[发明专利]一种CNC刀具状态检测方法和系统

说明书

本发明公开了一种CNC刀具状态检测方法和系统，属于数控机床技术领域。本发明方法应用于与CNC设备相连的处理单元，包括数据采集、异常检测和CNC停机控制等步骤。本发明可以实时检测CNC设备的刀具状态，检测时不需要停止CNC设备的正常加工，可以节省现有技术中的检测时间，从而减少整体加工时长，提高设备产能。

技术领域

本发明涉及一种CNC刀具状态检测方法和系统，属于数控机床技术领域。

背景技术

CNC(数控机床)是计算机数字控制机床(Computer Numerical Control)的简称,是一种由程序控制的自动化机床。刀具是CNC设备最主要的耗材，更换频度和更换成本都很高。由于同一个产品需要使用多种型号的刀具按照特定顺序完成加工，因此CNC设备的刀具状态检测是非常重要的，直接影响到产品的生产和质量。

传统的刀具状态检测一般都是物理检测手段，例如，通过在CNC设备中内置对刀仪设备(如刀具长度测量设备)，每次加工完成后进行对刀；此外，现有技术中也有通过传感器等其它物理检测手段进行刀具状态检测的实例。

但是，物理检测手段的缺点是，可检测的刀具状态有限；如，对刀仪只能通过长度判断是否断刀。而且物理检测手段需要耗费一定的检测时间，检测过程中不能同时进行加工，这就增加了加工时长，影响CNC设备的产能。

发明内容

针对现有技术中存在的问题，本发明提出一种CNC刀具状态检测方法和系统，其能够在不增加检测时间的前提下，进行CNC刀具状态实时检测，可替代传统的物理检测方法，缩短加工时长、提高CNC的产能。

为了实现上述目的，本发明提供如下技术方案：

一种CNC刀具状态检测方法，应用于与CNC设备相连的处理单元，包括如下检测步骤：

从CNC设备中采集主轴状态和机床状态，所述主轴状态包括负载和转速，所述机床状态包括加工状态、刀具号和温度；

确定CNC设备的所用刀具及加工流程；

根据事先生成的异常检测模型，检测CNC设备的刀具是否存在状态异常；

当发现刀具状态异常时，停止CNC设备的加工；

所述异常检测模型的生成方式为：

采集CNC设备正常加工时主轴状态和机床状态的数据，作为训练数据；

按照不同的刀具和加工流程对训练数据进行划分，针对每个特定的刀具和加工流程，从相应训练数据中提取多个统计量和表示向量作为训练集，通过机器学习的方式生成针对每个特定的刀具和加工流程的异常检测模型。

可选的，所述异常检测模型的生成步骤与所述检测步骤同步进行，所述检测步骤中从CNC设备中采集到的主轴状态和机床状态实时传送给异常检测模型的生成步骤，以作为异常检测模型生成步骤的训练数据，当所述训练数据积攒到足够量值时，通过异常检测模型生成步骤生成对应于一特定的刀具和加工流程的新的异常检测模型。

可选的，上述方法还包括实时显示的步骤，用于实时显示与刀具相关的数据图表和状态信息。

此外，本发明还提供一种CNC刀具状态检测系统，其包括CNC设备以及与CNC设备连接的处理单元，所述处理单元内设有如下程序模块：

采集模块，用于从CNC设备中采集主轴状态和机床状态，所述主轴状态包括负载和转速，所述机床状态包括加工状态、刀具号和温度；

异常检测模型生成模块，用于对采集模块采集到的CNC设备正常加工时主轴状态和机床状态的数据按照不同的刀具和加工流程进行划分，针对每个特定的刀具和加工流程，从相应训练数据中提取多个统计量和表示向量作为训练集，通过机器学习的方式生成针对每个特定的刀具和加工流程的异常检测模型；