CN113557102A - 金属机加工设备中的喷嘴状态或类型的识别 - Google Patents

Abstract

本发明涉及一种金属机加工设备(100)，该金属机加工设备(100)具有：气体喷嘴(101)，该气体喷嘴(101)用于产生气体射流并且该气体喷嘴(101)在外侧上并在一个端部上具有喷嘴出口开口(131)；电子摄像机(103)，该电子摄像机(103)用于获取气体喷嘴(101)的具有喷嘴出口开口(131)的端部的数字图像(105)；以及模式识别模块(115)，该模式识别模块(115)用于将数字图像(105)映射成来自喷嘴状态(109‑1、109‑2、109‑3)的组和/或喷嘴类型中的至少一个喷嘴模式。

Description

金属机加工设备中的喷嘴状态或类型的识别

本发明涉及机加工设备、特别是用于金属的切割机，其能够自动检测喷嘴状态和/或喷嘴类型，并且涉及用于检测喷嘴状态和/或喷嘴类型的方法。

在切割系统中，特别是在平板切割系统中，以激光束和气体射流对工件进行机加工。气体动力学起着重要的作用，这是气体喷嘴成为关键元件的原因。根据机加工方式以及工件的厚度和类型，使用不同的气体喷嘴。由于气体喷嘴在切割期间靠近机加工过程，因此气体喷嘴会受到很大的磨损。因此，以规则的时间间隔对气体喷嘴状态进行检查，并且根据磨损情况进行更换。使用错误的喷嘴类型或使用磨损的气体喷嘴进行切割将导致切割质量显著降低。

在当今的大多数系统中，操作者自己必须检查并查看是否需要更换气体喷嘴以及何时需要更换气体喷嘴。这样的检查是劳动密集的且耗时的。此外，当必须更换气体喷嘴时、即仅在已经以非最佳方式切割材料之后更换气体喷嘴时，通常被认为为时已晚。另外，操作者也可能预防性地过早地更换气体喷嘴，甚至在气体喷嘴仍然能够使用的情况下更换气体喷嘴。这种方法在技术上是低效的。

本发明的目的是保持最佳切割质量以及避免有缺陷的切割过程。

本技术目的通过根据独立权利要求的主题解决。有利实施方式是从属权利要求、说明书和附图的主题。

根据第一方面，该目的通过一种机加工设备、特别是金属切割装置、优选地激光金属切割机来实现，该机加工设备具有：气体喷嘴，该气体喷嘴用于产生气体射流，并且该气体喷嘴在外侧上并在一个端部处具有喷嘴出口开口；电子摄像机，该电子摄像机用于获取气体喷嘴的具有喷嘴出口开口的端部的数字图像；以及模式识别模块，该模式识别模块用于将数字图像映射成来自喷嘴状态和/或喷嘴类型的组中的至少一个喷嘴模式。外侧是指气体喷嘴的外侧上。气体在气体喷嘴内流动，并穿过喷嘴出口开口到达外侧进入环境中。通过自动的喷嘴状态检测，可以消除气体喷嘴更换延迟的缺点。机械更加自主且可靠。可以容易地维持切割质量，并且可以预防因磨损的气体喷嘴而导致的有缺陷的切割过程。

对喷嘴类型进行检测例如实现了以下技术优势：气体喷嘴可以被相同类型的另一气体喷嘴替换并且可以避免混淆。在由操作者手动更换的情况下或在自动的喷嘴更换器的情况下，喷嘴类型检测可以防止使用错误的喷嘴类型。由于喷嘴开口的尺寸以及不同类型的高压切割和低压切割，气体喷嘴的类型有所不同。

在机加工设备的技术上有利的实施方式中，机加工设备包括照明装置，该照明装置用于在记录数字图像期间对喷嘴出口开口进行照明。这产生了例如以下技术优势：提高了图像质量和喷嘴状态检测的准确性。此外，不可控制的外来光的干扰影响—这可能根据用户而不同—得以减小。

在机加工设备的另一技术上有利的实施方式中，照明装置包括用于从多个方向对喷嘴出口开口进行照明的多个光源。这产生了例如以下技术优势：可以从不同方向选择性地对气体喷嘴进行照明。

在机加工设备的另一技术上有利的实施方式中，光源围绕喷嘴出口开口均匀地布置。这产生了例如以下技术优势：在可比较的照明条件下获得图像。

在机加工设备的另一技术上有利的实施方式中，光源能够单独地进行控制。这产生了例如以下技术优势：气体喷嘴可以选择性地由一个或更多个光源进行照明。

在机加工设备的另一技术上有利的实施方式中，光源被设计成发射具有预定波长的光。这产生了例如以下技术优势：以简单的方式检测气体喷嘴的变色。

在机加工设备的另一技术上有利的实施方式中，电子摄像机被设计成检测预定波长范围内的数字图像。这产生了例如以下技术优势：可以抑制干扰性环境光。

在机加工设备的另一技术上有利的实施方式中，模式识别模块被设计成以两种或更多种不同程度指示喷嘴状态。这产生了例如以下技术优势：可以根据切割质量的要求及时更换气体喷嘴。

在机加工设备的另一技术上有利的实施方式中，模式识别模块包括经训练的神经网络或深度学习算法。这产生了例如以下技术优势：可以快速地对喷嘴模式进行分类。

在机加工设备的另一技术上有利的实施方式中，机加工设备包括用于手动输入喷嘴状态的用户界面。这产生了例如以下技术优势：可以基于其他数据对模式识别模块进行训练，以及改进了喷嘴状态检测。

在机加工设备的另一技术上有利的实施方式中，机加工设备可以与机加工设备外部的云端计算机或其他中央计算机联网。为此，机加工设备可以包括通信接口，经由该通信接口可以建立与云端计算机或另一中央计算机的数据连接。这产生了例如以下技术优势：测量数据可以(经由物联网(IoT)套件)回写到中央计算机中，以便通过该测量数据进一步优化模式识别。此外，有利的是，可以从多个机加工设备收集数据，并且可以对更广泛的数据进行分析，使得实现附加优化的模式识别。可选地，可以提供针对每个机加工设备的单独的优化模式识别。此外，通过机加工设备的网络化实施方式，可以连续地监测机加工设备的功能，使得能够对装置进行更好的维护并且使装置的故障更少。通过机加工设备的网络化实施方式，机加工设备的软件可以始终保持最新。

在机加工设备的另一技术上有利的实施方式中，机加工设备是平板切割机或切割装置。这产生了例如以下技术优势：喷嘴状态检测被用在特别适合的机加工设备中。

根据第二方面，该目的通过用于检测气体喷嘴的磨损状态的方法来实现，该方法包括以下步骤：获取气体喷嘴的具有喷嘴出口开口的端部的数字图像；以及使用模式识别模块将数字图像映射成来自喷嘴状态和/或喷嘴类型的组中的至少一个喷嘴模式。通过该方法，实现了与根据第一方面的机加工设备的技术优势相同的技术优势。在这种情况下，借助于图像处理(特征提取)对图像进行预处理可能是有利的。

在该方法的技术上有利的实施方式中，在记录数字图像期间，对喷嘴出口开口进行照明。这同样产生了例如提高了图像质量和喷嘴状态检测的准确度的技术优势。

在该方法的另一技术上有利的实施方式中，单独地对光源进行控制。这同样产生了例如气体喷嘴可以选择性地由一个或更多个光源进行照明的技术优势。

在该方法的另一技术上有利的实施方式中，光源发射具有预定波长的光。这同样产生了例如可以容易地检测到气体喷嘴的变色的技术优势。

在该方法的另一技术上有利的实施方式中，经由用户界面将喷嘴状态输入。这同样产生了例如可以基于其他数据对模式识别模块进行训练以及改进喷嘴状态检测的技术优势。这允许算法继续学习。

本发明的示例性实施方式在附图中图示，并且将在下面更详细地描述。

在附图中：

图1是具有气体喷嘴的机加工设备的视图；

图2示出了气体喷嘴的不同图像；

图3是喷嘴状态的检测的示意图；以及

图4是用于检测喷嘴状态的方法的框图。

图1示出了位于机加工设备100上方的气体喷嘴101的视图。机加工设备100用作用于切割金属的机加工设备，比如平板切割机中的用于切割金属的机加工设备，或用作用于金属板材和/或管的切割机。机加工设备100优选地为用于金属板材和/或管的激光切割机。机加工设备100配备有喷嘴或气体喷嘴101。气体喷嘴101具有喷嘴出口开口131，切割气体可以从该喷嘴出口开口131中流出，并且进一步地，在优选的激光切割机的情况下，在机械的工作状态下激光束从该喷嘴出口开口131穿过。

在下文中，将使用电子摄像机103来识别气体喷嘴101的类型和磨损的严重性或磨损程度。为此，可以使用具有喷嘴定心站的机加工设备100，该喷嘴定心站可以借助于电子摄像机103和多种照明情况来检查或测量激光束相对于喷嘴出口开口131的中心的对中情况。在这种情况下，平板切割机的切割头在机加工设备100上方移动，使得气体喷嘴101停留在摄像机103上方。然后，摄像机103从下方观察具有喷嘴出口开口131的气体喷嘴101。同样从下方入射的照明使得容易看到喷嘴的边缘。气体喷嘴101居中地定位在摄像机103的视场121中。

电子摄像机105布置成接收从下方观察到的气体喷嘴101的数字图像。从下方是指从气体射流离开气体喷嘴101的一侧。摄像机103和透镜117设置在气体喷嘴101的正下方。在记录期间，借助于照明装置111从不同侧对气体喷嘴101的喷嘴出口开口131进行照明。通过多个光源113——可以可选地从不同侧将其开启——实现的照明使得被检查的喷嘴出口开口131的图像看起来不同，并且产生不同的阴影。

为此，照明装置111可以例如具有四个光源113，四个光源113相对于喷嘴出口开口131均匀地布置并且从不同方向对喷嘴出口开口131进行照明。如果在开启仅一个光源113的情况下选择图像，这将得到喷嘴出口开口131的来自不同方向的四个图像。

控制装置(控制器)可以借助于不同的滤波器来优化图像，使得光源113发射具有预定波长的光或者由摄像机103进行记录。例如，光源113也可以是发光二极管。

图2示出了气体喷嘴101的喷嘴出口开口131的从不同方向进行照明的不同图像105。图像105以气体喷嘴101的中央的仰视图示出了气体喷嘴101的喷嘴出口开口131。气体喷嘴101的梢部有损坏处123。

图像105中的每个图像均以不同的照明方式拍摄。对于每个图像105，仅开启四个光源113中的一个光源。如果添加同时开启多个、即两个、三个或四个光源113时的附加图像105，则会添加气体喷嘴101的另外十一个图像105。这增加了数据库，提高了喷嘴状态检测的准确性。一般而言，光源113的数目和布置可以改变。

这有助于算法来获得与气体喷嘴101相关的空间信息。在不同照明情况时捕获的图像105最终被馈送到作为模式识别模块115的算法以用于检测喷嘴类型和喷嘴状态的目的。为此，机加工设备100包括例如用于执行该算法的微控制器。

图3示出了借助于经训练的神经网络107检测喷嘴状态的示意图，该经训练的神经网络107被用作模式识别模块115。神经网络107由软件模块或硬件模块形成。然而，一般来说，也可以使用其他模式识别模块115。

神经网络107包括经由通信链路彼此连结的一组加工单元(machining unit)、即神经元129。神经网络107包括输入层125和输出层127。在输入层125与输出层127之间存有任意数目的加工层。在每种情况下数据均会从一个层进一步传播到下一层。在神经元129之间的每个通信链路上，数据以不同的方式进行加权。

由摄像机103获得的气体喷嘴101的不同照明情况时的数字图像105用作输入到神经网络107的输入层125中的输入数据。替代性地，借助于特征提取装置获得的数据(特征提取)也可以传送到输入层125。根据输入图像105，在经训练的神经网络107的输出层127处获得图像105上示出的气体喷嘴101的喷嘴状态或喷嘴类型。利用同一图像105，可以确定喷嘴类型和喷嘴状态两者。神经网络107可以从单个图像105中仅确定喷嘴类型或仅确定喷嘴状态。

为了使神经网络107检测气体喷嘴101的喷嘴状态109-1、109-2或109-3或喷嘴类型，基于已使用和未使用的气体喷嘴101的现有图像数据对神经网络107进行初始训练和示教。在这种情况下，对各个神经元129之间的权重和神经元129本身的权重进行设定。在训练期间，对于神经网络107而言，气体喷嘴101的相应类型和磨损程度是已知的。在成功的训练之后，该算法可以根据经训练的标准和程度自动检测磨损程度以及喷嘴类型。训练数据所源自的气体喷嘴已预先由切割专家进行评估和分类。

通过神经网络107，可以容易且快速地确定喷嘴状态109-1、109-2和109-3，并且可以提高状态检测的可靠性。可以借助于神经网络107、例如基于以下标准、对气体喷嘴101进行分类：

–气体喷嘴的喷嘴类型

–喷嘴开口的圆度

–喷嘴开口的边缘的圆度(开口的埋头孔对切割性能有影响)

–粘附颗粒/飞溅物

–变色/氧化

–磨损(刷子清理周期)

–碰撞凹痕、其他破坏/变形

–插入物

这些磨损标准中的每个磨损标准都可以例如以三种程度109-1、109-2和109-3进行评价，比如109-1：“已损坏/更换”；109-2：“对于非关键应用而言可以”；以及109-3：“对于所有应用而言均可以/良好”。替代性地，可以使用动态或连续的值，比如介于零与一之间的值。

然而，一般而言，可以使用其他标准和不同数量的喷嘴状态109-1、109-2和109-3。一般而言，对于喷嘴状态检测，可以使用智能算法、人工智能、神经网络或深度学习算法。

图4示出了用于检测机加工设备100中的气体喷嘴101的喷嘴状态的方法的框图。该方法包括步骤S101，其为获取气体喷嘴101的具有喷嘴出口开口131的端部的数字图像105。这可以例如借助于电子摄像机103来实现，电子摄像机103布置成使得其从下方沿竖向方向接纳气体喷嘴101的梢部。电子摄像机103以此方式生成对应的数字图像数据。

此后，在可选的步骤S102中，可以通过算法提取某些特征，比如喷嘴的中心、开口的直径或图像数据的滤除结果。通过作为进行预先加工的步骤S102，可以减小神经网络107的输入层125的大小。

在步骤S103中，可以借助于作为模式识别模块131的经训练的神经网络107将数字图像105映射成来自包括喷嘴状态109-1、109-2、109-3和/或喷嘴类型的组中的喷嘴模式。

在步骤S104中，对是否继续使用气体喷嘴101或将气体喷嘴101弹出进行自动判定。这可以通过使用给定配置来完成，该给定配置确定喷嘴状态109-1、109-2、109-3为优良或不良。

根据喷嘴状态的检测结果，判定是否继续进行切割操作或更换气体喷嘴101。然而，也可以根据所需要的的加工性针对尽快更换或稍后更换来评估气体喷嘴101。与执行复杂的切割过程的情况相比，在稳健的切割过程中，气体喷嘴101使用得更久。在机加工设备100内的对机械控制的实现可以附加地包括首先将气体喷嘴101定位在摄像机103上方。如果检测到气体喷嘴101无法再使用时，则机械控制器可以自动弹出气体喷嘴101。

通过该机加工设备和该方法，可以以很少的技术工作实现可靠的喷嘴状态检测。此外，可以确定是否使用了正确类型的气体喷嘴101。可以及时地检测到已损坏的气体喷嘴101并且自动地更换已损坏的气体喷嘴101。这可以确保不会以不太理想的方式实施切割过程。

实际的喷嘴状态109-1、109-2、109-3可以附加地由切割专家进行评估并且经由用户界面119进行输入。根据应用，可以以不同的方式评估气体喷嘴101的磨损。对一个用户而言似乎仍然能够使用的气体喷嘴101对于另一用户而言已经被调换。这样，神经网络107可以被进一步训练，并且可以学习和考虑用户的判断。这样，神经网络107可以通过用户继续学习。

如果可以使用相同的机加工设备100来进行本文中公开的喷嘴状态检测，如已经借助于电子摄像机进行的现有的喷嘴定心，则可以以很少的工作量来实施该方法。

结合本发明的各个实施方式说明和示出的所有特征可以以根据本发明主题的不同组合而提供，以同时实现其有利效果。

本发明的保护范围由权利要求书给出，并且不受说明书中说明的或附图中示出的特征的限制。

附图标记列表

100 机加工设备

101 气体喷嘴

103 电子摄像机

105 图像

107 神经网络

109 喷嘴状态

111 照明装置

113 光源

115 模式识别模块

117 透镜

119 用户界面

121 视场

123 损坏处

125 输入层

127 输出层

129 神经元

131 喷嘴出口开口

Claims (16)

1.一种用于金属的机加工设备(100)，所述机加工设备(100)包括：

气体喷嘴(101)，所述气体喷嘴(101)用于产生气体射流，所述气体喷嘴(101)在外侧上并在一个端部处具有喷嘴出口开口(131)；

电子摄像机(103)，所述电子摄像机(103)用于获取所述气体喷嘴(101)的具有所述喷嘴出口开口(131)的所述端部的数字图像(105)；以及

模式识别模块(115)，所述模式识别模块(115)用于将所述数字图像(105)映射成来自喷嘴状态组(109-1、109-2、109-3)和/或喷嘴类型中的至少一个喷嘴模式。

2.根据权利要求1所述的机加工设备(100)，其中，所述机加工设备(100)包括照明装置(111)，所述照明装置(111)用于在记录所述数字图像(105)期间对所述喷嘴出口开口(131)进行照明。

3.根据权利要求2所述的机加工设备(100)，其中，所述照亮装置(111)包括用于从多个方向对所述喷嘴出口开口(131)进行照明的多个光源(113)。

4.根据权利要求3所述的机加工设备(100)，其中，所述光源(113)围绕所述喷嘴出口开口(131)均匀地布置。

5.根据权利要求3或4所述的机加工设备(100)，其中，所述光源(113)能够单独地进行控制。

6.根据权利要求3至5中的任一项所述的机加工设备(100)，其中，所述光源(113)适于发射具有预定波长的光。

7.根据前述权利要求中的任一项所述的机加工设备(100)，其中，所述模式识别模块(115)配置成以两种或更多种不同的程度指示所述喷嘴状态(109-1、109-2、109-3)。

8.根据前述权利要求中的任一项所述的机加工设备(100)，其中，所述模式识别模块(115)包括经训练的神经网络(107)或深度学习算法。

9.根据前述权利要求中的任一项所述的机加工设备(100)，其中，所述机加工设备(100)包括用于手动输入所述喷嘴状态(109-1、109-2、109-3)的用户界面(119)。

10.根据前述权利要求中的任一项所述的机加工设备(100)，其中，所述机加工设备(100)能够与所述机加工设备(100)外部的云端计算机或其他中央计算机联网。

11.根据前述权利要求中的任一项所述的机加工设备(100)，其中，所述机加工设备(100)是平板切割系统或切割装置。

12.一种用于检测气体喷嘴(101)的磨损状态(109-1、109-2、109-3)的方法，所述方法包括以下步骤：

–检测(S101)所述气体喷嘴(101)的具有喷嘴出口开口(131)的端部的数字图像(105)；以及

–借助于模式识别模块(115)将所述数字图像(105)映射(S103)成来自喷嘴状态组(109-1、109-2、109-3)和/或喷嘴类型中的至少一个喷嘴模式。

13.根据权利要求12所述的方法，其中，在获取所述数字图像(105)期间，对所述喷嘴出口开口(131)进行照明。

14.根据权利要求12或13所述的方法，其中，单独地对所述光源(113)进行控制。

15.根据权利要求12至14中的任一项所述的方法，其中，所述光源(113)发射具有预定波长的光。

16.根据权利要求12至15中的任一项所述的方法，其中，经由用户界面(119)将所述喷嘴状态(109-1、109-2、109-3)输入。

Images