CN112100777B - 基于边缘计算的刀具寿命预测方法、装置和计算机设备 - Google Patents
基于边缘计算的刀具寿命预测方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN112100777B CN112100777B CN202011280092.5A CN202011280092A CN112100777B CN 112100777 B CN112100777 B CN 112100777B CN 202011280092 A CN202011280092 A CN 202011280092A CN 112100777 B CN112100777 B CN 112100777B
- Authority
- CN
- China
- Prior art keywords
- cutter
- wear
- tool
- cutting information
- cutting
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Automatic Control Of Machine Tools (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明提供了基于边缘计算的刀具寿命预测方法、装置和计算机设备,其中,该方法通过获取刀具的可用距离和切割信息;根据所述切割信息,确定与所述切割信息相对应的磨损系数;将所述磨损系数和所述切割信息输入至第一刀具磨损模型中,得到所述刀具的磨损速度;根据所述刀具的磨损速度和所述刀具的可用距离,预测所述刀具的寿命时间,解决了相关技术中位于屏蔽室外的操作人员无法获知核工业环境下应用于屏蔽室内的刀具的使用寿命,进而存在屏蔽室内刀具所切削的工件合格率降低的问题,使得位于屏蔽室外的操作人员能够根据刀具的预测寿命时间来精确、高效的控制刀具的运行时间,以提高屏蔽室内刀具所切削工件的合格率。
Description
技术领域
本发明属于边缘计算领域,具体涉及基于边缘计算的刀具寿命预测方法、装置和计算机设备。
背景技术
边缘计算,是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求,且边缘计算处于物理实体和工业连接之间,或处于物理实体的顶端。
在相关技术中,金属切削加工时,刀具会使工件材料变形,并以切屑形式将其剪切下来。变形过程需要大量的力,刀具会承受多种机械、热、化学和摩擦负荷。一段时间过后,这些负荷最终会导致刀具由于磨损过于严重而必须更换。尤其是应用在核工业环境下的刀具,因核工业的特殊环境,例如存在高放射性元素,必须对其进行物理隔离,也就是需设置一个屏蔽室以用于屏蔽高放射性元素,对于应用于屏蔽室的刀具,因位于屏蔽室外的操作人员无法获知屏蔽室内刀具的使用寿命,使得无法精确、高效的控制刀具的运行时间,进而存在屏蔽室内需要更换的刀具仍在切割工件,使得核工业环境下屏蔽室内刀具所切削的工件合格率降低。
目前针对相关技术中,位于屏蔽室外的操作人员无法准确获知核工业环境下应用于屏蔽室内的刀具的使用寿命,进而存在屏蔽室内刀具所切削的工件合格率降低的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了基于边缘计算的刀具寿命预测方法、装置和计算机设备,以至少解决相关技术中位于屏蔽室外的操作人员无法准确获知核工业环境下应用于屏蔽室内的刀具的使用寿命,进而存在屏蔽室内刀具所切削的工件合格率降低的问题。
第一方面,本申请实施例提供了基于边缘计算的刀具寿命预测方法,所述方法包括以下步骤:
获取刀具的可用距离和切割信息;
根据所述切割信息,确定与所述切割信息相对应的磨损系数;
将所述磨损系数和所述切割信息输入至第一刀具磨损模型中,得到所述刀具的磨损速度;
根据所述刀具的磨损速度和所述刀具的可用距离,预测所述刀具的寿命时间。
在其中一些实施例中,所述切割信息包括刀具所切割材质的材质硬度;
获取刀具所切割材质的材质硬度包括:
获取所述刀具所切割材质的环境温度和材质温度;
根据所述环境温度和所述材质温度,确定所述刀具所切割材质的材质硬度。
在其中一些实施例中,获取所述刀具所切割材质的环境温度和材质温度包括:
通过热成像摄像头获取所述刀具所切割材质的环境温度和材质温度。
在其中一些实施例中,所述切割信息包括刀具的切割压力和刀具的切割深度;其中,可通过将驱动所述刀具的电机信号进行转换,得到刀具的切割压力和刀具的切割深度。
在其中一些实施例中,根据所述切割信息,确定与所述切割信息相对应的磨损系数包括:
根据所述切割信息,从刀具数据库中获取与所述切割信息相对应的多个基准刀具,并从所述刀具数据库中获取多个所述基准刀具的更换前后磨损值、使用时间以及切割信息,其中,所述刀具数据库中预先存储有多个基准刀具的更换前后磨损值、使用时间以及切割信息;
将所述更换前后磨损值、所述使用时间以及所述切割信息按照与所述基准刀具的关联程度进行组别划分;
分别将同一组别的基准刀具的更换前后磨损值、使用时间以及切割信息输入至第二刀具磨损模型,得到多个所述基准刀具的磨损系数;
根据多个所述基准刀具的磨损系数,确定所述基准刀具的磨损系数的趋近系数,将所述趋近系数作为所述刀具的磨损系数。
在其中一些实施例中,分别将同一组别的基准刀具的更换前后磨损值、使用时间以及切割信息输入至第二刀具磨损模型,得到多个所述基准刀具的磨损系数之后,所述方法还包括:
根据多个所述基准刀具的磨损系数,确定所述基准刀具的磨损系数的平均值,将所述平均值作为所述刀具的磨损系数。
在其中一些实施例中,所述方法还包括:
根据所述刀具的预测的寿命时间确定所述刀具的更换时间;
若满足所述更换时间,则控制指示装置指示更换刀具。
第二方面,本申请实施例提供了一种基于边缘计算的刀具寿命预测装置,所述装置包括:获取模块、磨损速度确定模块和寿命时间确定模块;
所述获取模块,获取刀具的可用距离和切割信息,还用于根据所述切割信息,确定与所述切割信息相对应的磨损系数;
所述磨损速度确定模块,用于将所述刀具的磨损系数和所述刀具的切割信息输入至第一刀具磨损模型中,以得到所述刀具的磨损速度;
所述寿命时间确定模块,用于根据所述刀具的磨损速度和所述刀具的可用距离,预测所述刀具的寿命时间。
第三方面,本申请实施例提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的基于边缘计算的刀具寿命预测方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的基于边缘计算的刀具寿命预测方法。
相比于相关技术,本申请实施例提供的基于边缘计算的刀具寿命预测方法、装置和计算机设备,通过获取刀具的可用距离和切割信息;根据所述切割信息,确定与所述切割信息相对应的磨损系数;将所述磨损系数和所述切割信息输入至第一刀具磨损模型中,得到所述刀具的磨损速度;根据所述刀具的磨损速度和所述刀具的可用距离,预测所述刀具的寿命时间,解决了相关技术中位于屏蔽室外的操作人员无法获知核工业环境下应用于屏蔽室内的刀具的使用寿命,进而存在屏蔽室内刀具所切削的工件合格率降低的问题,使得位于屏蔽室外的操作人员能够根据刀具的预测寿命时间来精确、高效的控制刀具的运行时间,以提高屏蔽室内刀具所切削工件的合格率。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
图1是根据本申请实施例的基于边缘计算的刀具寿命预测方法的流程图;
图2是根据本申请实施例的获取刀具所切割材质的材质硬度的方法流程图;
图3是根据本申请实施例的根据切割信息确定刀具的磨损系数的方法流程图;
图4是根据本申请实施例的根据切割信息确定刀具的磨损系数的方法的另一流程图;
图5是根据本申请实施例的基于边缘计算的刀具寿命预测方法的另一流程图;
图6是根据本申请实施例的基于边缘计算的刀具寿命预测装置的结构框图;
图7是根据本申请实施例的计算机设备的内部结构示意图。
具体实施方式
为了使本技术领域的人员更好的理解本发明方案,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、完整的描述。
在金属切削加工中,刀具会使工件材料变形,并以切屑形式将其剪切下来,变形过程需要大量的力,刀具会承受多种机械、热、化学和摩擦负荷,一段时间过后,这些负荷最终会导致刀具由于磨损过于严重而必须更换。通过恰当地预测刀具寿命,生产制造商可以根据刀具磨损情况精确地规划金属加工工艺,并因此控制成本,以及避免由于意外的刀具失效行为或不可接受的工件质量而造成意外停机。刀具寿命建模可以帮助制造业提高生产率和控制成本,制造业重点考虑的是需要花费多少时间和成本才能生产出特定数量的合格工件,了解在需要更换刀具之前刀具能够准确、高效地切削多长时间非常重要。工艺可靠性以及对刀具成本和停机时间进行的控制取决于是否能够准确地预测刀具寿命。
在相关技术中,尤其是应用在核工业环境下的刀具,因核工业的特殊环境,例如存在高放射性元素,必须对其进行物理隔离,也就是需设置一个屏蔽室以用于屏蔽高放射性元素,对于应用于屏蔽室的刀具,因位于屏蔽室外的操作人员无法获知屏蔽室内刀具的使用寿命,使得无法精确、高效的控制刀具的运行时间,进而存在屏蔽室内需要更换的刀具仍在切割工件,使得核工业环境下屏蔽室内刀具所切削的工件合格率降低。
本申请提供的基于边缘计算的刀具寿命预测方法,通过基于刀具的切割信息确定刀具的磨损系数,并进一步根据刀具的磨损系数和切割信息确定刀具的磨损速度,以及根据刀具的磨损速度和刀具的可用距离,确定刀具的寿命时间,决了相关技术中位于屏蔽室外的操作人员无法获知核工业环境下应用于屏蔽室内的刀具的使用寿命,进而存在屏蔽室内刀具所切削的工件合格率降低的问题,使得位于屏蔽室外的操作人员能够根据刀具的预测寿命时间来精确、高效的控制刀具的运行时间,以提高屏蔽室内刀具所切削工件的合格率。
本实施例提供了一种基于边缘计算的刀具寿命预测方法,图1是根据本申请实施例的基于边缘计算的刀具寿命预测方法的流程图,如图1所示,该方法包括如下步骤:
步骤S101,获取刀具的可用距离和切割信息;
需要说明的是,刀具的可用距离可以是从刀具的出厂信息获取的,例如,在更换刀具时根据刀具的出厂信息记录刀具的可用距离;需要进一步说明的是,切割信息可以包括切割参数和刀具的切割硬度(也就是刀具所切割材质的材质硬度),且切割参数可以包括切割压力、切割深度;刀具的切割信息是与刀具的使用环境相关联的,对于应用于核工业环境下屏蔽室的刀具,刀具的切割信息与正常环境下的切割信息是不同的。
步骤S102,根据切割信息,确定与切割信息相对应的磨损系数;
一种情况,可以根据切割信息从对应的数据库中调取与切割信息相对应的刀具的磨损系数;另一种情况是,也可以根据切割信息并借助经验公式进行计算出刀具的磨损系数。
步骤S103,将磨损系数和切割信息输入至第一刀具磨损模型中,得到刀具的磨损速度;
需要说明的是,一种情况是,第一刀具磨损模型可以是借助大量刀具的磨损系数和切割信息,基于机器学习所训练的磨损模型。另一情况下,可以利用Archard经验模型,Archard经验模型是英国工程师JohnF.Archard开发出了一个经验模型,用于根据表面粗糙度的变化来计算滑动表面的磨蚀性磨损速度,等式是Q=KWL/H,其中Q代表磨损速度,K代表恒定磨损系数,W代表总计正常负载,L代表表面的滑动距离,H代表两个表面中更柔软表面的硬度。将Archard经验模型用在刀具的磨损速度的确定上,可以是K为磨损系数,W为切割压力,L为切割深度,H为所切割材质的材质硬度,进而在已知刀具的磨损系数和切割信息的情况下,可以根据Archard经验模型确定具的磨损速度。
步骤S104,根据刀具的磨损速度和刀具的可用距离,预测刀具的寿命时间。
其中,根据刀具的可用距离与刀具的磨损速度比值便可预测刀具的寿命时间。
通过上述步骤S101至步骤S104,基于核工业环境下屏蔽室内的刀具的切割信息确定刀具的磨损系数,并基于第一刀具磨损模型来根据刀具的磨损系数和切割信息确定刀具的磨损速度,以及根据刀具的磨损速度和刀具的可用距离,确定刀具的寿命时间,决了相关技术中位于屏蔽室外的操作人员无法获知核工业环境下应用于屏蔽室内的刀具的使用寿命,进而存在屏蔽室内刀具所切削的工件合格率降低的问题,使得位于屏蔽室外的操作人员能够根据刀具的预测寿命时间来精确、高效的控制刀具的运行时间,以提高屏蔽室内刀具所切削工件的合格率;进一步的,屏蔽室内刀具的预测寿命时间的操作,是基于边缘计算实现的,也就是在靠近屏蔽室一侧的处理器进行完成的,进而产生更快的网络服务响应,满足屏蔽室内针对刀具的所预测寿命时间的实时性以及可靠性。
在其中一些实施例中,切割信息包括刀具所切割材质的材质硬度,图2是根据本申请实施例的获取刀具所切割材质的材质硬度的方法流程图,如图2所示,获取刀具所切割材质的材质硬度包括如下步骤:
步骤S201,获取刀具所切割材质的环境温度和材质温度;
步骤S202,根据环境温度和材质温度,确定刀具所切割材质的材质硬度。
其中,所切割材质的材质硬度H的具体计算公式可以为logH=2.3-3.1Tr/Tm,其中,H为刀具所切割材质的材质硬度,Tr刀具所切割材质的环境温度,也就是核工业环境下屏蔽室内的温度,Tm为材质温度。需要说明的是,上述实施例中在利用Archard经验模型来确定刀具的磨损速度时,考虑到Archard模型并不是专门为金属加工领域常见的高速应用而开发的,它也并未涉及到温度对磨损过程的影响,且在金属切削所产生的高温条件下,刀具表面强度和磨损系数都会发生变化,因此Archard模型本身是无法充分预测金属切削领域的刀具寿命;通过获取材质温度Tm和刀具所切割材质的环境温度Tr,来推导出Archard模型中所切割材质的材质硬度H,弥补了应用在金属加工领域中关于刀具预测寿命的Archard模型的不足。
在其中一些实施例中,可通过热成像摄像头获取刀具所切割材质的环境温度Tr和材质温度Tm,且考虑到核工业环境下屏蔽室内存在高放射性元素,因此热成像摄像头安装在屏蔽室内距离核设备较远的距离处。
在其中一些实施例中,切割信息包括刀具的切割参数,图3是根据本申请实施例的根据切割信息确定刀具的磨损系数的方法流程图,如图3所示,该方法包括如下步骤:
步骤S301,根据切割信息,从刀具数据库中获取与切割信息相对应的多个基准刀具,并根据多个基准刀具从刀具数据库中获取多个基准刀具的更换前后磨损值、使用时间以及切割参数;
其中,刀具数据库中存储有若干个基准刀具以及与若干个基准刀具所对应的更换前后磨损值、使用时间以及切割参数,且刀具数据库中的数据信息可以是外部导入的,也可以是在每次切割过程中记录和自行积累的。例如,刀具数据库中存储有1,……,2N个基准刀具,但该2N个基准刀具所使用时的切割信息有可能是存在区别的,因此,需要先根据刀具的当前切割信息,从刀具数据库中获取与当前切割信息相对应的多个基准刀具,然后再从刀具数据库中获取多个基准刀具的更换前后磨损值、使用时间以及切割信息,例如,多套基准刀具的更换前后磨损值D1,……,DN、使用时间Ts1,……,TsN、切割压力W1,……,WN、切割深度L1,……,LN和所切割材质的材质硬度H1,……,HN,其中N为刀具数据库中切割信息与当前切割信息相对应的基准刀具数量。
步骤S302,将更换前后磨损值、使用时间以及切割信息按照与基准刀具的关联程度进行组别划分;
步骤S303,分别将同一组别的基准刀具的更换前后磨损值、使用时间以及切割参数输入至第二刀具磨损模型,得到基准刀具的磨损系数;
需要说明的是,第二刀具磨损模型为Kx=QxHx/WxLx,x=1~N,第二刀具磨损模型是根据Archard经验模型Q=KWL/H进行变形得到的。在根据第二刀具磨损模型Kx=QxHx/WxLx计算基准刀具的磨损系数的过程中,先根据多套基准刀具的更换前后磨损值D1,……,DN和使用时间Ts1,……,TsN确定磨损速度Q1,……,QN,也就是Qx=Dx/Tsx,x=1~N;然后再根据磨损速度Q1,……,QN、切割硬度H1,……,HN、切割压力W1,……,WN和切割深度L1,……,LN利用Kx=QxHx/WxLx得到多套基准刀具的磨损系数K1,……,KN。
步骤S304,根据多个基准刀具的磨损系数,确定基准刀具的磨损系数的趋近系数,将趋近系数作为刀具的磨损系数。
例如,根据多个基准刀具的磨损系数K1,……,KN,确定多套基准刀具磨损系数的趋近系数K,将趋近系数K作为刀具的磨损系数Kn,也就是趋近系数K的确定方式为:当limK→Kn-1,则K=Kn,n为基准刀具的序数。
通过上述步骤S301至步骤S304,获取与刀具的切割信息相对应的多个基准刀具,以通过多个基准刀具的更换前后磨损值、使用时间以及切割信息的大量积累,来逐步修正基准刀具的磨损常数,并根据磨损常数来确定当前环境下该刀具的磨损系数,进而提高核工业环境下屏蔽室内刀具磨损系数的可靠性和真实性。
在其中一些实施例中,图4是根据本申请实施例的根据切割信息确定刀具的磨损系数的方法的另一流程图,如图4所示,分别将同一组别的基准刀具的更换前后磨损值、使用时间以及切割信息输入至第二刀具磨损模型,得到多个基准刀具的磨损系数之后,该方法还包括如下步骤:
步骤S401,根据多个基准刀具的磨损系数,确定基准刀具的磨损系数的平均值,将平均值作为刀具的磨损系数;例如,根据多套基准刀具的磨损系数K1,……,KN,确定刀具的磨损系数K,也就是K=(K1+……+KN)/N。
在其中一些实施例中,刀具切割信息中刀具的切割压力、刀具的切割深度,可通过将驱动刀具的电机信号进行转换,来得到刀具的切割压力、刀具的切割深度;
其中,刀具的切割压力是与用于驱动刀具的电机有关的,切割压力可通过电机信号中的电机转矩来确定,
根据功率=扭力*速度,即:P=F*V;
转矩=扭力*作用半径,即:T=F*R;
可得:F=VT/R,其中,V=2πR*n,n为转速;
进一步得到,转矩T=P/2πn;
在确定驱动刀具的电机转矩基础上,进一步考虑到功率损耗系数、减速比等情况,来确定刀具实际的切割压力,也就是切割压力=A*K*T,其中,K为功率损耗系数,A为减速比;刀具的切割深度L,可根据L=πD*n进行计算获得,其中,D刀具的直径,n为转速。
在其中一些实施例中,图5是根据本申请实施例的基于边缘计算的刀具寿命预测方法的另一流程图,如图5所示,该方法还包括如下步骤:
步骤S501,根据刀具的预测的寿命时间确定刀具的更换时间;
步骤S502,若满足更换时间,则控制指示装置指示更换刀具。
例如,在预测出刀具的寿命时间后,可通过电子平台提示该刀具的所预测的寿命时间或者下次更换时间,以便于提醒操作员及时更换刀具;同样的,一旦当下时刻到达刀具所预测的寿命时间点,则可通过设置于屏蔽室外的指示装置或者其他电子平台提示操作人员更换刀具。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种基于边缘计算的刀具寿命预测装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
在一些实施例中,图6是根据本申请实施例的基于边缘计算的刀具寿命预测装置的结构框图,如图6所示,该装置包括:获取模块61、磨损速度确定模块62和寿命时间确定模块63;
获取模块61,获取刀具的可用距离和切割信息,还用于根据切割信息,确定与切割信息相对应的磨损系数;
磨损速度确定模块62,用于将刀具的磨损系数和刀具的切割信息输入至第一刀具磨损模型中,以得到刀具的磨损速度;
寿命时间确定模块63,用于根据刀具的磨损速度和刀具的可用距离,预测刀具的寿命时间。
上述的基于边缘计算的刀具寿命预测装置,通过基于核工业环境下屏蔽室内的刀具的切割信息确定刀具的磨损系数,并基于第一刀具磨损模型来根据刀具的磨损系数和切割信息确定刀具的磨损速度,以及根据刀具的磨损速度和刀具的可用距离,确定刀具的寿命时间,决了相关技术中位于屏蔽室外的操作人员无法获知核工业环境下应用于屏蔽室内的刀具的使用寿命,进而存在屏蔽室内刀具所切削的工件合格率降低的问题,使得位于屏蔽室外的操作人员能够根据刀具的预测寿命时间来精确、高效的控制刀具的运行时间,以提高屏蔽室内刀具所切削工件的合格率;进一步的,屏蔽室内刀具的预测寿命时间的操作,是基于边缘计算实现的,也就是在靠近屏蔽室一侧的处理器进行完成的,进而产生更快的网络服务响应,满足屏蔽室内针对刀具的所预测寿命时间的实时性以及可靠性。
在其中一些实施例中,获取模块61、磨损速度确定模块62和寿命时间确定模块63还用于实现上述各实施例提供的基于边缘计算的刀具寿命预测方法中的步骤,在这里不再赘述。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于边缘计算的刀具寿命预测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,图7是根据本申请实施例的计算机设备的内部结构示意图,如图7所示,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于边缘计算的刀具寿命预测方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述各实施例提供的基于边缘计算的刀具寿命预测方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各个实施例提供的基于边缘计算的刀具寿命预测方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于边缘计算的刀具寿命预测方法,其特征在于,所述方法包括以下步骤:
获取刀具的可用距离和切割信息,其中,所述刀具的可用距离能够从所述刀具的出厂信息中获取;
根据所述切割信息,从刀具数据库中获取与所述切割信息相对应的多个基准刀具,并从所述刀具数据库中获取多个所述基准刀具的更换前后磨损值、使用时间以及切割信息,其中,所述刀具数据库中预先存储有多个基准刀具的更换前后磨损值、使用时间以及切割信息;
将所述更换前后磨损值、所述使用时间以及所述切割信息按照与所述基准刀具的关联程度进行组别划分;
分别将同一组别的基准刀具的更换前后磨损值、使用时间以及切割信息输入至第二刀具磨损模型,得到多个所述基准刀具的磨损系数;
根据多个所述基准刀具的磨损系数,确定所述基准刀具的磨损系数的平均值,将所述平均值作为所述刀具的磨损系数;或者根据多个所述基准刀具的磨损系数,确定所述基准刀具的磨损系数的趋近系数,将所述趋近系数作为所述刀具的磨损系数;
将所述刀具的磨损系数和所述切割信息输入至第一刀具磨损模型中,得到所述刀具的磨损速度,其中,所述第一刀具磨损模型是通过机器学习训练获得,或者所述第一刀具磨损模型为Archard经验模型;
根据所述刀具的磨损速度和所述刀具的可用距离,预测所述刀具的寿命时间。
2.根据权利要求1所述的基于边缘计算的刀具寿命预测方法,其特征在于:所述切割信息包括刀具所切割材质的材质硬度;
获取刀具所切割材质的材质硬度包括:
获取所述刀具所切割材质的环境温度和材质温度;
根据所述环境温度和所述材质温度,确定所述刀具所切割材质的材质硬度。
3.根据权利要求2所述的基于边缘计算的刀具寿命预测方法,其特征在于:获取所述刀具所切割材质的环境温度和材质温度包括:
通过热成像摄像头获取所述刀具所切割材质的环境温度和材质温度。
4.根据权利要求1所述的基于边缘计算的刀具寿命预测方法,其特征在于:所述切割信息包括刀具的切割压力和刀具的切割深度;其中,通过将驱动所述刀具的电机信号进行转换,得到刀具的切割压力和刀具的切割深度。
5.根据权利要求1所述的基于边缘计算的刀具寿命预测方法,其特征在于:所述方法还包括:
根据所述刀具的预测的寿命时间确定所述刀具的更换时间;
若满足所述更换时间,则控制指示装置指示更换刀具。
6.一种基于边缘计算的刀具寿命预测装置,其特征在于,所述装置包括:获取模块、磨损速度确定模块和寿命时间确定模块;
所述获取模块,用于获取刀具的可用距离和切割信息,还用于根据所述切割信息,确定与所述切割信息相对应的磨损系数,所述刀具的可用距离能够从所述刀具的出厂信息中获取;根据所述切割信息确定与所述切割信息相对应的磨损系数包括:根据所述切割信息,从刀具数据库中获取与所述切割信息相对应的多个基准刀具,并从所述刀具数据库中获取多个所述基准刀具的更换前后磨损值、使用时间以及切割信息,其中,所述刀具数据库中预先存储有多个基准刀具的更换前后磨损值、使用时间以及切割信息;将所述更换前后磨损值、所述使用时间以及所述切割信息按照与所述基准刀具的关联程度进行组别划分;分别将同一组别的基准刀具的更换前后磨损值、使用时间以及切割信息输入至第二刀具磨损模型,得到多个所述基准刀具的磨损系数;根据多个所述基准刀具的磨损系数,确定所述基准刀具的磨损系数的平均值,将所述平均值作为所述刀具的磨损系数;或者根据多个所述基准刀具的磨损系数,确定所述基准刀具的磨损系数的趋近系数,将所述趋近系数作为所述刀具的磨损系数;
所述磨损速度确定模块,用于将所述刀具的磨损系数和所述刀具的切割信息输入至第一刀具磨损模型中,以得到所述刀具的磨损速度,其中,所述第一刀具磨损模型是通过机器学习训练获得,或者所述第一刀具磨损模型为Archard经验模型;
所述寿命时间确定模块,用于根据所述刀具的磨损速度和所述刀具的可用距离,预测所述刀具的寿命时间。
7.一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述基于边缘计算的刀具寿命预测方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至5中任一项所述基于边缘计算的刀具寿命预测方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011280092.5A CN112100777B (zh) | 2020-11-16 | 2020-11-16 | 基于边缘计算的刀具寿命预测方法、装置和计算机设备 |
PCT/CN2021/089919 WO2022100017A1 (zh) | 2020-11-16 | 2021-04-26 | 基于边缘计算的刀具寿命预测方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011280092.5A CN112100777B (zh) | 2020-11-16 | 2020-11-16 | 基于边缘计算的刀具寿命预测方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112100777A CN112100777A (zh) | 2020-12-18 |
CN112100777B true CN112100777B (zh) | 2021-02-02 |
Family
ID=73785554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011280092.5A Active CN112100777B (zh) | 2020-11-16 | 2020-11-16 | 基于边缘计算的刀具寿命预测方法、装置和计算机设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112100777B (zh) |
WO (1) | WO2022100017A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112100777B (zh) * | 2020-11-16 | 2021-02-02 | 杭州景业智能科技股份有限公司 | 基于边缘计算的刀具寿命预测方法、装置和计算机设备 |
CN112706001A (zh) * | 2020-12-23 | 2021-04-27 | 重庆邮电大学 | 一种基于边缘数据处理和BiGRU-CNN网络的机床刀具磨损预测方法 |
CN112762877B (zh) * | 2020-12-28 | 2023-03-21 | 成都国铁电气设备有限公司 | 一种地铁接触网刚性接触线磨耗预警方法及装置 |
CN113011653A (zh) * | 2021-03-18 | 2021-06-22 | 立铠精密科技(盐城)有限公司 | 一种刀具管理方法、系统及计算机可读存储介质 |
CN113703394A (zh) * | 2021-08-26 | 2021-11-26 | 浙江九州云信息科技有限公司 | 一种基于边缘计算的刀具监测管理方法及系统 |
CN116187047A (zh) * | 2023-02-16 | 2023-05-30 | 北京思维实创科技有限公司 | 设备寿命预测方法及相关装置 |
CN117592976B (zh) * | 2024-01-19 | 2024-04-26 | 山东豪泉软件技术有限公司 | 一种刀具剩余寿命预测方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108907896A (zh) * | 2018-06-06 | 2018-11-30 | 上海交通大学 | 一种刀具剩余寿命在线预测方法及系统 |
CN111475921A (zh) * | 2020-03-13 | 2020-07-31 | 重庆邮电大学 | 一种基于边缘计算和lstm网络的刀具剩余寿命预测方法 |
CN111476430A (zh) * | 2020-04-21 | 2020-07-31 | 南京凯奥思数据技术有限公司 | 一种基于机器学习回归算法的刀具剩余寿命预测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10564624B2 (en) * | 2018-02-16 | 2020-02-18 | General Electric Company | Optimal machining parameter selection using a data-driven tool life modeling approach |
TW202019614A (zh) * | 2018-11-26 | 2020-06-01 | 財團法人資訊工業策進會 | 刀具壽命估測裝置及方法 |
CN112100777B (zh) * | 2020-11-16 | 2021-02-02 | 杭州景业智能科技股份有限公司 | 基于边缘计算的刀具寿命预测方法、装置和计算机设备 |
-
2020
- 2020-11-16 CN CN202011280092.5A patent/CN112100777B/zh active Active
-
2021
- 2021-04-26 WO PCT/CN2021/089919 patent/WO2022100017A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108907896A (zh) * | 2018-06-06 | 2018-11-30 | 上海交通大学 | 一种刀具剩余寿命在线预测方法及系统 |
CN111475921A (zh) * | 2020-03-13 | 2020-07-31 | 重庆邮电大学 | 一种基于边缘计算和lstm网络的刀具剩余寿命预测方法 |
CN111476430A (zh) * | 2020-04-21 | 2020-07-31 | 南京凯奥思数据技术有限公司 | 一种基于机器学习回归算法的刀具剩余寿命预测方法 |
Non-Patent Citations (2)
Title |
---|
基于数据驱动的铣削刀具寿命预测研究;黄志平等;《制造技术与机床》;20200131;第153-161页 * |
基于深度学习理论的刀具状态监测及剩余寿命预测方法;安华等;《电子测量与仪器学报》;20190930;第64-70页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112100777A (zh) | 2020-12-18 |
WO2022100017A1 (zh) | 2022-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112100777B (zh) | 基于边缘计算的刀具寿命预测方法、装置和计算机设备 | |
Xia et al. | Energy-oriented maintenance decision-making for sustainable manufacturing based on energy saving window | |
JP6404893B2 (ja) | 工具寿命推定装置 | |
JP2018094686A (ja) | 工作機械における工具のビビり発生の予兆を検知する機械学習装置、cnc装置および機械学習方法 | |
CN102854841A (zh) | 一种曲面零件的形位误差原位补偿加工方法 | |
JP2015168057A (ja) | びびり予測のための改良型データベース | |
US11630435B2 (en) | Method and system for monitoring tool wear to estimate RUL of tool in machining | |
Rodriguez et al. | Reliability concepts applied to cutting tool change time | |
CN109725601B (zh) | 综合加工系统、综合加工方法以及计算机可读介质 | |
Li et al. | Reliability-based dynamic maintenance threshold for failure prevention of continuously monitored degrading systems | |
JP7328364B2 (ja) | 機械学習装置、加工状態予測装置、及び制御装置 | |
CN113325801B (zh) | 超精密加工系统、方法、设备及存储介质 | |
Antonov et al. | Management and control of occupational risk related to maintenance activities of work equipment in companies by using software tools | |
Pandey et al. | A model for optimal maintenance interval incorporating the cost of rejections in manufacturing | |
Smadi et al. | PRODUCT QUALITY-BASED METHODOLOGY FOR MACHINE FAILURE ANALYSIS AND PREDICTION. | |
CN115348913B (zh) | 诊断装置、诊断方法及计算机可读取的非暂时性的记录介质 | |
Abele et al. | Two practical approaches to assess the energy demand of production machines | |
CN111774929A (zh) | 刀具磨损补偿方法、装置、计算机设备和存储介质 | |
Daneshjo et al. | Changing of the maintenance system in the production plant with the application of predictive maintenance | |
US20230237353A1 (en) | Machine Learning Based Predictive P-F Curve Maintenance Optimization Platform and Associated Method | |
Kusyi et al. | Optimization of Cutting Modes During Sustainable Machining of Products Based on Economic Criteria | |
Bhargava et al. | Quality Improvement in Inner Bore Grinding Rejection of Ball Bearing by Using Six-Sigma Methodology | |
Josebeck et al. | Demystifying the PF Curve & Augmenting Machine Learning for Maintenance Optimization | |
Panda et al. | A novel method for online monitoring of surface quality and predicting tool wear conditions in machining of materials | |
Kravchenko et al. | Evaluation of the Operational Reliability of Gear Hydraulic Pumps Repaired Using the Electric Spark Processing Method |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |