[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN115666836A - 工具诊断装置 - Google Patents

工具诊断装置 Download PDF

Info

Publication number
CN115666836A
CN115666836A CN202180038423.0A CN202180038423A CN115666836A CN 115666836 A CN115666836 A CN 115666836A CN 202180038423 A CN202180038423 A CN 202180038423A CN 115666836 A CN115666836 A CN 115666836A
Authority
CN
China
Prior art keywords
tool
data
waveform
unit
learning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180038423.0A
Other languages
English (en)
Inventor
芝崎泰弘
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fanuc Corp
Original Assignee
Fanuc Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fanuc Corp filed Critical Fanuc Corp
Publication of CN115666836A publication Critical patent/CN115666836A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23G—THREAD CUTTING; WORKING OF SCREWS, BOLT HEADS, OR NUTS, IN CONJUNCTION THEREWITH
    • B23G1/00—Thread cutting; Automatic machines specially designed therefor
    • B23G1/44—Equipment or accessories specially designed for machines or devices for thread cutting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23G—THREAD CUTTING; WORKING OF SCREWS, BOLT HEADS, OR NUTS, IN CONJUNCTION THEREWITH
    • B23G1/00—Thread cutting; Automatic machines specially designed therefor
    • B23G1/16—Thread cutting; Automatic machines specially designed therefor in holes of workpieces by taps
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23G—THREAD CUTTING; WORKING OF SCREWS, BOLT HEADS, OR NUTS, IN CONJUNCTION THEREWITH
    • B23G2240/00—Details of equipment for threading other than threading tools, details of the threading process
    • B23G2240/52—Sensors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37256—Wear, tool wear

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Numerical Control (AREA)

Abstract

本发明提供一种能够基于从机械取得的状态量高精度地诊断工具的状态的方法。工具诊断装置(1)具备：数据取得部(110)，其取得攻丝加工中工具的旋转停止前后的驱动工具的电动机的状态量作为波形数据；基准波形生成部(120)，其生成基准波形数据；差分波形计算部(130)，其计算波形数据与基准波形数据的差分作为差分波形数据；波形特征计算部(140)，其根据差分波形数据计算表示波形的特征的波形特征数据；学习结果存储部(220)，其存储学习波形特征数据与工具的寿命的相关性而得的学习结果；以及状态诊断部(160)，其使用学习结果诊断基于波形特征数据的工具的状态。

Description

工具诊断装置
技术领域
本发明涉及一种工具诊断装置，尤其涉及一种诊断用于攻丝加工的工具的状态的诊断装置。
背景技术
在机床中使用的工具随着加工所使用的时间的经过，刀尖磨损，另外，产生刀尖的缺损。其结果，切削阻力增加，加工精度恶化。而且，均无法维持工件所要求的预定的加工精度。通常，将该时间点作为工具劣化到无法利用的程度的时间点判断为寿命。
在工具达到寿命的情况下，若直接继续加工，则所制造的工件的品质降低。因此，进行工具的更换。以往，按照工具的设计规格事先决定工具的可运转次数，在达到可运转次数的时间点进行工具的更换。
这样，实际的运转条件、工具自身的个体差异不会反映到工具更换的定时，因此无法充分发挥本来的寿命。
作为用于基于能够从工具自身取得的状态量来判断工具的状态的现有技术，有使用拍摄单元来拍摄切削工具，并基于该图像数据来诊断工具的状态的方法(例如，专利文献1等)。
另外，作为用于使用在加工时取得的状态量来判断工具的状态的现有技术，存在如下方法：取得驱动工具的主轴电动机的负载、驱动所涉及的电力作为状态量，根据所得到的负载或电力的波形来诊断工具的状态(例如，专利文献2、3等)。
现有技术文献
专利文献
专利文献1：日本特开2011-045988号公报
专利文献2：日本特开2013-248717号公报
专利文献3：日本特开平09-300176号公报
发明内容
发明所要解决的课题
如果对工业机械新追加传感器，则成本增加。因此，存在不新追加传感器，而想要使用能够在基本结构的状态下测定的状态量来诊断工具的状态的要求。作为在基本的结构下能够测定的状态量，考虑能够从电动机取得的电流/电压值、位置、速度等数据。但是，在从电动机取得的电流/电压、位置、速度等数据中，包含在各种加工条件下进行加工时取得的数据。另外，包含以加工的状况、环境为主要原因的噪声。因此，即使简单地解析时间序列数据波形，也无法简单地知道工具劣化的影响如何出现。另外，即使构筑基于经验的规则基准，并使用该规则基准诊断工具的状态，也难以应对多种状况。因此，有时无法高精度地进行加工。
因此，期望能够基于从机械取得的状态量高精度地诊断工具的状态的方法。
用于解决课题的手段
工具诊断装置收集基于类似设计规格的攻丝的加工时的伺服数据，着眼于旋转停止前后的加减速区间，学习相对于基准波形的变化程度。然后，基于使用了其学习结果的针对诊断对象波形的推论结果来诊断工具的状态，从而解决上述课题。
本发明的一个方式是一种工具诊断装置，其诊断在进行攻丝加工的工业机械中使用的工具的状态，该工具诊断装置具备：数据取得部，其取得在所述攻丝加工中所述工具的旋转停止前后的驱动所述工具的电动机的状态量作为波形数据；基准波形生成部，其基于在所述工具的最初的加工时取得的波形数据，生成基准波形数据；差分波形计算部，其计算由所述数据取得部取得的波形数据与所述基准波形数据的差分作为差分波形数据；波形特征计算部，其根据所述差分波形数据，计算表示波形的特征的波形特征数据；学习结果存储部，其存储学习波形特征数据与下次应更换工具的时间的相关性而得的学习结果；以及状态诊断部，其使用存储于所述学习结果存储部的学习结果，诊断基于所述波形特征数据的所述工具的状态，所述波形特征计算部根据所述差分波形数据内的、所述电动机的旋转停止前的减速部分以及所述电动机的旋转停止后的加速部分中的至少任意一个区间的数据，计算波形特征数据。
发明效果
根据本发明的一个方式，能够基于在加工中可从工业机械取得的数据进行学习，并基于其学习结果高精度地进行工具的状态诊断。因此，能够不花费较大的成本地减少工具的更换次数，能够提高生产效率。
附图说明
图1是第一实施方式的诊断装置的概略性的硬件结构图。
图2是表示第一实施方式的诊断装置的功能的概略性的框图。
图3是表示波形数据的例子的图。
图4是比较基准波形数据和波形数据的图。
图5是表示差分波形数据的例子的图。
图6是说明用于学习的数据的图。
图7是第二实施方式的诊断装置的概略性的硬件结构图。
图8是表示第二实施方式的诊断装置的功能的概略性的框图。
具体实施方式
以下，结合附图对本发明的实施方式进行说明。
图1是表示第一实施方式的工具诊断装置的概略性的硬件结构图。工具诊断装置1例如能够安装于对基于控制用程序进行攻丝加工的工业机械进行控制的控制装置。另外，工具诊断装置1能够安装于与基于控制用程序控制工业机械的控制装置并设的个人计算机、经由有线/无线网络与控制装置连接的个人计算机、单元计算机、雾计算机、云服务器。在本实施方式中，示出了将工具诊断装置1安装于基于控制用程序控制工业机械的控制装置的例子。
本实施方式的工具诊断装置1所具备的CPU11是整体地控制工具诊断装置1的处理器。CPU11经由总线22读出存储在ROM12中的系统程序。CPU11按照读出的系统程序来控制工具诊断装置1整体。在RAM13中临时存储临时的计算数据、显示数据、以及从外部输入的各种数据等。
非易失性存储器14例如由利用未图示的电池进行备份的存储器、SSD(SolidState Drive：固态硬盘)等构成。即使工具诊断装置1的电源断开，非易失性存储器14也保持存储状态。在非易失性存储器14中存储经由接口15从外部设备72读入的控制用程序、数据。另外，在非易失性存储器14中存储经由输入装置71输入的控制用程序、数据。另外，在非易失性存储器14中存储经由网络5从其他装置取得的控制用程序、数据等。存储于非易失性存储器14的控制用程序、数据也可以在执行时/利用时在RAM13中展开。另外，在ROM12中预先写入有公知的解析程序等各种系统程序。
接口15是用于连接工具诊断装置1的CPU11和USB装置等外部设备72的接口。从外部设备72侧读入例如在工业机械的控制中使用的控制用程序、设定数据等。另外，在工具诊断装置1内编辑的控制用程序、设定数据等能够经由外部设备72存储于外部存储单元。PLC(可编程逻辑控制器)16执行梯形图程序，经由I/O单元19向工业机械以及该工业机械的周边装置(例如，工具更换装置、机器人等致动器、安装于工业机械的温度传感器、湿度传感器等传感器)输出信号并进行控制。另外，PLC16从配备于工业机械的主体的操作盘的各种开关、周边装置等接收信号，在进行了必要的信号处理后，传递给CPU11。
接口20是用于将工具诊断装置1的CPU11与有线或无线的网络5连接的接口。网络5与其他工业机械、雾计算机6、云服务器7等连接，在与工具诊断装置1之间相互进行数据的交换。
在显示装置70中，经由接口17输出并显示读入到存储器上的各数据、作为执行程序等的结果而得到的数据等。另外，由键盘、指示设备等构成的输入装置71将基于作业者的操作的指令、数据等经由接口18传递给CPU11。
用于控制工业机械所具备的轴的轴控制电路30接收来自CPU11的轴的移动指令量，将轴的指令输出到伺服放大器40。伺服放大器40接收该指令，驱动使工业机械所具备的驱动部沿轴移动的伺服电动机50。轴的伺服电动机50内置有位置/速度检测器，将来自该位置/速度检测器的位置/速度反馈信号反馈给轴控制电路30。由此，进行位置/速度的反馈控制。另外，在图1的硬件结构图中，轴控制电路30、伺服放大器40、伺服电动机50各仅示出1个，但实际上准备成为控制对象的工业机械所具备的轴的数量。例如，在控制一般的机床的情况下，准备使安装有工具的主轴相对于工件向直线3轴(X轴、Y轴、Z轴)方向相对移动的3组轴控制电路30、伺服放大器40、伺服电动机50。
主轴控制电路60接收主轴旋转指令，向主轴放大器61输出主轴速度信号。主轴放大器61接收该主轴速度信号，使工业机械的主轴电动机62以指示的旋转速度旋转，驱动工具。在主轴电动机62上连结有位置编码器63。位置编码器63与主轴的旋转同步地输出反馈脉冲，该反馈脉冲由CPU11读取。
图2是将第一实施方式的工具诊断装置1所具备的功能作为概略性的框图而示出的图。本实施方式的工具诊断装置1所具备的各功能通过图1所示的工具诊断装置1所具备的CPU11执行系统程序并控制工具诊断装置1的各部的动作来实现。
工具诊断装置1具备控制部100、数据取得部110、差分波形计算部130、波形特征计算部140、学习部150、状态诊断部160。另外，在工具诊断装置1的RAM13或非易失性存储器14中存储有用于控制工业机械3的控制用程序200。并且，在工具诊断装置1的RAM13或非易失性存储器14中，设置有用于存储在工业机械3进行加工时根据按时间序列取得的主轴电动机62的转矩指令等的值生成的波形数据的区域即数据存储部210，另外，在工具诊断装置1的RAM13或非易失性存储器14中，设置有用于存储学习部150生成的学习模型的区域即学习结果存储部220。
控制部100执行CPU11从ROM12读出的系统程序，主要通过CPU11进行使用RAM13、非易失性存储器14的运算处理、使用轴控制电路30、主轴控制电路60、PLC16的工业机械的各部的控制处理、经由接口18的输入输出处理来实现。控制部100对控制用程序200进行解析，生成用于对具备伺服电动机50以及主轴电动机62的工业机械3以及该工业机械3的周边装置进行控制的指令数据。然后，控制部100基于所生成的指令数据，控制工业机械3以及周边装置的各部。控制部100例如基于使驱动部沿着工业机械3的各轴移动的指令来生成与轴的移动相关的数据并输出到伺服电动机50。另外，控制部100例如基于使工业机械3的主轴旋转的指令来生成与主轴的旋转相关的数据并向主轴电动机62输出。而且，控制部100例如基于使工业机械3的周边装置动作的指令，生成使该周边装置动作的预定的信号并输出到PLC16。另一方面，控制部100取得伺服电动机50、主轴电动机62的状态(电动机的电流值、位置、速度、加速度、转矩指令等)作为反馈值并用于各控制处理。
数据取得部110通过CPU11执行从ROM12读出的系统程序，主要由CPU11进行使用RAM13、非易失性存储器14的运算处理来实现。数据取得部110取得工业机械3进行攻丝加工时的电动机的数据值作为波形数据，并存储在数据存储部210中。数据取得部110主要取得工业机械3进行攻丝加工时的主轴的旋转停止前后的转矩指令的值。
更具体而言，将安装于主轴而旋转的工具插入到设置于工件的下孔来进行加工，取得主轴在孔底停止、逆旋转而工具从工件拔出为止的期间的转矩指令的波形数据。图3是表示数据取得部110取得的转矩指令的波形数据的例子的图。数据取得部110也可以将所取得的转矩指令的波形数据与能够识别所使用的工具的识别编号、工具的种类(型号)、加工条件(主轴旋转速度、进给速度、时间常数、工件材质等)、取得波形数据的日期时间、最初使用工具后的累积加工次数等信息关联起来进行存储。
基准波形生成部120通过CPU11执行从ROM12读出的系统程序，主要由CPU11进行使用RAM13、非易失性存储器14的运算处理来实现。基准波形生成部120基于存储于数据存储部210的数据、即在过去进行的加工中取得的数据，生成成为诊断工具的劣化的基准的基准波形数据。基准波形生成部120基于在存储于数据存储部210的数据内，通过新的工具进行加工时取得的时间序列数据来生成基准波形数据。通过新的工具进行加工时取得的时间序列数据例如能够基于累积加工次数(通过新的工具进行加工时取得的时间序列数据的累积加工次数为1)等来判别。基准波形生成部120针对每个工具生成基准波形数据。
差分波形计算部130通过CPU11执行从ROM12读出的系统程序，主要由CPU11进行使用RAM13、非易失性存储器14的运算处理来实现。差分波形计算部130计算在通过工具进行加工时取得的波形数据与在相同的工具、相同的加工条件下进行加工时取得的基准波形数据的差分波形数据。如图4所例示的那样，差分波形计算部130在使基准波形数据中的旋转停止点的位置与所取得的波形数据的旋转停止点的位置一致的基础上，通过计算各时间的数据值的差分来计算差分波形数据。
波形特征计算部140通过CPU11执行从ROM12读出的系统程序，主要由CPU11进行使用RAM13、非易失性存储器14的运算处理来实现。波形特征计算部140根据差分波形计算部130计算出的差分波形数据，计算表示波形的特征的数据S1。在本实施方式中，作为计算表示波形的特征的波形特征数据S1的区间，特别着眼于旋转停止点的前后的主轴的加减速区间。
图5是差分波形计算部130计算的差分波形数据的例子。在图5的例子中，示出了在攻丝加工中主轴正转而对工件进行加工，在主轴的旋转停止后，反转而主轴从工件退避为止的差分波形数据。在此，申请人发现，在主轴停止旋转前后的加减速区间，在工具为新品的情况下，差分波形的变化倾向没有倾斜，随着工具的磨损等的发展，如图5中空心箭头所示，产生特别大的倾斜。因此，波形特征计算部140提取该部分的数据作为表示波形的特征的波形特征数据S1。具体而言，波形特征计算部140对差分波形数据执行平滑化处理来计算差分波形的变化倾向。然后，波形特征计算部140提取旋转停止前的减速区间或旋转停止后的加速区间中的预定的两点以上的数据，将其作为波形特征数据S1。波形特征计算部140也可以从旋转停止前的减速区间以及旋转停止后的加速区间的双方分别提取预定的两点以上的数据，并将它们作为波形特征数据S1。
学习部150通过CPU11执行从ROM12读出的系统程序，主要由CPU11进行使用RAM13、非易失性存储器14的运算处理来实现。学习部150基于波形特征计算部140计算出的波形的特征数据S1，进行与工具的状态相关的学习。例如如图6所例示，学习部150基于根据在进行工具更换的日期时间T0起到进行下次工具更换的日期时间Te为止的期间取得的波形数据计算出的波形特征数据S1进行学习。学习部150学习各个波形特征数据S1和取得成为该波形特征数据S1的计算基础的波形数据的日期时间与进行下次工具更换的日期时间Te的差分之间的相关性。
学习部150也可以通过生成预定的相关函数的方法来学习波形特征数据S1与到下次工具更换为止的时间的相关性。在使用生成相关函数的方法的情况下，也可以预先生成相关函数的雏形。在该情况下，基于该雏形，按照工具的种类以及加工条件生成符合波形特征数据S1与到下次工具更换为止的时间之间的关系的相关函数，并将其作为学习结果存储于学习结果存储部220。相关函数也可以按照工具的种类以及加工条件来生成。另外，也可以生成包含工具的种类、加工条件作为变量的1个相关函数。
学习部150也可以通过生成预定的规则的规则基准推论的方法来学习波形特征数据S1与到下次工具更换为止的时间的相关性。在使用规则基准推论的方法的情况下，预先生成规则群的雏形，并基于该雏形，按照工具的种类以及加工条件生成符合波形特征数据S1与到下次工具更换为止的时间之间的关系的规则群，将其作为学习结果存储于学习结果存储部220即可。规则群也可以按照工具的种类以及加工条件来生成。另外，也可以生成将工具的种类、加工条件包含在用于判定规则的条件中的规则群。
学习部150也可以通过使用了神经网络、SVM(Support Vector Machine：支持向量机)等的监督学习的方法来学习波形特征数据S1与到下次工具更换为止的时间的相关性。在使用监督学习的方法的情况下，生成将波形特征数据S1设为输入数据S、将到下次工具更换为止的时间设为标签数据L的训练数据T。然后，使用训练数据T，生成学习了输入数据S与标签数据L的相关性的学习模型，将其作为学习结果存储于学习结果存储部220即可。学习模型也可以按照工具的种类以及加工条件来生成。另外，也可以将表示工具的种类的工具数据S2、表示加工条件的加工条件数据S3包含在输入数据S中，生成对其与标签数据L的相关性进行了学习的1个学习模型。
学习部150除了上述以外，例如也可以适当使用基于模糊推论的方法的学习、基于聚类的学习等学习其他相关性的方法。
状态诊断部160通过CPU11执行从ROM12读出的系统程序，主要由CPU11进行使用RAM13、非易失性存储器14的运算处理来实现。状态诊断部160使用存储在学习结果存储部220中的学习结果，根据波形特征计算部140基于在加工中取得的波形数据计算出的波形特征，诊断下次应该对当前使用的工具进行工具更换的时间(即，寿命)。状态诊断部160例如在学习部150生成相关函数作为学习结果的情况下，从学习结果存储部220读出符合当前使用的工具的种类和加工条件的相关函数。状态诊断部160对读出的相关函数输入当前取得的波形数据的波形特征，计算到下次工具更换为止的时间。状态诊断部160例如在学习部150作为学习结果而生成了规则群的情况下，从学习结果存储部220读出符合当前使用的工具的种类和加工条件的规则群。状态诊断部160对读出的规则群应用当前取得的波形数据的波形特征，将由此导出的结论作为到下次工具更换为止的时间。状态诊断部160例如在学习部150生成监督学习的学习模型作为学习结果的情况下，从学习结果存储部220读出符合当前使用的工具的种类和加工条件的学习模型。状态诊断部160对读出的学习模型输入当前取得的波形数据的波形特征，推定到下次工具更换为止的时间。将状态诊断部160诊断出的下次应进行工具更换的时间输出到用户提示部170。
用户提示部170通过CPU11执行从ROM12读出的系统程序，主要由CPU11进行使用RAM13、非易失性存储器14的运算处理和使用接口17的输出处理来实现。用户提示部170通过将状态诊断部160诊断出的下次应进行工具更换的时间显示于显示装置70，从而将下次应进行工具更换的时间提示给用户。用户提示部170也可以在状态诊断部160诊断出的下次应进行工具更换的时间小于预先决定的预定的阈值的情况下，与预定的警告显示、警报一起显示下次应进行工具更换的时间。
具备上述结构的工具诊断装置1以至少2个模式进行动作。在第一模式(学习模式)中，工具诊断装置1进行基于学习部150的学习。在该模式下，每当以预定的工具以及预定的加工条件进行工件的加工时，取得波形数据并存储于数据存储部210。而且，在由操作员进行了工具的更换的情况下，基准波形生成部120根据安装该工具而最初进行加工时所取得的波形数据来生成基准波形数据。然后，通过学习部150学习在利用该工具继续加工时取得的多个波形数据与该工具的种类以及加工条件的关系。将学习结果存储在学习结果存储部220中。
若将学习结果存储于学习结果存储部220，则工具诊断装置1能够以第二模式(诊断模式)进行动作。在第二模式(诊断模式)中，工具诊断装置进行基于状态诊断部160的工具状态的诊断。工具诊断装置1在每次以预定的工具以及预定的加工条件进行工件的加工时取得波形数据，基于所取得的数据，进行使用了存储于学习结果存储部220的学习结果的工具状态的诊断。将工具状态的诊断结果、即到下次进行工具更换为止的时间显示于显示装置70。操作员能够一边观察该显示，一边决定在哪个定时中断加工来更换工具。
在第一模式(学习模式)中进行学习时，优选熟练的操作员决定工具更换的定时。使用进行基于这样得到的数据的学习而生成的学习结果，状态诊断部160能够将到当前使用的工具变得无法使用之前为止的时间诊断为下次应该进行工具更换的时间。
图7是表示第二实施方式的工具诊断装置1的概略性的硬件结构图。在本实施方式中，示出了将工具诊断装置1安装于经由有线/无线网络与多个工业机械(包括控制装置)连接的个人计算机、单元计算机、雾计算机、云服务器等计算机的例子。
本实施方式的工具诊断装置1所具备的CPU311是整体地控制工具诊断装置1的处理器。CPU311经由总线322读出存储在ROM312中的系统程序，按照该系统程序控制工具诊断装置1整体。在RAM313中临时存储临时的计算数据、显示数据、以及从外部输入的各种数据等。
非易失性存储器314例如由利用未图示的电池进行备份的存储器、SSD(SolidState Drive：固态硬盘)等构成。即使工具诊断装置1的电源断开，非易失性存储器314也保持存储状态。非易失性存储器314存储经由接口315从外部设备372读入的数据和经由输入装置371输入的数据。另外，在非易失性存储器314中存储经由网络5从多个工业机械3、其他计算机取得的数据等。存储于非易失性存储器314的控制用程序、数据也可以在执行时/利用时在RAM313中展开。另外，在ROM312中预先写入有公知的解析程序等各种系统程序。
接口315是用于连接工具诊断装置1的CPU311和USB装置等外部设备372的接口。从外部设备372侧读入数据等。另外，在工具诊断装置1内编辑后的数据等能够经由外部设备372存储于外部存储单元。
接口320是用于连接工具诊断装置1的CPU311和有线或无线的网络5的接口。网络5与多个工业机械3、雾计算机6、云服务器7等连接，在与工具诊断装置1之间相互进行数据的交换。
在显示装置370上，经由接口317输出并显示读入到存储器上的各数据、作为执行程序等的结果而得到的数据等。另外，由键盘、指示设备等构成的输入装置371将基于作业者的操作的指令、数据等经由接口318传递给CPU311。
图8是将第二实施方式的工具诊断装置1所具备的功能作为概略性的框图而示出的图。本实施方式的工具诊断装置1所具备的各功能通过图7所示的工具诊断装置1所具备的CPU311执行系统程序并控制工具诊断装置1的各部的动作来实现。
本实施方式的工具诊断装置1具备数据取得部110、差分波形计算部130、波形特征计算部140、学习部150、状态诊断部160、通信部180。另外，在工具诊断装置1的RAM313或非易失性存储器314中设置有数据存储部210，该数据存储部210是用于存储根据在工业机械3的加工时按时间序列取得的主轴电动机362的转矩指令等的值而生成的波形数据的区域。另外，在RAM313或非易失性存储器314中，设置有用于存储学习部150生成的学习模型的区域即学习结果存储部220。
本实施方式的工具诊断装置1所具备的数据取得部110、差分波形计算部130、波形特征计算部140、学习部150、状态诊断部160除了基于从多个工业机械3取得的波形数据进行处理这一点以外，具有与第一实施方式的工具诊断装置1所具备的各部相同的功能。
通信部180通过图7所示的工具诊断装置1所具备的CPU311执行从ROM312读出的系统程序，主要由CPU311进行使用RAM313、非易失性存储器314的运算处理和使用接口320的通信处理来实现。通信部180从多个工业机械3接收在加工时检测出的波形数据。另外，通信部180将由状态诊断部160诊断出的、对在各个工业机械3中当前使用的工具的下次应进行工具更换的时间进行诊断而得到的结果发送给该工业机械3。
工具诊断装置1基于从多个工业机械3取得的波形数据进行学习。由于能够从多个工业机械3收集在各个工具或加工条件下用于学习的数据，因此能够进行高效的学习。另外，由于能够诊断多个工业机械3中的工具的下次应进行工具更换的时间，因此与在各工业机械3的控制装置安装工具诊断装置1的情况相比，能够抑制整体的成本。
以上，对本发明的一实施方式进行了说明，但本发明并不仅限定于上述的实施方式的例子，能够通过施加适当的变更而以各种方式实施。
在上述的实施方式中，示出了作为用于学习/诊断的波形数据而主要使用转矩指令的例子，但作为用于学习/诊断的波形数据，例如可以使用速度指令值，也可以使用速度、转矩的反馈值。
符号说明
1工具诊断装置；
3工业机械；
5网络；
6雾计算机；
7云服务器；
11、311CPU；
12、312ROM；
13、313RAM；
14、314非易失性存储器；
15、17、18、20、21、315、317、318、320接口；
16PLC；
19I/O单元；
22、322总线；
30轴控制电路；
40伺服放大器；
50伺服电动机；
70显示装置；
71输入装置；
72外部设备；
100控制部；
110数据取得部；
120基准波形生成部；
130差分波形计算部；
140波形特征计算部；
150学习部；
160状态诊断部；
170用户提示部；
180通信部；
200控制用程序；
210数据存储部；
220学习结果存储部。

Claims (6)

1.一种工具诊断装置，其对进行攻丝加工的工业机械中使用的工具的状态进行诊断，其特征在于，
所述工具诊断装置具备：
数据取得部，其取得在所述攻丝加工中所述工具的旋转停止前后的驱动所述工具的电动机的状态量作为波形数据；
基准波形生成部，其基于在所述工具的最初的加工时取得的波形数据，生成基准波形数据；
差分波形计算部，其计算由所述数据取得部取得的波形数据与所述基准波形数据的差分作为差分波形数据；
波形特征计算部，其根据所述差分波形数据，计算表示波形的特征的波形特征数据；
学习结果存储部，其存储学习波形特征数据与下次应更换工具的时间的相关性而得的学习结果；以及
状态诊断部，其使用存储于所述学习结果存储部的学习结果，诊断基于所述波形特征数据的所述工具的状态，
所述波形特征计算部根据所述差分波形数据内的、所述电动机的旋转停止前的减速部分以及所述电动机的旋转停止后的加速部分中的至少任意一个区间的数据，计算波形特征数据。
2.根据权利要求1所述的工具诊断装置，其特征在于，
所述工具诊断装置还具备：学习部，其根据所述波形特征计算部计算出的波形特征数据，生成学习所述波形数据与下次应更换工具的时间的相关性而得的学习结果。
3.根据权利要求1所述的工具诊断装置，其特征在于，
所述电动机的状态量是速度指令值、转矩指令、速度反馈值、转矩反馈值中的至少任一个。
4.根据权利要求1所述的工具诊断装置，其特征在于，
所述工具诊断装置还具备：用户提示部，其向用户提示所述状态诊断部的诊断结果。
5.根据权利要求2所述的工具诊断装置，其特征在于，
所述学习部基于所述波形特征计算部计算出的波形特征数据，生成对所述波形数据与下次应更换工具的时间的相关性进行监督学习而得到的学习模型作为学习结果。
6.根据权利要求1所述的工具诊断装置，其特征在于，
所述数据取得部从多个工业机械取得波形数据，
所述状态诊断部诊断所述多个工业机械各自的工具的状态。
CN202180038423.0A 2020-05-25 2021-05-19 工具诊断装置 Pending CN115666836A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020090818 2020-05-25
JP2020-090818 2020-05-25
PCT/JP2021/018959 WO2021241352A1 (ja) 2020-05-25 2021-05-19 工具診断装置

Publications (1)

Publication Number Publication Date
CN115666836A true CN115666836A (zh) 2023-01-31

Family

ID=78744596

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180038423.0A Pending CN115666836A (zh) 2020-05-25 2021-05-19 工具诊断装置

Country Status (5)

Country Link
US (1) US20230191513A1 (zh)
JP (1) JP7425191B2 (zh)
CN (1) CN115666836A (zh)
DE (1) DE112021002975T5 (zh)
WO (1) WO2021241352A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114670062B (zh) * 2022-05-31 2022-08-23 苏芯物联技术(南京)有限公司 一种钻孔刀具磨损状态实时检测方法及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3644129B2 (ja) * 1996-05-20 2005-04-27 ブラザー工業株式会社 切削加工装置およびその異常検出方法
JP2006082154A (ja) * 2004-09-14 2006-03-30 Fuji Electric Systems Co Ltd 刃具診断装置と診断方法
JP2006205350A (ja) 2004-12-28 2006-08-10 Fanuc Ltd 工具損傷異常検出装置
JP5453020B2 (ja) 2009-08-28 2014-03-26 富士機械製造株式会社 切削工具の加工位置補正装置およびその加工位置補正方法
JP5966633B2 (ja) * 2012-06-04 2016-08-10 株式会社ジェイテクト タップの交換時期判定方法
JP6675297B2 (ja) * 2016-12-09 2020-04-01 Dmg森精機株式会社 情報処理方法、情報処理システム、および情報処理装置
US11300949B2 (en) * 2017-08-11 2022-04-12 Jtekt Corporation Data processing device of production equipment
JP7119337B2 (ja) * 2017-10-30 2022-08-17 株式会社ジェイテクト 工具寿命予測装置
JP7208083B2 (ja) * 2019-03-29 2023-01-18 株式会社リコー 診断装置、診断システムおよびプログラム

Also Published As

Publication number Publication date
WO2021241352A1 (ja) 2021-12-02
DE112021002975T5 (de) 2023-03-16
JPWO2021241352A1 (zh) 2021-12-02
US20230191513A1 (en) 2023-06-22
JP7425191B2 (ja) 2024-01-30

Similar Documents

Publication Publication Date Title
JP6711854B2 (ja) 故障予測装置及び機械学習装置
JP6898371B2 (ja) 加工条件調整装置及び加工条件調整システム
CN109581972B (zh) 数值控制系统、数值控制装置、运转状态异常检查方法及学习模型组
CN108227633B (zh) 数值控制装置以及机器学习装置
JP6542713B2 (ja) 異常負荷検出の閾値を学習する機械学習器，数値制御装置および機械学習方法
CN111624947B (zh) 颤振判定装置、机器学习装置以及系统
JP2020102001A (ja) 学習用データ確認支援装置、機械学習装置、故障予知装置
CN111506019B (zh) 数值控制系统
JP6940542B2 (ja) 把持力調整装置及び把持力調整システム
CN110405532B (zh) 工具选定装置以及机器学习装置
JP6867358B2 (ja) 状態判定装置及び状態判定方法
JP2019139755A (ja) 研磨工具摩耗量予測装置、機械学習装置及びシステム
CN112099435B (zh) 诊断装置以及诊断方法
CN110196573B (zh) 异常因素确定装置
WO2022130611A1 (ja) 情報処理装置及び情報処理方法
CN112987682B (zh) 控制方法、控制装置和机械设备
JP7010861B2 (ja) 状態判定装置及び状態判定方法
CN115666836A (zh) 工具诊断装置
JP2019150932A (ja) 衝突位置推定装置及び機械学習装置
US11992953B2 (en) Abnormality determination device and abnormality determination method
EP3835750B1 (en) Abnormality diagnosis device and abnormality diagnosis method
KR20230140875A (ko) 공작기계 상태진단 장치 및 방법
WO2024176390A1 (ja) データ分割装置、及びコンピュータ読み取り可能な記録媒体
WO2024157352A1 (ja) 診断装置
JP7184997B2 (ja) 状態判定装置及び状態判定方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination