Содержание к диссертации
Введение
ГЛАВА 1. Аналитический обзор существующих подходов в диагностике состояния токарного инструмента в процессе обработки 13
1.1. Метод вибродиагностики и виброакустической диагностики 19
1.2. Метод диагностики на основе измерения силы резания 23
1.3. Метод диагностики на основе измерения мощности, потребляемой двигателем станка 26
1.4. Метод диагностики на основе измерения температуры либо термоЭДС в зоне резания 28
1.5. Выбор метода мониторинга и его обоснование 33
Выводы по первой главе 37
ГЛАВА 2. Разработка системы мониторинга состояния токарного инструмента на базе фазохронометрического подхода 38
2.1. Виды выхода из строя режущего инструмента 38
2.2. Методы измерения геометрических параметров режущей кромки токарного инструмента 42
2.3. Разработка аппаратно-программного комплекса системы мониторинга 50
Выводы по второй главе 60
ГЛАВА 3. Проведение оценки метрологических характеристик разработанного блока обработки измерительной информации
3.1. Определение погрешности блока обработки измерительной информации при помощи метода контурных оценок 62
3.2. Анализ вариации случайной составляющей основной погрешности блока обработки измерительной информации 75
Выводы по третьей главе 79
ГЛАВА 4. Разработка математической модели влияния износа режущего инструмента на неравномерность вращения шпинделя станка 80
Выводы по четвртой главе 89
ГЛАВА 5. Экспериментальные исследования процесса резания и износа режущего инструмента в фазохронометрическом представлении 91
5.1. Проведение испытаний системы в производственных условиях и исследование процесса резания 91
5.2. Проведение экспериментальных исследований процесса износа режущего инструмента 96
Выводы по пятой главе 108
ГЛАВА 6. Прогнозирование фактического состояния режущей кромки токарного инструмента в процессе обработки 109
6.1. Выбор подхода к прогнозированию 109
6.2. Разработка методики прогнозирования состояния режущего инструмента 112
Выводы по шестой главе 116
выводы по работе 117
список сокращений и условных
обозначений 119 стр.
список литературы
- Метод диагностики на основе измерения силы резания
- Методы измерения геометрических параметров режущей кромки токарного инструмента
- Анализ вариации случайной составляющей основной погрешности блока обработки измерительной информации
- Проведение экспериментальных исследований процесса износа режущего инструмента
Метод диагностики на основе измерения силы резания
В современной промышленности, особенно металлообрабатывающей, подавляющее большинство решений принимается на основе измерительной информации. Особо важно качество измерительной информации при диагностике и прогнозирующем мониторинге технического состояния оборудования. Ведь на данный момент общей проблемой всех методов диагностики является низкий уровень информативности измерительной информации, обусловленный низким уровнем метрологического обеспечения. Слабая прослеживаемость эталонной базы, низкий уровень точности измерений, отсутствие универсальности, регистрация лишь аварийных и предаварийных ситуаций – свойственны современным системам технической диагностики. Таковы причины того факта, что на сегодняшний момент ни одна отрасль промышленности не ушла от системы планово-предупредительных ремонтов [7]. Есть отрасли промышленности, на которых такая ситуация сказывается особенно остро, например металлообрабатывающая.
Особенную актуальность в Российской Федерации данная проблема принимает в контексте необходимости повышения производительности, которая является главным показателем, определяющим эффективность технологии производства. Существует множество методик, инструментов и подходов повышения производительности, и одной из самых эффективных стала автоматизация производственных процессов. Внедрение систем с числовым программным управлением (ЧПУ) и роботов, начиная с 80-ых годов прошлого века, вывело производство на качественно новый уровень. Подобные технологические прорывы в некоторых источниках рассматриваются как промышленные революции.
Первая произошла в начале XIX века и связана была с появлением возможности массового производства благодаря изобретению паровой машины, а как следствие переходу от ручного труда к использованию энергии паровой машины.
Вторая промышленная революция в начале XX века стала возможной благодаря значительному удешевлению производства, чему способствовало применение конвейера и внедрение научной организации труда, так называемого Тейлоризма.
В конце XX века вышеупомянутое внедрение систем ЧПУ и роботов в производственные процессы можно считать третьим переворотом в промышленности, предпосылки которой стали появляется еще с 1960-х годов и связаны они были с разработкой и внедрением электронных вычислительных машин (ЭВМ). Благодаря этому некоторые продукты массового производства стало дешевле утилизировать, чем ремонтировать.
Сегодня, в начале XXI века, ведущие промышленные эксперты пришли к мнению, что формируется четвертая революция, так называемая «Индустрия 4.0», связанная с внедрением в промышленность последних достижений крайне динамично развивающейся сферы информационных технологий (IT) [8,9]. В результате конвергенции промышленности и IT появляется возможность более качественного производства сложных и уникальных изделий с меньшими затратами. Современные подходы, инструменты и методы обработки структурированных и неструктурированных данных огромных объмов делают возможным реализовать на предприятии или даже нескольких предприятиях общую информационную сеть, в которую будут поступать данные от множества датчиков и систем управления каждого элемента производственной системы. Статистическая обработка этих данных даст большое количество новой информации, благодаря которой открываются широкие горизонты оптимизации производства, снижения затрат и повышения качества продукции.
Например, анализируя статистику выхода из строя режущего инструмента при токарной обработке, возможно следить за качеством поставляемого на предприятие инструмента и оперативно сменить поставщика в случае снижения качества. Токарные станки составляют около 50 % парка машиностроительной промышленности. Развитие токарного сектора металлообработки, как и остальных, идет в направлении повышения производительности и точности обработки. В свою очередь повысить производительность возможно в том числе за счет перехода к ремонту по фактическому состоянию узлов станка от планово-предупредительных ремонтов, при которых оборудование выключается из производственного процесса на некоторое время.
Соответственно точность обработки, среди прочих, зависит от состояния режущей кромки инструмента, зная фактическое значение износа которой, возможно перейти к оценке погрешности обработки еще до контрольной операции, то есть уже во время операции точения. Однако, для успешного решения вышеописанных задач необходимо создание системы сбора данных и диагностики, удовлетворяющей следующим критериям [10]: - низкий уровень погрешности измерения рабочих характеристик станка; - широкая номенклатура диагностируемых видов отказа и неисправностей в работе станка; - высокая степень корреляции между характеристиками объекта диагностики и параметрами многофакторной математической модели его работы; - неинвазивность метода диагностики и его универсальность по отношению к совокупности однотипных объектов диагностики; - стоимость, не превышающая 10% от стоимости диагностируемого станка; - возможность встраивания в программную оболочку системы ЧПУ станка.
Методы измерения геометрических параметров режущей кромки токарного инструмента
Помимо потерь от простоя оборудования из-за разрушения, износ инструмента может привести к ухудшению качества поверхности и даже выходу размера обрабатываемой заготовки за поле допуска. Особенно остро данная проблема стоит в области обработки крупногабаритных заготовок. В таком случае возможно возникновение брака двух видов: исправимого и неисправимого. Исправимый брак ведет к потерям, связанным с дополнительными операциями обработки для его ликвидации, неисправимый – к потере стоимости обработки детали до момента возникновения брака, которая в некоторых случаях может достигать нескольких миллионов рублей. Однако очевидно, что при использовании систем мониторинга состояния инструмента риск возникновения брака по вышеупомянутым признакам снижается. Определение фактического значения износа позволяет остановить процесс обработки до достижения предельного значения, что гарантирует своевременную смену инструмента.
Однако не только износ является причиной выхода из строя инструмента. Всего разделяют три распространенных вида отказов режущего участка [45]. 1. Хрупкое разрушение является результатом накопления микротрещин под действием силы резания. Обычно выделяют скалывание и выкрашивание инструмента. Скалывание в большинстве случаев является результатом ошибок при разработке, изготовлении и эксплуатации инструмента. Выкрашивание же встречается в основном в режиме прерывистого резания, при воздействии термоциклических напряжений. По разным оценкам доля хрупкого разрушения не более 40% от всех отказов инструмента. 2. Разрушение режущей части вследствие пластического деформирования является результатом изменения предела текучести нагретого участка инструмента под действием нагрузок. Данный вид отказов легко устраним при выборе и строгом соблюдении оптимальных режимов резания. 3. Изнашивание режущей кромки определяется взаимодействием обрабатываемого и инструментального материалов в процессе точения. Составляет порядка 80% от всего числа отказов инструмента при рациональном подходе к выбору режимов резания. Таким образом, наибольший интерес представляет именно последняя причина отказов инструмента, проблема которой и будет в дальнейшем подробнее рассматриваться в данной работе.
В процессе обработки заготовки изнашиваются как передняя, так и задняя поверхности инструмента [45]. Характер износа (его распределение по рабочим поверхностям) при этом зависит от ряда факторов, сопровождающих процесс резания. Износ только по задней поверхности (Рисунок 2.1, а) проявляется при резании стали с малой толщиной среза (малой подачей и глубиной резания). При увеличении толщины среза, в условиях наростообразования характерен износ по передней поверхности и выражается зачастую в лункообразовании (Рисунок 2.2, б). Эти два вида износа чаще всего выделяют в качестве основных [46].
Стоит отметить, что на практике в большинстве случаев превышение допускаемого износа именно по задней поверхности определяет момент наступления метрологического отказа технической системы обработки. Значение допускаемого износа при этом зависит от режимов обработки, условий резания, начальных параметров состояния, качества инструмента и многих других факторов. Назначается же данный допуск на основании таблиц или опыта оператора станка.
Основная цель работы по созданию системы мониторинга состояния инструмента достигается нахождением взаимосвязи между ростом износа по задней поверхности и изменением параметров измерительной информации, получаемой фазохронометрической системой. Иными словами: необходимо отыскание диагностических признаков износа инструмента [50].
Известно, что износ по задней поверхности в общем случае изменяется по закону hз(t) (Рисунок 2.2) [51]. При этом цифрой 1 обозначена стадия приработки, 2 – установившегося износа, 3 – катастрофического износа. Экспериментальные кривые всегда на практике близки к приведенной теоретической, однако полностью не совпадают. Это объясняется одновременным влиянием закономерных и случайных факторов развития износа. Примером случайных является разброс свойств и качества инструмента даже в пределах одной партии. Закономерность же присутствует благодаря постоянству физических принципов взаимодействия инструмента и заготовки.
Теоретическая кривая износа Таким образом, при анализе физики процесса резания представляется возможным выделить те процессы взаимодействия инструмента и заготовки, по изменению параметров которых можно следить за изменением состояния резца (режущей пластины). При этом конечное состояние токарного инструмента определяется путем измерения геометрических параметров режущей кромки при помощи различных методов микроскопии.
Оптическая микроскопия. На сегодняшний день оптические методы микроскопии являются одними из самых распространенных методов измерения параметров износа инструмента. Оптическая микроскопия находит широкое применение в различных областях науки и техники и используется для решения разнообразных измерительных задач [52,53]. Применительно к измерению геометрических параметров износа режущего инструмента оптическая микроскопия является наиболее применимым и простым инструментом. Она может быть использована как в лабораторных условиях, так и в цеховых. В данной работе использовалась видеоизмерительная машина Mitutoyo Quick Vision Apex Pro (Рисунок 2.3).
Анализ вариации случайной составляющей основной погрешности блока обработки измерительной информации
Анализ полученной зависимости наглядно демонстрирует малую дисперсию погрешности, лежащей в пределах от 0,017 до 0,065 мкс (СКО 0,01388 мкс), а также линейность полученной характеристики, что говорит о стабильности метрологических характеристик разработанного блока обработки измерительной информации во всем диапазоне измерения. Также по статистическому ряду нормализованных значений погрешности и характеристикам погрешности рабочего эталона была построена вероятностная оценка количественного результата идентификации основной погрешности блока обработки измерительной информации. Для этого необходимо установить вид распределения случайной составляющей погрешности, оценить его параметры и построить ее композицию с неисключенными систематическими составляющими. Протокол расчета приведен в приложении (Таблицы 12 – 21, Рисунки П.1 – П.4). В результаты получены следующие значения: Верхняя граница свертки возможных значений основной погрешности БОИИ: Нижняя граница свертки возможных значений основной погрешности БОИИ: 3.2. Анализ вариации случайной составляющей основной погрешности блока обработки измерительной информации С целью анализа вариации случайной составляющей погрешности разработанного БОИИ был выполнен эксперимент, аналогичный описанному в разделе 3.1 данной главы. Отличие заключалось в количестве точек измерения N=40, а также в количестве измерений в каждой точке (m=1). Для оценки параметров вариации случайной составляющей погрешности разработанного БОИИ необходимо определить является ли процесс стационарным или нет. Для этого воспользуемся критерием стационарности, описанным в [65]. В основе критерия лежат соотношения между структурной и корреляционной функциями процесса [66]. График функции представлен на Рисунке 3.21: Рисунок 3.21. График функции случайной составляющей основной погрешности Для оценки параметров вариации случайной составляющей погрешности разработанного БОИИ необходимо определить является ли процесс стационарным или нет. Для этого воспользуемся критерием стационарности, описанным в [65]. В основе критерия лежат соотношения между структурной и корреляционной функциями процесса [66]. Структурная функция в общем виде рассчитывается по следующей формуле: По результатам расчетов построена структурная функция процесса (Рисунок 3.22). Рисунок 3.22. График структурной функции случайной составляющей основной погрешности На Рисунке 3.22 пунктиром отмечен уровень насыщения функции. График корреляционной функции случайной составляющей основной погрешности функции представлен на Рисунке 3.23. Рисунок 3.23. График корреляционной функции случайной составляющей основной погрешности Известно, что в случае стационарного процесса, выполняется соотношение [65]: где - значение структурной функции в точке ; - значение автокорреляционной функции в первой точке; - значение автокорреляционной функции в точке ; - уровень насыщения структурной функции ; В нашем случае при получим следующее соотношение: При подстановке данных, приведенных на Рисунках 3.22, 3.23, получим следующее: Ошибка выполнения одного из соотношений заметно превышает величину статистической изменчивости результатов построения и . Следовательно, принять гипотезу стационарности процесса изменения случайной составляющей основной погрешности не представляется возможным. В таком случае оценка вариации случайной составляющей погрешности разработанного БОИИ может быть проведена по следующему соотношению [67]: Отсюда: Данная оценка вариации случайной составляющей погрешности разработанного БОИИ дает дополнительную информацию о разбросе значений погрешности по всей ширине диапазона измерений, а также хорошо коррелирует со значением СКО динамической характеристики погрешности разработанного БОИИ.
Проведенные в данной главе исследования точности разработанного БОИИ показали малый разброс погрешности лежащей в пределах от 0,017 до 0,065 мкс (СКО 0,01388 мкс) на всем диапазоне измерений. Были сделаны выводы о линейности полученной характеристики, что позволяет сделать заключение о стабильности метрологических характеристик разработанного блока обработки измерительной информации во всем диапазоне измерения.
Также была проведена оценка вариации случайной составляющей погрешности БОИИ, которая выявила нестационарность процесса изменения случайной погрешности в зависимости от точки диапазона.
Метод контурных оценок позволяет получить оценку метрологических характеристик в условиях большей неопределенности. За счет этого такая оценка является более предпочтительной по сравнению с рассмотренной в разделе 3.2. ГЛАВА 4.
Проведение экспериментальных исследований процесса износа режущего инструмента
С использованием метода, описанного в разделе 6.1, осуществлено прогнозирование временного ряда хронограммы вращения шпинделя станка. Исходные экспериментальные данные были взяты из результатов эксперимента, описанного в разделе 5.1. Количество точек исходной хронограммы 4000, прогноз – на 2000 точек. Результаты расчета приведены на Рисунке 6.1(черным – исходная хронограмма вращения, красным – прогноз):
Как видно из рисунка 6.1 алгоритм дает малое расхождение с исходной хронограммой. При этом можно отметить достаточную глубину прогнозирования (50% от длины исходного массива данных). В качестве оценки погрешности прогнозирования было принято значение максимального отклонения =0.58 мкс, что не превышает 1,5% в относительном выражении.
Однако прогнозирование хронограммы вращения осложнено большими объемами измерительной информации. Чтобы получить качественный прогноз на одну минуту обработки, необходимо обработать две минуты записанной хронограммы вращения. Учитывая, что при частоте вращения шпинделя станка 300 об/мин за две минуты накапливаются 3000000 значений интервалов времени, построение прогноза потребует затратных и технически сложных решений по увеличению вычислительных ресурсов блока обработки измерительной информации. К тому же, подобная глубина прогноза (1 минута) не является достаточной в вопросах прогнозирования состояния режущего инструмента.
Исходя из этого, было предложено прогнозировать непосредственно изменение оценки относительной доли высокочастотных составляющих в спектре хронограммы вращения, которое коррелированно с износом режущего инструмента (см. главу 4). Для подтверждения этого в качестве исходных данных были приняты результаты расчета параметра (Рисунок 5.20). Прогнозирование выполнялось по 200 точкам с глубиной прогноза 25%, что соответствует 8 минутам в пересчете на время обработки. На Рисунке 6.2 представлен исходный массив данных (черная кривая), а также график прогноза (красная кривая).
Максимальное относительное отклонение результатов прогноза 0,2 % , что свидетельствует об эффективности предложенного решения. Переход именно к прогнозированию износа режущего инструмента осуществлен через переопределение оси ординат графика на Рисунке 6.2. Для этого необходимо определить значение параметра , при котором достигается критический износ инструмента, а затем перестроить шкалу ординат от 0 до hmax. То есть значению соответствует hmax . При этом в данном случае принимается допущение о линейности изменения износа в течение времени обработки. Использование же дополнительных данных о характере процесса изнашивания режущего инструмента способно привести к увеличению достоверности прогнозирования.
Подобный общий подход к прогнозированию проиллюстрирован на Рисунке 6.3. В определенный момент времени п производится прогноз (выделен красным) на время, соответствующее 25% от п . Соответствующий максимальному значению прогноза уровень износа hп является прогнозируемым значением износа в момент времени 1,25п . режущего инструмента Прогнозируемый уровень износа hп может быть использован оператором для оценки остаточного ресурса инструмента с целью его своевременной замены, либо в качестве информации для системы ЧПУ станка с целью прекращения операций обработки при достижении критических значений износа.