CN108907453A - 一种具有自学习功能的激光加工分析装置和方法 - Google Patents

Abstract

本发明提供了一种具有自学习功能的激光加工分析装置和方法，该装置包括第一获取模块，用于获取用户输入的加工信息；第一处理分析模块，用于根据加工信息和历史加工信息进行对比以获取重叠特征，并对重叠特征的数据进行自学习以输出加工参数；第二获取模块，用于获取用户根据加工参数和加工信息进行试验后的修正信息；修正模块，用于根据修正信息进行自学习以调整第一处理分析模块；数据库，用于存储加工信息、加工参数、修正信息及历史加工信息。本发明使得激光加工的工艺更加智能化和自动化，不仅能够极大的提高激光加工数据采集的精确度，而且还减少了人工反复试验的环节，大大提高了工作效率。

Description

一种具有自学习功能的激光加工分析装置和方法

技术领域

本发明涉及激光加工技术领域，尤其涉及一种具有自学习功能的激光加工分析装置和方法。

背景技术

在现有的激光加工中，大都需要实验人员或者人工经常进行调整，而且在加工对象或者加工环境变化的时候，还需要从初始阶段进行重新调整，而且调整过程繁杂，需要对单个设备进行调试，然后再整体运行设备，进行各部件的协同运行的调试，整个过程需要操作人员具有相应的专业知识，还要有很强的动手能力，而且耗时耗力，使用过程也无法实现自动和智能化的调整，自适应能力差。

发明内容

本发明针对现有方式的缺点，提出一种具有自学习功能的激光加工分析装置和方法，用以解决现有技术存在的上述问题。

根据本发明的第一个方面，提供了一种具有自学习功能的激光加工分析装置，包括：

第一获取模块，用于获取用户输入的加工信息，所述加工信息包括目标工件的名称、目标工件各部位的名称、目标工件各部位的厚度、目标工件各部位的加工方式、目标工件各部位的加工速度、目标工件的加工精度及目标工件各加工方式对应的加工质量，所述目标工件为待加工工件，所述加工速度为激光加工目标工件的速度；

第一处理分析模块，用于根据所述加工信息和历史加工信息进行对比以获取重叠特征，并对重叠特征的数据进行自学习以输出加工参数所述加工参数包括波长、脉宽、脉冲能量、光斑大小、加工路径及扫描速度，所述扫描速度为激光光束在加工目标工件时的运动速度；

第二获取模块，用于获取用户根据加工参数和加工信息进行试验后的修正信息，包括但不限于目标工件的实际加工速度及加工质量；

修正模块，用于根据所述修正信息进行自学习以调整第一处理分析模块；

数据库，用于存储所述加工信息、加工参数、修正信息及历史加工信息。

进一步的，所述第一处理分析模块根据所述加工信息和历史加工信息进行对比以获取重叠特征，并对重叠特征的数据进行自学习，是指：

根据加工信息对所述历史加工信息中进行遍历以获取重叠特征；

根据所述加工信息获得有效的条件特征；

根据所述条件特征对所述重叠特征进行过滤以滤除重叠特征中的无用特征，并获得滤除无用特征后的目标特征；

配置条件特征和目标特征之间的联系：设条件特征为X，目标特征为Y，得到映射关系函数联系Y＝F(X)；

根据所述映射关系函数联系，对条件特征对应的历史加工信息进行验证，再根据信息匹配度获取匹配信息，所述匹配信息即为加工参数。

进一步的，所述修正模块根据所述修正信息进行自学习以调整第一处理分析模块，是指：

所述修正模块获取修正信息，结合所述匹配信息反推以调整第一处理分析模块的信息匹配度。

进一步的，所述第一获取模块还包括识别单元，所述识别单元用于识别用户输入的语音或图片以获取加工信息。

另一方面，本发明提供了一种具有自学习功能的激光加工分析方法，包括如下步骤：

步骤1：获取用户输入的加工信息，所述加工信息包括目标工件的名称、目标工件各部位的名称、目标工件各部位的厚度、目标工件各部位的加工方式、目标工件各部位的加工速度、目标工件的加工精度及目标工件各加工方式对应的加工质量，所述目标工件为待加工工件，所述加工速度为激光加工目标工件的速度；

步骤2：根据所述加工信息和历史加工信息进行对比以获取重叠特征，并对重叠特征的数据进行自学习以输出加工参数，所述加工参数包括波长、脉宽、脉冲能量、光斑大小、加工路径及扫描速度，所述扫描速度为激光光束在加工目标工件时的运动速度；

步骤3：获取用户根据加工参数和加工信息进行试验后的修正信息，包括但不限于目标工件的实际加工速度及加工质量；

步骤4：根据所述修正信息进行自学习以调整步骤2；

所述加工信息、加工参数、修正信息及历史加工信息均存储在数据库。

进一步的，所述步骤2：根据所述加工信息和历史加工信息进行对比以获取重叠特征，并对重叠特征的数据进行自学习，是指：

根据加工信息对所述历史加工信息中进行遍历以获取重叠特征；

根据所述加工信息获得有效的条件特征；

根据所述条件特征对所述重叠特征进行过滤以滤除重叠特征中的无用特征，并获得滤除无用特征后的目标特征；

配置条件特征和目标特征之间的联系：设条件特征为X，目标特征为Y，得到映射关系函数联系Y＝F(X)；

根据所述映射关系函数联系，对条件特征对应的历史加工信息进行验证，再根据信息匹配度获取匹配信息，所述匹配信息即为加工参数。

进一步的，根据所述修正信息进行自学习以调整步骤2，是指：

获取修正信息，结合所述匹配信息反推以调整步骤2中的信息匹配度。

进一步的，所述获取用户输入的加工信息，还包括通过识别用户输入的语音或图片以获取加工数据。

与现有技术相比，本发明的有益效果是：

本发明通过获取用户输入的加工要求调用数据库中已有的加工参数数据，并结合预置的激光加工优化算法分析用户输入的加工要求以输出加工参数和预测参数，并通过再次获取用户根据加工参数和预测参数进行试验后的反馈数据，调用数据库中已有的加工参数数据，并结合预置的激光加工优化算法分析反馈数据以输出调整加工参数和调整预测参数，使得激光加工的工艺更加智能化和自动化，不仅能够极大的提高激光加工数据采集的精确度，而且还减少了人工反复试验的环节，大大提高了工作效率。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例一中的一种具有自学习功能的激光加工分析装置的结构框图；

图2为本发明实施例二中的一种具有自学习功能的激光加工分析装置安装在激光加工系统时该激光加工系统的部分结构框图；

图3为本发明实施例二中的一种具有自学习功能的激光加工分析方法的流程图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分例，实施而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

实施例一

如图1所示，提供了本发明一个实施例的一种具有自学习功能的激光加工分析装置，包括：

第一获取模块A101，用于获取用户输入的加工信息，加工信息包括目标工件的名称、目标工件各部位的名称、目标工件各部位的厚度、目标工件各部位的加工方式、目标工件各部位的加工速度、目标工件的加工精度及目标工件各加工方式对应的加工质量(如热影响区尺寸、锥度等要求)，目标工件为待加工工件，所述加工速度为激光加工目标工件的速度；

第一获取模块A101还通过识别用户输入的语音或图片以获取加工数据

用户输入的加工数据存储在数据库中。

第一处理分析模块A102，用于根据加工信息和历史加工信息进行对比以获取重叠特征，并对重叠特征的数据进行自学习以输出加工参数，该加工参数包括波长、脉宽、脉冲能量、光斑大小、加工路径及扫描速度等，扫描速度为激光光束在加工目标工件时的运动速度；

具体步骤如下：

根据加工信息对历史加工信息中进行遍历以获取重叠特征；

根据加工信息获得有效的条件特征；

根据条件特征对重叠特征进行过滤以滤除重叠特征中的无用特征，并获得滤除无用特征后的目标特征；

配置条件特征和目标特征之间的联系：设条件特征为X，目标特征为Y，得到映射关系函数联系Y＝F(X)；

根据映射关系函数联系，对条件特征对应的历史加工信息进行验证，再根据信息匹配度获取匹配信息，匹配信息即为加工参数。

第二获取模块A103，用于获取用户根据加工参数和加工信息进行试验后的修正信息，包括但不限于目标工件的实际加工速度及加工质量等；

反馈数据存储在数据库。

修正模块A104，用于根据修正信息进行自学习以调整第一处理分析模块。

具体的，修正模块A104获取修正信息，结合匹配信息反推以调整第一处理分析模块的信息匹配度。

上述的加工信息、加工参数、修正信息及历史加工信息均存储在数据库中。

该装置可设置在包括手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑等任意终端设备及电脑等智能处理设备上，尤其是激光加工系统，以激光加工系统为例：

参考图2，为激光加工系统的部分结构的框图，激光加工系统200通常包括全封闭外壳201和灯塔203。

该全封闭外壳201安装有门202，用于在调整和维护激光加工系统、以及加料和下料时对该激光加工系统的内部进行操作。灯塔203用于显示该激光加工系统的工作状态，将可视信号传达给相关的操作人员。为了在激光加工的同时能够观测和监控激光加工系统内部的情况，全封闭外壳201的门202上设有激光防护窗204。

实施例二

如图3所示，提供了本发明一个实施例的一种具有自学习功能的激光加工分析方法，包括如下步骤：

S301获取用户输入的加工信息，加工信息包括目标工件的名称、目标工件各部位的名称、目标工件各部位的厚度、目标工件各部位的加工方式、目标工件各部位的加工速度、目标工件的加工精度及目标工件各加工方式对应的加工质量(如热影响区尺寸、锥度等要求)，目标工件为待加工工件，所述加工速度为激光加工目标工件的速度。

获取用户输入的加工信息的方式，还包括通过识别用户输入的语音或图片以获取加工数据。

S302根据加工信息和历史加工信息进行对比以获取重叠特征，并对重叠特征的数据进行自学习以输出加工参数，加工参数包括波长、脉宽、脉冲能量、光斑大小、加工路径及扫描速度等，扫描速度为激光光束在加工目标工件时的运动速度。

具体步骤如下：

根据加工信息和历史加工信息进行对比以获取重叠特征，并对重叠特征的数据进行自学习，是指：

根据加工信息对历史加工信息中进行遍历以获取重叠特征；

根据加工信息获得有效的条件特征；

根据条件特征对重叠特征进行过滤以滤除重叠特征中的无用特征，并获得滤除无用特征后的目标特征；

配置条件特征和目标特征之间的联系：设条件特征为X，目标特征为Y，得到映射关系函数联系Y＝F(X)；

根据映射关系函数联系，对条件特征对应的历史加工信息进行验证，再根据信息匹配度获取匹配信息，匹配信息即为加工参数。

S303获取用户根据加工参数和加工信息进行试验后的修正信息，包括但不限于目标工件的实际加工速度及加工质量等；

具体的，获取修正信息，结合匹配信息反推以调整S302中的信息匹配度。

S304根据修正信息进行自学习以调整S302；

上述的加工信息、加工参数、修正信息及历史加工信息均存储在数据库。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的方法的具体实现过程，可以参考前述装置实施例中的对应过程，在此不再赘述。

在本申请所提供的2个实施例中，应该理解到，所揭露的方法、系统、装置、模块和/或单元，可以通过其它的方式实现。例如，以上所描述的方法实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种具有自学习功能的激光加工分析装置，其特征在于，包括：

第一获取模块，用于获取用户输入的加工信息，所述加工信息包括目标工件的名称、目标工件各部位的名称、目标工件各部位的厚度、目标工件各部位的加工方式、目标工件各部位的加工速度、目标工件的加工精度及目标工件各加工方式对应的加工质量，所述目标工件为待加工工件，所述加工速度激光加工目标工件的速度；

第一处理分析模块，用于根据所述加工信息和历史加工信息进行对比以获取重叠特征，并对重叠特征的数据进行自学习以输出加工参数，所述加工参数包括波长、脉宽、脉冲能量、光斑大小、加工路径及扫描速度，所述扫描速度为激光光束在加工目标工件时的运动速度；

第二获取模块，用于获取用户根据加工参数和加工信息进行试验后的修正信息，包括但不限于目标工件的实际加工速度及加工质量；

修正模块，用于根据所述修正信息进行自学习以调整第一处理分析模块；

数据库，用于存储所述加工信息、加工参数、修正信息及历史加工信息。

2.根据权利要求1所述的装置，其特征在于，所述第一处理分析模块根据所述加工信息和历史加工信息进行对比以获取重叠特征，并对重叠特征的数据进行自学习，是指：

根据加工信息对所述历史加工信息中进行遍历以获取重叠特征；

根据所述加工信息获得有效的条件特征；

根据所述条件特征对所述重叠特征进行过滤以滤除重叠特征中的无用特征，并获得滤除无用特征后的目标特征；

配置条件特征和目标特征之间的联系：设条件特征为X，目标特征为Y，得到映射关系函数联系Y＝F(X)；

根据所述映射关系函数联系，对条件特征对应的历史加工信息进行验证，再根据信息匹配度获取匹配信息，所述匹配信息即为加工参数。

3.根据权利要求1所述的装置，其特征在于，所述修正模块根据所述修正信息进行自学习以调整第一处理分析模块，是指：

所述修正模块获取修正信息，结合所述匹配信息反推以调整第一处理分析模块的信息匹配度。

4.根据权利要求1所述的装置，其特征在于，所述第一获取模块还包括识别单元，所述识别单元用于识别用户输入的语音或图片以获取加工信息。

5.一种具有自学习功能的激光加工分析方法，其特征在于，包括如下步骤：

步骤1：获取用户输入的加工信息，所述加工信息包括目标工件的名称、目标工件各部位的名称、目标工件各部位的厚度、目标工件各部位的加工方式、目标工件各部位的加工速度、目标工件的加工精度及目标工件各加工方式对应的加工质量，所述目标工件为待加工工件，所述加工速度为激光加工目标工件的速度；

步骤2：根据所述加工信息和历史加工信息进行对比以获取重叠特征，并对重叠特征的数据进行自学习以输出加工参数，所述加工参数包括波长、脉宽、脉冲能量、光斑大小、加工路径及扫描速度，所述扫描速度为激光光束在加工目标工件时的运动速度；

步骤3：获取用户根据加工参数和加工信息进行试验后的修正信息，包括但不限于目标工件的实际加工速度及加工质量；

步骤4：根据所述修正信息进行自学习以调整步骤2；

所述加工信息、加工参数、修正信息及历史加工信息均存储在数据库。

6.根据权利要求5所述的方法，其特征在于，所述步骤2：根据所述加工信息和历史加工信息进行对比以获取重叠特征，并对重叠特征的数据进行自学习，是指：

根据加工信息对所述历史加工信息中进行遍历以获取重叠特征；

根据所述加工信息获得有效的条件特征；

根据所述条件特征对所述重叠特征进行过滤以滤除重叠特征中的无用特征，并获得滤除无用特征后的目标特征；

配置条件特征和目标特征之间的联系：设条件特征为X，目标特征为Y，得到映射关系函数联系Y＝F(X)；

根据所述映射关系函数联系，对条件特征对应的历史加工信息进行验证，再根据信息匹配度获取匹配信息，所述匹配信息即为加工参数。

7.根据权利要求6所述的方法，其特征在于，根据所述修正信息进行自学习以调整步骤2，是指：

获取修正信息，结合所述匹配信息反推以调整步骤2中的信息匹配度。

8.根据权利要求5所述的方法，其特征在于，所述获取用户输入的加工信息，还包括通过识别用户输入的语音或图片以获取加工数据。