臥式內拉床智能拉削單元制造技術

本發明專利技術公開了臥式內拉床智能拉削單元。工人經驗推斷刀具的使用壽命情況，容易產生誤判。本發明專利技術的WinCC監控系統將模擬量輸入模塊保存的數字量信號傳輸給數據處理模塊。控制模塊根據診斷模塊輸出的刀齒磨損情況實際輸出結果輸出對應的控制量。輸出模塊用于將控制模塊輸出的控制量轉換成模擬量信號輸出給執行模塊。自學習模塊以診斷結果數據庫中的刀齒磨損情況實際輸出結果和預期輸出結果的偏差作為參考，實現對隸屬度進行調整，并更新控制規則數據庫中模糊決策矩陣，實現自學習。本發明專利技術基于拉削速度和拉削負載特性，通過模糊推理和決策規則自學習原理，進行刀齒磨損和壽命智能預測。

Horizontal internal broaching broaching intelligent unit

The invention discloses a horizontal internal broaching broaching intelligent unit. The worker's experience has inferred the service life of the tool and is prone to miscarriage of justice. The WinCC monitoring system of the invention transmits the digital signals stored in the analog input module to the data processing module. The control module outputs the corresponding control quantity according to the gear tooth wear out by the diagnostic module. The output module is used to convert the output quantity of the control module into analog signal and output it to the executive module. Self-learning module to diagnosis results deviation in the database of cutter tooth wear real output and the expected output results as a reference, realize the adjustment of the membership, and update the fuzzy decision matrix control rules database, realize self-learning. The invention is based on the broaching speed and the broaching load characteristic, and carries out the intelligent prediction of the cutter tooth wear and the life through the fuzzy inference and the decision rule self learning principle.

【技術實現步驟摘要】
臥式內拉床智能拉削單元
本專利技術涉及一種臥式內拉床智能拉削單元，特別是涉及一種臥式內拉床專用的拉削刀具負載、磨損和壽命的智能檢測與拉削控制單元。
技術介紹
拉削是在復雜的內部和外部輪廓、高表面完整性和精度要求的部件的制造中廣泛使用的加工方式。它在制造燃氣輪機和航空航天工業中難加工材料方面特別適用。拉削刀具的狀況對于達到航空航天工業所需的表面完整性水平具有重要的影響，特別是對于航空發動機的旋轉部件。因此將拉刀狀態維持在一個良好的狀態是對難加工材料進行精密加工時的重要保障。另外，由于拉刀在拉削過程中的刀齒的磨損與拉削力、拉削振動、拉削速度等都有關系，具有變量多、耦合性強以及非線性的特點，難以針對刀齒的磨損建立準確的數學模型，這就給判斷拉刀壽命帶來了很大的困難。由于影響拉刀磨損的因素很多，包括拉削速度、拉削振動、潤滑條件等，如何綜合各類影響因素，從而建立起這些影響因素與刀具磨損情況的對應關系，進而分析得到刀具的壽命情況，是實現對拉刀壽命進行實時檢診的關鍵部分。而現有的技術還不能夠有效檢診拉刀壽命，更無法實現對拉刀壽命的實時監測。目前，國內大多數企業大多通過工人經驗對拉刀磨損情況進行觀察推斷出刀具的使用壽命情況，然而這種方法容易產生誤判，準確度不高，診斷效果不理想，難以保證拉刀維持在良好的運行狀態。
技術實現思路
本專利技術針對臥式內拉床的拉削刀具負載、磨損和壽命不易實時反饋的問題，提出了一種集刀具負載、刀齒磨損與壽命智能檢測和拉削過程控制為一體的臥式內拉床智能拉削單元。該智能拉削單元是一種臥式內拉床專用的基于液壓缸兩腔壓力反饋的拉削負載特性檢測傳感器設置裝置；是一種拉削負載特性的聲發射檢測裝置；是一種臥式內拉床專用的拉削位移和速度檢測裝置；是一種基于拉削速度和拉削負載特性，通過模糊推理和決策規則自學習原理，進行刀齒磨損和壽命智能預測裝置；是一種可根據刀具磨損和壽命預測結果，通過電液比例閥，優化調整拉削加工參數(拉削速度，切削液用量等)的智能單元；是一種可根據刀具磨損和壽命預測結果評價拉刀質量優劣的智能單元。本專利技術包括傳感器模塊、數據采集模塊、WinCC監控系統、數據處理模塊、數據存儲模塊、診斷模塊、控制模塊、自學習模塊、輸出模塊和執行模塊。所述的傳感器模塊包括應變片式傳感器、聲波式傳感器、壓應力傳感器、流量傳感器和位移傳感器。臥式內拉床的工件安裝座沿周向均布設置四片應變片式傳感器，主油缸的進、出液壓管上均設置壓應力傳感器；所述聲波式傳感器懸空安裝于拉刀正上方；所述流量測傳感器設置在執行模塊中微量潤滑模塊的管路中；所述位移傳感器設置在主油缸末端，測量主油缸的活塞桿位移。所述的數據采集模塊包括模擬量輸入模塊和通訊模塊；所述模擬量輸入模塊對應變片式傳感器、聲波式傳感器、壓應力傳感器、流量傳感器和位移傳感器的數據進行采集，并且將采集到的模擬量信號轉換成數字量信號進行保存；WinCC監控系統通過通訊模塊與模擬量輸入模塊通訊，將模擬量輸入模塊保存的數字量信號傳輸給數據處理模塊。所述的數據處理模塊對數字量信號進行低通濾波，然后按各個刀齒采集時間劃分進行均值運算，獲得各個刀齒的拉削力、拉削振動和主油缸兩腔壓力、切削液流量以及拉削速度五個特征量實際值。所述的數據存儲模塊包括特征量數據庫、控制規則數據庫和診斷結果數據庫。所述特征量數據庫用于存放數據處理模塊輸出的特征量實際值。所述控制規則數據庫用于存放特征量標準值和模糊決策矩陣。所述的診斷模塊包括模糊決策模塊，所述模糊決策模塊從特征量數據庫中讀取各個刀齒的拉削力、拉削振動、主油缸兩腔壓力、切削液流量以及拉削速度五個特征量實際值，由所述的五個特征量實際值構成一個輸入樣本，對輸入樣本進行模糊決策，得到該輸入樣本在不同刀齒磨損情況中的隸屬度，將隸屬度最大值對應的刀齒磨損情況作為實際輸出結果存放在數據存儲模塊的診斷結果數據庫中，診斷結果數據庫中預先存儲有根據拉削力、拉削振動、主油缸兩腔壓力、切削液流量以及拉削速度五個特征量標準值模擬得到的刀齒磨損情況預期輸出結果。所述控制模塊根據診斷模塊輸出的刀齒磨損情況實際輸出結果輸出對應的控制量。所述輸出模塊用于將控制模塊輸出的控制量轉換成模擬量信號輸出給執行模塊。所述自學習模塊以診斷結果數據庫中的刀齒磨損情況實際輸出結果和預期輸出結果的偏差作為參考，實現對隸屬度進行調整，并更新控制規則數據庫中模糊決策矩陣，實現自學習。所述執行模塊包括微量潤滑模塊和比例閥。所述微量潤滑模塊包括空氣壓縮機、調壓閥、壓力表、油泵、水泵和多段式噴嘴；兩個調壓閥分別根據輸出模塊輸出的模擬量信號調節油泵和水泵的輸出液壓壓力，實現對切削液流量的控制，油泵油管路和水泵水管路中均設置壓力表；所述多段式噴嘴將空氣管路、水管路、油管路進行匯合；比例閥根據輸出模塊輸出的模擬量信號調節主油缸流量，實現對拉削速度的控制。所述的模擬量輸入模塊采用西門子股份公司的S7-300PLC的SM331模塊，通訊模塊采用32bitPCI卡。所述的WinCC監控系統采用西門子股份公司的WinCC監控系統，且WinCC監控系統通過人機界面模塊實現人機交互。所述的WinCC監控系統通過Profibus網絡與通訊模塊連接，采集數字量信號進行存儲。所述的WinCC監控系統通過Profibus網絡與輸出模塊連接。所述模糊決策的具體步驟如下：(1)將刀齒所有磨損情況定義為原因集，用向量Y＝{y1,y2,y3,y4,y5,y6,y7,y8}表示，yj，j＝1,2,…，7,8分別對應一種磨損情況。計算各個刀齒的拉削力、拉削振動、主油缸兩腔壓力、切削液流量以及拉削速度的特征量實際值與控制規則數據庫中特征量標準值的偏差e和偏差變化率Δe；所述拉削力、拉削振動、主油缸兩腔壓力、切削液流量以及拉削速度的特征值的偏差和偏差變化率構成一個現象集，用向量X＝{x1,x2,x3,x4,x5,x6,x7,x8,x9,x10}表示，x1,x2分別對應拉削力的偏差和偏差變化率，x3,x4分別對應拉削振動的偏差和偏差變化率，x5,x6分別對應主油缸兩腔壓力的偏差和偏差變化率，x7,x8分別對應切削液流量的偏差和偏差變化率，x9,x10分別對應拉削速度的偏差和偏差變化率。(2)構造模糊決策矩陣:對原因集中刀齒存在的每一種磨損情況引起的拉削力、拉削振動、主油缸兩腔壓力、切削液流量以及拉削速度的變化進行判斷，計算出每種磨損情況yj，j＝1,2,…，7,8對現象集中各種現象xi，i＝1,2,…，9,10的隸屬度rji，進而構成模糊決策矩陣：(3)模糊決策運算：式中表示合成運算。經模糊決策運算后得到原因集Y中每種磨損情況yj(j＝1,2,…，7,8)的隸屬度，選取隸屬度最大的磨損情況yj作為輸出結果進行輸出。所述的自學習模塊進行自學習的具體步驟是：(1)刀齒的現象集經過模糊決策運算后得到一個隸屬度最大的磨損情況ym，即實際輸出結果。計算刀齒磨損情況實際輸出結果ym與預期輸出結果y′m的偏差am，計算公式為：am＝ym-y′m(3)(2)以am作為參考對隸屬度rji進行調整，具體調整公式為：r′ji＝rji-bamxi(4)式中b代表比例因子，取值范圍為0≤b≤1。本專利技術是一種臥式內拉床專用的基于液壓缸兩腔壓力反饋的拉削負載特性檢測傳感器設置裝置；是一本文檔來自技高網...

【技術保護點】
臥式內拉床智能拉削單元，包括傳感器模塊、數據采集模塊、WinCC監控系統、數據處理模塊、數據存儲模塊、診斷模塊、控制模塊、自學習模塊、輸出模塊和執行模塊，其特征在于：所述的傳感器模塊包括應變片式傳感器、聲波式傳感器、壓應力傳感器、流量傳感器和位移傳感器；臥式內拉床的工件安裝座沿周向均布設置四片應變片式傳感器，主油缸的進、出液壓管上均設置壓應力傳感器；所述聲波式傳感器懸空安裝于拉刀正上方；所述流量測傳感器設置在執行模塊中微量潤滑模塊的管路中；所述位移傳感器設置在主油缸末端，測量主油缸的活塞桿位移；所述的數據采集模塊包括模擬量輸入模塊和通訊模塊；所述模擬量輸入模塊對應變片式傳感器、聲波式傳感器、壓應力傳感器、流量傳感器和位移傳感器的數據進行采集，并且將采集到的模擬量信號轉換成數字量信號進行保存；WinCC監控系統通過通訊模塊與模擬量輸入模塊通訊，將模擬量輸入模塊保存的數字量信號傳輸給數據處理模塊；所述的數據處理模塊對數字量信號進行低通濾波，然后按各個刀齒采集時間劃分進行均值運算，獲得各個刀齒的拉削力、拉削振動和主油缸兩腔壓力、切削液流量以及拉削速度五個特征量實際值；所述的數據存儲模塊包括特征量數據庫、控制規則數據庫和診斷結果數據庫；所述特征量數據庫用于存放數據處理模塊輸出的特征量實際值；所述控制規則數據庫用于存放特征量標準值和模糊決策矩陣；所述的診斷模塊包括模糊決策模塊，所述模糊決策模塊從特征量數據庫中讀取各個刀齒的拉削力、拉削振動、主油缸兩腔壓力、切削液流量以及拉削速度五個特征量實際值，由所述的五個特征量實際值構成一個輸入樣本，對輸入樣本進行模糊決策，得到該輸入樣本在不同刀齒磨損情況中的隸屬度，將隸屬度最大值對應的刀齒磨損情況作為實際輸出結果存放在數據存儲模塊的診斷結果數據庫中，診斷結果數據庫中預先存儲有根據拉削力、拉削振動、主油缸兩腔壓力、切削液流量以及拉削速度五個特征量標準值模擬得到的刀齒磨損情況預期輸出結果；所述控制模塊根據診斷模塊輸出的刀齒磨損情況實際輸出結果輸出對應的控制量；所述輸出模塊用于將控制模塊輸出的控制量轉換成模擬量信號輸出給執行模塊；所述自學習模塊以診斷結果數據庫中的刀齒磨損情況實際輸出結果和預期輸出結果的偏差作為參考，實現對隸屬度進行調整，并更新控制規則數據庫中模糊決策矩陣，實現自學習；所述執行模塊包括微量潤滑模塊和比例閥；所述微量潤滑模塊包括空氣壓縮機、調壓閥、壓力表、油泵、水泵和多段式噴嘴；兩個調壓閥分別根據輸出模塊輸出的模擬量信號調節油泵和水泵的輸出液壓壓力，實現對切削液流量的控制，油泵油管路和水泵水管路中均設置壓力表；所述多段式噴嘴將空氣管路、水管路、油管路進行匯合；比例閥根據輸出模塊輸出的模擬量信號調節主油缸流量，實現對拉削速度的控制。...

【技術特征摘要】
1.臥式內拉床智能拉削單元，包括傳感器模塊、數據采集模塊、WinCC監控系統、數據處理模塊、數據存儲模塊、診斷模塊、控制模塊、自學習模塊、輸出模塊和執行模塊，其特征在于：所述的傳感器模塊包括應變片式傳感器、聲波式傳感器、壓應力傳感器、流量傳感器和位移傳感器；臥式內拉床的工件安裝座沿周向均布設置四片應變片式傳感器，主油缸的進、出液壓管上均設置壓應力傳感器；所述聲波式傳感器懸空安裝于拉刀正上方；所述流量測傳感器設置在執行模塊中微量潤滑模塊的管路中；所述位移傳感器設置在主油缸末端，測量主油缸的活塞桿位移；所述的數據采集模塊包括模擬量輸入模塊和通訊模塊；所述模擬量輸入模塊對應變片式傳感器、聲波式傳感器、壓應力傳感器、流量傳感器和位移傳感器的數據進行采集，并且將采集到的模擬量信號轉換成數字量信號進行保存；WinCC監控系統通過通訊模塊與模擬量輸入模塊通訊，將模擬量輸入模塊保存的數字量信號傳輸給數據處理模塊；所述的數據處理模塊對數字量信號進行低通濾波，然后按各個刀齒采集時間劃分進行均值運算，獲得各個刀齒的拉削力、拉削振動和主油缸兩腔壓力、切削液流量以及拉削速度五個特征量實際值；所述的數據存儲模塊包括特征量數據庫、控制規則數據庫和診斷結果數據庫；所述特征量數據庫用于存放數據處理模塊輸出的特征量實際值；所述控制規則數據庫用于存放特征量標準值和模糊決策矩陣；所述的診斷模塊包括模糊決策模塊，所述模糊決策模塊從特征量數據庫中讀取各個刀齒的拉削力、拉削振動、主油缸兩腔壓力、切削液流量以及拉削速度五個特征量實際值，由所述的五個特征量實際值構成一個輸入樣本，對輸入樣本進行模糊決策，得到該輸入樣本在不同刀齒磨損情況中的隸屬度，將隸屬度最大值對應的刀齒磨損情況作為實際輸出結果存放在數據存儲模塊的診斷結果數據庫中，診斷結果數據庫中預先存儲有根據拉削力、拉削振動、主油缸兩腔壓力、切削液流量以及拉削速度五個特征量標準值模擬得到的刀齒磨損情況預期輸出結果；所述控制模塊根據診斷模塊輸出的刀齒磨損情況實際輸出結果輸出對應的控制量；所述輸出模塊用于將控制模塊輸出的控制量轉換成模擬量信號輸出給執行模塊；所述自學習模塊以診斷結果數據庫中的刀齒磨損情況實際輸出結果和預期輸出結果的偏差作為參考，實現對隸屬度進行調整，并更新控制規則數據庫中模糊決策矩陣，實現自學習；所述執行模塊包括微量潤滑模塊和比例閥；所述微量潤滑模塊包括空氣壓縮機、調壓閥、壓力表、油泵、水泵和多段式噴嘴；兩個調壓閥分別根據輸出模塊輸出的模擬量信號調節油泵和水泵的輸出液壓壓力，實現對切削液流量的控制，油泵油管路和水泵水管路中均設置壓力表；所述多段式噴嘴將空氣管路、水管路、油管路進行匯合；比例閥根據輸出模塊輸出的模擬量信號調節主油缸流量，實現...

【專利技術屬性】
技術研發人員：倪敬，陳燁波，蒙臻，吳參，
申請(專利權)人：杭州電子科技大學，
類型：發明
國別省市：浙江,33