CN112775242B - 冲压控制方法 - Google Patents
冲压控制方法 Download PDFInfo
- Publication number
- CN112775242B CN112775242B CN202011567548.6A CN202011567548A CN112775242B CN 112775242 B CN112775242 B CN 112775242B CN 202011567548 A CN202011567548 A CN 202011567548A CN 112775242 B CN112775242 B CN 112775242B
- Authority
- CN
- China
- Prior art keywords
- speed
- stamping
- state
- punching
- head
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D22/00—Shaping without cutting, by stamping, spinning, or deep-drawing
- B21D22/02—Stamping using rigid devices or tools
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Control Of Presses (AREA)
Abstract
冲压控制方法,涉及冲压控制技术领域。冲压控制方法,每次冲压过程中,控制冲压头在向工件行进至稳速段起点时的速度为预设的第一速度,并控制冲压头在稳速段内以第一速度匀速行进;稳速段为预冲行程的其中一段,稳速段的终点为工进开始位,预冲行程为冲压头从其初始位置行进至工进开始位的行程,工进开始位为冲压头开始接触工件的位置。在工进开始位前设置一段稳速段,控制冲压头在稳速段匀速行进,从而使得冲压头在每次冲压过程中到达工进开始位的速度更接近预设的速度(第一速度),而且各次冲压过程中的差异更小,从而让冲压产出的冲压件精度更高。
Description
技术领域
本发明创造涉及冲压控制技术领域。
背景技术
冲压是靠压力机和模具对板材、带材、管材和型材等材料施加外力,使之产生塑性变形或分离,从而获得所需形状和尺寸的工件(冲压件)的成形加工方法。
现有的冲压工艺中,常是冲压头经过加速后到达工进开始位,然后对板材等材料进行冲压,但冲压头加速后速度过快,容易导致每次冲压时冲压头到达工进开始位的速度不相同。所述工进开始位为冲压头开始接触工件的位置。
冲压速度是板料成形的重要工艺参数。在不同的冲压速度下对冲压所用材料达到不同的成形极限,并表现出不同的加工硬化特性,其变形程度和变形速度也不尽相同。
另一方面,如果冲压速度太大,容易造成冲压头超过根据冲压件所需厚度预设的工进结束位,易造成冲压件减薄现象。所述工进结束位为,冲压头冲压工件至停止行进的位置。如果冲压速度过小,在一些热冲压成型的情况下,会造成冲压成型后零件的温度低于预设的温度,导致奥氏体发生了转变,不能为后续冷却淬火保证单一的奥氏体环境,不利于零件的成形质量。
因此现有技术中,在各次冲压过程中,冲压头到达工进开始位的速度差异较大,造成冲压产出的工件(即被加工的产品)精度不高。
发明内容
有鉴于此,本发明创造提出一种冲压控制方法,能使冲压产出的冲压件精度更高。
为实现上述目的,本发明提供了以下技术方案。
1.冲压控制方法,每次冲压过程中,控制冲压头在向工件行进至稳速段起点时的速度为预设的第一速度,并控制冲压头在稳速段内以第一速度匀速行进;稳速段为预冲行程的其中一段,稳速段的终点为工进开始位,预冲行程为冲压头从其初始位置行进至工进开始位的行程,工进开始位为冲压头开始接触工件的位置。
在工进开始位前设置一段稳速段,控制冲压头在稳速段匀速行进,从而使得冲压头在每次冲压过程中到达工进开始位的速度更接近预设的速度(第一速度),而且各次冲压过程中的差异更小,从而让冲压产出的冲压件精度更高。
2.根据技术方案1所述的冲压控制方法,根据相关数据设定所述第一速度,所述相关数据包括冲压头质量、工件厚度、工件硬度、冲压行程;冲压行程为冲压头从工进开始位行进至工进结束位的行程,工进结束位为冲压头冲压工件至停止行进的位置。
3.根据技术方案2所述的冲压控制方法,
将一组所述相关数据以及与该组相关数据对应的第一速度组合成一组数据集元组,收集若干组所述数据集元组以组成数据集;
将收集好的数据集按照预设比例分隔成训练集和测试集;
建立全连接神经网络;
使用训练集对全连接神经网络进行训练,得到训练好的全连接神经网络;
使用测试集对训练好的全连接神经网络进行测试,当其正确率达到正确率预设值后,将训练好的全连接神经网络作为第一速度预测模型输出;
首次使用或所述相关数据中至少一个数据改变时,使用所述第一速度预测模型根据所述相关数据设定所述第一速度。
使用通过上述方法得到的第一速度预测模型,普通工人们就可以通过简单的测量相关数据以此得到一个较为准确的第一速度,不需要工程人员对冲压机器进行逐一调试,而且在相关数据发生变化时,工人只需要更新数据即可,机器会自动调整设定所述第一速度。节约了大量的时间,增加了工厂的生产效率。
4.根据技术方案3所述的冲压控制方法,所述正确率由以下方法测出,将正确预测数初始化为0;遍历测试集;当|(预测的第一速度-测试集中第一速度)|<偏差预设值时,正确预测数+1;正确率=正确预测数/测试集的总数。
5.根据技术方案3所述的冲压控制方法,所述正确率预设值为98%。
6.根据技术方案3所述的冲压控制方法,所述全连接神经网络包括1层输入层、6层隐含层、1层输出层。
7.根据技术方案3所述的冲压控制方法,所述全连接神经网络是通过TensorFlow、Keras或Caffe机器学习框架进行训练的。
8.根据技术方案1所述的冲压控制方法,还包括以下步骤:
每次冲压行程结束后,检测实际的工进结束位;
计算实际的工进结束位与预设的工进结束位之间的偏差数值的绝对值p;
采用Sarsa算法进行强化学习:
建立奖励矩阵
初始化Q表,将Q表全部置零;
状态S为当前p的大小;
设置期望状态Sterminal为p取整后为0;
使用∈-greedy算法在状态S下选取动作
其中,random A表示从动作集合(加大第一速度,减小第一速度)中随机选取动作A,maxAQ(S,A)表示选择使Q(S,A)值最大的动作A,
Q(S,A)为在状态S下执行动作A的动作价值函数,rand为随机数,∈为贪婪因子;
SAR步骤:在状态S下执行动作A,改变第一速度,进入下一状态S',查阅奖励矩阵reward得到奖励R;更新Q表中状态S和动作A对应的Q(S,A),跳转至SA步骤,
更新规则为Q(S,A)=Q(S,A)+α(R+γQ(S',A')-Q(S,A)),
其中,R+γQ(S',A')-Q(S,A)为TD误差,α为学习率,γ为衰减因子;
SA步骤:使用∈-greedy算法在状态S'下选取动作A';
令状态S'赋值给状态S,将状态A'赋值给状态A,回到SAR步骤;
直到状态S=Sterminal时,保持当前第一速度不变。
因为通过人工很难确定所有影响第一速度大小因素,而通过机器学习,在冲压过程中,每次冲压作业的数据都会被用于优化预设的第一速度,从而不需要人工在对冲压机器进行调试,而且冲压越多,后面冲压生产的产品精度就越高。
附图说明
图1为本发明创造采用Sarsa算法进行强化学习的流程示意图。
具体实施方式
以下结合具体实施例对本发明创造作详细说明。
实施例1:使用厚度为1mm的AA6061铝合金作为板材工件以进行冲压制成冲压件,首先负责冲压机器的工人会通过测量仪器测量相关数据。所述相关数据包括冲压头质量、工件厚度、工件硬度、冲压行程;冲压行程为冲压头从工进开始位行进至工进结束位的行程,工进结束位为冲压头冲压工件至停止行进的位置。
之后工人会将相关数据输入冲压机器的主控系统,所述主控系统包括第一速度预测模型,所述主控系统会将相关数据输入第一速度预测模型以得到第一速度。
在之后的每次冲压过程中,控制冲压头在向工件行进至稳速段起点时的速度为预设的第一速度,并控制冲压头在稳速段内以第一速度匀速行进;稳速段为预冲行程的其中一段,稳速段的终点为工进开始位,预冲行程为冲压头从其初始位置行进至工进开始位的行程,工进开始位为冲压头开始接触工件的位置。
上述第一速度预测模型,通过工程师依据以下训练步骤获得:
首先工程师会先收集6000组数据集元组以组成数据集,所述数据集元组包括一组所述相关数据以及与该组相关数据对应的第一速度。
按照9:1的比例分割成训练集和测试集,则训练集有5400条数据集元组,测试集有600条数据集元组。
使用TensorFlow框架搭建一个1层输入层、6层隐含层、1层输出层的全连接神经网络,在其他实施例中,也可以使用机器学习Keras或Caffe机器学习框架进行实现。
利用tensorflow的均方差方法即tensorflow.reduce_mean()函数定义损失函数,使用训练集对全连接神经网络进行训练,利用tensorflow函数中minimize()函数来优化训练过程,得到训练好的全连接神经网络;
使用测试集对训练好的全连接神经网络进行测试,使用训练好的全连接神经网络预测的正确率由以下方法测出,将正确预测数初始化为0;遍历测试集输入训练好的全连接神经网络;当|(预测的第一速度-测试集中第一速度)|<偏差预设值时,正确预测数+1;正确率=正确预测数/测试集的总数。当其正确率达到正确率预设值即98%后,将训练好的全连接神经网络作为第一速度预测模型输出。否则工程人员会继续收集数据集,然后重复上述训练步骤。
实施例2:使用厚度为1.2mm的5052铝镁合金板材作为板材工件以进行冲压制成冲压件。
冲压会在每次冲压行程结束后,检测实际的工进结束位,并计算实际的工进结束位与预设的工进结束位之间的偏差数值的绝对值p;
冲压机器采用Sarsa算法进行强化学习:
如图1所示
建立奖励矩阵
初始化Q表,将Q表全部置零;
状态S为当前p的大小;
设置期望状态Sterminal为p取整后为0;
使用∈-greedy算法在状态S下选取动作
其中,random A表示从动作集合(加大第一速度,减小第一速度)中随机选取动作A,maxAQ(S,A)表示选择使Q(S,A)值最大的动作A,
Q(S,A)为在状态S下执行动作A的动作价值函数,rand为随机数,∈为贪婪因子;∈贪婪因子设置为0.1,rand是使用Python中random()函数得到在[0,1)范围内随机生成的一个实数,∈贪婪因子设置得越大就越不贪婪因为maxAQ(S,A)总是做出在当前看来是最好的选择,但不从整体最优上加以考虑,算法得到的是在某种意义上的局部最优解,因此通过设置贪婪因子引入随机选取动作A的步骤,能有效减少其陷入局部最优解中。
SAR步骤:在状态S下执行动作A,改变第一速度,进入下一状态S',查阅奖励矩阵reward得到奖励R;更新Q表中状态S和动作A对应的Q(S,A),跳转至SA步骤,
更新规则为Q(S,A)=Q(S,A)+α(R+γQ(S',A')-Q(S,A)),
其中,R+γQ(S',A')-Q(S,A)为TD误差,α为学习率设置为0.1,γ为衰减因子设置为0.9;
SA步骤:使用∈-greedy算法在状态S'下选取动作A';
令状态S'赋值给状态S,将状态A'赋值给状态A,回到SAR步骤;
直到状态S=Sterminal时,保持当前第一速度不变。
因为通过人工很难确定所有影响第一速度大小因素,而通过机器学习,在冲压过程中,每次冲压作业的数据都会被用于优化预设的第一速度,从而不需要人工在对冲压机器进行调试,而且冲压越多,后面冲压生产的产品精度就越高。
最后应当说明的是,以上实施例仅用以说明本发明创造的技术方案,而非对本发明创造保护范围的限制,尽管参照较佳实施例对本发明创造作了详细地说明,本领域的普通技术人员应当理解,可以对本发明创造的技术方案进行修改或者等同替换,而不脱离本发明创造技术方案的实质和范围。
Claims (1)
1.冲压控制方法,其特征在于,每次冲压过程中,控制冲压头在向工件行进至稳速段起点时的速度为预设的第一速度,并控制冲压头在稳速段内以第一速度匀速行进;稳速段为预冲行程的其中一段,稳速段的终点为工进开始位,预冲行程为冲压头从其初始位置行进至工进开始位的行程,工进开始位为冲压头开始接触工件的位置,所述预设的第一速度通过以下步骤确定:
每次冲压行程结束后,检测实际的工进结束位;
计算实际的工进结束位与预设的工进结束位之间的偏差数值的绝对值p,所述偏差数值为实际的工进结束位与预设的工进结束位的距离差值;
采用Sarsa算法进行强化学习:
建立奖励矩阵
初始化Q表,将Q表全部置零;
状态S为当前p的大小;
设置期望状态Sterminal为p取整后为0;
使用∈-greedy算法在状态S下选取动作
其中,random A表示从动作集合(加大第一速度,减小第一速度)中随机选取动作A,maxAQ(S,A)表示选择使Q(S,A)值最大的动作A,
Q(S,A)为在状态S下执行动作A的动作价值函数,rand为随机数,∈为贪婪因子;
SAR步骤:在状态S下执行动作A,改变第一速度,进入下一状态S',查阅奖励矩阵reward得到奖励R;更新Q表中状态S和动作A对应的Q(S,A),跳转至SA步骤;
更新规则为Q(S,A)=Q(S,A)+α(R+γQ(S',A')-Q(S,A)),
其中,R+γQ(S',A')-Q(S,A)为TD误差,α为学习率,γ为衰减因子;
SA步骤:使用∈-greedy算法在状态S'下选取动作A';
将状态S'赋值给状态S,将状态A'赋值给状态A,回到SAR步骤;
直到状态S=Sterminal时,保持当前第一速度不变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011567548.6A CN112775242B (zh) | 2020-12-25 | 2020-12-25 | 冲压控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011567548.6A CN112775242B (zh) | 2020-12-25 | 2020-12-25 | 冲压控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112775242A CN112775242A (zh) | 2021-05-11 |
CN112775242B true CN112775242B (zh) | 2022-10-28 |
Family
ID=75752605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011567548.6A Active CN112775242B (zh) | 2020-12-25 | 2020-12-25 | 冲压控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112775242B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2705591B2 (ja) * | 1994-10-04 | 1998-01-28 | 村田機械株式会社 | パンチ駆動制御装置 |
TW201307046A (zh) * | 2011-08-11 | 2013-02-16 | Ct Line Machine Industry Co Ltd | 沖壓頭座速度控制方法 |
TW201307050A (zh) * | 2011-08-11 | 2013-02-16 | Ct Line Machine Industry Co Ltd | 沖壓速度的控制方法 |
CN103480790A (zh) * | 2012-06-14 | 2014-01-01 | 苏州工业园区高登威科技有限公司 | 工件的单次冲压固定方法 |
JP6077821B2 (ja) * | 2012-10-18 | 2017-02-08 | 株式会社アマダホールディングス | プレスブレーキおよびワークの曲げ加工方法 |
CN104057637B (zh) * | 2014-05-08 | 2016-02-24 | 浙江工业大学 | 一种基于支持向量机的数控冲床的刹车曲线自学习方法 |
CN104191643B (zh) * | 2014-08-20 | 2016-05-25 | 江苏大学 | 单动液压机冲压速度和压边力的监测和控制系统及方法 |
CN106739128B (zh) * | 2016-12-20 | 2018-05-01 | 武汉理工大学 | 一种基于急动度的伺服冲压速度控制方法 |
JP2019141869A (ja) * | 2018-02-19 | 2019-08-29 | ファナック株式会社 | 制御装置及び機械学習装置 |
-
2020
- 2020-12-25 CN CN202011567548.6A patent/CN112775242B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112775242A (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102016105871A1 (de) | Blechbiegeverfahren zum Erziehlen einer hohen Winkelgenauigkeit | |
CN106372337A (zh) | 一种数控机床热机阶段的热变形预测方法 | |
CN1878623A (zh) | 冲压成形加工装置、冲压成形加工方法、计算机程序及存储媒体 | |
CN106599517A (zh) | 一种基于工艺数据库的折弯角度与滑块进深的校正方法 | |
CN112775242B (zh) | 冲压控制方法 | |
US7607329B2 (en) | Method for free bending | |
CN105975786A (zh) | 一种折弯机加工部件工进深度的计算方法 | |
CN103279030A (zh) | 基于贝叶斯框架的动态软测量建模方法及装置 | |
CN109675931B (zh) | 一种板形调控功效系数自学习方法及系统 | |
CN109940062B (zh) | 一种模型与数据耦合驱动的弯曲回弹补偿方法 | |
Havinga et al. | Estimating product-to-product variations in metal forming using force measurements | |
CN114800049B (zh) | 一种光栅尺加工运行信号误差补偿系统 | |
CN112329198B (zh) | 一种基于数据驱动的宽厚板放尺长度优化方法 | |
EP3631387A1 (de) | Verfahren zum bestimmen von materialeigenschaften eines werkstücks durch audioanalyse einer werkstückbearbeitung sowie stanzmaschine und computerprogrammprodukt | |
CN109884893B (zh) | 一种多工序变量间动态时滞估计方法 | |
CN103264078B (zh) | 一种考虑回弹补偿的数控闸压加工方法 | |
CN105903874A (zh) | 一种快速锻造液压机锻造变形功补偿控制方法 | |
JP2022178002A (ja) | 圧延荷重予測方法、圧延制御方法、及び圧延荷重予測装置 | |
CN114210766B (zh) | 一种圆锯片智能化整平方法 | |
Tao et al. | Air Bending of Sheet Metal Based on the Grey Prediction Model. | |
CN104959455B (zh) | 冷弯成型中的在线连续冲孔方法与在线连续冲孔设备 | |
CN113112120B (zh) | 一种热轧带钢侧压机的在线精度评价方法 | |
CN110802870B (zh) | 伺服压力机的至少一个成形工艺特性参数的确定 | |
CN105279605B (zh) | 一种动态变化权重下的批加工机调度方法 | |
CN117341261B (zh) | 一种伺服直驱螺旋压力机智能控制方法及系统 |
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 |