论文部分内容阅读
随着互联网技术和制造业技术高速发展,以及工业互联网、智能制造等理念的提出,实现车间设备网络化和数字化已成为重点关注方向。并且刀具在切削过程中,很难直接检测到刀具切削状态,而刀具切削出现异常,不仅会降低刀具寿命,增加加工件残次品产出数量,甚至可能会造成数控设备出现故障。基于此,本文搭建了基于MTConnect协议的数控设备数据可视化客户端,同时提出了基于主轴负载的数控设备刀具切削异常检测方法,主要研究内容包括:（1）确定数控车间网络通信架构,通过对MTConnect协议的技术分析,搭建基于MTConnect的总体架构。同时依据MTConnect协议标准对数控设备进行设备信息模型构建,建立数控设备的统一参数格式标准。（2）通过分析数控设备的通信技术,设计并研发基于MTConnect协议的采集适配器,实现具备不同通信协议设备之间的数据统一采集与管理。同时针对MTConnect协议的只读功能进行改进,为适配器增加与设备的交互功能。（3）设计并搭建数控设备数据可视化客户端,包括web端和移动端。首先对功能需求进行分析,其次对数据库进行搭建。最后,根据功能需求实现客户端主要功能,包括实时状态监测、设备管理、订单管理、效率分析以及刀具切削异常检测。（4）提出基于主轴负载的数控设备刀具切削异常检测方法。首先对监控信号进行确定,证明主轴负载的动态数据变化能够真实反映整个切削过程。其次,提出基于快速动态时间规整算法（FastDTW）和动态时间规整重心平均算法（DBA）的刀具切削异常判断方法,以及基于主成分分析（PCA）和支持向量机（SVM）的刀具切削异常分类方法。当设备加工过程中主轴负载序列和标准序列之间的相似度处于判别阈值范围内时,视为刀具正常加工,否则判定为刀具切削异常。当刀具切削出现异常时,利用SVM进行切削异常类型识别。对本文所提检测方法进行准确性分析后,得出该检测方法具有较高的准确率,切削异常判断方法的F1分数达到99%,异常分类方法的准确率达到96%,进一步证明该组合刀具切削异常检测方法具有一定的普适性与有效性。