CN114820750A - 一种基于点云扫描的数控机床工件加工质量控制方法 - Google Patents
一种基于点云扫描的数控机床工件加工质量控制方法 Download PDFInfo
- Publication number
- CN114820750A CN114820750A CN202210645845.0A CN202210645845A CN114820750A CN 114820750 A CN114820750 A CN 114820750A CN 202210645845 A CN202210645845 A CN 202210645845A CN 114820750 A CN114820750 A CN 114820750A
- Authority
- CN
- China
- Prior art keywords
- workpiece
- processing
- point cloud
- data
- model
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Optics & Photonics (AREA)
- Quality & Reliability (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种基于点云扫描的数控机床工件加工质量控制方法,方法包括:当工件加工时,采集工件在加工过程中的激光点云数据,并基于激光点云数据确定工件的加工状态数据,加工状态数据用于反映工件的加工进程;获取工件在加工进程时的参数数据,并基于参数数据实时生成工件的3D模型,3D模型用于反映工件的形状;获取与加工进程所对应的参考模型,并根据3D模型与参考模型,对工件的加工质量进行控制。本发明可基于激光点云数据确定出工件的加工进程,并确定出在此加工进程时的参数数据以生成工件的3D模型,再基于与参考模型的对比分析,来实现对加工质量的控制,有利于保证工件的加工质量。
Description
技术领域
本发明涉及数控机床加工技术领域,尤其涉及一种基于点云扫描的数控机床工件加工质量控制方法。
背景技术
随着数控加工技术的进步,越来越多的工件可利用数控机床来进行加工。目前的数控机床包括数控车床、数控铣床等,但是,目前的数据机床在对工件进行加工时,基本都是按照预先设置的加工工艺信息来调取对应的夹具、刀具等部件并按照预设的加工路径来对加工进行加工,因此当某个加工步骤出现误差后,就会导致该工件最后加工完成的形状、尺寸等参数都会出现偏差,难以保证工件的加工质量。
因此,现有技术还有待改进和提高。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于点云扫描的数控机床工件加工质量控制方法,旨在解决现有技术中的数控机床在对工件进行加工时,难以保证加工质量的问题。
为了解决上述技术问题,本发明所采用的技术方案如下:
第一方面,本发明提供一种基于点云扫描的数控机床工件加工质量控制方法,其中,所述方法包括:
当工件加工时,采集所述工件在加工过程中的激光点云数据,并基于所述激光点云数据确定所述工件的加工状态数据,所述加工状态数据用于反映所述工件的加工进程;
获取所述工件在所述加工进程时的参数数据,并基于所述参数数据实时生成所述工件的3D模型,所述3D模型用于反映所述工件的形状;
获取与所述加工进程所对应的参考模型,并在所述3D模型与所述参考模型之间存在偏差时,输出报警提示信息,并对数控机床的刀具进给量和/或加工工艺信息进行调整,以对所述工件的加工质量进行控制。
在一种实现方式中,所述当工件加工时,采集所述工件在加工过程中的激光点云数据,并基于所述激光点云数据确定所述工件的加工状态数据,包括:
当所述工件在加工时,对所述工件进行扫描,得到所述工件在加工过程中的激光点云数据;
对所述激光点云数据进行分析,从所述激光点云数据中,确定所述工件的实时形状以及实时加工环境,所述实时加工环境用于反映所述工件的加工工艺信息;
基于所述实时形状以及所述实时加工环境,确定所述工件的所述加工状态数据。
在一种实现方式中,所述当所述工件在加工时,对所述工件进行扫描,得到所述工件在加工过程中的激光点云数据,包括:
当所述工件在加工时,对所述工件进行扫描,得到稀疏点云数据;
基于MVS算法对所述稀疏点云数据进行处理,得到稠密点云数据,并将所述稠密点云数据作为所述激光点云数据。
在一种实现方式中,所述基于所述实时形状以及所述实时加工环境,确定所述工件的所述加工状态数据,包括:
根据所述实时加工环境,确定所述加工环境所对应的加工工艺信息;
将所述实时形状与所述加工工艺信息进行匹配,确定所述加工工艺信息中,与所述实时形状所对应的加工步骤;
根据所述加工步骤,确定所述工件的加工进程,将所述加工进程作为所述加工状态数据。
在一种实现方式中,所述获取所述工件在所述加工进程时的参数数据,并基于所述参数数据实时生成所述工件的3D模型,包括:
基于所述加工进程,在所述加工工艺信息中匹配出所述加工步骤;
基于所述加工步骤与所述实时形状,确定所述工件的参数数据,所述参数数据包括实际尺寸参数与实际形状参数;
获取所述参数数据所对应的激光点云数据,并基于所述激光点云数据,生成所述3D模型。
在一种实现方式中,所述在所述3D模型与所述参考模型之间存在偏差时,输出报警提示信息,并对数控机床的刀具进给量和/或加工工艺信息进行调整,以对所述工件的加工质量进行控制,包括:
将所述3D模型与所述参考模型进行对比分析,确定所述3D模型与所述参考模型之间的差异数据;
基于所述差异数据,判断所述3D模型与所述参考模型之间是否存在偏差;
若所述3D模型与所述参考模型之间存在偏差,则输出报警提示,并对数控机床的刀具进给量和/或加工工艺信息进行调整。
在一种实现方式中,所述若所述3D模型与所述参考模型之间存在偏差,则输出报警提示,并对数控机床的刀具进给量和/或加工工艺信息进行调整,包括:
若所述差异数据超过预设阈值,则确定所述3D模型与所述参考模型之间存在偏差;
输出报警提示信息,并确定所述差异数据所对应的待加工面;
获取所述待加工面的尺寸参数,并根据所述尺寸参数,增加或减少所述数控机床的刀具进给量和/或更改所述加工工艺信息,以保证所述工件的加工质量。
第二方面,本发明实施例提供一种基于点云扫描的数控机床工件加工质量控制系统,其中,所述系统包括:
加工状态数据确定模块,用于当工件加工时,采集所述工件在加工过程中的激光点云数据,并基于所述激光点云数据确定所述工件的加工状态数据,所述加工状态数据用于反映所述工件的加工进程;
3D模型生成模块,用于获取所述工件在所述加工进程时的参数数据,并基于所述参数数据实时生成所述工件的3D模型,所述3D模型用于反映所述工件的形状;
加工质量控制模块,用于获取与所述加工进程所对应的参考模型,并在所述3D模型与所述参考模型之间存在偏差时,输出报警提示信息,并对数控机床的刀具进给量和/或加工工艺信息进行调整,以对所述工件的加工质量进行控制。
第三方面,本发明实施例还提供一种终端设备,终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的基于点云扫描的数控机床工件加工质量控制程序,处理器执行基于点云扫描的数控机床工件加工质量控制程序时,实现如上述方案中任一项的基于点云扫描的数控机床工件加工质量控制方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有基于点云扫描的数控机床工件加工质量控制程序,基于点云扫描的数控机床工件加工质量控制程序被处理器执行时,实现如上述方案中任一项的基于点云扫描的数控机床工件加工质量控制方法的步骤。
有益效果:与现有技术相比,本发明提供了一种基于点云扫描的数控机床工件加工质量控制方法,本发明首先当工件加工时,采集所述工件在加工过程中的激光点云数据,并基于所述激光点云数据确定所述工件的加工状态数据,所述加工状态数据用于反映所述工件的加工进程。然后,获取所述工件在所述加工进程时的参数数据,并基于所述参数数据实时生成所述工件的3D模型,所述3D模型用于反映所述工件的形状。最后,获取与所述加工进程所对应的参考模型,并在所述3D模型与所述参考模型之间存在偏差时,输出报警提示信息,并对数控机床的刀具进给量和/或加工工艺信息进行调整,以对所述工件的加工质量进行控制。本发明可基于激光点云数据确定出工件的加工进程,并确定出在此加工进程时的参数数据以生成工件的3D模型,再基于与参考模型的对比分析,来实现对加工质量的控制,有利于保证工件的加工质量。
附图说明
图1为本发明实施例提供的基于点云扫描的数控机床工件加工质量控制方法的具体实施方式的流程图。
图2为本发明实施例提供的基于点云扫描的数控机床工件加工质量控制系统的原理框图。
图3为本发明实施例提供的终端设备的原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本实施例提供一种基于点云扫描的数控机床工件加工质量控制方法,具体实施时,本实施例首先当工件加工时,采集所述工件在加工过程中的激光点云数据,并基于所述激光点云数据确定所述工件的加工状态数据,所述加工状态数据用于反映所述工件的加工进程。然后,获取所述工件在所述加工进程时的参数数据,并基于所述参数数据实时生成所述工件的3D模型,所述3D模型用于反映所述工件的形状。最后,获取与所述加工进程所对应的参考模型,并根据所述3D模型与所述参考模型,对所述工件的加工质量进行控制。本实施例可基于激光点云数据确定出工件的加工进程,并确定出在此加工进程时的参数数据以生成工件的3D模型,再基于与参考模型的对比分析,来实现对加工质量的控制,有利于保证工件的加工质量。
示例性方法
本实施例中的基于点云扫描的数控机床工件加工质量控制方法可应用在终端设备上,也可以应用于数控机床上,所述终端设备可为电脑,并与数控机床连接。所述终端设备还可直接设置为所述数控机床中的智能控制模块。具体地,如图1中所示,本实施例中的基于点云扫描的数控机床工件加工质量控制方法具体包括如下步骤:
步骤S100、当工件加工时,采集所述工件在加工过程中的激光点云数据,并基于所述激光点云数据确定所述工件的加工状态数据,所述加工状态数据用于反映所述工件的加工进程。
本实施例所要实现的是对工件的加工质量进行控制,而所述加工质量反映的是工件在机械加工后,被加工面的微观不平度,也叫粗糙度。也就是说,本实施例所要实现的是对工件的表面粗糙度进行控制,使得工件的表面达到粗糙度要求。因此,本实施例在工件被加工时,可实时采集工件在加工过程中的激光点云数据,由于激光点云数据是在工件被加工的过程中实时采集的,因此这些激光点云反映了工件在加工过程中对应的加工状态数据,所述加工状态数据用于反映所述工件的加工进程。也就是说,本实施例可根据激光点云数据确定此时工件正在被执行哪一个加工步骤。
在一种实现方式中,本实施例在确定加工状态数据时,包括如下步骤:
步骤S101、对所述激光点云数据进行分析,基于transformer模型,从所述激光点云数据中,确定所述工件的实时形状以及实时加工环境,所述实时加工环境用于反映所述工件的加工工艺信息;
步骤S102、基于所述实时形状以及所述实时加工环境,确定所述工件的所述加工状态数据。
具体地,本实施例首先基于双目相机对工件的点云数据进行扫描,得到所述激光点云数据,在采集时,可在该工件开始执行加工步骤后就开始进行点云数据的采集,并且本实施例可控制双目相机每隔10秒对工件的点云数据进行采集,以得到该工件在不同时间的激光点云数据。
在一种实现方式中,本实施例在所述工件在加工时,对所述工件进行扫描,首先得到稀疏点云数据。为了提高后续步骤中点云数据的分析准确度,本实施例基于MVS算法(multi view system从多视图的密集重建)对所述稀疏点云数据进行处理,得到稠密点云数据,并将所述稠密点云数据作为所述激光点云数据。也就是说,本实施例获取不同视图的稀疏点云数据,然后基于MVS算法将多视图的稀疏点云数据进行处理,得到稠密点云数据,即激光点云数据,这样后续步骤中就可以更为准确地分析出所述加工状态数据。
具体地,本实施例在获取到激光点云数据后,本实施例对该激光点云数据进行分析,由于该激光点云数据是直接对工件进行扫描得到的,因此可以从该激光点云数据中确定该工件的实时形状以及实时加工环境。在本实施例中,所述实时形状为该工件在加工过程中的形状,由于工件在加工过程中会被车削、铣削等操作,因此工件的形状是不断变化的,因此,本实施例所确定出的实时形状反映的是该工件在加工过程中某一个时刻或者某一个阶段的形状。本实施例中的实时加工环境反映的是所述工件此时的加工工艺信息,而加工工艺信息反映的是此时工件位于哪一个加工步骤,或者说,此时工件在被加工时使用的刀具或者夹具是什么。因此,本实施例就可以根据所述实时加工环境,确定所述加工环境所对应的加工工艺信息。
具体地,本实施例在确定工件的实时形状与实时加工环境时,可基于预设的分割模型来对激光点云数据进行分割处理,从该激光点云数据中分别分割出用于反映实际形状的激光点云数据以及用于反映实时加工环境的激光点云数据,然后分别对这两种激光点云数据进行分析,从而确定实时形状以及实时加工环境。在另一种实现方式中,本实施例还可基于图像识别的方式来确定实时形状和实时加工环境。具体地,本实施例可对加工在加工过程中拍摄图像数据,然后对图像数据进行识别。在具体应用时,本实施例可采用transformer模型或者Point-Net模型来来实现对图像数据的识别。由于图像数据中可清楚的反映出工件此刻的状态以及工件在加工过程中使用的刀具、夹具等,因此就可以从该图像数据中得到工件形状特征以及加工环境特征,并根据工件形状特征确定工件的实时形状,以及根据加工环境特征确定实时加工环境。在确定实时形状后,本实施例还可以对图像数据中的工件进行测量,得到具体的实际形状参数和/或实际尺寸参数,以便后续步骤中生成工件的3D模型。
进一步地,由于本实施例确定出了工件的实时形状,并且也确定出了工件的加工工艺信息(即此时工件位于哪一个加工步骤),而工件在执行每一个加工步骤时,都会有对应的形状,当某个加工步骤执行完成后,工件的形状就会更新,因此本实施例在得到所述工件的实时形状以及加工工艺信息后,就可以将此时获取到的实时形状与确定的加工工艺信息所对应的形状(即执行该加工步骤时,理论上工件所对应的形状)进行匹配,如果匹配成功了,则该加工工艺信息中的刀具和夹具以及具体的加工步骤,就是该工件此时的加工进度,即对应加工工艺信息中的哪一个加工步骤或者哪一些加工步骤,也就确定出加工状态数据。
步骤S200、获取所述工件在所述加工进程时的参数数据,并基于所述参数数据实时生成所述工件的3D模型,所述3D模型用于反映所述工件的形状。
当确定所述工件的加工进程后,本实施例可确定所述工件在所述加工进程下的参数数据,所述参数数据反映的是该工件的实际尺寸数据、实际形状数据等。基于这些参数数据,本实施例可实时生成工件的3D模型,所述3D模型反映的是此时工件的实际尺寸以及实际形状,并且由于该3D模型可反映出工件的详细的建模数据。
步骤S300、获取与所述加工进程所对应的参考模型,并在所述3D模型与所述参考模型之间存在偏差时,输出报警提示信息,并对数控机床的刀具进给量和/或加工工艺信息进行调整,以对所述工件的加工质量进行控制。
当确定所述工件的3D模型后,本实施例为了实现对工件的加工质量的控制,就需要首先判定此时的3D模型中所反映的实际尺寸数据、实际形状数据等是否满足加工质量的要求,为此,本实施例获取与该加工进程所对应的参考模型,所述参考模型是预先设置的,并且是基于该工件的设计图纸生成的,由于设计图纸中包括了工件的很多设计参数,比如设计尺寸参数、设计形状参数等等,基于这些设计参数就可以生成参考模型,由于工件在每一个加工进程结束后,形状都是会变的,因此本实施例可基于加工工艺信息中不同的加工进程设置对应的参考模型,所述参考模型反映的是工件在当前的这个加工进程完成后的理想状态,其表面质量也都满足当前这个加工进程要求。因此本实施例可根据3D模型与对应的加工进程的参考模型,来实现对加工质量的分析,进而实现对加工质量的控制。
在一种实现方式中,本实施例在对3D模型和参考模型进行分析时,包括以下步骤:
步骤S301、将所述3D模型与所述参考模型进行对比分析,确定所述3D模型与所述参考模型之间的差异数据;
步骤S302、基于所述差异数据,判断所述3D模型与所述参考模型之间是否存在偏差;
步骤S303、若所述3D模型与所述参考模型之间存在偏差,则输出报警提示,并对数控机床的刀具进给量和/或加工工艺信息进行调整。
具体地,由于所述3D模型反映的是该工件在当前的加工进程下的实际尺寸数据、实际形状数据等,参考数据反映的是该工件在当前的加工进程下的设计尺寸数据和设计形状数据,因此,当将3D模型和参考模型进行比对分析后,可以确定出所述3D模型与所述参考模型之间的差异数据,该差异数据即为实际尺寸数据设计尺寸数据之间的差异以及所述实际形状数据与设计形状数据之间差异。当所述3D模型与所述参考模型之间存在差异数据时,且所述差异数据超过预设阈值,则就说明此时的工件在当前加工进程中的实际形状数据或者实际尺寸数据并不满足要求。如果所述差异数据超过预设阈值,则说明此时的所述3D模型与所述参考模型之间存在偏差。因此,本实施例及时输出报警提示信息,起到预警作用。并且本实施例还可实时根据所述差异数据对所述工件的加工工艺信息进行调整,以保证所述工件的加工质量。换句话说,本实施例会实际尺寸数据设计尺寸数据之间的差异以及所述实际形状数据与设计形状数据之间差异来对后续的加工步骤、刀具进给量等参数进行调整,以提高所述工件的加工质量。具体地,若所述3D模型与所述参考模型之间存在偏差,本实施例可确定所述差异数据所对应的待加工面,该待加工面即是通过比对3D模型和参考模型得到的加工质量欠缺的面。此时就可以获取所述待加工面的尺寸参数,然后根据所述尺寸参数,增加或减少所述数控机床的刀具进给量和/或更改所述加工工艺信息,更改加工工艺可包括但不限于对加工步骤进行增减或者修改,还可以对加工刀具进行替换,这样就可以提高工件的加工质量。在实际应用时,本实施例可对每一个加工步骤都进行实时分析,从而实现对加工质量进行监控,并且及时进行预警以及调控,使得工件的加工质量满足要求。
综上,本实施例首先当工件加工时,采集所述工件在加工过程中的激光点云数据,并基于所述激光点云数据确定所述工件的加工状态数据,所述加工状态数据用于反映所述工件的加工进程。然后,获取所述工件在所述加工进程时的参数数据,并基于所述参数数据实时生成所述工件的3D模型,所述3D模型用于反映所述工件的形状。最后,获取与所述加工进程所对应的参考模型,并根据所述3D模型与所述参考模型,对所述工件的加工质量进行控制。本实施例可基于激光点云数据确定出工件的加工进程,并确定出在此加工进程时的参数数据以生成工件的3D模型,再基于与参考模型的对比分析,来实现对加工质量的控制,有利于保证工件的加工质量。
示例性系统
基于上述实施例,本发明还提供一种基于点云扫描的数控机床工件加工质量控制系统,如图3中所示,所述系统包括:加工状态数据确定模块10、3D模型生成模块20以及加工质量控制模块30。具体地,所述加工状态数据确定模块10,用于当工件加工时,采集所述工件在加工过程中的激光点云数据,并基于所述激光点云数据确定所述工件的加工状态数据,所述加工状态数据用于反映所述工件的加工进程。所述3D模型生成模块20,用于获取所述工件在所述加工进程时的参数数据,并基于所述参数数据实时生成所述工件的3D模型,所述3D模型用于反映所述工件的形状。所述加工质量控制模块30,用于获取与所述加工进程所对应的参考模型并在所述3D模型与所述参考模型之间存在偏差时,输出报警提示信息,并对数控机床的刀具进给量和/或加工工艺信息进行调整,以对所述工件的加工质量进行控制。
在一种实现方式中,所述加工状态数据确定模块10包括:
工件扫描单元,用于当所述工件在加工时,对所述工件进行扫描,得到所述工件在加工过程中的激光点云数据;
点云数据分析单元,用于对所述激光点云数据进行分析,从所述激光点云数据中,确定所述工件的实时形状以及实时加工环境,所述实时加工环境用于反映所述工件的加工工艺信息;
状态数据确定单元,用于基于所述实时形状以及所述实时加工环境,确定所述工件的所述加工状态数据。
在一种实现方式中,所述工件扫描单元包括:
稀疏点云获取子单元,用于当所述工件在加工时,对所述工件进行扫描,得到稀疏点云数据;
稠密点云获取子单元,用于基于MVS算法对所述稀疏点云数据进行处理,得到稠密点云数据,并将所述稠密点云数据作为所述激光点云数据。
在一种实现方式中,所述状态数据确定单元包括:
工艺信息确定子单元,用于根据所述实时加工环境,确定所述加工环境所对应的加工工艺信息;
加工步骤确定子单元,用于将所述实时形状与所述加工工艺信息进行匹配,确定所述加工工艺信息中,与所述实时形状所对应的加工步骤;
加工进程确定子单元,用于根据所述加工步骤,确定所述工件的加工进程,将所述加工进程作为所述加工状态数据。
在一种实现方式中,所述3D模型生成模块20包括:
信息匹配单元,用于基于所述加工进程,在所述加工工艺信息中匹配出所述加工步骤;
参数确定单元,用于基于所述加工步骤与所述实时形状,确定所述工件的参数数据,所述参数数据包括尺寸参数与形状参数;
模型生成单元,用于获取所述参数数据所对应的激光点云数据,并基于所述激光点云数据,生成所述3D模型。
在一种实现方式中,所述加工质量控制30包括:
差异数据确定单元,用于将所述3D模型与所述参考模型进行对比分析,确定所述3D模型与所述参考模型之间的差异数据;
模型对比分析单元,用于基于所述差异数据,判断所述3D模型与所述参考模型之间是否存在偏差;
加工质量控制单元,用于若所述3D模型与所述参考模型之间存在偏差,则输出报警提示,并对数控机床的刀具进给量和/或加工工艺信息进行调整。
在一种实现方式中,所述加工质量控制单元,包括:
模型偏差确定单元,用于若所述差异数据超过预设阈值,则确定所述3D模型与所述参考模型之间存在偏差;
报警信息提示单元,用于输出报警提示信息,并确定所述差异数据所对应的待加工面;
工艺信息调整子单元,获取所述待加工面的尺寸参数,并根据所述尺寸参数,增加或减少所述数控机床的刀具进给量和/或更改所述加工工艺信息,以保证所述工件的加工质量。
本实施例的基于点云扫描的数控机床工件加工质量控制系统中各个模块的工作原理与上述方法实施例中各个步骤的原理相同,此处不再赘述。
基于上述实施例,本发明还提供了一种终端设备,该终端设备的原理框图可以如图3所示。该终端设备包括通过系统总线连接的处理器、存储器,处理器与存储器设置在主机中。其中,该终端设备的处理器用于提供计算和控制能力。该终端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。该终端设备的网络接口用于与外部的终端通过网络通讯连接通信。该计算机程序被处理器执行时以实现一种基于点云扫描的数控机床工件加工质量控制方法。
本领域技术人员可以理解,图3中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的终端设备的限定,具体的终端设备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,提供了一种终端设备,终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的基于点云扫描的数控机床工件加工质量控制方法程序,处理器执行基于点云扫描的数控机床工件加工质量控制方法程序时,实现如下操作指令:
当工件加工时,采集所述工件在加工过程中的激光点云数据,并基于所述激光点云数据确定所述工件的加工状态数据,所述加工状态数据用于反映所述工件的加工进程;
获取所述工件在所述加工进程时的参数数据,并基于所述参数数据实时生成所述工件的3D模型,所述3D模型用于反映所述工件的形状;
获取与所述加工进程所对应的参考模型,并在所述3D模型与所述参考模型之间存在偏差时,输出报警提示信息,并对数控机床的刀具进给量和/或加工工艺信息进行调整,以对所述工件的加工质量进行控制。
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的,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,本发明所提供的各实施例中所使用的对存储器、存储、运营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)、双运营数据率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。
综上,本发明公开了一种基于点云扫描的数控机床工件加工质量控制方法,方法包括:当工件加工时,采集工件在加工过程中的激光点云数据,并基于激光点云数据确定工件的加工状态数据,加工状态数据用于反映工件的加工进程;获取工件在加工进程时的参数数据,并基于参数数据实时生成工件的3D模型,3D模型用于反映工件的形状;获取与加工进程所对应的参考模型,并在所述3D模型与所述参考模型之间存在偏差时,输出报警提示信息,并对数控机床的刀具进给量和/或加工工艺信息进行调整,以对工件的加工质量进行控制。本发明可基于激光点云数据确定出工件的加工进程,并确定出在此加工进程时的参数数据以生成工件的3D模型,再基于与参考模型的对比分析,来实现对加工质量的控制,有利于保证工件的加工质量。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于点云扫描的数控机床工件加工质量控制方法,其特征在于,所述方法包括:
当工件加工时,采集所述工件在加工过程中的激光点云数据,并基于所述激光点云数据确定所述工件的加工状态数据,所述加工状态数据用于反映所述工件的加工进程;
获取所述工件在所述加工进程时的参数数据,并基于所述参数数据实时生成所述工件的3D模型,所述3D模型用于反映所述工件的形状;
获取与所述加工进程所对应的参考模型,并在所述3D模型与所述参考模型之间存在偏差时,输出报警提示信息,并对数控机床的刀具进给量和/或加工工艺信息进行调整,以对所述工件的加工质量进行控制。
2.根据权利要求1所述的基于点云扫描的数控机床工件加工质量控制方法,其特征在于,所述当工件加工时,采集所述工件在加工过程中的激光点云数据,并基于所述激光点云数据确定所述工件的加工状态数据,包括:
当所述工件在加工时,对所述工件进行扫描,得到所述工件在加工过程中的激光点云数据;
对所述激光点云数据进行分析,基于transformer模型,从所述激光点云数据中,确定所述工件的实时形状以及实时加工环境,所述实时加工环境用于反映所述工件的加工工艺信息;
基于所述实时形状以及所述实时加工环境,确定所述工件的所述加工状态数据。
3.根据权利要求2所述的基于点云扫描的数控机床工件加工质量控制方法,其特征在于,所述当所述工件在加工时,对所述工件进行扫描,得到所述工件在加工过程中的激光点云数据,包括:
当所述工件在加工时,对所述工件进行扫描,得到稀疏点云数据;
基于MVS算法对所述稀疏点云数据进行处理,得到稠密点云数据,并将所述稠密点云数据作为所述激光点云数据。
4.根据权利要求2所述的基于点云扫描的数控机床工件加工质量控制方法,其特征在于,所述基于所述实时形状以及所述实时加工环境,确定所述工件的所述加工状态数据,包括:
根据所述实时加工环境,确定所述加工环境所对应的加工工艺信息;
将所述实时形状与所述加工工艺信息进行匹配,确定所述加工工艺信息中,与所述实时形状所对应的加工步骤;
根据所述加工步骤,确定所述工件的加工进程,将所述加工进程作为所述加工状态数据。
5.根据权利要求1所述的基于点云扫描的数控机床工件加工质量控制方法,其特征在于,所述获取所述工件在所述加工进程时的参数数据,并基于所述参数数据实时生成所述工件的3D模型,包括:
基于所述加工进程,在所述加工工艺信息中匹配出所述加工步骤;
基于所述加工步骤与所述实时形状,确定所述工件的参数数据,所述参数数据包括实际尺寸参数与实际形状参数;
获取所述参数数据所对应的激光点云数据,并基于所述激光点云数据,生成所述3D模型。
6.根据权利要求1所述的基于点云扫描的数控机床工件加工质量控制方法,其特征在于,所述在所述3D模型与所述参考模型之间存在偏差时,输出报警提示信息,并对数控机床的刀具进给量和/或加工工艺信息进行调整,以对所述工件的加工质量进行控制,包括:
将所述3D模型与所述参考模型进行对比分析,确定所述3D模型与所述参考模型之间的差异数据;
基于所述差异数据,判断所述3D模型与所述参考模型之间是否存在偏差;
若所述3D模型与所述参考模型之间存在偏差,则输出报警提示,并对数控机床的刀具进给量和/或加工工艺信息进行调整。
7.根据权利要求6所述的基于点云扫描的数控机床工件加工质量控制方法,其特征在于,所述若所述3D模型与所述参考模型之间存在偏差,则输出报警提示信息,并对数控机床的刀具进给量和/或加工工艺信息进行调整,包括:
若所述差异数据超过预设阈值,则确定所述3D模型与所述参考模型之间存在偏差;
输出报警提示信息,并确定所述差异数据所对应的待加工面;
获取所述待加工面的尺寸参数,并根据所述尺寸参数,增加或减少所述数控机床的刀具进给量和/或更改所述加工工艺信息,以保证所述工件的加工质量。
8.一种基于点云扫描的数控机床工件加工质量控制系统,其特征在于,所述系统包括:
加工状态数据确定模块,用于当工件加工时,采集所述工件在加工过程中的激光点云数据,并基于所述激光点云数据确定所述工件的加工状态数据,所述加工状态数据用于反映所述工件的加工进程;
3D模型生成模块,用于获取所述工件在所述加工进程时的参数数据,并基于所述参数数据实时生成所述工件的3D模型,所述3D模型用于反映所述工件的形状;
加工质量控制模块,用于获取与所述加工进程所对应的参考模型,并在所述3D模型与所述参考模型之间存在偏差时,输出报警提示信息,并对数控机床的刀具进给量和/或加工工艺信息进行调整,以对所述工件的加工质量进行控制。
9.一种终端设备,其特征在于,终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的基于点云扫描的数控机床工件加工质量控制程序,处理器执行基于点云扫描的数控机床工件加工质量控制程序时,实现如权利要求1-7任一项的基于点云扫描的数控机床工件加工质量控制方法的步骤。
10.一种计算机可读存储介质,其特征在于,计算机可读存储介质上存储有基于点云扫描的数控机床工件加工质量控制程序,基于点云扫描的数控机床工件加工质量控制程序被处理器执行时,实现如权利要求1-7任一项的基于点云扫描的数控机床工件加工质量控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210645845.0A CN114820750A (zh) | 2022-06-09 | 2022-06-09 | 一种基于点云扫描的数控机床工件加工质量控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210645845.0A CN114820750A (zh) | 2022-06-09 | 2022-06-09 | 一种基于点云扫描的数控机床工件加工质量控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114820750A true CN114820750A (zh) | 2022-07-29 |
Family
ID=82521779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210645845.0A Pending CN114820750A (zh) | 2022-06-09 | 2022-06-09 | 一种基于点云扫描的数控机床工件加工质量控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820750A (zh) |
-
2022
- 2022-06-09 CN CN202210645845.0A patent/CN114820750A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114708587B (zh) | 一种基于图像识别的数控机床工件加工余量确定方法 | |
CN111940891B (zh) | 光纤激光切割头的调焦方法、系统、设备和存储介质 | |
CN115993804B (zh) | 一种基于数控机床的刀具参数调整方法及相关设备 | |
CN115629573B (zh) | 一种加工程序自动编制方法、装置、终端设备及存储介质 | |
US20190317475A1 (en) | Controller and control system | |
CN114675599B (zh) | 一种数控机床的加工特征排序方法及系统 | |
CN115690405B (zh) | 一种基于机器视觉的加工轨迹优化方法及相关设备 | |
CN114859822A (zh) | 全自动铣刀检测方法、装置、计算机设备以及存储介质 | |
CN117283165A (zh) | 一种用于铝型材切割装置的高精度切割方法及系统 | |
CN113771036B (zh) | 一种切割方法、装置及切割设备 | |
CN101356417B (zh) | 用于检测工件几何形状的系统和方法 | |
CN114820750A (zh) | 一种基于点云扫描的数控机床工件加工质量控制方法 | |
CN112612250B (zh) | 刀具回馈控制装置及方法 | |
US20190391556A1 (en) | Numerical controller | |
CN112684761A (zh) | 数值控制装置 | |
CN115816158B (zh) | 任意角转接加工控制系统及复杂零件非标角转接加工方法 | |
CN113618253B (zh) | 激光加工方法、系统、激光加工控制器及存储介质 | |
JP2003241808A (ja) | 自動プログラミング装置及び自動プログラミング方法並びに自動加工システム | |
CN115993803B (zh) | 基于数控机床的加工参数调整方法及相关设备 | |
CN116184929B (zh) | 一种应用于裁切设备的智能控制方法及其系统 | |
JP6923736B2 (ja) | 数値制御装置 | |
CN117806231B (zh) | 一种基于物联网的机床运行加工控制系统及方法 | |
Jiang et al. | Posture adjustment of workpiece based on stepwise matching by self-adaptive differential evolution algorithm | |
KR20230038033A (ko) | 기상 측정을 활용한 형상 오차 보정 장치 및 그 방법 | |
CN116133778A (zh) | 数值控制装置以及控制方法 |
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 |