CN113589755B - 基于优化补偿的智能调机方法及系统 - Google Patents

基于优化补偿的智能调机方法及系统 Download PDF

Info

Publication number
CN113589755B
CN113589755B CN202111157672.XA CN202111157672A CN113589755B CN 113589755 B CN113589755 B CN 113589755B CN 202111157672 A CN202111157672 A CN 202111157672A CN 113589755 B CN113589755 B CN 113589755B
Authority
CN
China
Prior art keywords
numerical control
control machine
measurement data
machine
intelligent
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
Application number
CN202111157672.XA
Other languages
English (en)
Other versions
CN113589755A (zh
Inventor
潘磊
邢璐
田野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Inrevo Information Technology Co ltd
Original Assignee
Hangzhou Inrevo Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Inrevo Information Technology Co ltd filed Critical Hangzhou Inrevo Information Technology Co ltd
Priority to CN202111157672.XA priority Critical patent/CN113589755B/zh
Publication of CN113589755A publication Critical patent/CN113589755A/zh
Application granted granted Critical
Publication of CN113589755B publication Critical patent/CN113589755B/zh
Priority to PCT/CN2022/112944 priority patent/WO2023051072A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/19—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/35—Nc in input of data, input till input file format
    • G05B2219/35349—Display part, programmed locus and tool path, traject, dynamic locus

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Numerical Control (AREA)

Abstract

本发明公开了一种基于优化补偿的智能调机方法及系统，用于对至少一台数控机台进行智能调机，该方法包括以下步骤：S1：获取所述数控机台的测量模型参数，并接收所述数控机台采集的加工零件的实际测量数据；S2：根据所述测量模型参数将所述数控机台采集到的加工零件的实际测量数据转换为标准格式的测量数据；S3：根据标准格式的测量数据和测量模型参数建立基于信赖域的加权优化问题模型，并对该优化问题模型进行求解，得到所述数控机台的优化补偿值；S4：将所述优化补偿值回传给所述数控机台，以使得所述数控机台根据所述优化补偿值进行调机。本发明解决了现有技术中的“调机”时各尺寸之间可能有的关联性所造成的问题。

Description

基于优化补偿的智能调机方法及系统
技术领域
本发明涉及数控加工技术领域，尤其涉及一种基于优化补偿的智能调机方法及系统。
背景技术
在CNC金属加工行业，将一个零件按照设计图纸最终加工成型的过程需要分解成多个阶段：设计图纸——DFM工艺拆解——NPI加工验证——量产。其中DFM工艺拆解包含将一个零件拆解为多个加工工序，每个工序的加工描述、设备要求、工序图纸、刀具夹具信息、SIP检验标准、程序概述；进入到NPI加工验证阶段则需要选定机台、夹治具、刀具、进行生产验证。“调机”作为生产验证的核心环节，其要做的就是通过调整零件加工时使用的刀具补偿值和坐标系补偿值，使得所有尺寸都达到质量标准。而“调机”的成功与否是由上下游各条件作用共同影响，包括：工艺拆解的合理性、质量管控的可实践性、生产所使用的设备的性能稳定性、夹治具的装配规范性、刀具选用和切割程序的方法优劣性等等，这些所有条件的组合共同影响了调机结果。因而，“调机”是整个生产验证阶段完成快慢的根本决定因素，各相关工作进程的结果验证，都是靠“调机”结果来反映。“调机”越快通过，企业越快可以接到量产订单，越快可以完成产品交付。
在现有的CNC金属加工领域，“调机”的基本进程是：每一台机生产加工第一片料时，生产技术人员会依靠肉眼观察，工作经验，手动调整加工使用的刀具补偿和坐标系补偿值，产出成品零件，再将零件送去线下设备检验测量，看是否能所有尺寸达标。若达标，调机通过。若不达标，换料再次加工调机、送检，直至一片成品所有尺寸合格。产品尺寸达标一般需要进行多次反复调机，由于各尺寸之间都可能有关联性，一把刀或一个坐标系会参与多个尺寸的加工，若进行“头痛医头，脚痛医脚”的补偿，结果可能某处问题尺寸经过调整可达标，而另一处相关尺寸出现问题。因此，在现有的“调机”流程中，必要条件就是“满足数量的并且技术经验丰富”的生产技术人员。只有保证这个条件，才可能使得生产验证阶段如期完成，才可能如期通过技术验证，进而保证顺利获取量产订单。而现实是，当下生产技术人员的招工越来越困难，相应的人力成本也越来越大，成为了制造企业一大痛点。
如果企业能够保证生产技术人员到位，正常进行调机验证，接下来面对的便是“效率受阻”的难点。“调机”的过程耗时不仅仅是一次次调整刀补、坐标系补偿重新加工的时间，还出现在每次调机生产结束后对产品的检测过程上。当下工厂对调机结果的检测多在机外进行，即生产出一片零件后，要拿去实验室，使用专业检测设备，输出检测报告。而检测设备和生产设备之间的比例差距极大，达到了1.5：100。这样，自然产生了大量排队等待检测时间，一片料就可能需要等待数小时，甚至更久。如此一来，一台CNC加工设备通过调机可能花费数天，完成上百台设备的调机，也需要两个月的时间。“调机”耗费的时长，亦是工厂设备可用时间的损耗，提升“调机”效率，最大程度加快生产验证阶段，就能最大程度释放设备可用时间，进而转化为产能。
当下调机除了面对人员、效率问题，随之还产生了“物料浪费”的问题。调机失败生产出来的零件，往往不能进行二次加工，形成了一片废料。那么调机的一次达成率越高，物料损耗也就越少。随之带来的良品率数据也会越好。同时，除了上面所说在生产能力验证阶段需要调机，批量生产的过程中也需要调机。比如每日，每台机在做第一片料的时候，在更新了机内夹治具的时候，在换刀之后，都需要对随之而来生产的料进行一次调机检测，保障量产的良品率。因此，“调机”的场景贯穿着CNC金属加工的每个环节，解决“调机”问题将带来生产能力的巨大提升。
以上背景技术内容的公开仅用于辅助理解本发明的构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
为解决上述“调机”时各尺寸之间可能有的关联性所造成的问题，本发明提出一种基于优化补偿的智能调机方法及系统。
为了达到上述目的，本发明采用以下技术方案：
本发明的一个实施例公开了一种基于优化补偿的智能调机方法，用于对至少一台数控机台进行智能调机，包括以下步骤：
S1：获取所述数控机台的测量模型参数，并接收所述数控机台采集的加工零件的实际测量数据；
S2：根据所述测量模型参数将所述数控机台采集到的加工零件的实际测量数据转换为标准格式的测量数据；
S3：根据标准格式的测量数据和测量模型参数建立基于信赖域的加权优化问题模型，并对该优化问题模型进行求解，得到所述数控机台的优化补偿值；
S4：将所述优化补偿值回传给所述数控机台，以使得所述数控机台根据所述优化补偿值进行调机。
优选地，步骤S1中获取的测量模型参数包括所述数控机台的加工零件的各待测尺寸的类型、标准值和公差标准、所述数控机台的刀补系数。
优选地，步骤S1中还包括：采用标准块点位形变对所述数控机台采集的加工零件的实际测量数据进行校正。
优选地，采用标准块点位形变对所述数控机台采集的实际测量数据进行校正具体包括：提供待测量的加工零件的各待测尺寸对应的标准块，每个标准块上设有多个标定点，获取各待测尺寸对应的标准块的每个标定点的基准值；在接收所述数控机台采集的加工零件的实际测量数据时，还接收各待测尺寸对应的标准块的每个标定点的标定值，根据各待测尺寸对应的标准块的每个标定点的基准值和标定值对所述数控机台采集的加工零件的实际测量数据进行校正。
优选地，步骤S1中在接收所述数控机台采集的加工零件的实际测量数据具体为：通过与所述数控机台建立握手协议来接收所述数控机台采集的加工零件的实际测量数据。
优选地，通过与所述数控机台建立握手协议来接收所述数控机台采集的加工零件的实际测量数据具体包括：
A1：与所述数控机台建立长链接，以在接收数据开始时通知所述数控机台进入采集状态；
A2：接收所述数控机台以宏变量形式传输的特征编号和对应采集到的一个点位测量数据；
A3：重置宏变量，并判断所述数控机台是否采集完所有点位，如果是，则完成接收，如果否，则通知所述数控机台进入下一个点位的测量和上报，并返回步骤A2。
优选地，步骤S2中还包括：根据所述测量模型参数判断得到的标准格式的测量数据是否达标，如果不达标，则发送报警信号给所述数控机台，以使得所述数控机台暂停加工零件。
优选地，步骤S3具体包括：根据标准格式的测量数据和测量模型参数建立的基于信赖域的加权优化问题模型表示如下：
Figure 53649DEST_PATH_IMAGE001
并采用信赖域反射法对上述优化问题模型进行求解以得到所述数控机台的优化补偿值；
其中，
Figure 595489DEST_PATH_IMAGE002
，
Figure 829024DEST_PATH_IMAGE003
，
Figure 951920DEST_PATH_IMAGE004
，
Figure 663524DEST_PATH_IMAGE005
为标准格式的测量数据，
Figure 325449DEST_PATH_IMAGE006
为测量模型参数中包含的加工零件的各待测尺寸的标准值，
Figure 729886DEST_PATH_IMAGE007
为测量模型参数中包含的数控机台的刀补系数，
Figure 578893DEST_PATH_IMAGE008
为待求解的数控机台的公差，
Figure 359767DEST_PATH_IMAGE009
为待求解的数控机台的补偿值，
Figure 610620DEST_PATH_IMAGE010
为单位矩阵，
Figure 185958DEST_PATH_IMAGE011
为权重，
Figure 787841DEST_PATH_IMAGE012
分别为未知量
Figure 372406DEST_PATH_IMAGE013
的上限和下限。
优选地，采用信赖域反射法对上述优化问题模型进行求解以得到所述数控机台的优化补偿值具体包括：
构建函数f(x)，并通过试探步s 在信赖域N上最小化f(x)以计算得到
Figure 477765DEST_PATH_IMAGE014
和
Figure 725469DEST_PATH_IMAGE015
，其中信赖域N是函数f(x)在点
Figure 549069DEST_PATH_IMAGE013
的邻域。
优选地，通过试探步s在信赖域N上最小化f(x)具体包括：
B1：构造二维信赖域子问题：
Figure 671745DEST_PATH_IMAGE016
，其中，
Figure 897190DEST_PATH_IMAGE017
是函数f在当前点
Figure 814331DEST_PATH_IMAGE013
处的梯度，H是Hessian矩阵，D是对角缩放矩阵，
Figure 390806DEST_PATH_IMAGE018
是试探步，
Figure 51594DEST_PATH_IMAGE019
是信赖域半径；
B2：求解二维信赖域子问题，以确定试探步
Figure 865966DEST_PATH_IMAGE018
；
B3：判断f(x+s)是否小于f(x)，如果是，则使得x=x+s，并返回步骤B1；如果否，当前点保持不变，减小信赖域半径
Figure 485166DEST_PATH_IMAGE019
，并返回步骤B1；
B4：重复步骤B1~B3，直至二维信赖域子问题收敛，得到优化问题f(x)的解。
优选地，步骤B2中在求解二维信赖域子问题时，将二维信赖域子问题限制在二维子空间K内进行求解，二维子空间K根据下述预条件共轭梯度法确定：将二维子空间K定义为由k1和k2确定的线性空间，其中k1是梯度
Figure 17779DEST_PATH_IMAGE017
的方向，k2满足
Figure 482258DEST_PATH_IMAGE020
或
Figure 918181DEST_PATH_IMAGE021
的条件。
优选地，采用信赖域反射法对上述优化问题模型进行求解以得到所述数控机台的优化补偿值之后还包括：根据求解优化问题模型得到的所述数控机台的优化补偿值和所述测量模型参数对所述数控机台的优化补偿值进行修正。
优选地，步骤S4中将所述优化补偿值回传给所述数控机台之前，判断所述优化补偿值是否超过预设阈值，如果是，则发送干预信号给所述数控机台，以使得所述数控机台暂停加工零件；如果否，则将所述优化补偿值回传给所述数控机台。
优选地，步骤S4中将所述优化补偿值回传给所述数控机台之前，判断所述优化补偿值是否超过预设阈值，如果是，则再次采用标准块对所述数控机台采集的加工零件的实际测量数据进行校正；如果校正后仍然超过阈值，则发送干预信号给所述数控机台，以使得所述数控机台暂停加工零件；如果未超过预设阈值，则将所述优化补偿值回传给所述数控机台。
本发明的另一实施例公开了一种基于优化补偿的智能调机系统，用于对至少一台数控机台进行智能调机，其特征在于，包括：处理器和存储介质，所述存储介质中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述的智能调机方法。
与现有技术相比，本发明的有益效果在于：本发明提出的基于优化补偿的智能调机方法及系统，其中通过接收数控机台的加工零件的实际测量数据和测量模型参数，采用基于信赖域的加权的优化问题模型求解数控机台的优化补偿值，以指导数控机台进行调机，使得调机成了标准化的流程。其中的刀补或者坐标补偿值不再只能依靠经验计算，整个调机补偿的过程，可以无需专业人工的参与，只需普通操作工进行加工上下料和加工操作。从而使得工厂对于生技招工难，成本大的问题得到了彻底解决。而且，智能调机方法中所使用的算法和测量方法，使得调机补偿参数的准确性和精确性达到了最佳，调机效果是优秀生技都无法做到的。同时，这种准确性和精确性不会因为设备、环境的不同而有所区别，极其稳定。另外，智能调机系统使得调机效率提升一半以上；曾经调机做料需要反复6次及以上，使用该调机方法及系统后，可以做到一次完成。曾经的反复调机在人工参与下，需要来回实验室或线下检测设备处进行判断，耗时花费包括“线下检测时间”、 “人工判断时间”、“反复加工时间”、 “等待检测设备时间（考虑到检测设备数量远少于生产设备，约为1.5：100，加工完的零件要进行线下检测，需要排队等待设备空闲时间）”，而机内调机时间只有“两次作料加工时间”和“一次机内测量程序运行时间”。在新品验证爬坡阶段，使用智能调机方法及系统能使原先调机时长减少一半。同时，由于大部分尺寸的测量转移到了数控机台内，把问题提前在机内测量暴露出来并解决，这样也大大降低了实验室测量仪的需求压力。
在进一步的方案中，在通过接收数控机台的加工零件的实际测量数据和测量模型参数，实现对调机结果的检测在机内进行，并用标准块对所述数控机台采集的加工零件的实际测量数据进行校正，节省了调机时间。
在进一步的方案中，通过与数控机床建立基于系统宏变量的握手协议来接收数控机台采集的加工零件的实际测量数据，使得测量得以能在机内进行，节约了调机时间。通过建立上述握手协议，可以在不影响数控机台的正常加工，握手效率高，占用数控机台的宏变量少，握手次数少但是又能够保证数据交互稳妥，不出现丢数据或错采集接收。
附图说明
图1是本发明优选实施例的基于优化补偿的智能调机方法流程图；
图2是本发明一具体实施例的标准块的示意图；
图3是本发明具体实施例的智能调机方法的流程图；
图4是本发明具体实施例的智能调机系统的框架图；
图5是对工件测量的结果值进行修正的示意图。
具体实施方式
下面对照附图并结合优选的实施方式对本发明作进一步说明。
本发明优选实施例公开了一种基于优化补偿的智能调机方法，用于对至少一台数控机台进行智能调机，使得调机流程更加顺畅，使调机补偿数据一次性达到目标，其目标流程为：数控机台加工完成后，在机台内使用探头进行尺寸点位测量，系统实时采集测量点计算出零件每个尺寸值，系统页面可视化展示加工零件的尺寸测量结果，自动计算所有参与加工的刀补和坐标系补偿最优值，一键补偿按键即可将补偿值写回机台，数控机台再次加工测量就可产出各尺寸达标产品。此调机过程不受数控机台系统限制，适用于所有类型的数控机台。
如图1所示，该智能调机方法具体包括以下步骤：
S1：获取数控机台的测量模型参数，并接收数控机台采集的加工零件的实际测量数据；
其中，获取的测量模型参数包括所述数控机台的加工零件的各待测尺寸的类型、标准值和公差标准、所述数控机台的刀补系数等。
在一个零件开始加工验证调机的过程中，需要每一台数控机台都通过调机。即保证每台数控机台都有能力生产满足质量需求的零件，或者在每日生产的首片料时，也需要进行调机验证工作。调机工作的基础，是工艺、编程部门已经确定了加工零件的图纸版本，制定了工艺方法（如工序拆分、加工NC程序、加工刀具、加工夹具、加工设备性能需求等），并已经确定了质量检测要求，如检测的尺寸，及其公差标准。如一个长度尺寸，标准是0.83cm，若做到上线0.09cm和下线0.05cm范围内就算达标，即生产出来的尺寸在0.78cm到0.92cm便判定为合格。
具体地，开始调机前，需要存储以下数据内容：（1）加工的项目；（2）为项目所分配的加工设备；（3）项目下的零件；（4）零件的各个图纸版本；（5）每个图纸版本下的多工序；（6）每个工序下包含了一系列检测尺寸；（7）每一个尺寸都拥有一套公差标准、一套加工刀具信息、一套加工坐标系信息。刀具和坐标系信息中都拥有实际影响信息，如是刀具长度，还是刀具半径会影响该尺寸的加工，并且会记录影响系数，即刀具/坐标系补偿和尺寸的系数关系。如不同尺寸，在不同刀具切割方法下，受到其不同刀补影响的系数比例。（7）每一个尺寸有存在多点位尺寸。即从不同点位出发，测量的值有所不同。如厚度尺寸、半径尺寸等，会有多点位数据进行展示。
数控机台使用探针硬件装备，使用“测量NC程序”，探测加工零件内的一些列点位值；通过零件图纸，获取这些点位置和零件各尺寸的关系，并通过点位值计算出所有尺寸值。在测量过程中，往往存在一些误差问题：热变形导致的误差、毛刺导致的误差、形变导致的误差等等。在本实施例中，在接收到数控机台采集的加工零件的实际测量数据之后，还采用标准块点位形变对数控机台采集的加工零件的实际测量数据进行校正以解决上述误差问题。
在一个具体的实施例中，标准块的示意图如图2所示，X和Y方向各有1个标准块，标准块“标定点”尺寸提前由三坐标进行测量标定（图示中已标注出基准值）。标准块安装之后，用机内测头对标准块进行测量，找到原点后，机内测出标准块内所有“标定点”的坐标值（即标定值）。如此，便可算出每个标定点在机内检测值和三坐标检测值的误差值，如表1所示。例如，采用A1到A2点的长度作为案例，其理论直径为|A2-A1|=24mm。A1点在线测量坐标为-118.0，此位置在标准块上最相近的“标定点”为表1中的9号点，值为-117.0，其误差为0.009。因此取此标定点的误差值对A1点进行修正，修正后的A1坐标为-118.0-0.009=-118.009。同理对A2点坐标进行修正-142.0-0.011=-142.011。A1、A2点修正后，圆的直径|A2-A1|=24.002mm。在后续进行补偿计算取值时，取进行过标准块补偿的坐标值进行下一步计算。
表1 标准块的每个标定点的基准值、标定值和相应的误差
Figure 442703DEST_PATH_IMAGE022
Figure 462612DEST_PATH_IMAGE023
Figure 730782DEST_PATH_IMAGE024
Figure 519747DEST_PATH_IMAGE025
其中，在接收数控机台采集的加工零件的实际测量数据具体为：通过与数控机床建立进行交互的握手协议来接收数控机台采集的加工零件的实际测量数据，进一步具体包括以下步骤：
A1：与数控机台建立长链接，以在接收数据开始时通知数控机台进入采集状态；
A2：接收数控机台以宏变量形式传输的特征编号和对应采集到的一个点位测量数据；也即，数控机床在每获取测量的一个点位结果，就将该点位结果和约定好的特征编号通过宏变量形式传输到智能调机系统中；其中，采用了五个系统宏变量进行信息交互，分别为“程序名”、 “尺寸号”、 “X值”、 “Y值”、 “Z值”。
A3：重置宏变量，并判断数控机台是否采集完所有点位，如果是，则完成接收，则通知数控机台进入下一个点位的测量和上报，并返回步骤A2。即当所有测量点位数据都测量完成时，数控机台发出结束信号，智能调机系统获取结束信号，结束一轮数据的接收，并将采集点位数据全部结果计提上报到智能调机系统的服务端，数据接收完成后，服务端将完成后续的尺寸计算、尺寸判定和补偿计算工作。
通过建立上述握手协议，可以在不影响数控机台的正常加工，握手效率高，占用数控机台的宏变量少，握手次数少但是又能够保证数据交互稳妥，不出现丢数据或错采集接收。
S2：根据测量模型参数将数控机台采集到的加工零件的实际测量数据转换为标准格式的测量数据；
在零件图纸中找到测量点位和检测尺寸的关系，通过形位几何公式，计算尺寸的结果值。此部分操作可在智能检测调机系统内部完成，也可以依赖市场已存在的检测系统对接来完成。如计算“圆度”、 “同轴度”、 “平行度”、 “垂直度”、 “对称度”等类型尺寸值，可将需要测量的尺寸在图纸中标出，系统引导选择计算所需要的测量点位。如此，检测程序只要将这些点位的（x,y,z）坐标测出，系统就可使用已建立的几何计算模型自动完成尺寸结果计算，并在系统中显示出来。
其中，在将实际测量数据转换为标准格式的测量数据之后，还根据测量模型参数判断得到的标准格式的测量数据是否达标，如果不达标，则发送报警信号给所述数控机台，以使得数控机台暂停加工零件。
具体地，通过自定义握手协议，系统实现对测量数据点位的实时接收。点位转化计算为零件尺寸之后，与系统内的质量标准文档中规定的尺寸公差进行比较，输出每个尺寸达标与否的报告。报告包含信息包括，一个零件测量时间、零件片编码、零件加工检测机台序列号、零件尺寸的标准值和公差、零件尺寸的实际值，尺寸达标与否判断、尺寸偏差值。根据测量程序，实时采集点位测量值。实时判定测量尺寸是否合格。
因此，上述的系统显示结果不仅包含最终计算出的尺寸结果值，同时包括“达标判定”（OK或者NG），包含偏差值。通过查看最最终采集结果，能立刻知道整片零件测量了多少尺寸，是否全部通过，有多少尺寸未达标，每个尺寸偏差是多少，偏差超过一定范围的尺寸又是哪些。若有尺寸未达标，除了在系统检测结果中展示，还会通知机台，使得数控机台停机并产生报警，通知现场人员，此台设备加工测量没有通过，需要进行补偿。以免出现下一片不达标加工产品。
S3：根据标准格式的测量数据和测量模型参数建立基于信赖域的加权的优化问题模型，并对该优化问题求解，得到数控机台的优化补偿值；
在尺寸不达标的情况下，系统需要计算出和不达标尺寸加工相关的刀具和坐标轴的补偿值，使得机台下次加工过程中，采用了刀补和坐标系补偿后，生产出尺寸达标的零件。在计算补偿值的过程中，由于尺寸之间存在相关性，同时，一个刀补或一个坐标轴的改变可能会影响多个尺寸，因为补偿值的计算不能简单通过单个尺寸的不等式计算。本实施例中将尺寸、标准值、公差、补偿系统、未知补偿变量、补偿变量的补偿系数首创构成了一组欠定方程组，并考虑到不同尺寸达到公差标准重要性的不同，加入了加权求解的方法，最终将此方程组转化为约束最优化问题，进行求解。在这种补偿值算法的帮助下，能够帮助调机获取最优方案，将每个尺寸做到最好的值，而不仅仅是达标。具体补偿算法如下述的详细阐释。
S31：构建模型。
在数控机台补偿中，实际的测量值应当在标准值加上刀补值（补偿值）的公差范围之内，所以实际测量值应该等于标准值加上刀补系数乘以刀补加上浮动公差。其中刀补系数和标准值由系统给定已在步骤S1中获取，测量值由现场数控机台测量给出，需要求出补偿值和公差。因此在补偿算法中，已知测量的实际物理量记为
Figure 215170DEST_PATH_IMAGE026
，补偿系数
Figure 722375DEST_PATH_IMAGE027
，标准值
Figure 528657DEST_PATH_IMAGE028
，未知量公差
Figure 172128DEST_PATH_IMAGE029
和补偿值
Figure 304032DEST_PATH_IMAGE030
（其中n、k均为正整数，表示空间的维度，R表示实数空间，例如
Figure 32954DEST_PATH_IMAGE031
表示n维实数空间）。因此有方程组：
Figure 908506DEST_PATH_IMAGE032
（1）
其中未知量为补偿值
Figure 173527DEST_PATH_IMAGE033
和公差
Figure 945174DEST_PATH_IMAGE034
，所以未知数的个数是k+n，而方程的数量是n个，因此可知未知量的个数大于有效方程组的个数，故问题转化为欠定方程组求解问题。
进一步地，化简方程组到标准格式令，
Figure 692550DEST_PATH_IMAGE035
，
Figure 840635DEST_PATH_IMAGE036
，
Figure 458698DEST_PATH_IMAGE037
，由于实际情况中对补偿值和公差有范围要求，本发明将原问题等价于求解带约束的欠定方程组：
Figure 666825DEST_PATH_IMAGE038
（2）
其中
Figure 370339DEST_PATH_IMAGE039
分别为未知量的上界和下界。
若方程组（2）存在可行解，其解必然是下列约束优化问题的最优解：
Figure 322115DEST_PATH_IMAGE040
（3）
实际中，对于可行解往往有更多的要求，例如求最小二范数解或者加权解。因此本发明中将问题建模为带权的优化问题求解：
Figure 60264DEST_PATH_IMAGE041
（4）
这里
Figure 439292DEST_PATH_IMAGE042
是权重。
S32：模型求解：上述二次规划问题求解可以采用内点法或者信赖域反射最小二乘方法求解，实验中由于数值很小，内点法求解经常会出现误差，故而采用信赖域反射最小二乘方法求解。
S33：信赖域反射法：
考虑无约束最小化问题，最小化f(x)：
Figure 895681DEST_PATH_IMAGE043
。假设现在位于n维空间中的点
Figure 385569DEST_PATH_IMAGE044
处，需要寻找函数值更小的点。基本思路是用较简单的函数q来逼近 f，该函数需能充分反映函数 f 在点
Figure 473829DEST_PATH_IMAGE044
的邻域N中的行为。此邻域N就是信赖域
Figure 289339DEST_PATH_IMAGE045
。试探步
Figure 701865DEST_PATH_IMAGE046
是通过在信赖域
Figure 261023DEST_PATH_IMAGE045
上进行最小化（或近似最小化）来计算的。以下是信赖域子问题：
Figure 708185DEST_PATH_IMAGE047
（5）
如果 f (x +s)< f (x)，当前点更新为 x + s；否则，当前点保持不变，信赖域
Figure 694595DEST_PATH_IMAGE045
缩小，算法再次计算试探步。
在定义特定信赖域方法以最小化 f (x) 的过程中，关键问题是如何选择和计算逼近q（在当前点
Figure 859997DEST_PATH_IMAGE044
上定义）、如何选择和修改信赖域
Figure 691687DEST_PATH_IMAGE045
，以及如何准确求解信赖域子问题。在标准信赖域方法中，二次逼近q由 f 在 x 处的泰勒逼近的前两项定义；邻域
Figure 258935DEST_PATH_IMAGE045
通常是球形或椭圆形。以数学语言表述，信赖域子问题通常写作
Figure 150667DEST_PATH_IMAGE048
（6）
其中，
Figure 803366DEST_PATH_IMAGE049
是 f 在当前点
Figure 940211DEST_PATH_IMAGE044
处的梯度，H 是 Hessian 矩阵（二阶导数的对称矩阵），D 是对角缩放矩阵，
Figure 361965DEST_PATH_IMAGE050
是信赖域半径，是一个正标量，
Figure 690178DEST_PATH_IMAGE051
是 2-范数。此类2阶算法（涉及求Hessian 矩阵以及求逆的算法，在大规模求解时耗时耗力且计算复杂）通常涉及计算 H 的所有特征值，并将牛顿法应用于以下特征方程
Figure 564593DEST_PATH_IMAGE052
（7）
公式（7）可以提供公式（6）的精确解；H的特征值一般是用特征值分解计算，而求解公式（6）的优化迭代格式需要计算H的特征值分解，以及应用这些特征值和
Figure 3665DEST_PATH_IMAGE050
计算迭代方向，这里涉及到一个求解带约束的二次规划问题的定理：
Figure 279926DEST_PATH_IMAGE053
是公式（6）的全局最小解当且仅当
Figure 513461DEST_PATH_IMAGE053
是可行的且存在
Figure 875172DEST_PATH_IMAGE054
使得：
Figure 117934DEST_PATH_IMAGE055
根据上述定理，可以知道迭代格式
Figure 514281DEST_PATH_IMAGE056
是关于
Figure 918717DEST_PATH_IMAGE057
的一族向量，可以通过计算最优的
Figure 767725DEST_PATH_IMAGE058
找到最优的
Figure 50064DEST_PATH_IMAGE053
。
设H有特征值分解
Figure 566496DEST_PATH_IMAGE059
，其中
Figure 141833DEST_PATH_IMAGE060
是正交矩阵，
Figure 212558DEST_PATH_IMAGE061
是对角矩阵，
Figure 62702DEST_PATH_IMAGE062
是H的特征值。为了方便，以下仅考虑
Figure 168061DEST_PATH_IMAGE063
且
Figure 914300DEST_PATH_IMAGE064
是单特征根的情形，其他情形可类似分析。显然，
Figure 3479DEST_PATH_IMAGE065
有特征值分解
Figure 860577DEST_PATH_IMAGE066
。对
Figure 351601DEST_PATH_IMAGE067
，可直接写出
Figure 268741DEST_PATH_IMAGE068
的表达式：
Figure 81102DEST_PATH_IMAGE069
这正是
Figure 741890DEST_PATH_IMAGE068
的正交分解，由正交性可容易求出
Figure 821842DEST_PATH_IMAGE070
根据上式式可知当
Figure 175463DEST_PATH_IMAGE071
且
Figure 708075DEST_PATH_IMAGE072
时，
Figure 438134DEST_PATH_IMAGE073
是关于
Figure 372592DEST_PATH_IMAGE057
的严格减函数，且有
Figure 631535DEST_PATH_IMAGE074
根据连续函数介值定理，由互补松弛性质知道
Figure 651443DEST_PATH_IMAGE075
（等价于公式（7））的解必存在且唯一，因此可以通过牛顿法计算公式（7）一元方程的根得到
Figure 185193DEST_PATH_IMAGE058
，进而计算得到
Figure 974157DEST_PATH_IMAGE076
。
但是，求解H的特征值要耗费与 H 的几个分解成比例的时间。因此，对于信赖域问题，本发明中采取另一种方法，这种方法是将信赖域子问题限制在二维子空间 K 内进行近似求解，一旦计算出二维子空间 K，即使需要完整的特征值/特征向量信息，求解公式 （6）的工作量也不大，所以主要工作已转移到子空间的确定上。
二维子空间 K 是借助下述预条件共轭梯度法确定的。求解器将K 定义为由 k1和k2 确定的线性空间，其中 k1 是梯度
Figure 404002DEST_PATH_IMAGE049
的方向，k2 是近似牛顿方向（即
Figure 695828DEST_PATH_IMAGE077
的解）或是负曲率的方向（
Figure 502110DEST_PATH_IMAGE078
）。以此种方式选择 K的思路是强制全局收敛（通过最陡下降方向或负曲率方向）并实现快速局部收敛（通过牛顿步，如果它存在）。
基于上述分析，可以给出基于信赖域的无约束最小化的框架：
B1：构造二维信赖域子问题。
B2：求解公式（6）以确定试探步
Figure 145581DEST_PATH_IMAGE046
。
B3：如果 f(x+s)< f(x)，则x=x+s。
B4：调整信赖域半径
Figure 277485DEST_PATH_IMAGE050
。
信赖域半径
Figure 6407DEST_PATH_IMAGE050
根据标准规则进行调整。具体来说，它会在试探步不被接受（即
Figure 616380DEST_PATH_IMAGE079
）时减小。重复B1~B4这四个步骤，直到算法收敛，就得到了优化问题f(x)的解（补偿值
Figure 114357DEST_PATH_IMAGE033
和公差
Figure 417163DEST_PATH_IMAGE034
）。
在上述补偿算法中，可知补偿值是由尺寸标准值、公差区间、补偿系数、尺寸关系所决定，因此，本发明通过建模的方式，设计一组线性方程组，由未知量补偿值和公差作为变量，结合上述相应的参数构成一组欠定方程组。然后根据变量之间的重要程度，设计最优的加权求解算法，将欠定方程组的求解转化为约束最优化问题求解。以上算法帮助求解了最佳补偿差值，但此补偿差值并不是最终写入机台的刀补值或者坐标系补偿值。考虑到补偿可能分次完成，或者考虑到机台此次加工本身已经使用了一定补偿的情况，因为需要考虑获取此次采集本身所使用的原始刀补和原始坐标系补偿值，再和此次计算补偿差值进行加总，才是生产达标尺寸零件所需的机台补偿值。因此，在握手接收数据的过程开始时，智能调机系统已经根据当下加工零件的标准文档，进行了一次相应刀补和坐标系补偿的采集。并将数据存储下来，为最终要写入机台的补偿值做准备。
S4：将优化补偿值回传给数控机台，以使得数控机台根据优化补偿值进行调机。
在测量时，将采集每个刀位的刀补（包含半径刀补磨耗、长度刀补磨耗）初始值，以及每个坐标轴的初始值。通过算法，计算出补偿差值。最后，通过初始值加上补偿差值的方式对补偿值进行回写。并且，在补偿回写过程中，系统创造性地进行了防呆防错处理，设置了阈值区间，一旦发现补偿值超过阈值，将无法补回，并发出提示，告知此次需要所有尺寸达标的补偿值可能产生机台加工危险，提示人工干预，进行解决。例如，补偿值的绝对值0.1为界限，一旦判定计算补偿值合并原始机台采集补偿值累加超过此值，则无法直接通过系统补偿回写机台。安全范围可以根据场景要求进行自定义设置。若所有补偿值都在安全范围内，则一键回写，方便快捷。按此过程操作，调机总共只需要两次加工和测量，第一次测量帮助计算出该台设备的各个补偿参数，第二次加工即可完成一片全部尺寸达标的零件生产。
本发明优选实施例还公开了一种基于优化补偿的智能调机系统，用于对至少一台数控机台进行智能调机，包括：处理器和存储介质，所述存储介质中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述的智能调机方法。
从补偿方案上来说，目前，除依靠技术人员经验调机，一些大型企也出现一些半自动的机床调参方案，基本处理流程为：将被测工件拿到测量室通过三坐标等测量仪器进行测量，并选择其中的一部分测量结果手工录入到excel文档，或者带有算法的系统。Excel文档或系统中，会建立基于经验的“几何公式”，通过这些公式可以相对快速及统一地计算出调参的结果。这种计算方案在一定程度上解决了标准化的问题。但在“效率”和“准确性”方面还有很大的提升空间。本发明优选实施例的调机方案是一套集“自动化和智能化”一体，并程度更高的方案：首先，用“机内测量”的实现了测量数据的自动和实时的读取；在这一过程中，避免了实验室测量及等待时间中机台加工次品的可能性。其次，也为测量数据和参数建立了完整的模型，并将几何计算的问题转化成了一个“优化问题”，其中使用了多种优化算法对该问题进行求解。此解在保障所有尺寸调机精准度上可靠性有极大地提升。
机器生产加工流程中，将采用精密检测设备在机内、或机外、或二者同时进行产品质量检测，获取产品各工序各尺寸检测结果值。智能调机系统将通过和检测设备交互，实时获取各类检测数据。并对检测数据进行计算，判定各尺寸达标与否。若尺寸全部达标，则产品通过质量验证，可交付。若存在尺寸超差，系统将通过优化算法，计算出用于该尺寸加工的最佳刀补或最佳坐标系补偿。同时，智能调机系统将直接与加工设备通信，将最佳调机数据写入设备，完成调机。相比过去人工凭借经验反复调试错、反复整补偿方案，最终实现全部尺寸质检达标的流程，智能调机系统将调机效率提升了80%，一次计算出最优结果，保证所有尺寸通过检测，并通过系统与检测设备、与加工设备直接交互的方式，优化了检测加工流程，防止了人工误操作。另外，产品质量达标与否不仅与标准工艺相关，还和加工设备的性能特征，调机人员的经验深浅有较大关系，使用智能调机系统进行调机操作之后，对设备和调机人员的依赖将消失，再一次提升了效率，降低了调机成本。
下述结合具体实施例对本发明的基于优化补偿的智能调机方法及系统做进一步的说明。
如图3所示，是本发明具体实施例的智能调机方法流程图，具体包括以下步骤：
C1：Modus生成测量程序。此模块为智能调机系统开始工作的前置工作，由于调机平台需要采集测量内容，在此，先介绍测量程序的生成过程。Modus为雷尼绍测量探针配套的软件系统，其工作内容为“传入零件加工图制，标出测量尺寸，标出测量点位，生成相应的测量程序”。因此，第一步工作可以配合Modus此一类软件，进行测量点位的NC程序输出。此步骤本身随无需调机平台介入，但此测量NC程序在机内运行的过程需要和智能调机系统的采集程序建立握手。
C2：将测量模型和质量参数导入IMIQ系统，在智能调机系统内导入基础数据，用于随后的补偿计算。导入数据内容包括：项目、零件、工序、工艺方法、质量标准。
C3：随后是“接收”，包含“接收零件测量点”和“接收传感器或测量块数据”。这一部分无需人工介入，机台加工过程中会自动启动测量程序，而采集程序则是以服务的形式常驻运行在边缘采集硬件上，并在机台自动测量过程中通过特定的协议采集测量数据和相应时间点的测量块数据并进行存储和上报.。
C4：采集到的所有数据，在这一步会进行第一步计算转换，将点位数据转换为尺寸数据。首先是将整片零件的所有点位数据进行存储，再和Modus进行接口传输。借助Modus已有的点位和尺寸关系，进行尺寸的计算。当然，在采集原始点位值的时候，智能调机系统会考虑标准块点位形变对原始点进行加工(通过计算测量块的形变系数来计算各个测量点位的坐标偏移)，再用于计算。
C5：优化求解机台参数为调机平台算法得出。
C6：最后便是补偿值回写部分。为了防呆防错，智能调机系统自身会有一套检查机制，过滤掉大于安全阈值的补偿结果。随后，需要人工确认补偿，写回机台。
如图4所示，是本发明具体实施例的智能调机系统的框架图，该系统采用了基于B/S的混合计算架构。用户可以基于浏览器完成系统的所有的操作。系统计算是通过中央的高性能服务器集群(提供高可用的机制并可以线性扩展)并配合边缘计算的软硬件共同完成。
目前设备有两种接入方式 ：
1）轻量级的接入。数控机台通过一条网线或者无线路由器将设备接入到计算网络。中央服务器负责和所有数控机台进行通讯。采集测量数据之后进行参数的计算并将结果反馈到数控机台。
2）更智能的接入方案。适合面向测量点位比较多，测量精度要求比较高的场景。会在机台侧部署相应的Edge(边缘控制器)和机台直连。Edge负责和数控机台的测量程序进行通讯并实施采集各组传感器的数据。所有的数据先在Edge进行汇总和简单计算（主要包含和零件测量的meta数据进行匹配，校验和数据补全等逻辑）后再发送到中央服务器进行后续的处理。
如图4，本具体实施例的智能调机系统包括被控的数控机台10和对应的测头11、测量CAM服务器（Modus）20、接入交换机30、客户端40、边缘计算服务器50、无线AP 60和智能终端70，其具体应用如下：
1）人工根据测量标准文件、测量点位2D图判断哪些尺寸可在数控机床的机内测量，生成机内测量点位文件并上传到系统。
2）用Modus软件打开对应夹位3D图，根据机内测量点位文件在3D图上标记对应的测量点位，生成测量CNC程序。
3）外接的边缘计算服务器盒子(包含处理器、IO模块、预留的传感器接口等等)和机床直连。并通过特定的握手协议高速接收机台上采集的测量点数据。
4）温度造成的热变形对工件测量结果影响会比较大。为了进一步提升测量精度。在数控机床内放置了相应的标准块，对工件进行机内测量的同时也会采集标准块的测量数据。并利用相关的经验公式对工件测量的结果值进行修正，如图5所示。
5）所有的工件测量点数据采集完成后，会通过DMIS数据服务（DMIS数据服务是指能够支持常用<尺寸测量接口标准>中定义的尺寸或者公差计算的后台服务，例如雷尼绍的modus服务、内部的DMIS数据服务）加工成标准的测量数据(支持不同的标准。目前在通讯协议上使用的是内部的标准。因为更简洁，性能更好。但也可以转换成行业通用的标准，例如QIF)。
6）将3）、4）、5） 的结果数据汇总和规整之后会被填入预先建立的加工数据模型中。并利用各类优化算法计算出各类调机参数的最优值具体算法公式在下方详述。
7）调机参数能够会自动写回 CNC 机台以影响下一次的加工。回写也做了防呆防错(根据人工设置的规则)的处理。
8）利用实验室的三坐标测量仪器进行的离线测试的模型也可以导入（人工、自动）导入到本发明的系统并同样利用本发明的优化算法给出调机参数的最优值。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。

Claims (13)

1.一种基于优化补偿的智能调机方法，用于对至少一台数控机台进行智能调机，其特征在于，包括以下步骤：
S1：获取所述数控机台的测量模型参数，并接收所述数控机台采集的加工零件的实际测量数据；
S2：根据所述测量模型参数将所述数控机台采集到的加工零件的实际测量数据转换为标准格式的测量数据；
S3：根据标准格式的测量数据和测量模型参数建立基于信赖域的加权优化问题模型，并对该优化问题模型进行求解，得到所述数控机台的优化补偿值；
S4：将所述优化补偿值回传给所述数控机台，以使得所述数控机台根据所述优化补偿值进行调机；
其中，步骤S3具体包括：根据标准格式的测量数据和测量模型参数建立的基于信赖域的加权优化问题模型表示如下：
Figure DEST_PATH_IMAGE001
并采用信赖域反射法对上述优化问题模型进行求解以得到所述数控机台的优化补偿值；
其中，
Figure 138272DEST_PATH_IMAGE002
，
Figure DEST_PATH_IMAGE003
，
Figure 72730DEST_PATH_IMAGE004
，
Figure DEST_PATH_IMAGE005
为标准格式的测量数据，
Figure 721886DEST_PATH_IMAGE006
为测量模型参数中包含的加工零件的各待测尺寸的标准值，
Figure DEST_PATH_IMAGE007
为测量模型参数中包含的数控机台的刀补系数，
Figure 741794DEST_PATH_IMAGE008
为待求解的数控机台的公差，
Figure DEST_PATH_IMAGE009
为待求解的数控机台的补偿值，
Figure DEST_PATH_IMAGE011
为单位矩阵，
Figure 9965DEST_PATH_IMAGE012
为权重，
Figure DEST_PATH_IMAGE013
分别为未知量
Figure 939875DEST_PATH_IMAGE014
的上限和下限。
2.根据权利要求1所述的智能调机方法，其特征在于，步骤S1中获取的测量模型参数包括所述数控机台的加工零件的各待测尺寸的类型、标准值和公差标准、所述数控机台的刀补系数。
3.根据权利要求1所述的智能调机方法，其特征在于，步骤S1中还包括：采用标准块点位形变对所述数控机台采集的加工零件的实际测量数据进行校正。
4.根据权利要求3所述的智能调机方法，其特征在于，采用标准块点位形变对所述数控机台采集的实际测量数据进行校正具体包括：提供待测量的加工零件的各待测尺寸对应的标准块，每个标准块上设有多个标定点，获取各待测尺寸对应的标准块的每个标定点的基准值；在接收所述数控机台采集的加工零件的实际测量数据时，还接收各待测尺寸对应的标准块的每个标定点的标定值，根据各待测尺寸对应的标准块的每个标定点的基准值和标定值对所述数控机台采集的加工零件的实际测量数据进行校正。
5.根据权利要求1所述的智能调机方法，其特征在于，步骤S1中接收所述数控机台采集的加工零件的实际测量数据具体为：通过与所述数控机台建立握手协议来接收所述数控机台采集的加工零件的实际测量数据。
6.根据权利要求5所述的智能调机方法，其特征在于，通过与所述数控机台建立握手协议来接收所述数控机台采集的加工零件的实际测量数据具体包括：
A1：与所述数控机台建立长链接，以在接收数据开始时通知所述数控机台进入采集状态；
A2：接收所述数控机台以宏变量形式传输的特征编号和对应采集到的一个点位测量数据；
A3：重置宏变量，并判断所述数控机台是否采集完所有点位，如果是，则完成接收，如果否，则通知所述数控机台进入下一个点位的测量和上报，并返回步骤A2。
7.根据权利要求1所述的智能调机方法，其特征在于，步骤S2中还包括：根据所述测量模型参数判断得到的标准格式的测量数据是否达标，如果不达标，则发送报警信号给所述数控机台，以使得所述数控机台暂停加工零件。
8.根据权利要求1所述的智能调机方法，其特征在于，采用信赖域反射法对上述优化问题模型进行求解以得到所述数控机台的优化补偿值具体包括：
构建函数f(x)，并通过试探步
Figure DEST_PATH_IMAGE015
在信赖域
Figure 635298DEST_PATH_IMAGE016
上最小化f(x)以计算得到
Figure 142503DEST_PATH_IMAGE018
和
Figure DEST_PATH_IMAGE019
，其中信赖域
Figure 807839DEST_PATH_IMAGE016
是函数f(x)在点
Figure 716890DEST_PATH_IMAGE014
的邻域。
9.根据权利要求8所述的智能调机方法，其特征在于，通过试探步
Figure 317635DEST_PATH_IMAGE015
在信赖域
Figure 46557DEST_PATH_IMAGE016
上最小化f(x)具体包括：
B1：构造二维信赖域子问题：
Figure 390950DEST_PATH_IMAGE020
，其中，
Figure DEST_PATH_IMAGE021
是函数f在当前点
Figure 29873DEST_PATH_IMAGE014
处的梯度，H是Hessian矩阵，D是对角缩放矩阵，s是试探步，
Figure 67099DEST_PATH_IMAGE022
是信赖域半径；
B2：求解二维信赖域子问题，以确定试探步s；
B3：判断f(x+s)是否小于f(x)，如果是，则使得x=x+s，并返回步骤B1；如果否，当前点保持不变，减小信赖域半径
Figure 283317DEST_PATH_IMAGE022
，并返回步骤B1；
B4：重复步骤B1~B3，直至二维信赖域子问题收敛，得到优化问题f(x)的解。
10.根据权利要求9所述的智能调机方法，其特征在于，步骤B2中在求解二维信赖域子问题时，将二维信赖域子问题限制在二维子空间K内进行求解，二维子空间K根据下述预条件共轭梯度法确定：将二维子空间K定义为由k1和k2确定的线性空间，其中k1是梯度
Figure 165823DEST_PATH_IMAGE021
的方向，k2满足
Figure DEST_PATH_IMAGE023
或
Figure 174099DEST_PATH_IMAGE024
的条件。
11.根据权利要求1所述的智能调机方法，其特征在于，步骤S4中将所述优化补偿值回传给所述数控机台之前，判断所述优化补偿值是否超过预设阈值，如果是，则发送干预信号给所述数控机台，以使得所述数控机台暂停加工零件；如果否，则将所述优化补偿值回传给所述数控机台。
12.根据权利要求1所述的智能调机方法，其特征在于，步骤S4中将所述优化补偿值回传给所述数控机台之前，判断所述优化补偿值是否超过预设阈值，如果是，则再次采用标准块对所述数控机台采集的加工零件的实际测量数据进行校正；如果校正后仍然超过阈值，则发送干预信号给所述数控机台，以使得所述数控机台暂停加工零件；如果未超过预设阈值，则将所述优化补偿值回传给所述数控机台。
13.一种基于优化补偿的智能调机系统，用于对至少一台数控机台进行智能调机，其特征在于，包括：处理器和存储介质，所述存储介质中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至12任一项所述的智能调机方法。
CN202111157672.XA 2021-09-30 2021-09-30 基于优化补偿的智能调机方法及系统 Active CN113589755B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111157672.XA CN113589755B (zh) 2021-09-30 2021-09-30 基于优化补偿的智能调机方法及系统
PCT/CN2022/112944 WO2023051072A1 (zh) 2021-09-30 2022-08-17 基于优化补偿的智能调机方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111157672.XA CN113589755B (zh) 2021-09-30 2021-09-30 基于优化补偿的智能调机方法及系统

Publications (2)

Publication Number Publication Date
CN113589755A CN113589755A (zh) 2021-11-02
CN113589755B true CN113589755B (zh) 2021-12-28

Family

ID=78242681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111157672.XA Active CN113589755B (zh) 2021-09-30 2021-09-30 基于优化补偿的智能调机方法及系统

Country Status (2)

Country Link
CN (1) CN113589755B (zh)
WO (1) WO2023051072A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113589755B (zh) * 2021-09-30 2021-12-28 杭州数途信息科技有限公司 基于优化补偿的智能调机方法及系统
CN114997110B (zh) * 2022-08-01 2022-11-25 赫比(苏州)通讯科技有限公司 一种自动调机方法、设备以及计算机可读存储介质
TWI823689B (zh) * 2022-11-29 2023-11-21 友達光電股份有限公司 特徵分析方法與特徵分析與最佳化推薦系統
CN116184929B (zh) * 2023-04-27 2023-07-25 湖南隆深氢能科技有限公司 一种应用于裁切设备的智能控制方法及其系统
CN117215276A (zh) * 2023-11-09 2023-12-12 蓝思系统集成有限公司 数控生产设备数据分析控制方法、装置、系统及存储介质

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9046882B2 (en) * 2010-06-30 2015-06-02 Rockwell Automation Technologies, Inc. Nonlinear model predictive control of a batch reaction system
CN103591874B (zh) * 2013-11-11 2016-08-17 西安工业大学 用标准块实现极坐标齿轮测量中心零点标定的方法
CN205870138U (zh) * 2016-07-08 2017-01-11 深圳市三维机电设备有限公司 加工中心自动调机及在线检测系统
CN109976265A (zh) * 2017-12-27 2019-07-05 富泰华精密电子（郑州）有限公司 机台参数控制装置、方法和存储设备
CN108655820A (zh) * 2018-04-04 2018-10-16 路达(厦门)工业有限公司 一种数控加工基坐标系的标定方法
CN109047947A (zh) * 2018-09-06 2018-12-21 中南大学 一种考虑空间几何误差的数控磨齿机床加工参数修正方法
CN109176168B (zh) * 2018-10-15 2019-10-11 基准精密工业（惠州）有限公司 刀具加工调机装置及方法
CN111381556A (zh) * 2018-12-29 2020-07-07 鸿富锦精密电子（成都）有限公司 加工设备误差补正方法及系统
CN111381562B (zh) * 2018-12-29 2023-08-15 鸿富锦精密电子（成都）有限公司 圆弧拐角加工设备误差补正方法及系统
CN110426956B (zh) * 2019-07-30 2021-07-23 中国矿业大学 一种基于过程迁移模型的间歇过程最优补偿控制策略
CN111624944B (zh) * 2020-06-16 2023-09-08 富联裕展科技(深圳)有限公司 刀具控制装置及方法
CN112612250B (zh) * 2020-11-18 2021-11-09 深圳市裕展精密科技有限公司 刀具回馈控制装置及方法
CN113589755B (zh) * 2021-09-30 2021-12-28 杭州数途信息科技有限公司 基于优化补偿的智能调机方法及系统

Also Published As

Publication number Publication date
WO2023051072A1 (zh) 2023-04-06
CN113589755A (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
CN113589755B (zh) 基于优化补偿的智能调机方法及系统
CN106020147B (zh) 一种复杂精密机械产品的装配精度系统分析方法
CN102854841B (zh) 一种曲面零件的形位误差原位补偿加工方法
JP2019101680A (ja) 加工シミュレーションの条件の適正化方法、加工シミュレーション装置、加工シミュレーションシステム及びプログラム
Martinov et al. Real-time diagnosis and forecasting algorithms of the tool wear in the CNC systems
CN113589759B (zh) 基于握手协议的智能调机方法及系统
CN112926152B (zh) 一种数字孪生驱动的薄壁件装夹力精准控制与优化方法
WO2018089252A1 (en) Metrology system for measurement uncertainty analysis
CN104298171A (zh) 一种介观尺度零件加工误差预测以及控制方法
Wang et al. Measurement uncertainty evaluation of conicity error inspected on CMM
WO2021221916A1 (en) Morphic manufacturing
Lin et al. The application of grey theory to the prediction of measurement points for circularity geometric tolerance
Fan et al. A data-driven machining error analysis method for finish machining of assembly interfaces of large-scale components
Chen et al. A design procedure for a robust job shop manufacturing system under a constraint using computer simulation experiments
Cuesta et al. A statistical approach to prediction of the CMM drift behaviour using a calibrated mechanical artefact
CN113936823B (zh) 获取堆外探测器刻度系数的方法、系统、装置及存储介质
CN111805301B (zh) 量测装置及量测方法
JP2022002096A (ja) 加工プロセスの最適設計システム
Butler et al. A methodology for testing classes of approximation and optimization software
Ramaswami et al. An inspection advisor for form error in cylindrical features
Jywe et al. Verification and evaluation method for volumetric and positional errors of CNC machine tools
Atluru et al. Statistical process monitoring with MTConnect
Magdziak Application of coordinate measuring machines for analysis of a controlled radius based on linear regression
Magdziak A comparison of selected algorithms of form deviation calculation
CN117048113B (zh) 铝箔餐盒冲压的动态精度检测方法及系统

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