加工監控系統及方法
【技術領域】
[0001] 本發明涉及一種加工監控系統及方法，特別是一種用于產生加工信息與管理監控 工具機加工信息的系統及方法。
【背景技術】
[0002] 普通的工具機智能化設備的目的在于抑制、回避或阻止加工異常的發生，進而提 升加工過程的穩定性。為此，工具機智能化設備多會搭載傳感器，監測加工過程的各種信 息，并且事先規劃異常對策，當監測異常發生時會自動根據對策行動。舉例而言，一美國專 利掲露一種加工振動回避裝置，通過傳感器測量加工機主軸的振動信號，辨識振動信號是 否為再生型顫振，若是則將主軸轉速切換為優化轉速，達成顫振回避的目的。
[0003] 然而，在異常發生時，雖然單純的監測、辨識與控制能縮短異常作用時間，降低異 常的影響，但仍無法完全回避異常的發生。因此有人提出W人工智能技術，例如類神經網絡 (neural network)，W大量的加工信息訓練人工智能，讓人工智能判斷加工信號是否將會 產生異常，達成在異常發生前就先行回避的方法。例如一歐洲專利掲露利用傳感器的信號 訓練類神經網絡，如果類似的異常可能發生，類神經網絡就能分析異常征兆，達到事前回避 的效果。
[0004] 只不過，利用僅包括單純的傳感器信號的加工信息訓練類神經網絡存在信息不足 的缺陷。舉例而言，傳感器對重度切削的加工條件會反應出振幅較大的振動信號，但輕度切 削的異常加工過程也可能有類似的振動信號。所W若使用傳感器卻沒有搭配實際的加工條 件，將不會有充裕的信息，導致所訓練的人工智能效能有限。
[0005] 因此，如何能有一種可揃取實際的加工條件，并且將加工條件及其他相關信息加 入至加工信息內，W完整的加工信息訓練人工智能，W增進異常辨識的正確性，實為當前重 要課題之一。

【發明內容】

[0006] 在一實施例中，本發明提出一種加工監控系統，其包括一控制器數據存取接口、一 異常辨識模塊、一虛擬切削模塊及一加工信息管理模塊；控制器數據存取接口用于取得一 控制器的加工參數，控制器禪接一工具機；異常辨識模塊與控制器數據存取接口禪接，異常 辨識模塊通過控制器數據存取接口獲得控制器的加工參數W及存儲加工參數的變化；虛擬 切削模塊與控制器數據存取接口禪接，虛擬切削模塊通過分析加工參數而仿真工具機的加 工過程；加工信息管理模塊與控制器數據存取接口、異常辨識模塊及虛擬切削模塊禪接，加 工信息管理模塊用于收集各時間點的加工信息。
[0007] 在另一實施例中，本發明提出一種加工監控方法，包括：
[000引（a)由一控制器數據存取接口取得一控制器的加工信息，控制器與一工具機禪 接；
[0009] 化）由一異常辨識模塊根據加工信息進行異常特征辨識，W判斷是否發生異常； 若否，則將加工信息視為成功回避異常的加工信息存儲至一數據庫，而后返回步驟（a);若 是，則進入步驟（C);
[0010] (C)由一加工信息管理模塊比對數據庫中是否存在成功回避異常的加工信息；若 是，則由異常辨識模塊根據已存在的成功回避異常的加工信息進行異常回避，而后返回步 驟（a);若否，則進入步驟（d);
[0011] (d)由加工信息管理模塊檢查數據庫是否有足夠的相近的加工信息；若否，則由 異常辨識模塊根據步驟化）的異常特征辨識的結果，產生多組優化加工參數，而后進入步 驟（e);若是，則由異常辨識模塊W所檢查到的相近的加工信息產生多組優化加工參數，而 后進入步驟（e);
[0012] (e)由加工信息管理模塊檢查數據庫中的回避異常失敗的加工信息，并與步驟 (d)所產生的多組優化加工參數進行比對，并將無效的優化加工參數移除；W及
[0013] (f)由異常辨識模塊從步驟（e)所產生的優化加工參數中選擇一組進行異常回 避，而后返回步驟（a)。
【附圖說明】
[0014] 圖1為本發明的加工監控系統的架構示意圖；
[0015] 圖2為本發明的加工監控方法的一實施例流程圖；
[0016] 圖3為本發明的加工監控方法另一實施例流程圖；
[0017] 圖4為現有技術的顫振回避過程示意圖；
[001引圖5為本發明測試實施例的顫振回避過程示意圖。
[0019] 【符號說明】
[0020] 1-加工監控系統
[0021] 2-控制器
[0022] 10-控制器數據存取接口
[0023] 20-異常辨識模塊
[0024] 21-傳感器
[00巧]30-虛擬切削模塊
[0026] 40-加工信息管理模塊
[0027] 41-數據庫
【具體實施方式】
[0028] 為使本發明的目的、技術方案和優點更加清楚明白，W下結合具體實施例，并參照 附圖，對本發明作進一步的詳細說明。
[0029] 請參閱圖1所示實施例，本發明的加工監控系統1，包括一控制器數據存取接口 10、一異常辨識模塊20、一虛擬切削模塊30及一加工信息管理模塊40。
[0030] 控制器數據存取接口 10與一控制器2及虛擬切削模塊30、加工信息管理模塊40 禪接，控制器2禪接一工具機（圖中未示出）。控制器數據存取接口 10是一種軟件通信接 口，可通過W太網絡、RS232通信或可編程邏輯控制器（Programm油le Logic Controller, 化C)通信取得控制器2的加工參數或將加工參數寫入控制器2。舉例而言，某商用控制器 廠商提供函式庫給用戶，用戶即可通過W太網絡與控制器2連線，W訪問控制器2的加工參 數，例如坐標、進給、運動軸負載、主軸轉速、主軸負載及警報等相關信息。此外，因為PLC也 會記錄加工參數，所W也可W通過讀取或寫入PLC而訪問控制器2的加工信息。此外，控制 器數據存取接口 10更具有預先讀取部分加工參數的功能，可W提前取得正在排序中的加 工參數。
[0031] 異常辨識模塊20與控制器數據存取接口 10及加工信息管理模塊40禪接。異常 辨識模塊20是一種信號處理單元，可通過控制器數據存取接口 10獲得控制器2的加工參 數并且存儲加工參數變化的過程，例如主軸負載過程，并且分析過程是否有異常，若有異常 則傳出異常數據。在本實施例中，此異常辨識模塊20搭配一傳感器21使用，由異常辨識模 塊20分析傳感器21所測量的感測信號，該感測信號是由控制器2驅動后產生，若感測信號 發生異常，則會傳出異常信息。需說明的是，由控制器2驅動后產生的感測信號可通過控制 器2內預設或擴充的傳感器取得，例如加工主軸與運動軸的負載；或可通過控制器2外的傳 感器取得，例如加工振動、加工聲音、感應電流、溫度或其他可量測的物理反應。
[0032] W顫振辨識為例，異常辨識模塊20通過控制器數據存取接口 10取得控制器2上 的主軸轉速信息，并且根據主軸轉速及刀具刃數對傳感器21的感測信號（振動信號）進行 顫振辨識。若有顫振發生，則根據顫振頻率，W-默認方法（例如，可為轉速選擇法）產生 一組優化轉速，再通過控制器數據存取接口 10修改主軸轉速的負載率，W達到改變主軸轉 速回避顫振的目的。因此，當發生顫振時，異常辨識模塊20會產生包括顫振頻率及優化轉 速的異常加工信息。
[0033] 更進一步說明產生顫振回避轉速選擇法的方法。必須從頻譜上檢測到顫振頻率f， W及輸入目前使用的刀具刃數N，則優化轉速可W根據下式計算：
[0034]
.
[0035] 其中k是工件或刀具振動頻率對刀刃通過頻率的比值。
[0036] 舉例來說，W 3刃圓柱刀、刀徑20mm、切寬10mm、切深5mm對鉛合金加工時，可W檢 測到顫振頻率為1306化，則可計算前20個回避轉速Sk分別是：
[0037] 陽03引

[0039] 需說明的是，根據上式計算的每個轉速都可能達成回避效果，但必須實際執行才 能得知哪一個轉速有效。例如選擇2902rpm后，也許會激起另一個顫振特征（2097Hz)。送 是因為轉速選擇法只能回避特定的顫振頻段，但有可能落入另一顫振頻段。
[0040] 此外，前述實施例是W顫振檢測為例而進行詳細說明，但不限于顫振檢測。
[0041] 虛擬切削模塊30與控制器數據存取接口 10及加工信息管理模塊40禪接。虛擬 切削模塊30是一種仿真工具機加工過程的技術，通過建立刀具、工件的幾何模型，加上機 臺的運動信息及仿真刀具移除工件材料的算法，即可仿真工具機的加工過程。其中機臺的 運動信息可W可通過控制器數據存取接口 10實時（real time)獲得控制器2的加工參數， 例如機臺運動進給及坐標，則此虛擬切削模塊30就能實時仿真控制器2的實際加工狀態。 本發明的虛擬切削模塊30實施例更進一步包括計算實際加工條件的方法，可W計算切寬、 切深、每刃切屑（chip load)及幾何信息。更一步說明，當控制器數據存取接口 10具有預 先讀取加工參數的功能，例如下一砂的機臺坐標，則此虛擬切削模塊就可W預先仿真