kth.sePublications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Analysis of CNC Controller Data Based on the Mechanical Characteristics of Machine Tool Feed Drive Systems
KTH, School of Industrial Engineering and Management (ITM).
2021 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Analys av CNC Kontrollerdata Baserat på de Mekaniska Egenskaperna hos Verktygsmaskiners Matningssystem (Swedish)
Abstract [en]

The field of CNC machine tool prognostics and health management is an area of ever-increasing importance, not least regarding the condition monitoring of feed drive systems. Most condition monitoring systems are based on an extensive usage of external sensors. However, these sensors can often be both expensive and inconvenient to implement. As such, utilizing the internal sensors and controller data of the machine tool to a greater extent for condition monitoring purposes could provide an easy access alternative to external sensors. However, controller data often comes with specific limitations, such as low sampling frequencies and limited parameter availability. Thus, an investigation into the extent of the implications of such limitations on machine diagnostics would be beneficial.

In this thesis, a case study is performed on the controller data of a Hermle C50 multi axis milling machine, with a special focus on the feed drive systems. The limitations of the controller data are evaluated, and two self-designed methods, Overlaying and Resampling are utilized as tools to compensate for the low sampling frequency.

The work concluded that utilizing the methods designed and performing repetitive movements could somewhat compensate for the limitations of the controller data. It could also be seen that certain kinematic characteristics related to the component characteristics of the feed drive system could be detected with the purpose of utilization for machine diagnostics.

Abstract [sv]

Området prognostik och hälsoförvaltning av CNC verktygsmaskiner är ett område som blir allt viktigare, inte minst när det gäller tillståndsövervakning av maskinernas matningssystem. De flesta tillståndsövervakningssystem använder sig till stor del av externa sensorer. Dessa kan dock vara både dyra och komplicerade att implementera. Därför skulle ett större användande av interna sensorer och kontrollerdata i tillståndsövervakningssyften kunna vara ett lättillgängligt alternativ gentemot extern sensorövervakning. Kontrollerdata har dock ofta specifika begränsningar, så som en låg samplingsfrekvens och begränsade tillgängliga parametrar. Därmed vore det gynnsamt med en undersökning av implikationerna av dessa begränsningar för maskindiagnostik.

I denna uppsats genomförs en fallstudie på kontrollerdatan från en Hermle C50 fleraxlig fräsmaskin, med ett särskilt fokus på matningssystemet. Begränsningarna hos kontrollerdatan utreds och två egenutformade metoder, Överläggning och Omsampling används som verktyg för att kompensera för den låga samplingsfrekvensen.

Arbetet kunde konstatera att användandet av de utformade metoderna och utförandet av repetetiva rörelser kunde någorlunda kompensera för kontrollerdatans begränsningar. Det syntes även att särskilda kinematiska egenskaper hos matningssystemet kunde urskiljas med syfte att användas för maskindiagnostik.

Place, publisher, year, edition, pages
2021. , p. 101
Series
TRITA-ITM-EX ; 2021:539
Keywords [en]
Machine Tool, CNC, Controller data, Feed Drive, Sampling Frequency
Keywords [sv]
Verktygsmaskin, CNC, Kontrollerdata, Samplingsfrekvens
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:kth:diva-302758OAI: oai:DiVA.org:kth-302758DiVA, id: diva2:1599497
Supervisors
Examiners
Available from: 2021-10-01 Created: 2021-10-01 Last updated: 2022-06-25Bibliographically approved

Open Access in DiVA

No full text in DiVA

By organisation
School of Industrial Engineering and Management (ITM)
Engineering and Technology

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 426 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf