【技术实现步骤摘要】
本申请涉及机床加工，尤其涉及一种数控机床的刀具状态的检测方法、电子设备及存储介质。
技术介绍
1、数控机床是通过自身所安装的刀具来对物料进行加工，刀具状态决定了数控机床所加工物料的质量与精度。因此，对刀具状态进行检测，对于确保所加工物料的质量与精度十分必要。
2、目前往往是在数控机床中内嵌对刀仪，在刀具每加工一定数量的物料后，便暂停加工，然后通过对刀仪进行刀具状态检测。上述方式存在以下两方面问题：第一、对刀仪单次检测耗时较长，影响物料加工效率；第二、对刀仪每间隔一定时长对刀具进行断刀检测，可能导致无法及时检测出断刀，从而影响所加工物料的质量与精度。
技术实现思路
1、本申请实施例提供了一种数控机床的刀具状态的检测方法、电子设备及存储介质，能够在不影响物料加工的情况下，实现对刀具状态的实时检测，以便于及时发现突发性的断刀事件，确保所加工物料的良率。
2、第一方面，本申请实施例提供了一种数控机床的刀具状态的检测方法，所述方法包括：
3、获取数控机床的当前刀具在加工过程中产生的前次振动时序数据和本次振动时序数据；
4、根据所述前次振动时序数据和所述本次振动时序数据，分别获取所述前次振动时序数据和所述本次振动时序数据对应的振动特征矩阵；其中，所述振动特征矩阵包括振动时域类特征和振动频域类特征；
5、根据所述前次振动时序数据和所述本次振动时序数据对应的振动特征矩阵，获取所述当前刀具在前次加工与本次加工过程之间的本次特征差异度；>
6、基于所述本次特征差异度和当前差异度阈值的对比结果，确定所述当前刀具的当前状态。
7、本申请实施例中，通过获取数控机床中某一刀具在近两次加工过程中所产生的前次振动时序数据以及本次振动时序数据，然后分别获取上述前次振动时序数据以及本次振动时序数据对应的时频域特征，然后通过前次振动时序数据以及本次振动时序数据各自对应的时频域特征，可以较为准确地确定出本次振动时序数据与前次振动时序数据之间的特征差异度，即该特征差异度反映了本次振动时序数据相较于前次振动时序数据的变化程度，特征差异度越小，则表明本次振动时序数据相较于前次振动时序数据的变化程度越小，反之，特征差异度越大，则表明本次振动时序数据相较于前次振动时序数据的变化程度越大。最后根据上述特征差异度与当前差异度阈值进行比较，从而确定出上述刀具在产生本次振动数据时所对应的当前刀具状态。该方法中，在不影响数控机床加工的情况下，可以实时地对刀具状态进行检测，从而及时发现突发性的断刀事件，从而确保所加工物料的质量与精度。
8、可选的，所述根据所述前次振动时序数据和所述本次振动时序数据，分别获取所述前次振动时序数据和所述本次振动时序数据对应的振动特征矩阵，包括：
9、基于第一目标频段分别对所述前次振动时序数据和所述本次振动时序数据进行滤波；
10、基于滤波后的所述前次振动时序数据和所述本次振动时序数据，分别提取出所述前次振动时序数据和所述本次振动时序数据对应的所述振动时域类特征和所述振动频域类特征。
11、本申请实施例中，第一目标频段可以认为是当前刀具在加工阶段的工作频段，那么通过第一目标频段来分别对近两次加工过程中产生的前次振动时序数据和本次振动时序数据进行滤波，有利于筛除其他与加工阶段无关频段，使得基于前次振动时序数据和本次振动时序，所提取的针对加工阶段的时频域特征更为准确。
12、可选的，所述基于滤波后的所述前次振动时序数据和所述本次振动时序数据，分别提取出所述前次振动时序数据和所述本次振动时序数据对应的所述振动时域类特征和所述振动频域类特征，包括：
13、根据所述当前刀具的设定转速，确定时频域转换的基频；
14、根据所述当前刀具的刃数与所述基频，确定时频域转换的最大倍频；
15、根据所述基频和所述最大倍频，确定时频域转换的至少两个第二目标频段；
16、对滤波后的所述前次振动时序数据和所述本次振动时序数据分别进行时频域转换，分别获取所述前次振动时序数据和所述本次振动时序数据中每个所述第二目标频段对应的所述振动频域类特征。
17、本申请实施例中，根据当前刀具的设定转速以及刃数，可以确定出集中有刀具振动的有效信号的多个第二目标频段，然后分别获取在每个第二目标频段的频域特征，从而提高所提取的频域特征准确性。
18、可选的，所述基于所述本次特征差异度和当前差异度阈值的对比结果，确定所述当前刀具的当前状态，包括：
19、判断所述本次特征差异度是否大于所述当前差异度阈值；
20、若大于所述当前差异度阈值，则确定所述当前刀具处于异常状态。
21、本申请实施例中，若本次振动时序数据与前次振动时序数据之间的差异度较大，则表明本次振动时序数据相较于前次振动时序数据的变化程度较大，若前次振动时序数据所对应的刀具状态为正常，那么便可以推断出当前刀具在产生本次振动时序数据时的刀具状态为异常。若前次振动时序数据所对应的刀具状态为异常，如果当前刀具的本次特征差异度大于当前差异度阈值，那么当前刀具在产生本次振动时序数据时的刀具状态仍为异常。
22、可选的，所述判断所述本次特征差异度是否大于所述当前差异度阈值之后，所述方法还包括：
23、若不大于所述当前差异度阈值，则确定所述当前刀具处于正常状态。
24、本申请实施例中，若本次振动时序数据与前次振动时序数据之间的差异度较小，则表明本次振动时序数据相较于前次振动时序数据的变化程度较小，若前次振动时序数据所对应的刀具状态为正常，那么便可以推断出当前刀具在产生本次振动时序数据时的刀具状态为正常。若前次振动时序数据所对应的刀具状态为异常，如果当前刀具的本次特征差异度不大于当前差异度阈值，那么当前刀具在产生本次振动时序数据时的刀具状态仍为正常。
25、可选的，所述基于所述本次特征差异度和当前差异度阈值的对比结果，确定所述当前刀具的当前状态之前，所述方法还包括：
26、获取先前设定次数的加工过程的多次振动时序数据；
27、获取所述多次振动时序数据对应的多次振动特征矩阵；
28、根据所述多次振动时序数据对应的振动特征矩阵，获取所述数控机床的先前所述设定次数的加工过程中相邻两次对应的特征差异度；
29、根据先前所述设定次数的加工过程中相邻两次对应的特征差异度，更新所述当前差异度阈值。
30、本申请实施例中，由于当前刀具在加工过程中工件的差异性，当前的差异度阈值可能不能很好地区分当前刀具的状态，为此在每加工设定次数后，将对当前差异度阈值进行更新，从而提高对刀具状态判断的准确性。
31、可选的，所述根据先前若干次加工过程中相邻两次对应的特征差异度，更新所述当前差异度阈值，包括：
32、获取先前若干次加工过程中相邻两次对应的特征差异度，构建差异度集合；
33、根据所述差异本文档来自技高网...
【技术保护点】
1.一种数控机床的刀具状态的检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的检测方法，其特征在于，所述根据所述前次振动时序数据和所述本次振动时序数据，分别获取所述前次振动时序数据和所述本次振动时序数据对应的振动特征矩阵，包括：
3.根据权利要求2所述的检测方法，其特征在于，所述基于滤波后的所述前次振动时序数据和所述本次振动时序数据，分别提取出所述前次振动时序数据和所述本次振动时序数据对应的所述振动时域类特征和所述振动频域类特征，包括：
4.根据权利要求1所述的检测方法，其特征在于，所述基于所述本次特征差异度和当前差异度阈值的对比结果，确定所述当前刀具的当前状态，包括：
5.根据权利要求4所述的检测方法，其特征在于，所述判断所述本次特征差异度是否大于所述当前差异度阈值之后，所述方法还包括：
6.根据权利要求1所述的检测方法，其特征在于，所述基于所述本次特征差异度和当前差异度阈值的对比结果，确定所述当前刀具的当前状态之前，所述方法还包括：
7.根据权利要求6所述的检测方法，其特征在于，所述根据先前若
8.根据权利要求7所述的检测方法，其特征在于，所述基于所述本次特征差异度和当前差异度阈值的对比结果，确定所述当前刀具的当前状态之前，所述方法还包括：
9.一种电子设备，其特征在于，包括存储器和处理器，其中：
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的检测方法。
...【技术特征摘要】
1.一种数控机床的刀具状态的检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的检测方法，其特征在于，所述根据所述前次振动时序数据和所述本次振动时序数据，分别获取所述前次振动时序数据和所述本次振动时序数据对应的振动特征矩阵，包括：
3.根据权利要求2所述的检测方法，其特征在于，所述基于滤波后的所述前次振动时序数据和所述本次振动时序数据，分别提取出所述前次振动时序数据和所述本次振动时序数据对应的所述振动时域类特征和所述振动频域类特征，包括：
4.根据权利要求1所述的检测方法，其特征在于，所述基于所述本次特征差异度和当前差异度阈值的对比结果，确定所述当前刀具的当前状态，包括：
5.根据权利要求4所述的检测方法，其特征在于，所述判断所述本次特征差异度是否大于所述当前差异度阈...
【专利技术属性】
技术研发人员：黄筱芹，裴智超，林宗儒，王乙博，王心瑞，
申请(专利权)人：富联裕展科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。