柔性制造系统中刀具管理与在线检测技术研究

申请免费试用、咨询电话：400-8352-114

摘要：在柔性制造系统中，被加工零件的品种较多，零件加工工艺比较复杂，且工序高度集中，需要的刀具种类、规格、数量是很多的。随着被加工零件的变化和刀具磨损、破损，需要定时强制性换刀和随机换刀。系统运行过程中，刀     在柔性制造系统中，被加工零件的品种较多，零件加工工艺比较复杂，且工序高度集中，需要的刀具种类、规格、数量是很多的。随着被加工零件的变化和刀具磨损、破损，需要定时强制性换刀和随机换刀。系统运行过程中，刀具频繁的在各机床之间、机床与刀库之间进行交换，刀具流的运输、管理和监控是很复杂的。因此，需要有一个先进、实用、功能完善的刀具管理系统，以实现柔性制造系统中刀具的调度、储存及信息管理等任务。

    1刀具管理系统应具备的性能

    刀具管理系统应具备的性能：一是管理数量庞大的刀具，通常是数百把至几千把刀具；二是刀具输送自动化程度高，具有高性能、智能化的机器人作为刀具流动的传送工具；三是自动、准确地采集刀具信息；四是借助大型数据库实现对刀具的调度及动静态最优化管理；五是自动在线检测刀具寿命及刀具磨损、破损管理，并能实现在线换刀功能。为此，以某一关键零部件的柔性加工系统中的刀具管理系统为例进行说明。

    2刀具管理系统的组成

    该系统采用VB6.0编程系统软件作为开发平台，由6个程序块及5个外存文件组成。

    2.1程序块

    2.1.1用户登录模块主要实现对系统的保护措施，防止非法用户进入系统，确保系统数据和系统运行的安全。

    2.1.2系统运行控制模块主要实现系统的初始化，以完成对在线刀具管理各种模块的起停控制、任务排队及接口管理，确认加工中心刀库及中央刀库的信息。

    2.1.3刀具离线管理模块主要实现刀具库的管理，进行刀具需求分析，刀具装配计划编制，刀具的刃磨和预调，刀具的编码生成、粘贴及信息输入，刀具的组件管理，生成刀具购买清单，及时向线内提供所需刀具。

    2.1.4刀具在线管理模块主要实现柔性制造系统内的刀具活动的管理，保证加工中心在正确的时间得到正确的刀具，完成对加工中心刀具的需求与供给，运用适当的策略实现刀具的合理选择、调度以及刀具运送指令的下达和刀具剩余寿命的计算。

    2.1.5系统信息管理模块主要完成缺刀检查，刀具入库管理(包括新刀入库和从柔性自动线上返回的刀具入库)，刀具出库管理，磨损、破损刀具的管理以及数据库管理。

    2.1.6系统状态监控模块主要实现系统内刀具、设备故障的监控以及为刀具管理系统实时管理提供必要的资源状况信息。这6个程序块是系统的主要组成部分，它们按照一定的逻辑顺序相互调用，使系统具有完善、合理的刀具管理功能，同时又是结构相互独立的子程序模块，子程序间通过数据传递而相互联系。

    2.2外数据库文件

    2.2.1刀具文件、存放所有刀具的主要参数，每1把刀具的参数作为1个记录。

    2.2.2机床文件

    存放机床的主要参数，一种型号的机床参数作为1个记录。

    2.2.3工艺数据文件

    存放各种与加工有关的工艺数据，一种加工方法的数据作为1个记录。

    2.2.4切削条件系数文件

    存放决定切削条件的各种系数。

    2.2.5磨损、破损刀具文件

    存放磨损、破损刀具的主要参数，每1把刀具的参数作为1个记录。

 

    3刀具磨损和破损的在线检测

    刀具磨损和破损在线检测的方法很多，主要有功率检测、声发射检测、学习模式、力检测等。在此介绍一种利用神经网络对柔性制造系统中的刀具的检测方法。

    3.1刀具负载模型的建立

    切削加工过程中刀具所受的负载与很多因素有关，根据在线检测的要求，仅考虑几个较大的影响因素，即主轴转速、进给速度、切削深度、加工材料的切削性能4个因素，则刀具负载的模型为

    F=f(s,v,h,m)

    式中：

    F?负载向量；

    h?切削深度；

    s?主轴转速；

    m?材料的切削性能；

    v?进给量。

    很明显，上式仅能说明负载与各个影响因素有关，可以用微分几何的数学方法或实验的方法建立相应的关系式，但应用于在线检测效果并不理想。在此，应用神经网络技术处理该刀具的负载模型。

    3.2神经网络技术

    本刀具负载自适应控制的神经网络系统采用3层的BP结构。根据上面的分析，显然输入层有4个节点，输出层有3个节点，即负载在XYZ方向的大小。考虑到本负载自适应控制系统的特性，可以认为负载是进给速度的连续函数，根据Kolmogorov定理，中间隐层的节点数应为2倍的输入点数再加1。因此，本神经网络结构为输入层4个节点，中间层9个节点，输出层3个节点。根据上面的分析，采取每个节点给定4个值，以它们的不同组合作为样本输入数据，这样可得256个样本。具体做法是：将各个输入量在可能的变化范围内大体分为4等份，并用实验的方法测出在每种输入情况下的负载值。在得到256个样本后，采用离线进行学习，得出每个节点的权值，这样经过学习的神经网络就建立了相应的刀具负载模型，为刀具的在线检测提供条件。

    3.3刀具在线检测原理

    首先测出刀具的切削深度和进给量，连同主轴转速和加工材料的类型一起输入神经网络控制器。由神经网络控制器进行负载计算，得出的负载输入至检测器。检测器输出的结果与输入信号进行比较，若该负载超过刀具的疲劳条件下的裂纹扩展负载，则减小刀具的进给速度，并将进给速度的减小量反馈到CNC控制器，使CNC控制器做出相应的控制，以使得负载的大小改变到安全的水平。

    4结论

    在柔性制造系统中，一个好的刀具管理系统和在线检测技术，不仅能提高加工生产率、降低劳动成本，而且对于产品优化组合、减少故障率都会起到非常关键的作用。