CN115453996B - 一种汽车传动轴的加工方法和系统 - Google Patents

Abstract

本说明书实施例提供一种汽车传动轴的加工方法和系统，该方法包括以下工序：锻造、粗车加工、精车加工；所述精车加工包括以下操作：获取加工信息，加工信息包括材料信息、传动轴信息和环境信息；基于加工信息，确定控制指令，其中，控制指令包括加工指令和冷却功率；该系统包括第一信息获取模块和第一指令获取模块。

Description

一种汽车传动轴的加工方法和系统

技术领域

本说明书涉及传动轴加工领域，特别涉及一种汽车传动轴的加工方法和系统。

背景技术

在对汽车传动轴进行自动化精密加工过程中，由于环境温度的不同，以及车床加工中产生的热量引起的温度变化，都可能会影响汽车传动轴的加工精度，从而影响汽车传动轴加工的合格率。

因此，期望提出一种汽车传动轴的加工方法，可以实现减小环境温度以及车床散热对汽车传动轴的加工精度的影响，以及实现车床的自动精细化加工，提高汽车传动轴的加工精度，降低产品不合格率。

发明内容

本说明书一个或多个实施例提供一种汽车传动轴的加工方法。所述汽车传动轴的加工方法包括以下工序：锻造、粗车加工、精车加工；所述精车加工包括以下操作：获取加工信息，所述加工信息包括材料信息、传动轴信息和环境信息；基于所述加工信息，确定控制指令，其中，所述控制指令包括加工指令和冷却功率。

本说明书一个或多个实施例提供一种汽车传动轴的加工系统。所述汽车传动轴的加工系统包括第一信息获取模块和第一指令确定模块；所述第一信息获取模块，用于获取加工信息，所述加工信息包括材料信息、传动轴信息和环境信息；所述第一指令确定模块，用于基于所述加工信息，确定控制指令，其中，所述控制指令包括加工指令和冷却功率。

本说明书一个或多个实施例提供一种汽车传动轴的加工装置。所述装置包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器，执行所述计算机指令中的至少部分指令，以实现汽车传动轴的加工方法。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行汽车传动轴的加工方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的汽车传动轴的加工系统的应用场景示意图；

图2是根据本说明书一些实施例所示的汽车传动轴的加工系统的示例性模块图；

图3是根据本说明书一些实施例所示的汽车传动轴的加工方法的示例性流程图；

图4是根据本说明书一些实施例所示的确定控制指令的示例性流程图；

图5是根据本说明书一些实施例所示的确定冷却功率调整指令的示例性流程图；

图6是根据本说明书一些实施例所示的获取用户调整指令的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的汽车传动轴的加工系统的应用场景示意图。

汽车传动轴可以与汽车的变速箱、驱动桥一起将发动机的动力传递给车轮，使汽车产生驱动力。在一些实施例中，汽车传动轴可以包括轴管、伸缩套和万向节。其中，伸缩套可以自动调节变速器与驱动桥之间距离的变化，万向节可以保证变速器输出轴与驱动桥输入轴两轴线夹角的变化，并实现两轴的等角速传动。在一些实施例中，汽车传动轴的类型可以包括刚性万向节传动轴和挠性万向节传动轴。在一些实施例中，汽车传动轴可以用在不同类型的车辆上，例如油罐车、加油车、洒水车、吸污车、消防车、高压清洗车等车型上。

汽车传动轴的质量要求相对较高。在一些实施例中，可以通过改善汽车传动轴的加工工序，提升加工精度和加工质量，保证汽车传动轴的质量。其中，加工精度可以包括汽车传动轴加工过程中的不同工序的加工精度。例如，加工精度可以包括粗车加工后的加工精度。又例如，加工精度数据还可以包括切削加工、铣刨加工和/或打磨加工后的加工精度。

在一些实施例中，汽车传动轴的加工系统可以根据加工信息，调整冷却功率，减小环境温度和车床散热对加工精度的影响，提高汽车传动轴加工的合格率。如图1所示，汽车传动轴的加工系统的应用场景100可以为汽车传动轴的加工生成场景，在汽车传动轴的加工中，可以包含以下工序：锻造110，粗车加工120和精车加工130。汽车传动轴的加工系统可以获取各道工序的相关信息，以确定相应的生产指令。例如，汽车传动轴的加工系统可以获取精车加工的加工信息，并基于加工信息确定控制指令。

在一些实施例中，汽车传动轴的加工系统的应用场景100可以包括处理器(图中未示出)，汽车传动轴的加工系统可以作为处理器的一部分并分别与各道加工工序的控制单元进行通讯连接以作为整个汽车传动轴的加工的控制中心或其中一道或多道加工工序的控制中心。

锻造110是指对坯料施加压力，使其产生塑性变形以获得具有一定机械性能、一定形状和尺寸的汽车传动轴毛坯的加工方法。例如，可以通过锻造110将金属原料按照一定的锻造工艺加工成符合设计性能、形状和尺寸等要求的汽车传动轴毛坯。在一些实施例中，通过锻造110得到的汽车传动轴毛坯可以作为粗车加工120的原料。在一些实施例中，通过锻造110得到的汽车传动轴毛坯可以具有较大的加工余量。在一些实施例中，锻造110可以包括自由锻、模锻、碾环、特种锻造等一种或多种方式，其中，特种锻造可以包括辊锻、楔横轧、径向锻造、液态模锻等一种或多种方式。在一些实施例中，锻造110还可以包括热锻、温锻和冷锻等一种或多种锻造方式。

粗车加工120是指对汽车传动轴毛坯进行粗加工得到汽车传动轴粗坯。例如，可以通过粗车加工120切削掉汽车传动轴毛坯多余的余量得到汽车传动轴粗坯。在一些实施例中，在进行粗车加工120时，可以在允许范围内选择较大的切削深度和进给量，切削深度和进给量的选择可以根据具体情决定。在一些实施例中，在进行粗车加工120时，可以根据汽车传动轴的锻造数据、车床数据和环境数据确定加工余量。在一些实施例中，通过粗车加工120得到的汽车传动轴粗坯可以作为精车加工130的原料。

精车加工130是指对汽车传动轴粗坯进行精加工得到符合加工精度要求的汽车传动轴。例如，可以通过精车加工130，结合控制指令，对汽车传动轴粗坯进行加工，得到满足精度预设条件的汽车传动轴。在一些实施例中，在精车加工130中，可以结合冷却功率调整指令，来降低环境温度和车床散热对汽车传动轴加工的影响，提高汽车传动轴加工的精度。

在一些实施例中，汽车传动轴的加工系统的应用场景100中可以包括控制终端140，控制终端140是指用于用户获取或输入与汽车传动轴的加工相关的信息的设备。控制终端140可以与汽车传动轴的加工系统进行通讯连接，以实现信息的通信。使用控制终端140的用户可以是任意用户，如汽车传动轴制造的技术员、工程师等。在一些实施例中，当加工预测精度不满足预设条件时，控制终端140可以将接收到的控制指令展示给用户，并获取用户调整指令。在一些实施例中，控制终端140可以是移动设备140-1、平板计算机140-2、膝上型计算机140-3等其他具有输入和/或输出功能的设备中的一种或其任意组合。上述示例仅用于说明所述控制终端140设备范围的广泛性而非对其范围的限制。

需要注意的是，以上对于汽车传动轴的加工系统的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。

图2是根据本说明书一些实施例所示的汽车传动轴的加工系统的示例性模块图。在一些实施例中，系统200可以包括第一信息获取210模块、第一指令确定模块220。

第一信息获取模块210可以用于获取加工信息，加工信息包括材料信息、传动轴信息和环境信息。关于加工信息的进一步说明参见图3。

第一指令确定模块220可以用于基于加工信息，确定控制指令，其中，控制指令包括加工指令和冷却功率。关于控制指令、加工指令、冷却功率的进一步说明参见图3。

在一些实施例中，第一指令确定模块220还可以用于基于加工信息确定对应的历史匹配数据。关于历史匹配数据的进一步说明参见图4。

在一些实施例中，汽车传动轴的加工系统还可以包括第二信息获取模块230、第三信息获取模块240、第二指令确定模块250、精度预测模块260和调整指令获取模块270。

第二信息获取模块230可以用于获取工件信息。关于工件信息的进一步说明参见图5。

第三信息获取模块240可以用于在精车加工过程中获取温度变化信息。关于温度变化信息的进一步说明参见图5。

第二指令确定模块250可以用于基于目标温度、工件信息以及温度变化信息，通过冷却调整模型确定冷却功率调整指令，冷却调整模型为机器学习模型。关于目标温度、冷却调整模型和冷却功率调整指令的进一步说明参见图5。

精度预测模块260可以用于基于精度预测模型对辅助评估信息的处理，确定加工预测精度；精度预测模型为机器学习模型。关于精度预测模型、辅助评估信息和加工预测精度的进一步说明参见图6。

调整指令获取模块270可以用于响应于加工预测精度不满足预设条件，将控制指令发往控制终端，获取用户调整指令。关于预设条件、控制终端、用户调整指令的进一步说明参见图6。

在一些实施例中，图2中披露的第一信息获取210模块、第一指令确定模块220、第二信息获取模块230、第三信息获取模块240、第二指令确定模块250、精度预测模块260和调整指令获取模块270可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

图3是根据本说明书一些实施例所示的汽车传动轴的加工方法的示例性流程图。在一些实施例中，该流程可以由系统200执行。如图3所示，流程300包括以下步骤：

步骤310，获取加工信息，加工信息包括材料信息、传动轴信息和环境信息。

加工信息可以指汽车传动轴加工过程中涉及的加工参数。例如，加工信息可以包括汽车传动轴在锻造、粗车加工以及精车加工等工序中涉及的加工参数。

材料信息可以指加工汽车传动轴所使用材料的相关参数。例如，材料信息可以包括材质信息、粗坯或毛坯尺寸信息等，其中，材质信息可以包括但不限于铁合金、钢合金和/或碳纤维等，粗坯尺寸信息可以包括但不限于粗坯的长、宽、高、厚度和/或直径等。可以理解的是，通过对粗坯或毛坯实施锻造、粗车加工以及精车加工等流程后，可以获得一定尺寸的汽车传动轴。

传动轴信息可以指待加工汽车传动轴的相关工艺参数。例如，汽车传动轴信息可以包括但不限于传动轴的型号、尺寸、加工精度、加工温度和/或加工余量等。其中，关于加工余量的说明参见本说明书其他部分的描述。

环境信息可以指加工汽车传动轴时的周围环境参数。例如，环境信息可以包括但不限于车床温度、加工刀具温度和/或周围气温等。

在一些实施例中，可以通过用户输入、传感器获取和/或设备监测等方式，获取加工信息。例如，可以利用红外热成像设备，获取车床以及加工刀具的温度数据。

步骤320，基于加工信息，确定控制指令，其中，控制指令包括加工指令和冷却功率。

控制指令可以指用于控制加工信息的调整和环境信息的调整的指令，例如，可以基于加工指令实现调整加工信息。

加工指令可以指与加工信息调控有关的指令。例如，加工指令可以包括调控加工精度和/或加工余量的指令。在一些实施例中，加工指令还可以指用于数控车床自动化运行的编程代码。关于加工指令的更多说明，参见图4及其相关描述。

冷却功率可以指散热器进行散热时执行的功率。可以理解的是，冷却功率越高，散热器散热效率越高。例如，冷却功率可以是650W、1750W等。散热器有多个时，对应的冷却功率也可以有多个。

在一些实施例中，可以利用建模、拟合和/或建表等多种可行的方法对加工信息进行分析处理，确定控制指令。例如，可以建立机器学习模型，并将加工信息输入模型，输出控制指令。又例如，可以基于历史加工信息和历史控制指令建立数据表，并基于数据表和加工信息，确定匹配的控制指令。关于如何确定控制指令的更多说明，参见本说明书其他部分的内容，如图4及其相关说明。

在本说明书一些实施例中，通过基于汽车传动轴的加工信息来确定加工过程中涉及的控制指令信息，通过不断调整控制指令，以减小环境温度以及车床散热对加工精度的影响，可以实现车床的自动精细化加工，能够在一定程度上提高汽车传动轴的加工质量，降低产品不合格率。

应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图4是根据本说明书一些实施例所示的确定控制指令的示例性流程图。在一些实施例中，该流程可以由第一指令确定模块220执行。如图4所示，流程400包括以下步骤：

步骤410，基于加工信息确定对应的历史匹配数据。

历史匹配数据是指基于加工信息从历史数据库中获取的历史加工信息对应的匹配数据。历史数据库可以用于保存汽车传动轴的历史生产数据，例如，历史数据库可以保存历史加工成功的生产过程中的历史加工信息以及对应的历史控制指令。关于加工信息及控制指令的更多说明参见图3。

在一些实施例中，历史匹配数据可以包括历史生产不同汽车传动轴型号时对应的材料信息、传动轴信息和环境信息等信息以及对应的历史控制指令信息；历史控制指令信息可以包括历史加工指令和历史冷却功率调整数据等信息。加工成功的生产过程是指加工的汽车传动轴的合格率满足合格率预设条件的加工过程，合格率预设条件可以是合格率大于预设合格率阈值。关于材料信息、传动轴信息和环境信息的更多细节可以参见图3及其相关内容。

在一些实施例中，第一指令确定模块220可以基于多种方式实现基于加工信息确定对应的历史匹配数据。例如，可以将历史最近一次生产同型号的汽车传动轴对应的历史生产数据作为历史匹配数据。

步骤420，基于所述历史匹配数据，确定所述控制指令。

在一些实施例中，第一指令确定模块220可以基于多种方式实现基于历史匹配数据，确定控制指令。例如，第一指令确定模块220可以将基于加工信息确定的对应的历史匹配数据中的历史控制指令作为本次确定的控制指令。

在一些实施例中，第一指令确定模块220可以基于加工信息构建加工向量，将加工向量与根据历史匹配数据构建的历史数据向量进行匹配，确定与加工向量相同或相似的历史数据向量，并根据历史数据向量确定对应的历史加工指令和历史冷却功率调整数据，作为控制指令。其中，加工向量的元素可以包括加工信息中的材料信息、传动轴信息、环境信息。历史数据向量的元素可以包括历史匹配数据中的材料信息、传动轴信息、环境信息。

第一指令确定模块220可以基于加工信息构建加工向量。例如，第一指令确定模块220基于加工信息构建的加工向量P(a，b，c)，其中，a表示材料信息，b表示传动轴信息，c表示环境信息。

历史数据库中包含多个基于历史加工信息构建的多个历史数据向量，且多个历史数据向量中的每一个历史数据向量都存在对应的历史加工指令和历史冷却功率调整数据。历史数据向量的构建方式参见上述加工向量的构建方式。

在一些实施例中，第一指令确定模块220可以计算加工向量与历史数据向量之间的向量距离，基于向量距离确定与加工向量相同或者相似的历史数据向量作为参考向量。在一些实施例中，可以将与加工向量间向量距离满足距离预设条件的历史数据向量作为参考向量。预设条件可以视情况而定，例如，预设条件可以是向量距离为0或向量距离不超过距离阈值。

在一些实施例中，第一指令确定模块220可以将参考向量对应的历史加工指令和历史冷却功率调整数据作为本次的控制指令。

加工指令是指与汽车传动轴加工操作相关的指令，例如，控制机床切削速度的指令。在一些实施例中，加工指令还可以包括机床的加工编程代码，例如控制机床进行切削、转向、移动、暂停等操作的代码。

冷却功率调整数据是指对冷却功率进行调整的相关数据。在一些实施例中，冷却功率调整数据可以包括发给散热器执行冷却措施的指令，其中，执行冷却措施的指令包括散热器的制冷功率。

关于加工指令及冷却功率的更多说明参见图3的相关说明。

本说明书的一些实施例中，通过将加工信息与历史匹配数据进行匹配，确定对应的历史加工指令和历史冷却功率调整数据为第一控制指令，可以确保第一控制指令的可靠性，确保汽车传动轴加工的合格率。

图5是根据本说明书一些实施例所示的确定冷却功率调整指令的示例性流程图。在一些实施例中，该流程可以由系统200执行。如图5所示，流程500可以包括以下步骤：

步骤510，获取工件信息。

工件信息可以指汽车传动轴加工过程中的半成品信息。例如，工件信息可以包括汽车传动轴半成品的尺寸以及当前剩余的加工量。在一些实施例中，工件信息还可以包括粗车加工后的粗坯尺寸信息。关于粗坯的更多说明，参见图3及其相关描述。

在一些实施例中，可以通过仪器测量、人工测量和/或图像识别等多种方式，获取工件信息。例如，可以在加工过程中利用千分尺测量半成品的尺寸数据，进而获取工件信息。

步骤520，在精车加工过程中获取温度变化信息。

精车加工可以指在粗车加工后对汽车传动轴半成品进行进一步加工的工序流程。关于精车加工的更多说明，参见图1及其相关描述。

温度变化信息可以指关于环境温度的多个温度变化序列。例如，温度变化信息可以包括但不限于车床温度变化数据、加工刀具温度变化数据和/或气温变化数据等。在一些实施例中，温度变化信息还可以包括汽车传动轴在加工过程中的温度变化数据。其中，温度变化数据可以包括两个时间点监测的温度的差值。例如，当多个时间点监测的加工刀具温度数据分别为25℃、25℃、28℃、147℃、263℃、377℃、265℃和133℃时，则加工刀具温度对应的温度变化信息可以为0、3、119、116、114、112和-132。

在一些实施例中，可以利用多种方法获取温度变化信息。例如，可以通过温度传感器和/或温度监测设备获取不同时间点的温度数据，并基于温度数据计算出不同时间点的温度之间的差值，进而获取温度变化信息。

步骤530，基于目标温度、工件信息以及温度变化信息，通过冷却调整模型确定冷却功率调整指令，冷却调整模型为机器学习模型。

目标温度可以指预设的正常加工情况下的温度信息。例如，目标温度可以是预设的车床或加工刀具在正常加工情况下的温度信息。在一些实施例中，目标温度可以是一个或多个温度值，也可以是一个或多个温度范围。例如，目标温度可以是保证汽车传动轴正常加工的加工刀具温度值，如350℃，目标温度还可以是保证汽车传动轴正常加工的加工刀具的温度范围，如300℃至380℃。可以理解的是，加工过程中应尽量把温度控制在目标温度附近，避免加工误差波动过大，以保证稳定的加工质量。

在一些实施例中，可以根据材料信息以及传动轴信息，通过人工分析，预先确定目标温度。可以理解的是，材料信息和传动轴信息不同，则对应的目标温度也不同。例如，可以根据不同的材质信息和不同的传动轴尺寸信息，以及对应的车床、加工刀具和/或传动轴的目标温度建立数据表，通过人工查表的方式，预先确定目标温度。

在一些实施例中，可以利用冷却调整模型，对温度变化信息、目标温度、工件信息进行处理，模型输出冷却功率调整指令。关于温度变化信息、目标温度、工件信息的更多说明，参见本说明书其他部分的内容。

在一些实施例中，冷却调整模型可以通过多个有标签的训练样本训练得到，其中，训练样本可以包括样本温度变化信息、样本目标温度和样本工件信息，标签可以为冷却功率调整指令。训练样本及标签可以基于历史生产数据获取。例如，可以将多个带有标签的训练样本输入初始冷却调整模型，通过标签和初始冷却调整模型的输出结果构建损失函数，基于损失函数通过梯度下降或其他方法迭代更新初始冷却调整模型的参数。当满足预设条件时模型训练完成，得到训练好的冷却调整模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，为了提升确定的冷却功率调整指令的准确度，可以向冷却调整模型输入更多的信息。例如，可以基于冷却调整模型，对温度变化信息、目标温度、工件信息、加工余量以及预设的调整后的功率进行处理，确定冷却功率调整指令。关于温度变化信息、目标温度、工件信息的更多说明，参见本说明书其他部分的内容。

在一些实施例中，加工余量可以包括当前实时确定的余量数据。加工余量可以指汽车传动轴加工过程中确定的实际余量。例如，加工余量可以是加工后实际确定的汽车传动轴半成品表面预留材料的厚度值。可以理解的是，预留一定的加工余量，可以在后道加工程序中通过对加工余量的处理，实现一定程度上消除前一道工序的误差和表面缺陷，避免产生废品。同时，合理的加工余量又可以避免过大的余量导致加工效率过低和加工成本的增加。

在一些实施例中，可以通过多种方法确定加工余量。例如，可以基于不同的传动轴锻造数据、不同的车床数据，以及对应的加工余量建立数据表，并基于当前的传动轴锻造数据以及车床数据，通过查表确定加工余量。

在一些实施例中，可以基于余量预测模型对环境数据进行处理，确定加工余量。其中，余量预测模型可以为机器学习模型。例如，余量预测模型可以包括嵌入层、图像特征提取层和预测层。例如，嵌入层、图像特征提取层和预测层可以为卷积神经网络或深度神经网络或其组合得到的模型等。嵌入层的输入可以包括环境信息，其输出可以包括环境特征向量；图像特征提取层的输入可以包括当前工件图像，其输出可以包括图像特征向量；预测层的输入可以包括环境特征向量和图像特征向量，其输出可以包括加工余量。

环境特征向量可以指基于环境信息确定的特征向量。例如，环境特征向量(25，40，87)可以表示汽车传动轴加工环境中气温为25℃，车床温度为40℃，加工刀具温度为87℃。关于环境信息的更多说明，参见图3及其相关描述。

当前工件图像可以指基于摄像头对当前加工过程中的工件拍摄的图像。例如，当前工件图像可以包括图片和/或视频等。

图像特征向量可以指与当前工件图像构建的特征向量。例如，图像特征向量可以是矩阵形式，矩阵中的每一个元素可以表征对应图像位置的灰度值。

在一些实施例中，嵌入层和图像特征提取层的输出可以作为预测层的输入，嵌入层、图像特征提取层以及预测层可以通过联合训练得到。

在一些实施例中，联合训练的样本数据包括样本环境数据、样本工件图像和样本加工精度数据，标签为样本加工余量。训练样本及标签可以基于历史生产数据获取。将样本环境数据输入嵌入层，得到嵌入层输出的环境特征向量；将样本工件图像输入图像特征提取层，得到图像特征提取层输出的图像特征向量；将环境特征向量和图像特征向量作为训练样本数据，和样本加工精度数据输入预测层，得到预测层输出的加工余量。基于样本加工余量和预测层输出的加工余量构建损失函数，同步更新嵌入层、图像特征提取层以及预测层。通过参数更新，得到训练好的嵌入层、图像特征提取层以及预测层。

在一些实施例中，还可以结合通过建立数据表确定的加工余量和利用余量预测模型确定的加工余量，综合确定最终的加工余量，例如，对两种加工余量进行求均值或加权求和等。

在本说明书一些实施例中，通过使用训练好的余量预测模型确定变更余量，可以比较快速地确定最终的加工余量，进而为汽车传动轴加工的下步工序提供指导，在一定程度上提高了加工效率；此外，基于大量的、广泛的历史数据训练余量预测模型，可以使模型预测结果具有更好的准确度，以充分满足用户需求。

预设的调整后的功率可以指预先设定的冷却功率调整数据。例如，预设的调整后的功率可以是人工根据历史经验，结合材料信息和传动轴信息，确定的比较合理的冷却功率调整数据。

冷却功率调整指令可以指与调整散热器的冷却功率有关的指令。例如，冷却功率调整指令可以包括增大/减小一个或多个散热器功率的指令。

如图5所示，冷却调整模型540可以包括第四嵌入层541、输入层542以及指令预测层543。例如，第四嵌入层541、输入层542以及指令预测层543可以是卷积神经网络或深度神经网络或其组合得到的模型等。

如图5所示，第四嵌入层541的输入可以包括温度变化信息531、目标温度532以及工件信息533，其输出可以包括工件特征向量536；输入层542的输入可以包括加工余量，其输出可以包括余量特征向量537；指令预测层543的输入可以包括预设的调整后的功率535、工件特征向量536以及余量特征向量537，其输出可以包括冷却功率调整指令538。

工件特征向量536可以指表征加工过程中与工件相关的参数向量。例如，工件特征向量(13.5，0.3，125，188，45，35，78，125)可以表示当前工件长度为13.5厘米，剩余加工量为0.3厘米，工件、加工刀具和车床的目标温度分别为125℃、188℃和45℃，工件的温度变化信息为35℃、78℃和125℃。

余量特征向量537可以表征后续加工过程中不同工序的加工余量。例如，余量特征向量(0.3，0.5，1.2)可以表示后续三个加工工序的加工余量分别为0.3厘米、0.5厘米和1.2厘米。

在一些实施例中，第四嵌入层541和输入层542的输出可以作为指令预测层543的输入，第四嵌入层541、输入层542以及指令预测层543可以通过联合训练得到。

在一些实施例中，联合训练的样本数据包括样本温度变化信息、样本目标温度、样本工件信息、样本加工余量、样本预设的调整后的功率，标签为样本冷却功率调整指令。训练样本及标签可以基于历史生产数据获取。将样本温度变化信息、样本目标温度、样本工件信息输入第四嵌入层541，得到第四嵌入层541输出的工件特征向量；将样本加工余量输入输入层542，得到输入层542输出的余量特征向量；将工件特征向量和余量特征向量作为训练样本数据，和样本预设的调整后的功率输入指令预测层543，得到指令预测层543输出的冷却功率调整指令。基于样本冷却功率调整指令和指令预测层543输出的冷却功率调整指令构建损失函数，同步更新第四嵌入层541、输入层542以及指令预测层543。通过参数更新，得到训练好的第四嵌入层541、输入层542以及指令预测层543。

在本说明书一些实施例中，通过使用大量广泛的数据对冷却调整模型进行训练来获取训练好的冷却调整模型，并对温度变化信息、目标温度、工件信息以及加工余量等数据进行处理，可以比较快速准确地确定冷却功率调整数据，进而及时控制温度变化，以保持足够的加工质量和加工精度，以满足用户需求。此外，通过上述训练方式获得第四嵌入层541和输入层542的参数，在一些情况下有利于解决单独训练第四嵌入层541和输入层542时难以获得标签的问题，还可以使第四嵌入层541和输入层542能较好地得到反映工件特征和余量特征的输出结果。

图6是根据本说明书一些实施例所示的获取用户调整指令的示例性流程图。在一些实施例中，该流程可以由系统200执行。如图6所示，流程600可以包括以下步骤：

步骤610，基于精度预测模型对辅助评估信息的处理，确定加工预测精度；所述精度预测模型为机器学习模型。

辅助评估信息可以指用于预测加工精度的评估信息。例如，辅助评估信息可以包括加工余量、目标温度以及温度变化信息等。

加工预测精度可以指基于当前加工情况预测的某道工序可以达到的加工精度。例如，可以基于精度预测模型对当前温度变化信息、当前加工余量、材料信息以及传动轴信息等数据进行分析处理，预测该工序中下个时间点的加工精度。

在一些实施例中，可以基于精度预测模型对温度变化信息、目标温度、工件信息、加工信息、加工余量、加工参数以及冷却功率调整指令进行处理，确定加工预测精度。关于温度变化信息、目标温度、工件信息、加工信息、加工余量、加工指令以及冷却功率调整指令的更多说明，参见本说明其他部分的内容。

如图6所示，精度预测模型630可以包括第一嵌入层631、第二嵌入层632、第三嵌入层633以及精度预测层634。例如，第一嵌入层631、第二嵌入层632、第三嵌入层633以及精度预测层634可以是卷积神经网络或深度神经网络或其组合得到的模型等。

如图6所示，第一嵌入层631的输入可以包括温度变化信息531、目标温度532和工件信息533，其输出可以包括工件特征向量536；第二嵌入层632的输入可以包括加工余量534、加工指令612和冷却功率调整指令538，其输出可以包括第一加工特征向量613；第三嵌入层633的输入可以包括加工信息611，其输出可以包括第二加工特征向量614；精度预测层634的输入可以包括目标温度532、工件特征向量536、第一加工特征向量613和第二加工特征向量614，其输出可以包括加工预测精度615。

第一加工特征向量613可以指加工余量、加工指令和冷却功率调整指令有关的特征向量。例如，第一加工特征向量(0.3，0.8，1，200)可以表示后续两个工序的加工余量分别为0.3厘米和0.8厘米，加工指令为加工精度提高1级，冷却功率调整指令为冷却功率提高200W。

第二加工特征向量614可以指与加工信息有关的特征向量。例如，第二加工特征向量(M，13，IT03)可以表示加工信息中材质为锰钢，汽车传动轴尺寸为13厘米，加工精度等级为IT03。

关于工件特征向量536的更多说明，参见本说明书其他部分的内容。

在一些实施例中，第一嵌入层631、第二嵌入层632和第三嵌入层633的输出可以作为精度预测层634的输入，第一嵌入层631、第二嵌入层632、第三嵌入层633以及精度预测层634可以通过联合训练得到。

在一些实施例中，联合训练的样本数据包括样本温度变化信息、样本目标温度、样本工件信息、样本加工信息、样本加工余量、样本加工指令和样本冷却功率调整指令，标签为样本加工预测精度。将样本温度变化信息、样本目标温度、样本工件信息输入第一嵌入层631，得到第一嵌入层631输出的工件特征向量；将样本加工余量、样本加工指令和样本冷却功率调整指令输入第二嵌入层632，得到第二嵌入层632输出的第一加工特征向量；将样本加工信息输入第三嵌入层633，得到第三嵌入层633输出的第二加工特征向量；将工件特征向量、第一加工特征向量和第二加工特征向量作为训练样本数据，和目标温度532一同输入精度预测层634，得到精度预测层634输出的加工预测精度。基于样本加工预测精度和精度预测层634输出的加工预测精度构建损失函数，同步更新第一嵌入层631、第二嵌入层632、第三嵌入层633以及精度预测层634。通过参数更新，得到训练好的第一嵌入层631、第二嵌入层632、第三嵌入层633以及精度预测层634。

在一些实施例中，还可以将训练好的冷却调整模型540中的第四嵌入层541作为训练好的第一嵌入层631，以减少模型训练成本，提高训练效率。例如，联合训练的样本数据包括样本加工信息、样本加工余量、样本加工指令和样本冷却功率调整指令，标签为样本加工预测精度。将样本加工余量、样本加工指令和样本冷却功率调整指令输入第二嵌入层632，得到第二嵌入层632输出的第一加工特征向量；将样本加工信息输入第三嵌入层633，得到第三嵌入层633输出的第二加工特征向量；将第一加工特征向量和第二加工特征向量作为训练样本数据，以及工件特征向量和目标温度532一同输入精度预测层634，得到精度预测层634输出的加工预测精度。其中，工件特征向量直接基于第一嵌入层631获取。基于样本加工预测精度和精度预测层634输出的加工预测精度构建损失函数，同步更新第二嵌入层632、第三嵌入层633以及精度预测层634。通过参数更新，得到训练好的第二嵌入层632、第三嵌入层633以及精度预测层634。

步骤620，响应于加工预测精度不满足预设条件，将所述控制指令发往控制终端，获取用户调整指令。

预设条件可以指预先设定的衡量加工预测精度大小的规则。例如，预设条件可以包括加工预测精度不低于一定数值和/或等级。例如，预设条件可以为加工精度大于等于IT03，当加工预测精度小于IT03时，比如加工预测精度为IT05，则可以判断加工预测精度不满足预设条件。

控制终端可以指用于接收和/或发送控制指令的部件或装置。例如，控制终端可以包括但不限于服务器或处理平台等。在一些实施例中，控制终端还可以包括但不限于移动设备140-1、平板计算机140-2、膝上型计算机140-3等其他具有输入和/或输出功能的设备中的一种或其任意组合。关于控制终端的更多说明，参见图1及其相关描述。

用户调整指令可以指控制终端基于用户意愿确定的调整指令。例如，用户调整指令可以包括调整加工指令和/或调整冷却功率的指令。比如，用户调整指令可以包括但不限于暂停加工、降低加工速率和/或提高冷却功率等。

在一些实施例中，当加工预测精度不满足预设条件时，系统200(如调整指令获取模块270)可以将控制指令发往控制终端，然后系统200可以基于用户在控制终端实时输入的数据获取用户调整指令。

在本说明书一些实施例中，通过建立精度预测模型来实时获取预测的加工精度，并根据预测的加工精度是否满足预设条件，来决定是否获取用户调整指令以进一步调控加工过程，能够适应复杂多变的加工环境，以根据加工过程中相关参数的变化及时做出调整，保证加工精度和加工质量满足要求。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (6)

1.一种汽车传动轴的加工方法，包括以下工序：锻造、粗车加工、精车加工；

所述精车加工包括以下操作：

获取加工信息，所述加工信息包括材料信息、传动轴信息和环境信息；

基于所述加工信息，确定控制指令，其中，所述控制指令包括加工指令和冷却功率；

获取工件信息；

在精车加工过程中获取温度变化信息；

基于目标温度、所述工件信息以及所述温度变化信息，通过冷却调整模型确定冷却功率调整指令，所述冷却调整模型为机器学习模型；

基于精度预测模型对辅助评估信息的处理，确定加工预测精度；所述精度预测模型为机器学习模型；

响应于所述加工预测精度不满足预设条件，将所述控制指令发往控制终端，获取用户调整指令；

所述精度预测模型包括第一嵌入层、第二嵌入层、第三嵌入层、精度预测层；

所述第一嵌入层的输入包括所述工件信息、所述目标温度以及所述温度变化信息，所述第一嵌入层的输出包括工件特征向量；

所述第二嵌入层的输入包括加工余量、所述加工指令、所述冷却功率调整指令，所述第二嵌入层的输出包括第一加工特征向量；

所述第三嵌入层的输入包括所述加工信息，所述第三嵌入层的输出包括第二加工特征向量；

所述精度预测层的输入包括所述工件特征向量、所述第一加工特征向量、所述第二加工特征向量、所述目标温度，所述精度预测层的输出包括所述加工预测精度。

2.根据权利要求1所述的方法，所述基于所述加工信息，确定控制指令包括：

基于所述加工信息确定对应的历史匹配数据；

基于所述历史匹配数据，确定所述控制指令。

3.一种汽车传动轴的加工系统，包括：

第一信息获取模块，用于获取加工信息，所述加工信息包括材料信息、传动轴信息和环境信息；

第一指令确定模块，用于基于所述加工信息，确定控制指令，其中，所述控制指令包括加工指令和冷却功率；

第二信息获取模块，用于获取工件信息；

第三信息获取模块，用于在精车加工过程中获取温度变化信息；

第二指令确定模块，用于基于目标温度、所述工件信息以及所述温度变化信息，通过冷却调整模型确定冷却功率调整指令，所述冷却调整模型为机器学习模型；

精度预测模块，用于基于精度预测模型对辅助评估信息的处理，确定加工预测精度；所述精度预测模型为机器学习模型；所述精度预测模型包括第一嵌入层、第二嵌入层、第三嵌入层、精度预测层；

所述第一嵌入层的输入包括所述工件信息、所述目标温度以及所述温度变化信息，所述第一嵌入层的输出包括工件特征向量；

所述第二嵌入层的输入包括加工余量、所述加工指令、所述冷却功率调整指令，所述第二嵌入层的输出包括第一加工特征向量；

所述第三嵌入层的输入包括所述加工信息，所述第三嵌入层的输出包括第二加工特征向量；

所述精度预测层的输入包括所述工件特征向量、所述第一加工特征向量、所述第二加工特征向量、所述目标温度，所述精度预测层的输出包括所述加工预测精度；

调整指令获取模块，用于响应于所述加工预测精度不满足预设条件，将所述控制指令发往控制终端，获取用户调整指令。

4.根据权利要求3所述的系统，所述第一指令确定模块还用于：

基于所述加工信息确定对应的历史匹配数据。

5.一种汽车传动轴的装置，其特征在于，所述装置包括至少一个处理器以及至少一个存储器；

所述至少一个存储器用于存储计算机指令；

所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1至2中任一项所述的汽车传动轴的加工方法。

6.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求1-2中任一项所述的汽车传动轴的加工方法。