走刀异常机床的位置误差向量，识别出异常机床；任意选取多台异常机床，获取对应异常机床的多个振动

【技术实现步骤摘要】
基于大数据的数控机床控制方法及系统


[0001]本专利技术涉及智能控制
，具体涉及一种基于大数据的数控机床控制方法及系统。

技术介绍

[0002]数控机床是一种装有程序控制系统的自动化机床，作为现代制造加工业的工业母机，在航天发动机、汽轮机、精密的光学等设备的生产中扮演着重要的角色，尤其是对于加工大批量和高精度要求的零件，各种数控机床承担着无可替代的作用，因此数控机床的精度稳定性和可靠性，对于企业生产有着非常重要的意义。同时，数控机床结构复杂、价格昂贵，在设备运行过程中如果出现精度误差，需要及时检测误差来源，严重时需要停机检修，以免出现数控机床产品不合格的情况，造成经济损失，甚至导致数控机床损坏。
[0003]对于数控机床精度误差的检测，大多需要定期停机检测，影响生产进度和效率，与产品加工同时进行的在线检测精度的方法较少，并且仅仅通过检测机床的基础件是否形变来确定机床精度是否有误差，检测依据单一，合理性较差；并且不能检测出精度误差源，无法对数控机床定点诊断。

技术实现思路

[0004]本专利技术提供一种基于大数据的数控机床控制方法及系统，用于检测数控机床的精度误差源并进行相应控制，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种基于大数据的数控机床控制方法，该方法包括以下步骤：采集数控机床生产的每个工件在多个预设位置的坐标，并与标准件的对应坐标进行差异对比，得到每个工件的多个位置误差；采集每个工件加工时机床夹具的振动幅值序列和工件表面的音频序列；记录每次走刀完成时刀具直线轴上的直线位移以及刀具旋转轴的角位移；根据连续多次走刀后的所述直线位移和所述角位移获取数控机床的走刀误差指数，基于走刀误差指数筛选出走刀异常机床，并发送刀具校准的警示；对于非走刀异常机床，获取连续加工的多个工件在每个预设位置上的位置误差之和，所有预设位置对应的所述位置误差之和组成对应机床的位置误差向量，利用位置误差向量构建识别模型，进而在非走刀异常机床中识别出异常机床；任意选取多台异常机床，结合连续生产的多个工件的振动幅值序列和音频序列得到对应异常机床的一个振动
‑
音频序列，根据每两台异常机床对应的振动
‑
音频序列之间的差异距离将选取的所有异常机床分为三组，并基于异常原因区分为机床振动异常组、刀具磨损过度组、振动
‑
磨损异常组；基于每台异常机床的每个振动
‑
音频序列与不同组异常机床的相似性获取该序列所归属的组，对属于刀具磨损过度组的异常机床进行进刀量调节，其他组的异常机床依据
组别停机检修。
[0005]优选的，所述位置误差的获取方法为：利用两点之间的距离公式计算每个工件的每个预设位置处的坐标与标准件对应位置坐标之间的距离，即为所述位置误差。
[0006]优选的，所述走刀误差指数的获取方法为：获取正常走刀完成时的标准直线位移和标准角位移，计算每次走刀完成时的直线位移与标准直线位移的差值绝对值作为第一差值，以及角位移与标准角位移的差值绝对值作为第二差值，将第一差值和第二差值分别归一化并求和，获取连续多次走刀后的求和结果的和作为累积误差，以允许误差与累积误差的差值作为符号函数的自变量，得到的函数结果为所述走刀误差指数。
[0007]优选的，所述基于走刀误差指数筛选出走刀异常机床，包括：当所述走刀误差指数为
‑
1时，对应的数控机床为走刀异常机床。
[0008]优选的，所述利用位置误差向量构建识别模型，包括：选取多个位置误差向量构建数据集，基于精度误差对每个选取的位置误差向量标注标签，所述标签为代表正常的第一预设值和代表异常的第二预设值，通过模型训练得到所述识别模型。
[0009]优选的，所述振动
‑
音频序列的获取方法为：对于选取的每台异常机床对应的振动幅值序列和音频序列，以预设的第一数值作为振动幅值序列中每个时刻下的振动幅值的底数，以预设的第二数值作为音频序列中对应时刻下的音频信号的底数，将得到的两个指数函数结果相乘，乘积为对应时刻的振动
‑
音频因子，连续加工的多个工件对应的所有的振动
‑
音频因子组成所述振动
‑
音频序列。
[0010]优选的，所述差异距离的获取方法为：利用WDTW算法计算每两个振动
‑
音频序列之间的距离作为所述差异距离。
[0011]优选的，所述相似性的获取方法为：在刀具磨损过度组中任意选取多个振动
‑
音频序列，将所有振动
‑
音频序列中同一时刻的多个振动
‑
音频因子求均值，所有时刻的均值组成一个新的振动
‑
音频序列作为刀具磨损过度组的第一代表序列，计算每个振动
‑
音频序列与所述第一代表序列之间的皮尔逊相关系数，作为振动
‑
音频序列与刀具磨损过度组的相似性；在机床振动异常组任意选取多个振动
‑
音频序列，将所有振动
‑
音频序列中同一时刻的多个振动
‑
音频因子求均值，所有时刻的均值组成一个新的振动
‑
音频序列作为机床振动异常组的第二代表序列，计算每个振动
‑
音频序列与所述第二代表序列之间的皮尔逊相关系数，作为振动
‑
音频序列与机床振动异常组的相似性。
[0012]优选的，所述获取该序列所归属的组的过程为：预设一个相似阈值，当振动
‑
音频序列与刀具磨损过度组的相似性大于所述相似阈值时，该序列属于刀具磨损过度组；当振动
‑
音频序列与机床振动异常组的相似性大于所述相似阈值时，该序列属于机床振动异常组；否则属于振动
‑
磨损异常组。
[0013]第二方面，本专利技术另一个实施例提供了一种基于大数据的数控机床控制系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于大数据的数控机床控制方法的步骤。
[0014]本专利技术实施例至少具有如下有益效果：利用数控机床生产工件时的走刀数据筛选出走刀异常机床，走刀异常机床的走刀误差已经过大，不论其它方面如何调整，最终加工出的产品精度都会不符合要求，因此将走刀异常机床先行筛选出来进行刀具校准，然后对无走刀异常的机床进行后续检测；根据连续多个工件的总误差来判断非走刀异常机床中误差过大的异常机床；任意选取多台异常机床，利用异常机床的振动数据和音频数据区分异常原因并分组，将同一异常原因的异常机床分为一组，能够识别出精度异常的来源，方便后续检修；获取每台异常机床的每个振动
‑
音频序列所归属的组别，依据组别得到异常数控机床的精度误差源，并对刀具磨损过度组的数控机床的进刀量进行调节，刀具磨损过度可以通过控制进刀量来减小精度误差，但是另外两种异常原因需要立刻停机从而减少因精度误差带来产品不合格的损失，通过区分异常原因能够对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据的数控机床控制方法，其特征在于，该方法包括以下步骤：采集数控机床生产的每个工件在多个预设位置的坐标，并与标准件的对应坐标进行差异对比，得到每个工件的多个位置误差；采集每个工件加工时机床夹具的振动幅值序列和工件表面的音频序列；记录每次走刀完成时刀具直线轴上的直线位移以及刀具旋转轴的角位移；根据连续多次走刀后的所述直线位移和所述角位移获取数控机床的走刀误差指数，基于走刀误差指数筛选出走刀异常机床，并发送刀具校准的警示；对于非走刀异常机床，获取连续加工的多个工件在每个预设位置上的位置误差之和，所有预设位置对应的所述位置误差之和组成对应机床的位置误差向量，利用位置误差向量构建识别模型，进而在非走刀异常机床中识别出异常机床；任意选取多台异常机床，结合连续生产的多个工件的振动幅值序列和音频序列得到对应异常机床的一个振动
‑
音频序列，根据每两台异常机床对应的振动
‑
音频序列之间的差异距离将选取的所有异常机床分为三组，并基于异常原因区分为机床振动异常组、刀具磨损过度组、振动
‑
磨损异常组；基于每台异常机床的每个振动
‑
音频序列与不同组异常机床的相似性获取该序列所归属的组，对属于刀具磨损过度组的异常机床进行进刀量调节，其他组的异常机床依据组别停机检修。2.根据权利要求1所述的基于大数据的数控机床控制方法，其特征在于，所述位置误差的获取方法为：利用两点之间的距离公式计算每个工件的每个预设位置处的坐标与标准件对应位置坐标之间的距离，即为所述位置误差。3.根据权利要求1所述的基于大数据的数控机床控制方法，其特征在于，所述走刀误差指数的获取方法为：获取正常走刀完成时的标准直线位移和标准角位移，计算每次走刀完成时的直线位移与标准直线位移的差值绝对值作为第一差值，以及角位移与标准角位移的差值绝对值作为第二差值，将第一差值和第二差值分别归一化并求和，获取连续多次走刀后的求和结果的和作为累积误差，以允许误差与累积误差的差值作为符号函数的自变量，得到的函数结果为所述走刀误差指数。4.根据权利要求1所述的基于大数据的数控机床控制方法，其特征在于，所述基于走刀误差指数筛选出走刀异常机床，包括：当所述走刀误差指数为
‑
1时，对应的数控机床为走刀异常机床。5.根据权利要求1所述的基于大数据的数控机床控制方法，其特征在于，所述利用位置误差向量构建识别模型，包括：选取多个位置误差向量构建数据集，基于精度误差对每个选取的位置误差向量标注标签，所述标签为代表正常的第一预设值和代表异常的第二预设值，通过模型训练得到所述识别模型。6.根据权利要求1所述的基于大数据的数控机...

【专利技术属性】
技术研发人员：刘红军，范庆明，张传运，
申请(专利权)人：江苏航锲科技有限公司，
类型：发明
国别省市：