CN113205532B - 一种锻压设备控制装置 - Google Patents
一种锻压设备控制装置 Download PDFInfo
- Publication number
- CN113205532B CN113205532B CN202110491743.3A CN202110491743A CN113205532B CN 113205532 B CN113205532 B CN 113205532B CN 202110491743 A CN202110491743 A CN 202110491743A CN 113205532 B CN113205532 B CN 113205532B
- Authority
- CN
- China
- Prior art keywords
- forging
- image
- control device
- machine head
- module
- 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
- 238000005242 forging Methods 0.000 title claims abstract description 54
- 238000003825 pressing Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 8
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005482 strain hardening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Forging (AREA)
Abstract
本发明公开了一种锻压设备控制装置,包括锻压设备主体和控制端,锻压设备主体包括位于顶部的机头,机头的顶部安装有液压驱动器,液压驱动器的底部连接有伸缩杆,伸缩杆贯穿机头并向下延伸,伸缩杆的一端连接有上压板,机头的底部设置有工作平台,工作平台上设置有驱动电机,驱动电机的一端连接有旋转轴,旋转轴的两端均设置有固定座,旋转轴的外侧套接有滑块,滑块的一端连接有下模板,滑块上安装有摄像头,摄像头将下模板锻压模板图像发送至控制端,控制端包括PLC控制器、特征提取模块、图像预处理模块、分析处理模块。本发明能够实现自动化锻压设备控制,大大提高生产产品的精度和生产效率,从而完成计算机加内置程序控制设备的锻压全过程。
Description
技术领域
本发明涉及锻压技术领域,特别涉及一种锻压设备控制装置。
背景技术
锻压设备是金属和机械冷加工用的设备,他只改变金属的外形状。属于初加工设备,但锻压过程中由于受到各种干扰因素影响,在锻压时,容易出现锻造不彻底、锻造效果不好的问题,因此,在锻压过程中,需要对设备进行调控,以解决各种突发状态,然而目前的控制设备不具备解决突发状态的能力,一旦受到干扰就需要人为进行调控,这样一方面会导致锻压设备的效率急剧降低,也会增加更多的不确定因素。
发明内容
为了至少解决或部分解决上述问题,提供一种锻压设备控制装置。
为了达到上述目的,本发明提供了如下的技术方案:
本发明一种锻压设备控制装置,包括锻压设备主体和控制端,所述锻压设备主体包括位于顶部的机头,所述机头的顶部安装有液压驱动器,所述液压驱动器的底部连接有伸缩杆,所述伸缩杆贯穿机头并向下延伸,所述伸缩杆的一端连接有上压板,所述机头的底部设置有工作平台,所述工作平台上设置有驱动电机,所述驱动电机的一端连接有旋转轴,所述旋转轴的两端均设置有固定座,所述旋转轴的外侧套接有滑块,所述滑块的一端连接有下模板,所述滑块上安装有摄像头,所述摄像头将下模板锻压模板图像发送至控制端,所述控制端包括PLC控制器、特征提取模块、图像预处理模块、分析处理模块,所述图像预处理模块将下模板的图像进行降噪处理并将处理后的图像发送至特征提取模块,所述特征提取模块采用二值化对特征数据进行提取,得到下模板锻造状态的特征图像,并将特征图像发送至分析处理模块,所述分析处理模块根据当前的图像数据,输出处理策略,将该策略发送至PLC控制器,所述PLC控制器根据该策略调控液压驱动器和驱动电机的数据参数。
作为本发明的一种优选技术方案,所述液压驱动器和驱动电机的数据参数包括功率和运行方向。
作为本发明的一种优选技术方案,所述特征提取模块基于二维OTSU算法对含有目标的区域进行分割后,得到目标所在像素区域,并建立特征图像训练库,采用卷积神经网络对锻造特征图像进行数据提取,得到当前状态下的锻造程度的特征数据。
作为本发明的一种优选技术方案,所述卷积神经网络包括编码器和解码器路径,所述编码器和解码器路径均包含四个卷积层、一个批标准化层、一个Relu函数层。
作为本发明的一种优选技术方案,所述图像预处理模块对图像依次进行灰度处理、伽马非线性化处理,完成降噪。
作为本发明的一种优选技术方案,所述分析处理模块根据锻造状态图像生成决策树,并找出决策树中效率最高的决策组合进行输出。
与现有技术相比,本发明的有益效果如下:
本发明能够实现自动化锻压设备控制,大大提高生产产品的精度和生产效率,从而完成计算机加内置程序控制设备的锻压全过程,利用实时数据信息了解当前锻压状态,根据当前状态调整锻压模式,可极大的避免干扰因素的影响,适应任何状态下的控制要求。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明的整体结构示意图;
图2是本发明的整体结构模块图;
图中:1、锻压设备主体;2、控制端;3、机头;4、液压驱动器;5、伸缩杆;6、上压板;7、工作平台;8、驱动电机;9、旋转轴;10、固定座;11、滑块;12、下模板;13、摄像头;14、PLC控制器;15、特征提取模块;16、图像预处理模块;17、分析处理模块。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。其中附图中相同的标号全部指的是相同的部件。
此外,如果已知技术的详细描述对于示出本发明的特征是不必要的,则将其省略。需要说明的是,下面描述中使用的词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
还需要说明的是,除非另有明确的规定和限定,术语“设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
如图1-2所示,本发明提供一种锻压设备控制装置,包括锻压设备主体1和控制端2,锻压设备主体1包括位于顶部的机头3,机头3的顶部安装有液压驱动器4,液压驱动器4的底部连接有伸缩杆5,伸缩杆5贯穿机头3并向下延伸,伸缩杆5的一端连接有上压板6,机头3的底部设置有工作平台7,工作平台7上设置有驱动电机8,驱动电机8的一端连接有旋转轴9,旋转轴9的两端均设置有固定座10,旋转轴9的外侧套接有滑块11,滑块11的一端连接有下模板12,滑块11上安装有摄像头13,摄像头13将下模板锻压模板图像发送至控制端2,控制端2包括PLC控制器14、特征提取模块15、图像预处理模块16、分析处理模块17,图像预处理模块16将下模板的图像进行降噪处理并将处理后的图像发送至特征提取模块15,特征提取模块15采用二值化对特征数据进行提取,得到下模板锻造状态的特征图像,并将特征图像发送至分析处理模块17,分析处理模块17根据当前的图像数据,输出处理策略,将该策略发送至PLC控制器14,PLC控制器14根据该策略调控液压驱动器4和驱动电机8的数据参数。
常规锻压设备必须有人工操作,自动化锻压设备由计算机加内置程序控制可自动控制设备的锻压全过程。
而具有AI(人工智能)、单片机、PLC(可编程逻辑控制器)的精密锻压系统能大大提高生产产品的精度和生产效率,控制端部分是摄像头、单片机到PLC控制器的一个过程,单片机的设计思路是适应任何状态下的控制要求,通过INT0输出脉冲信号,软件需要解决的是如何根据实时状态对当前锻压进行调控,软件工作流程:先进行图像预处理,将图像依次进行灰度处理、伽马非线性化处理,完成降噪后,经二维OTSU算法对含有目标的区域进行分割,得到目标所在像素区域,并建立特征图像训练库,采用卷积神经网络对锻造特征图像进行数据提取,其中,卷积神经网络包括编码器和解码器路径,所述编码器和解码器路径均包含四个卷积层、一个批标准化层、一个Relu函数层,得到当前状态下的锻造程度的特征数据,根据锻造状态特征图像生成决策树,并找出决策树中效率最高的决策组合进行输出,PLC控制器14根据该策略调控液压驱动器4和驱动电机8的数据参数,液压驱动器4和驱动电机8的数据参数包括功率和运行方向,在锻压过程中,液压驱动器4带动伸缩杆5进行伸缩,通过伸缩杆5使得底部的上压板6进行升降,对底部的下模板12进行锻压,同时,由驱动电机8控制下模板12的位置,从而对下模板12各个不同的位置实现精准锻压。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种锻压设备控制装置,其特征在于,包括锻压设备主体(1)和控制端(2),所述锻压设备主体(1)包括位于顶部的机头(3),所述机头(3)的顶部安装有液压驱动器(4),所述液压驱动器(4)的底部连接有伸缩杆(5),所述伸缩杆(5)贯穿机头(3)并向下延伸,所述伸缩杆(5)的一端连接有上压板(6),所述机头(3)的底部设置有工作平台(7),所述工作平台(7)上设置有驱动电机(8),所述驱动电机(8)的一端连接有旋转轴(9),所述旋转轴(9)的两端均设置有固定座(10),所述旋转轴(9)的外侧套接有滑块(11),所述滑块(11)的一端连接有下模板(12),所述滑块(11)上安装有摄像头(13),所述摄像头(13)将下模板锻压模板图像发送至控制端(2),所述控制端(2)包括PLC控制器(14)、特征提取模块(15)、图像预处理模块(16)、分析处理模块(17),所述图像预处理模块(16)将下模板的图像进行降噪处理并将处理后的图像发送至特征提取模块(15),所述特征提取模块(15)采用二值化对特征数据进行提取,得到下模板锻造状态的特征图像,并将特征图像发送至分析处理模块(17),所述分析处理模块(17)根据当前的图像数据,输出处理策略,将该策略发送至PLC控制器(14),所述PLC控制器(14)根据该策略调控液压驱动器(4)和驱动电机(8)的数据参数。
2.根据权利要求1所述的一种锻压设备控制装置,其特征在于,所述液压驱动器(4)和驱动电机(8)的数据参数包括功率和运行方向。
3.根据权利要求1所述的一种锻压设备控制装置,其特征在于,所述特征提取模块(15)基于二维OTSU算法对含有目标的区域进行分割后,得到目标所在像素区域,并建立特征图像训练库,采用卷积神经网络对锻造特征图像进行数据提取,得到当前状态下的锻造程度的特征数据。
4.根据权利要求3所述的一种锻压设备控制装置,其特征在于,所述卷积神经网络包括编码器和解码器路径,所述编码器和解码器路径均包含四个卷积层、一个批标准化层、一个Relu函数层。
5.根据权利要求1所述的一种锻压设备控制装置,其特征在于,所述图像预处理模块(16)对图像依次进行灰度处理、伽马非线性化处理,完成降噪。
6.根据权利要求1所述的一种锻压设备控制装置,其特征在于,所述分析处理模块(17)根据锻造状态图像生成决策树,并找出决策树中效率最高的决策组合进行输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110491743.3A CN113205532B (zh) | 2021-05-06 | 2021-05-06 | 一种锻压设备控制装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110491743.3A CN113205532B (zh) | 2021-05-06 | 2021-05-06 | 一种锻压设备控制装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113205532A CN113205532A (zh) | 2021-08-03 |
CN113205532B true CN113205532B (zh) | 2022-07-05 |
Family
ID=77028989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110491743.3A Active CN113205532B (zh) | 2021-05-06 | 2021-05-06 | 一种锻压设备控制装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113205532B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113695501B (zh) * | 2021-08-31 | 2022-10-14 | 重庆凯恩机械制造股份有限公司 | 一种基于立式倾斜锻造的转向节成型工艺 |
CN115289971B (zh) * | 2022-09-27 | 2022-12-23 | 江苏新恒基特种装备股份有限公司 | 一种锻坯尺寸监测方法及监测装置 |
CN116372080B (zh) * | 2023-03-15 | 2023-09-19 | 湖州泰仑电力器材有限公司 | 一种金属锻压方法及其系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060068049A (ko) * | 2004-12-15 | 2006-06-21 | 효동기계공업 주식회사 | 다단식 단조성형기의 이송유닛 회전장치 |
CN101164718A (zh) * | 2006-10-19 | 2008-04-23 | 天津市天锻压力机有限公司 | 可实现工件自动对中的数控锻造液压机 |
CN202390340U (zh) * | 2011-11-30 | 2012-08-22 | 天津市天锻液压有限公司 | 一种智能型防火液压机 |
CN207533896U (zh) * | 2017-09-07 | 2018-06-26 | 江西中信航空设备制造有限公司 | 一种锻压机械 |
CN109323753A (zh) * | 2018-06-22 | 2019-02-12 | 田梅 | 基于大数据存储的升降决策机构 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2857889B1 (fr) * | 2003-07-23 | 2005-09-23 | Snecma Moteurs | Procede de fabrication de pieces par forgeage de precision |
-
2021
- 2021-05-06 CN CN202110491743.3A patent/CN113205532B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060068049A (ko) * | 2004-12-15 | 2006-06-21 | 효동기계공업 주식회사 | 다단식 단조성형기의 이송유닛 회전장치 |
CN101164718A (zh) * | 2006-10-19 | 2008-04-23 | 天津市天锻压力机有限公司 | 可实现工件自动对中的数控锻造液压机 |
CN202390340U (zh) * | 2011-11-30 | 2012-08-22 | 天津市天锻液压有限公司 | 一种智能型防火液压机 |
CN207533896U (zh) * | 2017-09-07 | 2018-06-26 | 江西中信航空设备制造有限公司 | 一种锻压机械 |
CN109323753A (zh) * | 2018-06-22 | 2019-02-12 | 田梅 | 基于大数据存储的升降决策机构 |
Non-Patent Citations (3)
Title |
---|
Comparative study of copy-move forgery detection techniques;Mohamed A. Elaskily 等;《2017 Intl Conf on Advanced Control Circuits Systems (ACCS) Systems & 2017 Intl Conf on New Paradigms in Electronics & Information Technology (PEIT)》;20180301;全文 * |
基于PLC和触摸屏的日光温室环境参数控制器设计;孙建英 等;《内蒙古农业大学学报(自然科学版)》;20200630;第41卷(第3期);全文 * |
高精度柔性数控液压板料折弯机控制技术研究;余俊;《中国博士学位论文全文数据库 (工程科技Ⅰ辑)》;20150731(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113205532A (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113205532B (zh) | 一种锻压设备控制装置 | |
CN108942940B (zh) | 一种基于多传感器融合的遥操作机器人打磨控制系统 | |
WO2019007632A1 (de) | Bildauswertung mit zielgerichteter vorverarbeitung | |
CN109701169A (zh) | 一种机械臂穿刺的肿瘤治疗系统 | |
EP3061576B1 (de) | Verfahren zur optimierung eines bewegungsprofils, computerprogramm, steuereinrichtung und technisches system | |
CN108927243A (zh) | 一种碾米机及大米加工碾米工序分布式协同智能控制方法 | |
DE69823977T2 (de) | Steuervorrichtung für den Stössel einer Presse | |
CN111179233A (zh) | 基于激光切割二维零部件的自适应纠偏方法 | |
CN111993422A (zh) | 基于无标定视觉的机器人轴孔对准控制方法 | |
EP3693137A1 (de) | Verfahren zum herstellen eines pfadplanungsmoduls und zum betreiben eines roboters, pfadplanungsmodul und roboter | |
CN112907590A (zh) | 一种基于金属锭打磨信息视觉识别的打磨方法及系统 | |
DE102014217880A1 (de) | Anordnung und Verfahren zu deren Betrieb | |
CN208976290U (zh) | 锻件坯料加热后的分选装置 | |
CN115971563A (zh) | 一种基于图像识别的板材自动切割系统及其工作方法 | |
CN104097090B (zh) | 基于动态特征的随动装夹装置与方法 | |
JP6680812B2 (ja) | ワーク画像生成装置 | |
CN113757540B (zh) | 一种机器视觉引导机器人跟踪的注油系统 | |
CN115157272A (zh) | 一种基于视觉扫描的自动化编程系统 | |
CN112157649A (zh) | 一种基于3d视觉技术的智能机器人 | |
CN106772436A (zh) | Agv激光防撞传感器俯仰角安装调整装置及调整方法 | |
CN109521742A (zh) | 一种用于电动旋转装置的控制系统及控制方法 | |
Wang et al. | Study on the Recognition of Malposition and Location of High-Temperature Forgings in Robotised Die Forging Process Based on Machine Vision | |
CN212733995U (zh) | 一种大型操作机钳杆自适应对中控制系统 | |
CN116604547A (zh) | 智能穿线方法、装置、电子设备及可读存储介质 | |
CN117029687B (zh) | 一种塔架式抽油机短位移激光测冲程装置和方法 |
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 |