CN115129018B - 一种基于物联网的光栅生产控制方法、系统及介质 - Google Patents
一种基于物联网的光栅生产控制方法、系统及介质 Download PDFInfo
- Publication number
- CN115129018B CN115129018B CN202211051746.6A CN202211051746A CN115129018B CN 115129018 B CN115129018 B CN 115129018B CN 202211051746 A CN202211051746 A CN 202211051746A CN 115129018 B CN115129018 B CN 115129018B
- Authority
- CN
- China
- Prior art keywords
- grating
- processing
- information
- sub
- 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.)
- Active
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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C43/00—Compression moulding, i.e. applying external pressure to flow the moulding material; Apparatus therefor
- B29C43/32—Component parts, details or accessories; Auxiliary operations
- B29C43/58—Measuring, controlling or regulating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- 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
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
Abstract
本发明涉及一种基于物联网的光栅生产控制方法、系统及介质,属于光栅生产技术领域,本发明通过根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息。本方法能够通过如3D打印技术来对光栅的加工过程进行规划,使得加工处理的光栅不需要经过多个生产工序,从而实现光栅的生产。另一方面,本发明通过实时监测光栅加工过程,及时对子工序进行调整,进而使得光栅加工过程中更加合理。本发明通过本方法相对于传统的光栅模压制作方式,简化了生产工序,提高了生产效率,节省了开模成本,实现了不同的工艺结合。
Description
技术领域
本发明涉及光栅加工技术领域,尤其涉及一种基于物联网的光栅生产控制方法、系统及介质。
背景技术
光栅作为一种重要的光学元件,因其具有波长变换、耦合等功能,已被广泛应用于激光通讯、光信息处理、光电探测和光学精密测量控制等领域。光栅是光学中一种重要的衍射光学元件,具有色散、偏振和相位匹配等特性,可以实现光束的分束、复色光分离等功能,某些特殊的光栅还具有滤波、抗反射和偏振等功能。随着人们对光栅功能的研究不断深入,光栅在集成光学、光谱分析、信号处理和光存储等领域得以更为重要的应用。现有技术光栅生产工序复杂,时效性低、制作成本高,需要采用PET、PCV、PP等胶片材料进行模压来达到光栅的效果,不同光栅效果又需要不同规格的模具模压,灵活性、拓展性较低,不可兼容可变数据的缺点。
发明内容
本发明克服了现有技术的不足,提供了一种基于物联网的光栅生产控制方法、系统及介质。
为达上述目的,本发明采用的技术方案为:
本发明第一方面提供了一种基于物联网的光栅生产控制方法,包括以下步骤:
获取当前待制作光栅的图纸参数,根据所述图纸参数建立初始光栅加工模型图;
获取当前待制作光栅的加工要素参数值,并基于所述加工要素参数值将所述初始光栅加工模型图分为多个加工路径图,并根据所述加工路径图生成各个加工路径图的预设子工序光栅模型图;
获取实时的光栅加工图像信息,并对所述光栅加工图像信息进行预处理,得到预处理后的图像信息,根据所述预处理后的图像信息建立实时子工序光栅模型图;
根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息,将所述调整信息传输至光栅加工控制终端。
进一步地,本发明的一个较佳实施例中,获取当前待制作光栅的加工要素参数值,并基于所述加工要素参数值将所述初始光栅加工模型图分为多个加工路径图,并根据所述加工路径图生成各个加工路径图的预设子工序光栅模型图,具体包括以下步骤:
获取当前待制作光栅的加工要素参数值,并根据所述加工要素参数值建立加工要素模型图;
根据所述加工要素模型图以及所述初始光栅加工模型图分割为多个加工子工序;
预设每一个加工子工序的喷墨厚度值,并根据所述加工子工序的喷墨厚度值生成多个加工路径图;
基于所述加工路径图生成各个加工路径图的预设子工序光栅模型图。
进一步地,本发明的一个较佳实施例中,获取实时的光栅加工图像信息,并对所述光栅加工图像信息进行预处理,得到预处理后的图像信息,根据所述预处理后的图像信息建立实时子工序光栅模型图,具体包括以下步骤:
获取实时的光栅加工图像信息,并对所述光栅加工图像信息进行去噪以及图像增强处理,通过特征点匹配得到稀疏特征点;
获取所述稀疏特征点的坐标信息,基于所述稀疏特征点的坐标信息生成稀疏三维云数据;
根据所述稀疏三维云数据进行稠密提取得到密集三维点云数据信息;
基于所述密集三维点云数据信息生成多个曲面,并通过所述曲面生成实时子工序光栅模型图。
进一步地,本发明的一个较佳实施例中,根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息,具备包括以下步骤:
基于神经网络建立评估模型,并将所述预设子工序光栅模型图导入所述评估模型中进行训练,调整所述评估模型的参数,保存最优模型参数,得到训练好的评估模型;
将所述实时子工序光栅模型图导入所述训练好的评估模型中,得到一个或者多个偏差信息;
若所述偏差信息大于预设偏差信息,则获取当前偏差信息所在位置节点以及下一预设子工序光栅模型图的喷墨量;
根据所述当前偏差信息所在位置节点以及下一预设子工序光栅模型图的喷墨量生成喷墨补偿值,并根据所述喷墨补偿值对下一预设子工序光栅模型图进行调整,生成调整信息。
进一步地,本发明的一个较佳实施例中,所述的一种基于物联网的光栅生产控制方法,还包括以下步骤:
获取当前预设子工序光栅模型图的次序,并判断所述次序是否为预设次序;
若所述次序为预设次序,则获取当前存在偏差信息所在位置节点的喷墨补偿值;
根据所述存在偏差信息所在位置节点的喷墨补偿值生成当前所在位置节点的调整信息;
将所述当前所在位置节点的调整信息传输至光栅加工控制终端,并通过预设方式显示存在偏差信息所在位置节点。
进一步地,本发明的一个较佳实施例中,所述的一种基于物联网的光栅生产控制方法,还包括以下步骤:
通过大数据网络获取各个材料类型在各个温度场之下的理化特性,并将所述理化特性存储于数据库中,生成训练完成的数据库;
获取当前光栅加工过程中的温度值以及喷墨产品的材料类型,并将所述温度值以及喷墨产品的材料类型导入所述数据库中进行匹配,得到当前喷墨产品的材料类型对应的理化特性;
通过对所述理化特性以及当前实时子工序光栅模型图进行有限元分析,得到分析结果;
判断所述分析结果是否小于预设分析结果,若大于,则发出温度场调节信息至光栅加工控制终端。
本发明第二方面提供了一种基于物联网的光栅生产控制系统,所述系统包括存储器以及处理器,所述存储器中包含基于物联网的光栅生产控制方法程序,所述基于物联网的光栅生产控制方法程序被所述处理器执行时,实现如下步骤:
获取当前待制作光栅的图纸参数,根据所述图纸参数建立初始光栅加工模型图;
获取当前待制作光栅的加工要素参数值,并基于所述加工要素参数值将所述初始光栅加工模型图分为多个加工路径图,并根据所述加工路径图生成各个加工路径图的预设子工序光栅模型图;
获取实时的光栅加工图像信息,并对所述光栅加工图像信息进行预处理,得到预处理后的图像信息,根据所述预处理后的图像信息建立实时子工序光栅模型图;
根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息,将所述调整信息传输至光栅加工控制终端。
进一步地,本发明的一个较佳实施例中,获取当前待制作光栅的加工要素参数值,并基于所述加工要素参数值将所述初始光栅加工模型图分为多个加工路径图,并根据所述加工路径图生成各个加工路径图的预设子工序光栅模型图,具体包括以下步骤:
获取当前待制作光栅的加工要素参数值,并根据所述加工要素参数值建立加工要素模型图;
根据所述加工要素模型图以及所述初始光栅加工模型图分割为多个加工子工序;
预设每一个加工子工序的喷墨厚度值,并根据所述加工子工序的喷墨厚度值生成多个加工路径图;
基于所述加工路径图生成各个加工路径图的预设子工序光栅模型图。
进一步地,本发明的一个较佳实施例中,根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息,具备包括以下步骤:
基于神经网络建立评估模型,并将所述预设子工序光栅模型图导入所述评估模型中进行训练,调整所述评估模型的参数,保存最优模型参数,得到训练好的评估模型;
将所述实时子工序光栅模型图导入所述训练好的评估模型中,得到一个或者多个偏差信息;
若所述偏差信息大于预设偏差信息,则获取当前偏差信息所在位置节点以及下一预设子工序光栅模型图的喷墨量;
根据所述当前偏差信息所在位置节点以及下一预设子工序光栅模型图的喷墨量生成喷墨补偿值,并根据所述喷墨补偿值对下一预设子工序光栅模型图进行调整,生成调整信息。
本发明第三方面提供了一种计算机可存储介质,所述计算机可读存储介质包括基于物联网的光栅生产控制方法程序,所述基于物联网的光栅生产控制方法程序被处理器执行时,实现任一项所述的基于物联网的光栅生产控制方法的步骤。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
本发明通过获取当前待制作光栅的图纸参数,根据所述图纸参数建立初始光栅加工模型图,从而获取当前待制作光栅的加工要素参数值,并基于所述加工要素参数值将所述初始光栅加工模型图分为多个加工路径图,并根据所述加工路径图生成各个加工路径图的预设子工序光栅模型图,并获取实时的光栅加工图像信息,并对所述光栅加工图像信息进行预处理,得到预处理后的图像信息,根据所述预处理后的图像信息建立实时子工序光栅模型图,进而根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息,将所述调整信息传输至光栅加工控制终端。本发明通过本方法相对于传统的光栅模压制作方式,简化了生产工序,提高了生产效率,节省了开模成本,实现了不同的工艺结合。可通过数据文件实时调整更改半球体的效果,解决传统制作修改需要重新开模的痛点,同时节省反复开模的时间和成本。而且本方法能够通过如3D打印技术来对光栅的加工过程进行规划,使得加工处理的光栅不需要经过多个生产工序,从而实现光栅的生产。另一方面,本发明通过实时监测光栅加工过程,及时对子工序进行调整,进而使得光栅加工过程中更加合理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他实施例的附图。
图1示出了一种基于物联网的光栅生产控制方法的第一方法流程图;
图2示出了一种基于物联网的光栅生产控制方法的第二方法流程图;
图3示出了一种基于物联网的光栅生产控制方法的第三方法流程图。
图4示出了一种基于物联网的光栅生产控制系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本发明第一方面提供了一种基于物联网的光栅生产控制方法,包括以下步骤:
S102:获取当前待制作光栅的图纸参数,根据所述图纸参数建立初始光栅加工模型图;
S104:获取当前待制作光栅的加工要素参数值,并基于所述加工要素参数值将所述初始光栅加工模型图分为多个加工路径图,并根据所述加工路径图生成各个加工路径图的预设子工序光栅模型图;
S106:获取实时的光栅加工图像信息,并对所述光栅加工图像信息进行预处理,得到预处理后的图像信息,根据所述预处理后的图像信息建立实时子工序光栅模型图;
S108:根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息,将所述调整信息传输至光栅加工控制终端。
需要说明的是,所述图纸参数至少包括待加工光栅的轮廓参数、厚度参数等,所述加工要素可以为半球体的形状尺寸、高度尺寸,孔位尺寸参数等。本发明通过本方法相对于传统的光栅模压制作方式,简化了生产工序,提高了生产效率,节省了开模成本,实现了不同的工艺结合。可通过数据文件实时调整更改半球体的效果,解决传统制作修改需要重新开模的痛点,同时节省反复开模的时间和成本。而且本方法能够通过如3D打印技术来对光栅的加工过程进行规划,使得加工处理的光栅不需要经过多个生产工序,从而实现光栅的生产。另一方面,本发明通过实时监测光栅加工过程,及时对子工序进行调整,进而使得光栅加工过程中更加合理。通过三维建模软件,如SolidWorks软件、UG软件、SkecthUp软件、Rhino软件、Maya软件、3Ds Max软件、Revit软件等,根据所述图纸参数建立初始光栅加工模型图。
进一步地,本发明的一个较佳实施例中,获取当前待制作光栅的加工要素参数值,并基于所述加工要素参数值将所述初始光栅加工模型图分为多个加工路径图,并根据所述加工路径图生成各个加工路径图的预设子工序光栅模型图,具体包括以下步骤:
获取当前待制作光栅的加工要素参数值,并根据所述加工要素参数值建立加工要素模型图;
根据所述加工要素模型图以及所述初始光栅加工模型图分割为多个加工子工序;
预设每一个加工子工序的喷墨厚度值,并根据所述加工子工序的喷墨厚度值生成多个加工路径图;
基于所述加工路径图生成各个加工路径图的预设子工序光栅模型图。
需要说明的是,在实际的3D打印加工或者数码印刷的过程中,如光栅的半球体的成型的过程中,需要通过初始光栅加工模型图以及所述加工要素模型图进行分割成多个加工子工序,由于成型当中的喷墨材料以及固化的工序影响的影响,即在加工成型时,需要一步步成型从而形成光栅,从而预设每个加工子工序一个喷墨厚度值,喷墨产品可以是环保树脂油墨,从而生成多个加工路径图,每个加工路径图均对应一个预设子工序光栅模型图。
进一步地,本发明的一个较佳实施例中,获取实时的光栅加工图像信息,并对所述光栅加工图像信息进行预处理,得到预处理后的图像信息,根据所述预处理后的图像信息建立实时子工序光栅模型图,具体包括以下步骤:
获取实时的光栅加工图像信息,并对所述光栅加工图像信息进行去噪以及图像增强处理,通过特征点匹配得到稀疏特征点;
获取所述稀疏特征点的坐标信息,基于所述稀疏特征点的坐标信息生成稀疏三维云数据;
根据所述稀疏三维云数据进行稠密提取得到密集三维点云数据信息;
基于所述密集三维点云数据信息生成多个曲面,并通过所述曲面生成实时子工序光栅模型图。
需要说明的是,以利用非线性滤波器、中值滤波器、形态学滤波器等方法对图像进行去噪、滤波等方式处理,可通过卷积神经网络对所述密集三维点云数据在进行分层卷积以及池化,从而完成对所述图像信息的特征提取,使得生成实时子工序光栅模型图。
进一步地,本发明的一个较佳实施例中,根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息,具备包括以下步骤:
基于神经网络建立评估模型,并将所述预设子工序光栅模型图导入所述评估模型中进行训练,调整所述评估模型的参数,保存最优模型参数,得到训练好的评估模型;
将所述实时子工序光栅模型图导入所述训练好的评估模型中,得到一个或者多个偏差信息;
若所述偏差信息大于预设偏差信息,则获取当前偏差信息所在位置节点以及下一预设子工序光栅模型图的喷墨量;
根据所述当前偏差信息所在位置节点以及下一预设子工序光栅模型图的喷墨量生成喷墨补偿值,并根据所述喷墨补偿值对下一预设子工序光栅模型图进行调整,生成调整信息。
需要说明的是,当出现某个位置喷墨量过多或者过少时,当存在偏差信息时,如当前加工子工序中某个位置或者多个位置存在与预设子工序光栅模型图存在差异性时,通过调整下一预设子工序光栅模型图的喷墨量,从而无需在重新在当前工序之中继续对存在差异性的位置进行重新喷墨,实施智能调节,进一步节省光栅加工成型的时间,减少光栅的加工成型成本。所述喷墨补偿值可以为正值亦可以为负值,当所述喷墨补偿值为正值时,下一个预设子工序在该位置的喷墨量减少,当所述喷墨补偿值为负值时,下一个预设子工序在该位置的喷墨量增加。
进一步地,本发明的一个较佳实施例中,所述的一种基于物联网的光栅生产控制方法,还包括以下步骤:
S202:获取当前预设子工序光栅模型图的次序,并判断所述次序是否为预设次序;
S204:若所述次序为预设次序,则获取当前存在偏差信息所在位置节点的喷墨补偿值;
S206:根据所述存在偏差信息所在位置节点的喷墨补偿值生成当前所在位置节点的调整信息;
S208:将所述当前所在位置节点的调整信息传输至光栅加工控制终端,并通过预设方式显示存在偏差信息所在位置节点。
需要说明的,当当前预设子工序光栅模型图的次序为最后一道工序时,通过识别出存在偏差信息所在位置节点,此时已不存在下一个加工子工序,此时,通过光栅加工控制终端记录下当前存在偏差的位置,从而记录偏差的位置并通过其他器械对该位置进行修整。
进一步地,本发明的一个较佳实施例中,所述的一种基于物联网的光栅生产控制方法,还包括以下步骤:
S302:通过大数据网络获取各个材料类型在各个温度场之下的理化特性,并将所述理化特性存储于数据库中,生成训练完成的数据库;
S304:获取当前光栅加工过程中的温度值以及喷墨产品的材料类型,并将所述温度值以及喷墨产品的材料类型导入所述数据库中进行匹配,得到当前喷墨产品的材料类型对应的理化特性;
S306:通过对所述理化特性以及当前实时子工序光栅模型图进行有限元分析,得到分析结果;
S308:判断所述分析结果是否小于预设分析结果,若大于,则发出温度场调节信息至光栅加工控制终端。
需要说明的是,所述理化特性可以是喷墨材料密度、喷墨材料的密度等,由于光栅成型的过程中涉及固化,每一个温度值之下的成型后的成型件的强度均为不一致,即通过对当前实时光栅加工模型进行有限元分析,考虑到在实际打印经常出现的具有复杂多变、独特形态特征的模型, 这些模型在3D 打印的实际作业过程中经常出现变形等问题。当所述成型件的强度低于预设强度时,此时通过发送温度场调节信息,进而调节固化过程中的温度场来使得光栅在生产的过程中满足预设强度值,避免光栅出现不符合预设强度,从而避免光栅出现翘曲变形。
此外,本方法还可以包括以下步骤:
通过大数据网络获取当前加工设备的历史工作图像数据,并将所述历史工作数据导入到历史数据库中,生成训练完成历史数据库;
获取当前加工过程中的图像信息,并将所述图像信息导入所述历史数据库中进行对比,得到相似度;
判断所述相似度是否大于预设相似度,若大于,则将当前光栅标记为异常加工产品,并获取当前异常加工产品的历史加工成功率;
若所述历史加工成功率大于预设加工成功率,则获取当前异常加工产品对应的加工工艺参数,并将所述加工工艺参数传输至光栅加工控制终端。
需要说明的是,所述历史工作图像数据为出现异常情况时的图像信息,若所述历史加工成功率不大于预设加工成功率时,停止光栅继续加工指令。若所述历史加工成功率大于预设加工成功率,则通过大数据网络来获取当前异常加工产品对应的加工工艺参数,通过调节加工工艺参数提高了出现异常情况时的加工成功率,有利于当出现异常情况时,判定是否继续进行加工的情况,避免出现所述历史加工成功率不大于预设加工成功率时继续加工的情况,有利于降低加工成本。
此外,本发明还可以包括以下步骤:
获取当前光栅的加工路径图以及实时工况参数,根据所述加工路径图建立检索任务,并根据所述检索任务获取当前型号光栅加工各个加工子路径的历史工况参数信息;
将所述实时工况参数与历史工况参数信息进行相似度对比,并根据相似度对比结果生成历史工况参数信息的排序,并根据所述排序获取相似度最高的历史工况参数信息;
根据所述相似度最高的历史工况参数信息以及所述实时工况参数生成误差信息,并通过大数据网络获取所述误差信息对应的工况参数误差补偿信息;
根据所述工况参数误差补偿信息对所述实时工况参数进行补偿。
需要说明的是,为了减少光栅在加工过程中的废品率,通过检索加工路径图中的各个位置的实时工况参数与历史工况参数信息进行对比(如当前光栅的实时加工参数以及与当前光栅同一规格型号出现过的历史工况参数进行对比),如同一规格型号的光栅加工成型时的工况参数(如同一规格型号的半球体加工成型时的工况参数),同一规格型号印刷图案时的工况参数等,所述误差信息对应的工况参数误差补偿信息可以为加工设备中的驱动设备的驱动参数,如电机的驱动参数。通过本方法能够根据实时的工况参数以及对应的历史工况参数之间的误差信息来及时调整实时的工况参数,能够有效地降低光栅加工过程中的废品率。
本发明第二方面提供了一种基于物联网的光栅生产控制系统,所述系统包括存储器41以及处理器62,所述存储器41中包含基于物联网的光栅生产控制方法程序,所述基于物联网的光栅生产控制方法程序被所述处理器62执行时,实现如下步骤:
获取当前待制作光栅的图纸参数,根据所述图纸参数建立初始光栅加工模型图;
获取当前待制作光栅的加工要素参数值,并基于所述加工要素参数值将所述初始光栅加工模型图分为多个加工路径图,并根据所述加工路径图生成各个加工路径图的预设子工序光栅模型图;
获取实时的光栅加工图像信息,并对所述光栅加工图像信息进行预处理,得到预处理后的图像信息,根据所述预处理后的图像信息建立实时子工序光栅模型图;
根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息,将所述调整信息传输至光栅加工控制终端。
需要说明的是,所述图纸参数至少包括待加工光栅的轮廓参数、厚度参数等,所述加工要素可以为半球体的形状尺寸、高度尺寸,孔位尺寸参数等。本发明通过本方法相对于传统的光栅模压制作方式,简化了生产工序,提高了生产效率,节省了开模成本,实现了不同的工艺结合。可通过数据文件实时调整更改半球体的效果,解决传统制作修改需要重新开模的痛点,同时节省反复开模的时间和成本。而且本方法能够通过如3D打印技术来对光栅的加工过程进行规划,使得加工处理的光栅不需要经过多个生产工序,从而实现光栅的生产。另一方面,本发明通过实时监测光栅加工过程,及时对子工序进行调整,进而使得光栅加工过程中更加合理。通过三维建模软件,如SolidWorks软件、UG软件、SkecthUp软件、Rhino软件、Maya软件、3Ds Max软件、Revit软件等,根据所述图纸参数建立初始光栅加工模型图。
进一步地,本发明的一个较佳实施例中,获取当前待制作光栅的加工要素参数值,并基于所述加工要素参数值将所述初始光栅加工模型图分为多个加工路径图,并根据所述加工路径图生成各个加工路径图的预设子工序光栅模型图,具体包括以下步骤:
获取当前待制作光栅的加工要素参数值,并根据所述加工要素参数值建立加工要素模型图;
根据所述加工要素模型图以及所述初始光栅加工模型图分割为多个加工子工序;
预设每一个加工子工序的喷墨厚度值,并根据所述加工子工序的喷墨厚度值生成多个加工路径图;
基于所述加工路径图生成各个加工路径图的预设子工序光栅模型图。
需要说明的是,在实际的3D打印加工或者数码印刷的过程中,如光栅的半球体的成型的过程中,需要通过初始光栅加工模型图以及所述加工要素模型图进行分割成多个加工子工序,由于成型当中的喷墨材料以及固化的工序影响的影响,即在加工成型时,需要一步步成型从而形成光栅,从而预设每个加工子工序一个喷墨厚度值,喷墨产品可以是环保树脂油墨,从而生成多个加工路径图,每个加工路径图均对应一个预设子工序光栅模型图。
进一步地,本发明的一个较佳实施例中,根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息,具备包括以下步骤:
基于神经网络建立评估模型,并将所述预设子工序光栅模型图导入所述评估模型中进行训练,调整所述评估模型的参数,保存最优模型参数,得到训练好的评估模型;
将所述实时子工序光栅模型图导入所述训练好的评估模型中,得到一个或者多个偏差信息;
若所述偏差信息大于预设偏差信息,则获取当前偏差信息所在位置节点以及下一预设子工序光栅模型图的喷墨量;
根据所述当前偏差信息所在位置节点以及下一预设子工序光栅模型图的喷墨量生成喷墨补偿值,并根据所述喷墨补偿值对下一预设子工序光栅模型图进行调整,生成调整信息。
需要说明的是,当出现某个位置喷墨量过多或者过少时,当存在偏差信息时,如当前加工子工序中某个位置或者多个位置存在与预设子工序光栅模型图存在差异性时,通过调整下一预设子工序光栅模型图的喷墨量,从而无需在重新在当前工序之中继续对存在差异性的位置进行重新喷墨,实施智能调节,进一步节省光栅加工成型的时间,减少光栅的加工成型成本。所述喷墨补偿值可以为正值亦可以为负值,当所述喷墨补偿值为正值时,下一个预设子工序在该位置的喷墨量减少,当所述喷墨补偿值为负值时,下一个预设子工序在该位置的喷墨量增加。
本发明第三方面提供了一种计算机可存储介质,其特征在于,所述计算机可读存储介质包括基于物联网的光栅生产控制方法程序,所述基于物联网的光栅生产控制方法程序被处理器执行时,实现任一项所述的基于物联网的光栅生产控制方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种基于物联网的光栅生产控制方法,其特征在于,包括以下步骤:
获取当前待制作光栅的图纸参数,根据所述图纸参数建立初始光栅加工模型图;
获取当前待制作光栅的加工要素参数值,并基于所述加工要素参数值将所述初始光栅加工模型图分为多个加工路径图,并根据所述加工路径图生成各个加工路径图的预设子工序光栅模型图;
获取实时的光栅加工图像信息,并对所述光栅加工图像信息进行预处理,得到预处理后的图像信息,根据所述预处理后的图像信息建立实时子工序光栅模型图;
根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息,将所述调整信息传输至光栅加工控制终端;
根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息,具体包括以下步骤:
基于神经网络建立评估模型,并将所述预设子工序光栅模型图导入所述评估模型中进行训练,调整所述评估模型的参数,保存最优模型参数,得到训练好的评估模型;
将所述实时子工序光栅模型图导入所述训练好的评估模型中,得到一个或者多个偏差信息;
若所述偏差信息大于预设偏差信息,则获取当前偏差信息所在位置节点以及下一预设子工序光栅模型图的喷墨量;
根据所述当前偏差信息所在位置节点以及下一预设子工序光栅模型图的喷墨量生成喷墨补偿值,并根据所述喷墨补偿值对下一预设子工序光栅模型图进行调整,生成调整信息;
还包括以下步骤:
通过大数据网络获取各个材料类型在各个温度场之下的理化特性,并将所述理化特性存储于数据库中;
获取当前光栅加工过程中的温度值以及喷墨产品的材料类型,并将所述温度值以及喷墨产品的材料类型导入所述数据库中进行匹配,得到当前喷墨产品的材料类型对应的理化特性;
通过对所述理化特性以及当前实时子工序光栅模型图进行有限元分析,得到分析结果;
判断所述分析结果是否小于预设分析结果,若小于,则发出温度场调节信息至光栅加工控制终端;
还包括以下步骤:
获取当前光栅的加工路径图以及实时工况参数,根据所述加工路径图建立检索任务,并根据所述检索任务获取当前型号光栅加工各个加工子路径的历史工况参数信息;
将所述实时工况参数与历史工况参数信息进行相似度对比,并根据相似度对比结果生成历史工况参数信息的排序,并根据所述排序获取相似度最高的历史工况参数信息;
根据所述相似度最高的历史工况参数信息以及所述实时工况参数生成误差信息,并通过大数据网络获取所述误差信息对应的工况参数误差补偿信息;
根据所述工况参数误差补偿信息对所述实时工况参数进行补偿。
2.根据权利要求1所述的一种基于物联网的光栅生产控制方法,其特征在于,获取当前待制作光栅的加工要素参数值,并基于所述加工要素参数值将所述初始光栅加工模型图分为多个加工路径图,并根据所述加工路径图生成各个加工路径图的预设子工序光栅模型图,具体包括以下步骤:
获取当前待制作光栅的加工要素参数值,并根据所述加工要素参数值建立加工要素模型图;
根据所述加工要素模型图以及所述初始光栅加工模型图分割为多个加工子工序;
预设每一个加工子工序的喷墨厚度值,并根据所述加工子工序的喷墨厚度值生成多个加工路径图;
基于所述加工路径图生成各个加工路径图的预设子工序光栅模型图。
3.根据权利要求1所述的一种基于物联网的光栅生产控制方法,其特征在于,获取实时的光栅加工图像信息,并对所述光栅加工图像信息进行预处理,得到预处理后的图像信息,根据所述预处理后的图像信息建立实时子工序光栅模型图,具体包括以下步骤:
获取实时的光栅加工图像信息,并对所述光栅加工图像信息进行去噪以及图像增强处理,通过特征点匹配得到稀疏特征点;
获取所述稀疏特征点的坐标信息,基于所述稀疏特征点的坐标信息生成稀疏三维云数据;
根据所述稀疏三维云数据进行稠密提取得到密集三维点云数据信息;
基于所述密集三维点云数据信息生成多个曲面,并通过所述曲面生成实时子工序光栅模型图。
4.根据权利要求1所述的一种基于物联网的光栅生产控制方法,其特征在于,还包括以下步骤:
获取当前预设子工序光栅模型图的次序,并判断所述次序是否为预设次序;
若所述次序为预设次序,则获取当前存在偏差信息所在位置节点的喷墨补偿值;
根据所述存在偏差信息所在位置节点的喷墨补偿值生成当前所在位置节点的调整信息;
将所述当前所在位置节点的调整信息传输至光栅加工控制终端,并通过预设方式显示存在偏差信息所在位置节点。
5.一种基于物联网的光栅生产控制系统,其特征在于,所述系统包括存储器以及处理器,所述存储器中包含基于物联网的光栅生产控制方法程序,所述基于物联网的光栅生产控制方法程序被所述处理器执行时,实现如下步骤:
获取当前待制作光栅的图纸参数,根据所述图纸参数建立初始光栅加工模型图;
获取当前待制作光栅的加工要素参数值,并基于所述加工要素参数值将所述初始光栅加工模型图分为多个加工路径图,并根据所述加工路径图生成各个加工路径图的预设子工序光栅模型图;
获取实时的光栅加工图像信息,并对所述光栅加工图像信息进行预处理,得到预处理后的图像信息,根据所述预处理后的图像信息建立实时子工序光栅模型图;
根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息,将所述调整信息传输至光栅加工控制终端;
根据所述预设子工序光栅模型图以及实时子工序光栅模型图得到偏差信息,并基于所述偏差信息得到喷墨补偿值,根据所述补偿值对下一预设子工序光栅模型图进行调整,生成调整信息,具体包括以下步骤:
基于神经网络建立评估模型,并将所述预设子工序光栅模型图导入所述评估模型中进行训练,调整所述评估模型的参数,保存最优模型参数,得到训练好的评估模型;
将所述实时子工序光栅模型图导入所述训练好的评估模型中,得到一个或者多个偏差信息;
若所述偏差信息大于预设偏差信息,则获取当前偏差信息所在位置节点以及下一预设子工序光栅模型图的喷墨量;
根据所述当前偏差信息所在位置节点以及下一预设子工序光栅模型图的喷墨量生成喷墨补偿值,并根据所述喷墨补偿值对下一预设子工序光栅模型图进行调整,生成调整信息;
还包括以下步骤:
通过大数据网络获取各个材料类型在各个温度场之下的理化特性,并将所述理化特性存储于数据库中;
获取当前光栅加工过程中的温度值以及喷墨产品的材料类型,并将所述温度值以及喷墨产品的材料类型导入所述数据库中进行匹配,得到当前喷墨产品的材料类型对应的理化特性;
通过对所述理化特性以及当前实时子工序光栅模型图进行有限元分析,得到分析结果;
判断所述分析结果是否小于预设分析结果,若小于,则发出温度场调节信息至光栅加工控制终端;
还包括以下步骤:
获取当前光栅的加工路径图以及实时工况参数,根据所述加工路径图建立检索任务,并根据所述检索任务获取当前型号光栅加工各个加工子路径的历史工况参数信息;
将所述实时工况参数与历史工况参数信息进行相似度对比,并根据相似度对比结果生成历史工况参数信息的排序,并根据所述排序获取相似度最高的历史工况参数信息;
根据所述相似度最高的历史工况参数信息以及所述实时工况参数生成误差信息,并通过大数据网络获取所述误差信息对应的工况参数误差补偿信息;
根据所述工况参数误差补偿信息对所述实时工况参数进行补偿。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括基于物联网的光栅生产控制方法程序,所述基于物联网的光栅生产控制方法程序被处理器执行时,实现如权利要求1-4任一项所述的基于物联网的光栅生产控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211051746.6A CN115129018B (zh) | 2022-08-31 | 2022-08-31 | 一种基于物联网的光栅生产控制方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211051746.6A CN115129018B (zh) | 2022-08-31 | 2022-08-31 | 一种基于物联网的光栅生产控制方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115129018A CN115129018A (zh) | 2022-09-30 |
CN115129018B true CN115129018B (zh) | 2022-11-18 |
Family
ID=83387019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211051746.6A Active CN115129018B (zh) | 2022-08-31 | 2022-08-31 | 一种基于物联网的光栅生产控制方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115129018B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05305747A (ja) * | 1992-04-30 | 1993-11-19 | Graphtec Corp | ラスタープリンタ及びその印字位置整合方法 |
CN102173246A (zh) * | 2011-02-18 | 2011-09-07 | 中国印刷科学技术研究所 | 喷墨按需成型光栅的立体印刷方法 |
CN103543490A (zh) * | 2013-11-07 | 2014-01-29 | 安徽大学 | 一种基于喷墨打印技术的长周期光纤光栅制作方法 |
CN104407408A (zh) * | 2014-05-31 | 2015-03-11 | 福州大学 | 一种狭缝光栅的3d制造方法 |
CN107202551A (zh) * | 2017-06-19 | 2017-09-26 | 合肥斯科尔智能科技有限公司 | 一种3d打印机打印模型精度检测系统 |
CN209794577U (zh) * | 2019-03-14 | 2019-12-17 | 哈尔滨理工大学 | 一种3d打印精度实时检测装置 |
CN111016181A (zh) * | 2018-10-09 | 2020-04-17 | 深圳市七号科技有限公司 | 打印监控系统及方法 |
CN111367004A (zh) * | 2020-04-29 | 2020-07-03 | 刘奡 | 一种偏振体全息光栅的喷墨打印制备方法 |
CN112651949A (zh) * | 2020-12-30 | 2021-04-13 | 深圳市创想三维科技有限公司 | 3d打印监控方法、装置、电子设备及存储介质 |
CN112815843A (zh) * | 2021-01-07 | 2021-05-18 | 西安理工大学 | 一种3d打印过程中工件表面打印偏差的在线监测方法 |
-
2022
- 2022-08-31 CN CN202211051746.6A patent/CN115129018B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05305747A (ja) * | 1992-04-30 | 1993-11-19 | Graphtec Corp | ラスタープリンタ及びその印字位置整合方法 |
CN102173246A (zh) * | 2011-02-18 | 2011-09-07 | 中国印刷科学技术研究所 | 喷墨按需成型光栅的立体印刷方法 |
CN103543490A (zh) * | 2013-11-07 | 2014-01-29 | 安徽大学 | 一种基于喷墨打印技术的长周期光纤光栅制作方法 |
CN104407408A (zh) * | 2014-05-31 | 2015-03-11 | 福州大学 | 一种狭缝光栅的3d制造方法 |
CN107202551A (zh) * | 2017-06-19 | 2017-09-26 | 合肥斯科尔智能科技有限公司 | 一种3d打印机打印模型精度检测系统 |
CN111016181A (zh) * | 2018-10-09 | 2020-04-17 | 深圳市七号科技有限公司 | 打印监控系统及方法 |
CN209794577U (zh) * | 2019-03-14 | 2019-12-17 | 哈尔滨理工大学 | 一种3d打印精度实时检测装置 |
CN111367004A (zh) * | 2020-04-29 | 2020-07-03 | 刘奡 | 一种偏振体全息光栅的喷墨打印制备方法 |
CN112651949A (zh) * | 2020-12-30 | 2021-04-13 | 深圳市创想三维科技有限公司 | 3d打印监控方法、装置、电子设备及存储介质 |
CN112815843A (zh) * | 2021-01-07 | 2021-05-18 | 西安理工大学 | 一种3d打印过程中工件表面打印偏差的在线监测方法 |
Non-Patent Citations (1)
Title |
---|
光纤光栅在线加工控制系统研究;崔建新;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20131215(第S2期);C030-17页正文全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115129018A (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135341B (zh) | 杂草识别方法、装置及终端设备 | |
DE60214544T2 (de) | Vorrichtung und verfahren zur datenverarbeitung | |
CN114553927B (zh) | 一种基于大数据的印刷设备远程控制方法、系统及介质 | |
CN109344813A (zh) | 一种基于rgbd的目标识别和场景建模方法及装置 | |
CN109766934B (zh) | 一种基于深度Gabor网络的图像目标识别方法 | |
CN109101976A (zh) | 一种灭弧栅片表面缺陷的检测方法 | |
CN115129018B (zh) | 一种基于物联网的光栅生产控制方法、系统及介质 | |
CN115512166A (zh) | 镜头的智能化制备方法及其系统 | |
CN115562180A (zh) | 一种激光雕刻机的加工控制方法、系统及介质 | |
CN114613705A (zh) | 一种半导体元器件加工的控制方法、系统及介质 | |
CN113487633A (zh) | 一种点云轮廓提取方法、装置、计算机设备及存储介质 | |
CN116931534B (zh) | 基于物联网的刺绣产品生产控制方法及系统 | |
CN114040116B (zh) | 塑胶模材良品监测反馈系统 | |
CN116653457B (zh) | 一种数字化皮纹喷墨设备的生产控制方法及系统 | |
CN113642479B (zh) | 人脸图像的评价方法、装置、电子设备及存储介质 | |
CN110110829A (zh) | 一种二维码处理方法及装置 | |
CN116187718B (zh) | 基于计算机视觉的智慧货物识别分拣方法及系统 | |
CN115775214A (zh) | 一种基于多阶段分形组合的点云补全方法及系统 | |
CN113920271A (zh) | 三维点云补全方法、装置及设备 | |
CN111730057A (zh) | 一种送粉式3d打印分层建模方法 | |
CN109740614B (zh) | 一种获取用于叶雕的叶片背景图的方法及装置 | |
CN117476509B (zh) | 一种用于半导体芯片产品的激光雕刻装置及控制方法 | |
Lai et al. | Overlapping Histograms for 3D Data Classification | |
CN114851569B (zh) | 离子交换膜焊接成型的智能控制方法及系统 | |
CN114648694B (zh) | 一种基于深度相机与机器视觉的海缆排缆间隙识别方法 |
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 |