刀具磨损和破损的综合监测法

HEATS

　　单台机床的加工，对刀具磨损和破损的监测，凭工人的经验，尚能进行正常的生产，而对FMS、CIMS、无人化工厂，必须解决刀具磨损与破损的在线实时监测及控制问题。因为及时确定刀具磨损和破损的程度并进行在线实时控制，是提高生产过程自动化程度及保证产品质量，避免损坏机床、刀具、工件的关键要素之一。

$ ~ j* d3 ~! U

　　监测原理

. j% |$ L" R$ a9 p. A5 g

　　监测参量的选取

$ `/ I1 k. g: T; c9 k

　　监测刀具磨损和破损的方法很多，可分为直接测量法和间接测量法两大类。直接测量法主要有：光学法、接触电阻法、放射性法等。间接测量法主要有：切削力或功率测量法，刀具和工件测量法，温度测量法，振动分析法，AE法，电机电流或功率测量法等。

! x9 f; p, c$ `; p* y1 k

　　比较现有的刀具磨损和破损的监测方法，各有优缺点，我们选取声发射(AE)和电机电流信号作为监测参量。这是因为AE信号能避开机加工中噪声影响最严重的低频区，受振动和声频噪声影响小，在感兴趣区信噪比较高，便于对信号进行处理。响应速度快，灵敏度高；但重负荷时，易受干扰。而电机电流信号易于提取，能适应所有的机加工过程，对正常的切削加工没有影响，但易受干扰，时间响应慢，轻负荷时，灵敏度低。这样，同时选AE和电机电流为监测信号，就能利用这2个监测量的各自长处，互补不足，拓宽监测范围，提高监测精度和判别成功率。

　　监测原理

* u2 r: c8 W, p

　　切削过程中，当刀具发生磨损和破损时，切削力相应发生变化，切削力的变化引起电机输出转矩发生变化，进而导致电机电流发生相应的变化，电流法正是通过监测电机电流的变化，实现间接在线实时判断刀具的磨损和破损。

, o# U; S2 r; d0 k5 s e1 k' [; m

　　AE是材料或结构受外力或内力作用产生变形或断裂时，以弹性波形的形式释放出应变能的现象。它具有幅值低，频率范围宽的特点。试验及频谱分析发现：正常切削产生的AE信号主要是工件材料的塑性变形，其功率谱分布，100kHz以下数值很大，100kHz以上较小。当刀具磨损和破损时，100kHz以上频率成分的AE信号要比正常切削时大得多，特别是100-300kHz之间的频率成分更大些。为此，应通过带通滤波器，监测100-300kHz频率成分AE信号的变化，对刀具磨损和破损进行监测。

4 P4 d; n2 y0 x: Y, G! G

　　利用AE、电机电流信号综合对刀具磨损和破损进行判别的原理是：轻负荷区，依靠AE包络信号，用阈值的方法进行判别；在中负荷区，这时电机电流和AE信号都起作用，用两者结合的方法进行判别，提高判别的成功率，具体方法是：如果AE信号超过AE阈值，则置延时常数为ds(d的数值依赖于系统构成)，如果在ds时间内，电流信号也超过电流信号的阈值，则判刀具极限磨损或破损。如果在ds时间内，电流信号未超过电流信号的阈值，则不报警，由延时常数继续监测。这种以AE为先导，AE信号和电机电流信号进行“与”的判别模式，既利用了AE信号具有实时、灵敏的特点，又考虑了电机电流信号具有滞后的性质，具有较强的抗干扰能力，提高了判别成功率。在大负荷区，则以电机电流信号为主，AE信号为辅进行判别。

　　监测原理框图

中间一路为电网电压监测线路，通过对电源的波动进行监测，消除由于电网电压波动对监测的影响，提高系统的抗干扰能力。图中虚线部分为自动减去首切电流线路，目的是自动减去首切电流，以电流的变动量为判别量，提高电流信号监测的灵敏度。

. M+ m' ? r: P$ x3 F

　　图1刀具磨损和破损监测线路框图

8 G: M! p" S, I6 q: w; t

　　电流信号的实际判别公式如下：

! d; P0 Y: P* _) B. J ; M' F+ W9 _2 s

　　I=(Ia-Ib)-F(Va-Vb)

( W+ u; e C* a. N/ l % \) y; L* H6 m. j( _: p4 b

　　式中：I为判别电流值；F为电压变化引起电流变化的比率，主要为消除电流、电压硬件线路放大倍数的不一致；Va、Va分别为监测过程中采样的电流和电压值；Ib、Vb则为开始切削时的电流和电压值。

　　实验过程和结果

, I# {4 \0 z) f8 E$ Q& z ; ?' E7 m/ B8 \+ e" k6 [$ Z

　　刀具磨损和破损的在线实时监测是自动化机加工生产线中一个困难而又重要的问题，虽然监测刀具磨损和破损的方法很多，但由于实际切削过程中环境恶劣、刀具和工件的多样性、采集数据离散性大等因素，使得实际监测很困难。若采用单一的监测方法，无论是直接法，还是间接法，由于受到诸如切屑、切削液和振动的影响，时间响应差和测试灵敏度的影响，材料物理性质变化的影响，切削条件的影响等，监测的有效性和判别成功率受到质疑。为此，可在总结现有监测法优缺点的基础上，采用多参量综合监测法，充分利用每个监测量的优点，互补不足，拓宽了监测范围，提高了判别成功率。我们采用AE和电机电流信号2个参量进行监测，进行了实验，证明刀具破损监测的效果良好。

# O: D" m% l" k9 Z/ j* q3 s ! P. L1 q( o) }* J& D- @ V

　　在CA6410车床上的钻孔及车削外圆实验

* ~" }: _* h8 ~% ]( h

　　为模拟在加工中心上钻孔，钻头装夹在车床主轴卡盘上，工件夹在刀架上，钻孔实验时，钻头旋转，工件自动进给，AE传感器安装在小刀架上。实验钻削参数为：钻头转速n=900-1120r/min，进给量s=0.028-0.039mm/r、s=0.1mm/r。用直径f2.5mm以上钻头钻削23次，用直径f25mm以下钻头钻削80次，总计钻削23+80=103次，结果误报1次，漏报2次，判断成功率为97%。

4 o% t* H# a, X2 E& l6 s, U1 a* h' }

　　车削外圆实验时，在40Cr钢和45钢的圆棒(f800mm×600mm)试件上轴向每隔20-30mm埋入直径f1.5mm的钻头，为的是在正常外圆车削实验过程中加速刀具的破损。实验车削参数为：主轴转速n=800r/min，刀具进给量s=0.2mm/r，切削深度ap=1-2mm。在60次破损纪录中的判断成功率为96.7%。

7 H+ j; n: P7 J2 T

　　在Z512-D台钻上的钻孔实验

. T5 \/ b, B) h3 S5 o) s1 a

　　工件材料为45钢，钻孔直径f0.8-2.5mm。，钻头转速n=480r/min，手动进给，钻孔30次，误判2次，判断成功率为93.3%。【MechNet】

9 A$ I& K# ^/ x& Y6 V