CN115049652B - 液压机智能控制方法、装置、设备及存储介质 - Google Patents

液压机智能控制方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115049652B
CN115049652B CN202210971074.4A CN202210971074A CN115049652B CN 115049652 B CN115049652 B CN 115049652B CN 202210971074 A CN202210971074 A CN 202210971074A CN 115049652 B CN115049652 B CN 115049652B
Authority
CN
China
Prior art keywords
processed
information
hydraulic machine
identification result
current execution
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
CN202210971074.4A
Other languages
English (en)
Other versions
CN115049652A (zh
Inventor
张振
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.)
Tianjin Diguang Empire Mechanical Equipment Co ltd
Original Assignee
Tianjin Diguang Empire Mechanical Equipment 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 Tianjin Diguang Empire Mechanical Equipment Co ltd filed Critical Tianjin Diguang Empire Mechanical Equipment Co ltd
Priority to CN202210971074.4A priority Critical patent/CN115049652B/zh
Publication of CN115049652A publication Critical patent/CN115049652A/zh
Application granted granted Critical
Publication of CN115049652B publication Critical patent/CN115049652B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B30—PRESSES
    • B30B—PRESSES IN GENERAL
    • B30B15/00—Details of, or accessories for, presses; Auxiliary measures in connection with pressing
    • B30B15/26—Programme control arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Control Of Presses (AREA)
  • Fluid-Pressure Circuits (AREA)

Abstract

本申请涉及一种液压机智能控制方法、装置、设备及存储介质，应用于液压机智能控制的技术领域，所述液压机包括用于对待加工物体进行检测的检测单元，所述方法包括：接收检测单元发送的检测信息，对所述检测信息进行识别，得到识别结果；基于所述识别结果生成所述液压机的当前执行策略；基于所述当前执行策略控制液压机对待加工物体进行加工。本申请具有较小误差，提高液压机对待加工零件的加工质量的效果。

Description

液压机智能控制方法、装置、设备及存储介质
技术领域
本申请涉及液压机智能控制的技术领域，尤其是涉及一种液压机智能控制方法、装置、设备及存储介质。
背景技术
液压机是一种以液体为工作介质，根据帕斯卡原理制成的用于传递能量以实现各种工艺的机器。随着预应力技术的发展，在液压机的缸筒采用预应力钢丝缠绕技术，可以大大提高缸筒内的承载能力，采用预应力钢丝预紧油缸具有承载压力高、主缸重量减轻、成本下降和寿命提高的优点。
在应用预应力钢丝缠绕液压机时，通常是人工将需要拉伸的零件放置在操作台上，然后人工操作液压机的控制单元，使液压机启动，并驱动活动横梁下降，从而使活动横梁对操作台上的待加工物体进行拉伸，完成零件的弯曲、成型、翻边和冲压等多种加工。但是，采用人工操作液压机的控制单元对待加工物体进行加工时，误差较大，影响液压机对待加工零件的质量。
发明内容
为了减小误差，提高液压机对待加工零件的加工质量，本申请提供一种液压机智能控制方法、装置、设备及存储介质。
第一方面，本申请提供一种液压机智能控制方法，采用如下的技术方案：
一种液压机智能控制方法，所述液压机包括用于对待加工物体进行检测的检测单元，所述方法包括：
接收检测单元发送的检测信息，对所述检测信息进行识别，得到识别结果；
基于所述识别结果生成所述液压机的当前执行策略；
基于所述当前执行策略控制液压机对待加工物体进行加工。
通过采用上述技术方案，工作人员将待加工物体放置在操作台上，当检测单元检测到液压机的操作台上存在待加工物体时，液压机的控制单元对检测信息进行识别，得到识别结果，此时液压机可以根据识别结果制定适合待加工物体的执行策略，从而实现精确控制液压机加工，进而提高液压机对待加工零件的加工质量。
可选的，所述对所述检测信息进行识别，得到识别结果包括：
基于所述检测信息对所述待加工物体进行分析，得到分析结果；
基于所述分析结果获取所述待加工物体的属性信息，所述属性信息包括所述待加工物体的种类信息、强度信息和加工后的形状信息；
基于所述属性信息对所述检测信息进行识别，并得到所述识别结果。
可选的，所述检测信息包括红外信息，所述基于所述检测信息对待加工物体进行分析，得到分析结果包括：
获取所述待加工物体的红外信息；
基于所述红外信息判断所述待加工物体是否包含人体特征；
若是，则所述分析结果为待加工物体包括人体特征；
若否，则基于图像识别算法对所述待加工物体进行识别，得到所述待加工物体的图像识别结果；所述分析结果为所述图像识别结果。
可选的，所述基于图像识别算法对所述待加工物体进行识别，得到所述待加工物体的图像识别结果包括：
获取所述待加工物体的第一特征图像；
若预设图像数据库中存在与第一特征图像相对应的第二特征图像，则基于所述第一特征图像在预设图像数据库中提取与所述第一特征图像对应的第二特征图像；
获取所述待加工物体的重量信息；
基于所述重量信息和所述第二特征图像对待加工物体进行识别，得到所述待加工物体的图像识别结果。
可选的，所述基于所述识别结果生成液压机的当前执行策略包括：
基于所述识别结果确定所述待加工物体的强度等级；
基于所述强度等级确定所述液压机的拉伸压力和下降速度；
根据所述拉伸压力和下降速度生成当前执行策略。
可选的，所述加工后的形状信息包括所述待加工物体的预设深度，在所述基于所述当前执行策略控制液压机对待加工物体进行加工之后，所述方法还包括：
获取所述液压机的活动横梁下降的高度和操作台的高度；
基于所述液压机的活动横梁下降的高度和操作台的高度计算所述待加工物体的当前深度；
基于所述待加工物体的深度与预设深度判断所述待加工物体是否加工合格；
若所述待加工物体加工不合格，则判断所述待加工物体的深度是否大于预设深度，
若所述待加工物体的深度大于预设深度，则对所述当前执行策略进行调整，直至待加工物体加工合格为止，将调整后的执行策略作为当前调整策略。
可选的，在对所述当前执行策略进行调整之后，所述方法还包括：
获取液压机的所述当前执行策略
基于所述属性信息和所述当前执行策略生成属性策略对照表，并进行存储。
第二方面，本申请提供一种液压机智能控制装置，采用如下的技术方案：
一种液压机智能控制装置，包括：
响应识别模块，用于接收检测单元发送的检测信息，对所述检测信息进行识别，得到识别结果；
生成模块，用于基于所述识别结果生成所述液压机的当前执行策略；
控制加工模块，用于基于所述当前执行策略控制液压机对待加工物体进行加工。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，包括处理器，所述处理器与存储器耦合；
所述处理器用于执行所述存储器中存储的计算机程序，以使得所述液压机智能控制装置执行如第一方面所述的方法。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，包括计算机程序或指令，当所述计算机程序或指令在计算机上运行时，使得所述计算机执行如第一方面所述的方法。
附图说明
图1是本申请实施例提供的一种液压机智能控制方法的流程示意图。
图2是步骤S100的子步骤的流程示意图。
图3是申请实施例提供的一种液压机智能控制装置的结构框图。
图4是本申请实施例提供的电子设备的结构框图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本申请实施例提供一种液压机智能控制方法，该液压机智能控制方法可由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中该服务器可以使独立的物理服务器，也可以是多个物理度武器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、台式计算机等，但并不局限于此。
如图1所示，一种液压机智能控制方法，该方法主要流程描述如下（步骤S100～S300）：
步骤S100，接收检测单元发送的检测信息，对所述检测信息进行识别，得到识别结果。
具体的，当工作人员将待加工物体放置在液压机的操作台上时，液压机上设置有检测单元，检测单元检测到操作台上存在待加工物体，然后检测单元将检测到的检测信息传输至液压机控制单元内，然后控制单元对检测信息进行识别，得到识别结果。
在本实施例中，检测单元包括摄像头和重力传感器，当待加工物体被放置在操作台上时，重力传感器检测到操作台的重力发生变化，同时，摄像头拍摄到待加工物体的第一特征图像，即待加工物体的重力信息和摄像头拍摄的第一特征图像均为检测信息。
参照图2，作为本实施例的一种可选实施方式，对检测信息进行识别具体包括以下步骤：
步骤S101，基于所述检测信息对所述待加工物体进行分析，得到分析结果。
具体的，检测信息包括红外信息，基于检测信息对待加工物体进行分析包括以下步骤：
获取待加工物体的红外信息；基于红外信息判断待加工物体是否包含人体特征；若是，则分析结果为待加工物体包含人体特征；若否，则基于图像识别算法对待加工物体进行识别，得到待加工物体的图像识别结果；分析结果为图像识别结果。其中，人体特征包括手臂、大腿等人体部位。
在液压机工作的过程中，可能会有工作人员误将自己的手臂放在操作台上，例如在对操作台检修、放置或拿取待加工物体时，工作人员均可能将手臂伸进操作台上，由于人体发射的红外线的波长在8～12μm，而不锈钢本身会反射白光的红外线，白光的红外线的波长为350nm～770nm，通过检测单元的红外线传感器可以检测到操作台内是否有人体特征存在；故当工作人员的肢体伸进操作台时，检测单元可以检测到人体特征发射的红外线，此时液压机的控制单元判断操作台上有人体，故不对待加工物体进行加工，减小误伤操作人员的可能性。
当检测单元的红外传感器检测到操作台上不存在人体的红外信息时，需要采用图像识别算法对待加工物体进行分析，得到图像识别结果，具体步骤如下：
获取待加工物体的第一特征图像；若预设图像数据库中存在与第一特征图像相对应的第二特征图像，则基于第一特征图像在预设图像数据库中提取与第一特征图像对应的第二特征图像；获取待加工物体的重量信息；基于重量信息和第二特征图像对待加工物体进行识别，得到待加工物体的图像识别结果。
具体的，需要通过图像识别模型对第一特征图像进行特征提取，从而利用特征信息从预设图像数据库中查找与第一特征图像相对应的第二特征图像，其中，图像识别模型是用于进行图像识别的深度神经网络，该深度神经网络可以是卷积神经网络，但不仅限于此。
若液压机通过第一特征图像在预设图像数据库中提取出至少两个与第一特征图像相对应的第二特征图像，则需要获取待加工物体的重量信息，通过待加工物体的重量信息进一步筛选出与第一特征图像相对应的第二特征图像。
例如，以待加工物体为不锈钢为例，预设图像数据库中可能存在至少两个与不锈钢的颜色和形状相似的第二特征图像，例如分别为铝合金的第二特征图像和不锈钢的第二特征图像，此时仅仅凭借图像识别模型无法分辨待加工物体是不锈钢还是铝合金，但是同体积的不锈钢比同体积的铝合金的重力大，故可以通过判断待加工物体的重力进一步进行筛选。
获取待加工物体的第一重力，同时对待加工物体的第一体积进行计算，然后计算第二特征图像代表的物体在第一体积时的第二重力，将第二重力和第一重力进行对比，若第一重力与第二重力一致，则当前第二特征图像代表的物体为待加工物体。
例如，当待加工物体为2m³的不锈钢时，体积为2m³的不锈钢的重量为m1，体积为2m³的铝合金的重量为m2，此时m1大于m2，故可以判断出待加工物体为不锈钢。
若预设图像数据库中不存在与第一特征图像相对应的第二特征图形，则手动输入待加工物体的属性信息；基于手动输入待加工物体的属性信息对待加工物体进行识别。
当预设图像数据库中不存在与第一特征图像相对应的第二特征图像时，代表液压机第一次对待加工物体进行加工，没有关于待加工物体的相关的属性信息，对与液压机来说，是一种新型材料，此时，需要工作人员手动输入待加工物体的属性信息，并在预设图像数据库中补全待加工物体的相关资料，此时液压机才能制定相关的执行策略，对待加工物体进行分析加工。
例如，对于高温需要挤压成型的玻璃制品，需要输入相应的玻璃的原材料的相关属性信息才能执行相对应的执行策略；当待加工物体为断桥铝时，此时液预设图像数据库中不存在与断桥铝相对应的第二特征图像，同样需要工作人员手动输入断桥铝的相关属性信息，并将断桥铝的图像数据输入至预设图像数据库中，将断桥铝的相关属性信息与预设图像数据库中的图像数据进行关联，以便下次再对断桥铝进行加工时，能够进行识别和制定相关的执行策略。
步骤S102，基于所述分析结果获取所述待加工物体的属性信息，所述属性信息包括所述待加工物体的种类信息、强度信息和加工后的形状信息；
具体的，通过图像识别模型可以在预设图像数据库中提取与待加工物体相对应的第二特征图像，由于第二特征图像与其代表的物体的属性信息相关联，故在正确提取出第二特征图像之后，可以得知待加工物体的属性信息，例如，当识别出待加工物体为不锈钢时，可以得知不锈钢的种类信息、强度信息和加工后的形状信息。
步骤S103，基于所述属性信息对所述检测信息进行识别，并得到所述识别结果。
步骤S200，基于识别结果生成液压机的当前执行策略。
具体的，基于识别结果生成液压机的当前执行策略包括：
基于识别结果确定待加工物体的强度等级；基于强度等级确定液压机的拉伸压力和下降速度；根据拉伸压力和下降速度生成当前执行策略。
在得知待加工物体的属性信息之后，需要根据待加工物体的属性信息确定待加工物体的强度等级，即不能过度挤压的物体为第一强度等级，例如不锈钢、铝合金等；加热后柔软的物体为第二强度等级，例如玻璃；无需加热直接能够挤压变形的物体为第三强度等级，例如可变形的塑料。
在本实施例中，液压机的拉伸压力和下降速度均可控，且液压机的拉伸压力分为三个等级，分别为第一拉伸等级、第二拉伸等级和第三拉伸等级，其中，第一拉伸等级的压力最小，第三拉伸等级的压力最大；液压机的下降速度同样分为三个等级，分别为第一下降速度、第二下降速度和第三下降速度，其中第一下降速度最慢，第三下降速度最快。
在确定强度等级之后，需要根据待加工物体的强度等级确定液压机的拉伸压力和下降速度，例如：
当强度等级为第一强度等级时，液压机的挤压等级为第一拉伸等级、下降速度为第一下降速度；
当强度等级为第二强度等级时，液压机的挤压等级为第二拉伸等级、下降速度为第二下降速度；
当强度等级为第三强度等级时，液压机的挤压等级为第三拉伸等级、下降速度为第三下降速度。
此时当前执行策略为拉伸等级和下降速度的任意组合。
步骤S300，基于所述当前执行策略控制液压机对待加工物体进行加工。
在生成当前执行策略之后，液压机根据生成的当前执行策略控制液压机的活动横梁对待加工物体进行挤压加工。
在基于当前执行策略控制液压机对待机工物体进行加工之后，需要自动判断待加工物体是否合格，具体步骤如下：
获取液压机的活动横梁下降的高度和操作台的高度；基于液压机的活动横梁下降的高度和操作台的高度计算待加工物体的当前深度；基于待加工物体的深度与预设深度判断待加工物体是否加工合格；若待加工物体加工不合格，则判断待加工物体的深度是否大于预设深度，若待加工物体的深度大于预设深度，则对当前执行策略进行调整，直至待加工物体加工合格为止，将调整后的执行策略作为当前调整策略。
通过获取液压机的活动横梁下降的距离和操作台的高度，可以对待加工物体挤压后的深度进行计算，然后将待加工物体挤压后的深度和预设深度进行对比，当待加工物体挤压后的深度处于预设深度的范围内时，则证明待加工物体加工合格；当待加工物体挤压后的深度未处于预设深度的范围时，证明待加工物体加工不合格。
若待加工物体的深度大于预设深度，则需要对当前执行策略进行调整直至待加工物体加工合格为止，并将调整后的执行策略作为当前调整策略。例如，当前调整策略为第一挤压等级和第一下降速度，此时对执行策略进行调整，可以根据需要对第一挤压等级进行调整，将此时的第一挤压等级提高到第二挤压等级，下降速度保持不变，并按照第一挤压等级、当前的下降速度对待加工物体进行加工。
若待加工物体的深度小于预设深度，则之后对同类待加工物体进行加工时，需要重新制定当前执行策略，并将重新制定后的当前执行策略存储，以便后续使用。
当液压机对同类待加工物体进行批量加工时，若加工后的待加工物体已经合格，需要对当前执行策略进行存储，具体包括以下步骤：
获取液压机的当前执行策略，基于属性信息和当前执行策略生成属性策略对照表，并进行存储。
具体的，当待加工物体加工合格时，获取待加工物体的属性信息，然后根据液压机执行的当前执行策略和属性信息制成属性策略对照表，并将属性策略对照表进行存储，对于以后每次液压机加工的物体均通过此方法生成属性策略对照表，并进行存储，以便每次对待加工物体加工时，直接生成执行策略，更加方便智能。
图3为申请实施例提供的一种液压机智能控制装置400的结构框图。
如图3所示，一种液压机智能控制装置400主要包括：
响应识别模块401，用于接收检测单元发送的检测信息，对所述检测信息进行识别，得到识别结果。
生成模块402，用于基于所述识别结果生成所述液压机的当前执行策略。
控制加工模块403，用于基于所述当前执行策略控制液压机对待加工物体进行加工。
作为本实施例的一种可选实施方式，响应识别模块401还具体用于基于检测信息对待加工物体进行分析，得到分析结果；基于分析结果获取待加工物体的属性信息，属性信息包括待加工物体的种类信息、强度信息和加工后的形状信息；基于属性信息对检测信息进行识别，并得到识别结果。
作为本实施例的一种可选实施方式，响应识别模块401还具体用于检测信息包括红外信息，基于检测信息对待加工物体进行分析，得到分析结果包括：获取待加工物体的红外信息；基于红外信息判断待加工物体是否包含人体；若是，则分析结果为待加工物体包括人体；若否，则基于图像识别算法对待加工物体进行识别，得到待加工物体的图像识别结果；分析结果为图像识别结果。
作为本实施例的一种可选实施方式，响应识别模块401还具体用于获取待加工物体的第一特征图像；
若预设图像数据库中存在与第一特征图像相对应的第二特征图像，则基于第一特征图像在预设图像数据库中提取与第一特征图像对应的第二特征图像；获取待加工物体的重量信息；基于重量信息和第二特征图像对待加工物体进行识别，得到待加工物体的图像识别结果。
作为本实施例的一种可选实施方式，生成模块402还具体用于基于识别结果确定待加工物体的强度等级；基于强度等级确定液压机的拉伸压力和下降速度；根据拉伸压力和下降速度生成当前执行策略。
作为本实施例的一种可选实施方式，该液压机智能控制装置400还具体用于获取液压机的活动横梁下降的高度和操作台的高度；基于液压机的活动横梁下降的高度和操作台的高度计算待加工物体的当前深度；基于待加工物体的深度与预设深度判断待加工物体是否加工合格；若待加工物体加工不合格，则判断待加工物体的深度是否大于预设深度，若待加工物体的深度大于预设深度，则对当前执行策略进行调整，直至待加工物体加工合格为止，将调整后的执行策略作为当前调整策略。
作为本实施例的一种可选实施方式，该液压机智能控制装置400还具体用于获取液压机的当前执行策略基于属性信息和当前执行策略生成属性策略对照表，并进行存储。
在一个例子中，以上任一装置中的模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个专用集成电路(application specificintegratedcircuit，ASIC)，或，一个或多个数字信号处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)，或这些集成电路形式中至少两种的组合。
再如，当装置中的模块可以通过处理元件调度程序的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，CPU)或其它可以调用程序的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图4为本申请实施例提供的电子设备500的结构框图。
如图4所示，电子设备500包括处理器501和存储器502，还可以进一步包括信息输入/信息输出(I/O)接口503、通信组件504中的一种或多种以及通信总线505。
其中，处理器501用于控制电子设备500的整体操作，以完成上述的液压机智能控制方法的全部或部分步骤；存储器502用于存储各种类型的数据以支持在电子设备500的操作，这些数据例如可以包括用于在该电子设备500上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器502可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，SRAM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、只读存储器(Read-OnlyMemory，ROM)、磁存储器、快闪存储器、磁盘或光盘中的一种或多种。
I/O接口503为处理器501和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件504用于电子设备500与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(NearField Communication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件504可以包括：Wi-Fi部件，蓝牙部件，NFC部件。
电子设备500可以被一个或多个应用专用集成电路 (Application SpecificIntegrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field ProgrammableGate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例给出的液压机智能控制方法。
通信总线505可包括一通路，在上述组件之间传送信息。通信总线505可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA (ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。通信总线505可以分为地址总线、数据总线、控制总线等。
电子设备500可以包括但不限于移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端，还可以为服务器等。
本申请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计算机程序，计算机程序被处理器执行时实现上述的液压机智能控制方法的步骤。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器 (R ead-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (8)

1.一种液压机智能控制方法，其特征在于，所述液压机包括用于对待加工物体进行检测的检测单元，所述方法包括：
接收检测单元发送的检测信息，对所述检测信息进行识别，得到识别结果，所述识别结果包括待加工物体的属性信息；
基于所述识别结果生成所述液压机的当前执行策略；
基于所述当前执行策略控制液压机对待加工物体进行加工；
所述对所述检测信息进行识别，得到识别结果包括：
基于所述检测信息对所述待加工物体进行分析，得到分析结果；
基于所述分析结果获取所述待加工物体的属性信息，所述属性信息包括所述待加工物体的种类信息、强度信息和加工后的形状信息；
基于所述属性信息对所述检测信息进行识别，并得到所述识别结果；
所述基于所述识别结果生成液压机的当前执行策略包括：
基于所述识别结果确定所述待加工物体的强度等级；
基于所述强度等级确定所述液压机的拉伸压力和下降速度；
根据所述拉伸压力和下降速度生成当前执行策略。
2.根据权利要求1所述的方法，其特征在于，所述检测信息包括红外信息，所述基于所述检测信息对待加工物体进行分析，得到分析结果包括：
获取所述待加工物体的红外信息；
基于所述红外信息判断所述待加工物体是否包含人体特征；
若是，则所述分析结果为待加工物体包括人体特征；
若否，则基于图像识别算法对所述待加工物体进行识别，得到所述待加工物体的图像识别结果；所述分析结果为所述图像识别结果。
3.根据权利要求2所述的方法，其特征在于，所述基于图像识别算法对所述待加工物体进行识别，得到所述待加工物体的图像识别结果包括：
获取所述待加工物体的第一特征图像；
若预设图像数据库中存在与第一特征图像相对应的第二特征图像，则基于所述第一特征图像在预设图像数据库中提取与所述第一特征图像对应的第二特征图像；
获取所述待加工物体的重量信息；
基于所述重量信息和所述第二特征图像对待加工物体进行识别，得到所述待加工物体的图像识别结果。
4.根据权利要求1所述的方法，其特征在于，所述加工后的形状信息包括所述待加工物体的预设深度，在所述基于所述当前执行策略控制液压机对待加工物体进行加工之后，所述方法还包括：
获取所述液压机的活动横梁下降的高度和操作台的高度；
基于所述液压机的活动横梁下降的高度和操作台的高度计算所述待加工物体的当前深度；
基于所述待加工物体的深度与预设深度判断所述待加工物体是否加工合格；
若所述待加工物体加工不合格，则判断所述待加工物体的深度是否大于预设深度，
若所述待加工物体的深度大于预设深度，则对所述当前执行策略进行调整，直至待加工物体加工合格为止，将调整后的执行策略作为当前调整策略。
5.根据权利要求4所述的方法，其特征在于，在对所述当前执行策略进行调整之后，所述方法还包括：
获取液压机的所述当前执行策略
基于所述属性信息和所述当前执行策略生成属性策略对照表，并进行存储。
6.一种液压机智能控制装置，其特征在于，包括：
响应识别模块，用于接收检测单元发送的检测信息，对所述检测信息进行识别，得到识别结果，所述识别结果包括待加工物体的属性信息；
生成模块，用于基于所述识别结果生成所述液压机的当前执行策略；
控制加工模块，用于基于所述当前执行策略控制液压机对待加工物体进行加工；
响应识别模块，还具体用于所述对所述检测信息进行识别，得到识别结果包括：基于所述检测信息对所述待加工物体进行分析，得到分析结果；基于所述分析结果获取所述待加工物体的属性信息，所述属性信息包括所述待加工物体的种类信息、强度信息和加工后的形状信息；基于所述属性信息对所述检测信息进行识别，并得到所述识别结果；
生成模块，还具体用于所述基于所述识别结果生成液压机的当前执行策略包括：基于所述识别结果确定所述待加工物体的强度等级；基于所述强度等级确定所述液压机的拉伸压力和下降速度；根据所述拉伸压力和下降速度生成当前执行策略。
7.一种电子设备，其特征在于，包括处理器，所述处理器与存储器耦合；
所述处理器用于执行所述存储器中存储的计算机程序，以使得所述智能终端或液压机智能控制装置执行如权利要求1至5任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，包括计算机程序或指令，当所述计算机程序或指令在计算机上运行时，使得所述计算机执行如权利要求1至5任一项所述的方法。
CN202210971074.4A 2022-08-15 2022-08-15 液压机智能控制方法、装置、设备及存储介质 Active CN115049652B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210971074.4A CN115049652B (zh) 2022-08-15 2022-08-15 液压机智能控制方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210971074.4A CN115049652B (zh) 2022-08-15 2022-08-15 液压机智能控制方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115049652A CN115049652A (zh) 2022-09-13
CN115049652B true CN115049652B (zh) 2022-11-18

Family

ID=83166521

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210971074.4A Active CN115049652B (zh) 2022-08-15 2022-08-15 液压机智能控制方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115049652B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109213079A (zh) * 2017-06-29 2019-01-15 深圳模德宝科技有限公司 一种自动化生产的控制方法及其装置
CN113325801A (zh) * 2021-05-28 2021-08-31 深圳大学 超精密加工系统、方法、设备及存储介质
CN114462952A (zh) * 2022-04-12 2022-05-10 北京龙腾微时代科技信息有限公司 智能仓储管理方法、装置、设备及介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105607579B (zh) * 2016-01-27 2018-06-29 广东工业大学 一种机床加工智能节能控制方法及系统
CN206010076U (zh) * 2016-08-15 2017-03-15 苏州奥比特精密注塑有限公司 电火花加工机床
CN109213080B (zh) * 2017-06-29 2020-10-23 深圳模德宝科技有限公司 一种机床的控制方法及其装置
CN110009800B (zh) * 2019-03-14 2023-04-07 北京京东乾石科技有限公司 一种识别方法和设备
CN113867246A (zh) * 2020-06-30 2021-12-31 北京福田康明斯发动机有限公司 加工线防错系统、方法、存储介质、电子设备及生产线
CN113920059A (zh) * 2021-09-08 2022-01-11 索菲亚家居股份有限公司 一种直线封边板件控制方法、装置、设备及介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109213079A (zh) * 2017-06-29 2019-01-15 深圳模德宝科技有限公司 一种自动化生产的控制方法及其装置
CN113325801A (zh) * 2021-05-28 2021-08-31 深圳大学 超精密加工系统、方法、设备及存储介质
CN114462952A (zh) * 2022-04-12 2022-05-10 北京龙腾微时代科技信息有限公司 智能仓储管理方法、装置、设备及介质

Also Published As

Publication number Publication date
CN115049652A (zh) 2022-09-13

Similar Documents

Publication Publication Date Title
CN109684047B (zh) 事件处理方法、装置、设备和计算机存储介质
CN112395978B (zh) 行为检测方法、装置及计算机可读存储介质
CN109471945B (zh) 基于深度学习的医疗文本分类方法、装置及存储介质
CN110852360B (zh) 图像情感识别方法、装置、设备及存储介质
CN110363090B (zh) 智能心脏疾病检测方法、装置及计算机可读存储介质
CN109472213B (zh) 掌纹识别方法、装置、计算机设备和存储介质
CN111222423A (zh) 基于作业区域的目标识别方法、装置、计算机设备
CN110517225B (zh) Ai影像识别方法、装置、设备及存储介质
CN108470071B (zh) 一种数据处理方法及装置
CN111340213B (zh) 神经网络的训练方法、电子设备、存储介质
CN114065340B (zh) 基于机器学习的施工场地安全监测方法及系统、存储介质
CN115147661B (zh) 一种染色体分类方法、装置、设备及可读存储介质
CN116433029A (zh) 电力作业风险评估方法、系统、设备及存储介质
CN115049652B (zh) 液压机智能控制方法、装置、设备及存储介质
CN117575685A (zh) 数据分析预警系统及方法
CN111222026B (zh) 用户类别识别模型的训练方法和用户类别识别方法
CN110298684B (zh) 车型匹配方法、装置、计算机设备及存储介质
CN112365860B (zh) 一种终端屏幕亮度调节方法、设备及存储介质
CN113469237B (zh) 用户意图识别方法、装置、电子设备及存储介质
CN116258190A (zh) 一种量化方法、装置及相关设备
CN112733722A (zh) 姿态识别方法、装置、系统及计算机可读存储介质
CN116240328B (zh) 转炉炼钢终点控制方法、系统、装置、设备、介质及产品
CN114323725B (zh) 点胶机健康度检测方法、装置、设备及存储介质
CN114418024B (zh) 学历预测方法、系统、终端设备及存储介质
WO2021084898A1 (ja) 画像管理装置、制御方法、及びプログラム

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