[发明专利]一种用于CNC断刀预测的系统及方法

说明书

本发明涉及断刀检测的技术领域，具体公开用于CNC断刀预测的系统，包括用于采集刀具数据信息的数据采集模块、用于指令控制的控制器、用于数据传输的无线通信模块、用于数据存储、分析与预测的大数据分析平台以及用于信息查看的移动终端。以及提出了一种基于改进粒子群优化BP神经网络的CNC断刀预测方法。本发明的优点是将传感器、无线通信网络以及大数据三种技术相融合，由无线通信网络完成传感器采集数据的传输，大数据分析平台完成数据的分析与预测，摆脱了对工业现场检测仪器设备的依赖，极大的降低了生产成本，同时智能算法提高了断刀预测的精度。

技术领域

本发明属于断刀检测的技术领域，特别是一种用于CNC断刀预测的系统及方法。

背景技术

刀具毁损状态的智能识别作为制造过程技术的一部分，现已逐渐被人们重视。一个运行可靠的刀具磨损状态监测系统可以通过及时、准确地反映刀具磨损状态信息来指导机床完成自动换刀，实现不间断生产过程，稳定工件的加工质量。

传统的数控加工刀具状态监测方法普遍采用单一传感器监测方法，通过采集并处理与切削过程相关的信号，如电流信号、切削信号、振动信号、切削声信号或电机功率等，间接获得反映刀具磨损状态的某些信息，此方法获取的信息存在类型单一、信息量有限、抗干扰能力较低等缺陷。

传统的断刀检测设备体积较大且价格昂贵，只能实时监测一台机床的工作状态，无法实现一台设备实时监测多台设备的运行，给企业的生产带来了不便，增加了监测设备支出。

传统的刀具状态预测方法普遍采用单一BP神经网络算法，申请号为201811122597.1的专利公开了一种“基于改进的BP神经网络的刀具磨损预测方法”，此种技术方案采用的BP神经网络算法存在的问题是：学习效率比较低，收敛速度慢，虽然提出了采用多种函数来改善模型的权重和阈值，但是网络训练过程中的参数仍需要通过大量试验得到的经验函数来设定。

针对BP神经网络存在陷入局部最小和收敛速度慢的问题、粒子群优化算法容易早熟以及算法后期易在全局最优解附近产生震荡现象，本发明采用基于改进粒子群优化BP神经网络的CNC断刀预测方法，创新之处在于利用权重线性递减的粒子群优化算法，让惯性权重从最大值减小到最小值，这种改进后的粒子群算法增加了粒子的寻优效果，大大提高了算法收敛速度、精度和稳定性。本发明采用的改进算法对断刀状态的预测有显著的效果，处理速度快、预测准确性高。

由此可见，采用基于改进粒子群优化BP神经网络的算法是实现对刀具状态预测的有效方法。

发明内容

针对现有技术存在的问题，本发明提供一种用于CNC断刀预测的系统及方法。

本发明采用以下技术方案实现。

一种用于CNC断刀预测的系统，其特征在于：所述CNC断刀预测系统包含数据采集模块、控制器、无线通信模块、大数据分析平台、移动终端；所述数据采集模块包括声发射传感器、测力仪、加速度传感器，分别用于采集数控机床运行时刀具产生的声发射信号、切削力信号以及加速度信号；所述控制器用于接收大数据分析平台的控制指令，并将采集的数据信息通过无线通信模块传输至大数据分析平台；所述无线通信模块用于实现控制器与大数据分析平台之间的数据交互，其实现形式包括蓝牙、WiFi、以及ZigBee；所述大数据分析平台包括数据库和数据分析模块，分别用于数据存储以及利用CNC断刀预测方法对数据进行分析和处理；所述移动终端为智能手机或者平板电脑，能够实现与大数据分析平台的信息交互，实时查看刀具的状态信息；所述数据采集模块与控制器的输入端相连，控制器的信号端通过无线通信模块与大数据分析平台和移动终端相连。

进一步地，所述大数据分析平台是建立在服务器集群上，为大数据分析平台提供硬件支撑，所述数据库和数据分析模块是在服务器集群上分别部署基于Hadoop、Hbase存储系统及上层的计算架构。其具体实现包括：

1，数据采集模块获取的信号，经由控制器，以物联网通信协议等数据格式，送达集群部署的大数据平台的服务器。