CN115657595B - 一种卧式加工中心多轴协同控制方法和系统 - Google Patents
一种卧式加工中心多轴协同控制方法和系统 Download PDFInfo
- Publication number
- CN115657595B CN115657595B CN202211272513.9A CN202211272513A CN115657595B CN 115657595 B CN115657595 B CN 115657595B CN 202211272513 A CN202211272513 A CN 202211272513A CN 115657595 B CN115657595 B CN 115657595B
- Authority
- CN
- China
- Prior art keywords
- processing
- node
- parameters
- edge
- steps
- 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
- 238000000034 method Methods 0.000 title claims abstract description 121
- 238000012545 processing Methods 0.000 claims abstract description 298
- 230000008569 process Effects 0.000 claims abstract description 77
- 238000003754 machining Methods 0.000 claims description 73
- 238000012549 training Methods 0.000 claims description 25
- 238000000547 structure data Methods 0.000 claims description 22
- 238000010586 diagram Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims 2
- 230000006870 function Effects 0.000 description 14
- 238000012986 modification Methods 0.000 description 11
- 230000004048 modification Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 230000003068 static effect Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003801 milling Methods 0.000 description 3
- 238000000227 grinding Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
Classifications
-
- 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
- Numerical Control (AREA)
Abstract
本说明书实施例提供一种卧式加工中心多轴协同控制方法和系统,该方法包括:获取加工过程中多个加工步骤的加工参数和加工完成后的工件图像;基于工件图像,判断工件存在的加工问题;基于加工问题,判断存在加工问题的问题加工步骤;调整问题加工步骤的加工参数。
Description
技术领域
本说明书涉及加工中心控制技术领域,特别涉及一种卧式加工中心多轴协同控制方法和系统。
背景技术
加工中心是带有刀库和自动换刀装置的一种高度自动化的多功能数控机床。卧式加工中心是指主轴为水平状态的加工中心,适用于加工箱体类零件。与立式加工中心相比较,卧式加工中心加工时排屑容易,更有利于加工。但由于卧式加工中心的机械结构更为复杂,多轴联动进行加工时,多轴之间的协同度会直接影响其加工精度。
因此,希望可以提供一种卧式加工中心多轴协同控制方法和系统,以提高多轴联动加工时的协同度,保证工件的加工精度。
发明内容
本说明书一个或多个实施例提供一种卧式加工中心多轴协同控制方法,所述方法包括:获取加工过程中多个加工步骤的加工参数和加工完成后的工件图像;基于所述工件图像,判断工件存在的加工问题;基于所述加工问题,判断存在所述加工问题的问题加工步骤;调整所述问题加工步骤的加工参数。
本说明书一个或多个实施例提供一种卧式加工中心多轴协同控制系统,所述系统包括:获取模块,用于获取加工过程中多个加工步骤的加工参数和加工完成后的工件图像;第一判断模块,用于基于所述工件图像,判断工件存在的加工问题;第二判断模块,用于基于所述加工问题,判断存在所述加工问题的问题加工步骤;参数调整模块,用于调整所述问题加工步骤的加工参数。
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卧式加工中心多轴协同控制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卧式加工中心多轴协同控制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卧式加工中心多轴协同控制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判断模型结构的示例性示意图;
图5是根据本说明书一些实施例所示的调整问题加工步骤的加工参数的示例性流程图;
图6是根据本说明书一些实施例所示的加工图结构数据的示例性结构图。
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卧式加工中心多轴协同控制系统的应用场景示意图。
如图1所示,应用场景100可以包括服务器110、网络120、加工中心130、数据采集装置140以及存储设备150。
在一些实施例中,应用场景100可以通过实施本说明书中披露的多轴协同控制方法来调整问题加工步骤的加工参数。例如,在一个典型的应用场景中,当在加工过程中需要确定问题加工步骤,调整问题加工步骤的加工参数时,可以通过数据采集装置140获取加工过程中多个加工步骤的加工参数和加工完成后的工件图像,然后将加工参数及工件图像发送至服务器110。服务器110基于工件图像,判断工件存在的加工问题,并基于加工问题,判断存在加工问题的问题加工步骤,再调整问题加工步骤的加工参数,从而可以在加工过程中及时发现加工问题,调整问题加工步骤的加工参数,以保证加工精度、确保加工效率以及制品的质量。
在一些实施例中,服务器110可以用于处理与应用场景100相关的信息和/或数据。例如,服务器110可以基于工件图像,判断工件存在的加工问题(如,工件外形尺寸过大/小等)。又例如,服务器110可以基于加工问题,判断存在加工问题的问题加工步骤(如,切削、打孔等)。又例如,服务器110可以用于调整问题加工步骤的加工参数(如,刀具转速、推进速度等)。在一些实施例中,服务器110可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的,可以是专用的也可以由其他设备或系统同时提供服务。在一些实施例中,服务器110可以是区域的或者远程的。在一些实施例中,服务器110可以在云平台上实施,或者以虚拟方式提供。
在一些实施例中,服务器110可以包括处理设备。处理设备可以处理从其他设备或系统组成部分中获得的数据和/或信息。处理设备可以基于这些数据、信息和/或处理结果执行程序指令,以执行本申请中描述的一个或多个功能。
在一些实施例中,网络120可以用于信息和/或数据的交换。在一些实施例中,应用场景100的一个或以上组件(例如,服务器110、加工中心130、数据采集装置140和存储设备150)可以经由网络120将信息和/或数据发送至应用场景100的其他组件。例如,加工中心130可以通过网络120,从服务器110上获取问题加工步骤的加工参数。
加工中心130可以是带有刀库和自动换刀装置的一种高度自动化的多功能数控设备。在一些实施例中,加工中心130可以获取服务器110输出的加工步骤对应的加工参数,如工件固定角度、刀具转速等。加工中心130可以根据加工步骤以及加工步骤对应的加工参数进行工作,生产出符合要求的制品。
在一些实施例中,数据采集装置140可以用于采集数据。在一些实施例中,数据采集装置140可以包括但不限于图像采集装置140-1、温度采集装置140-2、转速采集装置等。在一些实施例中,图像采集装置140-1可以用于获取加工完成后的工件图像,图像采集装置140-1可以包括照相机、摄像机等设备。在一些实施例中,温度采集装置140-2可以用于获取工件加工时的温度,温度采集装置140-2可以包括温度计、红外温度传感器、热电阻、热电偶等设备。在一些实施例中,转速采集装置可以用于获取加工过程中的刀具转速,可以是转速传感器等。
在一些实施例中,存储设备150可以存储数据和/或指令。在一些实施例中,存储设备150可以存储从数据采集装置140获取的数据。在一些实施例中,存储设备150可以存储加工中心130的相关信息。例如,加工中心130的刀具型号等数据。在一些实施例中,存储设备150可以储存服务器110用来执行或使用来完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备150可在云平台上实现。
在一些实施例中,存储设备150可连接到网络120,以与应用场景100的一个或以上组件(例如,服务器110、加工中心130和数据采集装置140)通信。应用场景100的一个或以上组件可以经由网络120访问存储设备150中存储的数据或指令。在一些实施例中,存储设备150可以与应用场景100的一个或以上组件直接连接或者进行通信。在一些实施例中,存储设备150可以是服务器110的一部分。
应当注意注应用场景100仅仅是为了说明的目的而提供的,并不意图限制本申请的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,应用场景100还可以包括数据库。然而,这些变化和修改不会背离本申请的范围。
图2是根据本说明书一些实施例所示的卧式加工中心多轴协同控制系统的示例性模块图。
本说明书中的一些实施例提出了一种卧式加工中心多轴协同控制系统,如图2所示,系统200包括获取模块210、第一判断模块220、第二判断模块230以及参数调整模块240。
获取模块210可以用于获取加工过程中多个加工步骤的加工参数和加工完成后的工件图像。关于加工步骤、加工参数、工件图像的具体内容可以参见图3及其相关描述。
第一判断模块220可以用于基于工件图像,判断工件存在的加工问题。关于加工问题的具体内容可以参见图3及其相关描述。
第二判断模块230可以用于基于加工问题,判断存在加工问题的问题加工步骤。关于问题加工步骤的具体内容可以参见图3及其相关描述。
在一些实施例中,第二判断模块230可以用于基于加工问题及多个加工步骤的加工参数,通过判断模型,确定问题加工步骤。其中,判断模型为机器学习模型。关于判断模型的更多内容可以参见图4及其相关描述。
参数调整模块240可以用于调整问题加工步骤的加工参数。关于问题加工步骤的具体内容可以参见图3及其相关描述。
在一些实施例中,参数调整模块240可以用于基于加工过程中多个加工步骤的加工参数,构建加工图结构数据;基于参数调整模型对加工图结构数据的处理,确定问题加工步骤的修改后加工参数;基于问题加工步骤的修改后加工参数,调整问题加工步骤的加工参数。其中,参数调整模型为机器学习模型。关于参数调整模型、修改后加工参数的具体内容可以参见图5及其相关描述,关于加工图结构数据的具体内容可以参见图5、图6及其相关描述。
应当理解,图2所示的系统及其模块可以利用各种方式来实现。
需要注意的是,以上对于卧式加工中心多轴协同控制系统及其模块的描述,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。在一些实施例中,图2中披露的第一判断模块和第二判断模块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。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卧式加工中心多轴协同控制方法的示例性流程图。在一些实施例中,流程300可以由卧式加工中心多轴协同控制系统200执行。如图3所示,流程300可以包括以下步骤:
步骤310,获取加工过程中多个加工步骤的加工参数和加工完成后的工件图像。在一些实施例中,步骤310可由获取模块210执行。
加工步骤可以指卧式加工中心对所加工的工件的加工过程中,依次对工件进行的加工操作。加工操作可以包括铣削、车削、磨削、刨削、钻孔等。示例性地,某加工步骤可以是“在工件正面中心挖孔”、“铣削工件左侧面”等。
加工参数可以指加工步骤对应的加工过程中,卧式加工中心的各个轴的位置参数。
位置参数可以指卧式加工中心的各个轴在某个加工步骤中的多个连续时间点的位置信息。位置信息可以包括各个轴相对于坐标原点的空间位置信息和/或相对于初始角度的旋转角度信息。多个连续时间点的时间间隔可以预设,例如,1秒。示例性地,若加工中心包含X轴、Y轴、Z轴、A轴、C轴,则该加工中心的某个位置参数的内容可以是“X轴30mm、Y轴35mm、Z轴-7mm、A轴60°、C轴90°”,其所代表的含义为此时加工中心主轴在X轴方向相对于坐标原点的距离为30mm,在Y轴方向相对于坐标原点的距离为35mm,在Z轴方向相对于坐标原点的距离为-7mm,绕X轴旋转的角度为60°,绕Z轴旋转的角度为90°。
在一些实施例中,加工过程中多个加工步骤的加工参数包括:基于张量表示的多个加工步骤中每个加工步骤中的各加工轴的位置参数。即可以基于张量形式表示多个加工步骤中每个加工步骤中的各加工轴的位置参数。例如,某加工步骤中各加工轴的位置参数的内容可以是((20,-15,5,43,156),(21,-15.5,4.8,43,150),(22,-16,4.6,45,150)......),所代表的含义为在该加工步骤的第一个时间点,加工中心主轴在X轴方向相对于坐标原点的距离为20mm,在Y轴方向相对于坐标原点的距离为-15mm,在Z轴方向相对于坐标原点的距离为5mm,绕X轴旋转的角度为43°,绕Z轴旋转的角度为156°;在该加工步骤的第二个时间点,加工中心主轴在X轴方向相对于坐标原点的距离为21mm,在Y轴方向相对于坐标原点的距离为-15.5mm,在Z轴方向相对于坐标原点的距离为4.8mm,绕X轴旋转的角度为43°,绕Z轴旋转的角度为150°,以此类推。
本说明书一些实施例中,采用张量形式表征加工参数,可以在每个时间点体现出每个轴的位置和角度数据,在后续处理时可以参考到多个轴的协同性。
在一些实施例中,加工参数可以通过配置于获取模块210内的位置和角度传感器进行获取。
工件图像可以指卧式加工中心所加工工件的图像数据。
在一些实施例中,工件图像可以通过配置于获取模块210内的拍摄设备进行获取。
步骤320,基于工件图像,判断工件存在的加工问题。在一些实施例中,步骤320可由第一判断模块220执行。
加工问题可以指工件加工步骤完成后出现的异常加工结果。例如,加工问题可以是在加工步骤完成后,本应平整面不平整。又例如,加工问题可以是在加工步骤完成后,所挖孔的深度未达到预定深度。
在一些实施例中,加工问题可以通过问题识别模型进行判断。问题识别模可以是机器学习模型,例如,卷积神经网络模型等。问题识别模型可以基于对工件图像的处理,确定工件存在的加工问题。其输入可以是工件图像,输出可以是加工问题。
在一些实施例中,问题识别模型可以通过多个有标签的训练样本训练得到。例如,可以将多个带有标签的训练样本输入初始问题识别模型,通过标签和初始问题识别模型的结果构建损失函数,基于损失函数迭代更新初始问题识别模型的参数。当初始问题识别模型的损失函数满足预设条件时模型训练完成,得到训练好的问题识别模型。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,训练样本至少可以包括多个历史工件图像。标签可以是历史工件图像对应的加工问题。其中,标签可以基于人工标注获取。
步骤330,基于加工问题,判断存在加工问题的问题加工步骤。在一些实施例中,步骤330可由第二判断模块230执行。
问题加工步骤可以指导致加工问题产生的加工步骤。示例性地,某问题加工步骤可以是“在工件正面中心挖孔”,其对应的加工问题可以是“挖孔深度不足”。
在一些实施例中,可以基于加工步骤与加工问题的对应关系,判断存在加工问题的问题加工步骤。例如,某工件的加工流程可以包括如下加工步骤:在工件正面中心挖孔,竖直铣削工件左侧面,磨削工件右侧面......加工流程结束后,工件存在的加工问题为“左侧面非竖直”,则可判断出问题加工步骤为“竖直铣削工件左侧面”。
在一些实施例中,可以通过判断模型,基于加工问题和多个加工步骤的加工参数,确定问题加工步骤。判断模型的相关描述可参见图4及其相关描述。
步骤340,调整问题加工步骤的加工参数。
在一些实施例中,可以基于加工问题的内容,调整加工参数。例如,某加工问题的内容为“挖孔深度不足”,则可以调整加工参数中对应挖孔方向的轴的位置参数值。
在一些实施例中,可以通过参数调整模型,基于加工过程中多个加工步骤的加工参数,确定调整后的加工参数。参数调整模型的相关描述可参见图5及其相关描述。
本说明书一些实施例中,通过模型确定问题加工步骤和调整问题加工步骤的加工参数,可以提高确定问题加工步骤的效率和准确度,同时可以使得调整后的加工参数满足生产需要。
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。例如,在确定问题加工步骤后再获取问题加工步骤的加工参数等。
图4是根据本说明书一些实施例所示的判断模型结构的示例性示意图。
在一些实施例中,第二判断模块230可以基于加工问题及多个加工步骤的加工参数,通过判断模型420,确定问题加工步骤。判断模型420为机器学习模型。
如图4所示,判断模型420可以基于对加工问题410-1和多个加工步骤的加工参数410-2的处理,确定问题加工步骤430。判断模型420的输入可以包括加工问题410-1和多个加工步骤的加工参数410-2,输出可以是问题加工步骤430。
在一些实施例中,判断模型420的输入还可以包括多个加工步骤的机床静刚度410-3。机床静刚度可以指卧式加工中心在静载荷作用下抵抗变形的能力。机床静刚度可通过如下公式(1)进行计算:
其中,j代表机床静刚度;F代表施加于加工中心的静载荷力;x代表在加工中心施加的静载荷力为F时的机床形变量;k代表比例系数,为常数,其值可预设。
在一些实施例中,判断模型420的输入还可以包括工件处于每个加工步骤时的刀具磨损程度410-4。刀具磨损程度可通过如下公式(2)进行计算:
其中,m代表刀具磨损程度;T代表进行某加工步骤时,刀具已使用总时长;T0代表刀具的理论使用寿命。
本说明书一些实施例中,通过引入机床静刚度作为模型的输入,可以提高模型输出结果的准确度。
本说明书一些实施例中,在其他输入的基础上,引入刀具磨损程度作为模型的输入,可以进一步提高模型输出结果的准确度。
在一些实施例中,判断模型420可以通过多个有标签的训练样本训练得到。例如,可以将多个带有标签的训练样本输入初始判断模型,通过标签和初始判断模型的结果构建损失函数,基于损失函数迭代更新初始判断模型的参数。当初始判断模型的损失函数满足预设条件时模型训练完成,得到训练好的判断模型。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,训练样本至少可以包括多个历史数据。历史数据可以包括历史加工问题及其对应的多个历史加工步骤的加工参数。标签可以是历史加工问题对应的问题加工步骤。其中,标签可以基于人工标注获取。
在一些实施例中,当历史数据数量不足时,可以使用未出现加工问题的多组加工过程的多个步骤的加工参数数据作为训练原始数据,将每组训练原始数据中部分加工参数的值进行修改,并人工标注使用修改后的加工参数加工工件时所产生的加工问题,分别作为训练判断模型420的训练样本和标签。其中,加工参数的修改幅度可以超出加工参数的噪声阈值。
噪声阈值可以指加工过程中不会产生加工问题的加工参数的变化范围。例如,某未产生加工问题的加工步骤的加工参数的内容为((20,-15,5,0,0),(21,-15,5,0,0)......(30,-15,5,0,0)),X轴的噪声阈值为0.1,那么可以将其修改为((21,-15,5,0,0),(22,-15,5,0,0)......(31,-15,5,0,0)),同时设定其对应的加工问题为“X轴方向挖孔过深”。加工参数的相关说明可参见图3相关描述。
在一些实施例中,修改加工参数时可同时修改多个加工步骤的加工参数,同时相应设定多个加工问题。例如,未产生加工问题的多个加工步骤的加工参数的内容包括((20,-15,5,0,0),(21,-15,5,0,0)......(30,-15,5,0,0)),............,((30,-15,5,0,0),(30,-15,6,0,0)......(30,-15,15,0,0)),X轴和Z轴的噪声阈值为0.1mm,那么可以将其修改为((21,-15,5,0,0),(22,-15,5,0,0)......(31,-15,5,0,0)),............,((30,-15,4,0,0),(30,-15,5,0,0)......(30,-15,14,0,0)),同时设定其对应的加工问题为“X轴方向挖孔过深,Z轴方向挖孔过浅”。
本说明书一些实施例中,由于历史实际生产过程中出现加工问题的情况可能较少,导致训练样本不足,通过修改正常加工参数以获得足够的训练样本数据,可以提高模型训练效率和训练出的模型的输出的准确度。
本说明书一些实施例中,通过模型确定问题加工步骤,既实现了问题加工步骤的精确判断,又提高了确定效率,节约了时间成本。
图5是根据本说明书一些实施例所示的调整问题加工步骤的加工参数的示例性流程图。在一些实施例中,流程500可以由参数调整模块240执行。如图5所示,流程500可以包括以下步骤:
步骤510,基于加工过程中多个加工步骤的加工参数,构建加工图结构数据。
在一些实施例中,加工图结构数据可以是由节点和边组成的数据结构,边连接节点,节点和边可以具有属性。加工图结构数据的细节说明可参见图6相关描述。
在一些实施例中,加工图结构数据可以基于卧式加工中心的加工过程中多个加工步骤的加工参数进行构建。
图6是根据本说明书一些实施例所示的加工图结构数据的示例性结构图。
在一些实施例中,加工图结构数据的节点可以包括第一节点和第二节点。其中,第一节点可以是加工步骤节点;第二节点可以是过渡加工步骤节点。加工步骤节点可以为对应加工步骤的节点,加工步骤的相关说明可参见图3相关描述。过渡加工步骤节点可以指汇总了各加工中心的同种加工步骤的加工参数的数据信息的节点。加工中心可以指基于生产某产品的多个加工步骤的加工步骤集合。
在一些实施例中,加工图结构数据的边可以包括第一边和第二边。其中,第一边可以用于连接同一加工中心的相邻加工步骤对应的两个第一节点,第一边为单向边,由时间顺序在前的加工步骤对应的第一节点指向时间顺序在后的加工步骤对应的第一节点;第二边用于连接同种加工步骤对应的第一节点和第二节点,第二边为单向边,由第一节点指向第二节点的单向边。
例如,如图6所示,加工图结构数据600可以包括第一节点A1、第一节点A2、第一节点A3、......、第一节点C3、第一节点C4、第二节点1、第二节点2、第二节点3和第二节点4、第一边a、第一边b、......、第一边i、第二边a、第二边b、......、第二边l。
在一些实施例中,第一节点可以与加工步骤对应。其中,第一节点A1、A2、A3和A4分别对应使用卧式加工中心A进行加工过程的4个加工步骤。第一节点B1、B2、B3和B4分别对应使用卧式加工中心B进行加工过程的4个加工步骤。第一节点C1、C2、C3和C4分别对应使用卧式加工中心C进行加工过程的4个加工步骤。卧式加工中心A、B、C为同种加工中心,其加工过程为加工同种工件的加工过程。第一节点的属性可以反映加工步骤的相关特征。例如,第一节点的属性可以是加工步骤对应的加工参数。加工参数的相关说明可以参见图3及其相关描述。
在一些实施例中,第二节点也可以与加工步骤对应。例如,第二节点2可以指使用卧式加工中心进行加工过程的第2个加工步骤。第二节点的属性可以反映加工步骤的相关特征。例如,第二节点的属性可以是各加工中心未出现加工问题的加工步骤对应的加工参数的均值。示例性地,若卧式加工中心A的第3个加工步骤为问题加工步骤,则第二节点3的属性为第一节点B3和第一节点C3的属性的均值,第二节点1的属性为第一节点A3、第一节点B3和第一节点C3的属性的均值。第二节点2和第二节点4的属性确定方法参照第二节点1。
在一些实施例中,第二节点的属性可以是各加工中心未出现加工问题的加工步骤对应的加工参数的加权平均值。每个加工步骤对应的加工参数的权重值可以与该加工中心在该加工步骤出现加工问题的次数负相关。
本说明书一些实施例中,通过加权平均的方式确定第二节点的属性,以及加权的权重值与加工中心出问题的次数相关,可以使得第二节点的属性更符合实际,使得后续基于该图结构确定的加工参数更好地适应生产需要。
在一些实施例中,第一边的边属性可以是第一边所连接的两个第一节点对应的加工步骤的开始时刻间的时间间隔。例如,如图6所示,若第一节点A1对应的加工步骤的开始间为10:05:20,第一节点A2对应的加工步骤的开始间为10:06:30,那么第一边a的属性为70s。
在一些实施例中,第二边的边属性可以是第二边所连接的第一节点对应的加工步骤在历史加工过程中出现加工问题的总次数。例如,第二边f的属性为5,代表卧式加工中心B的第二个加工步骤为问题加工步骤的次数共有5次。在一些实施例中,可以定期或在各加工中心完成一次完整的产品加工后,即对加工图结构数据进行一次更新。
步骤520,基于参数调整模型对加工图结构数据的处理,确定问题加工步骤的修改后加工参数。
修改后加工参数可以指用于后续调整问题加工步骤的加工参数的加工参数数据。问题加工步骤的确定方法可以参见图4相关描述。
在一些实施例中,可以将其他的同种加工中心加工相同工件时对应的相同加工步骤的加工参数作为修改后加工参数。
在一些实施例中,可以通过参数调整模型确定问题加工步骤的修改后加工参数。
参数调整模型可以基于对加工图结构数据的处理,确定问题加工步骤的修改后加工参数。参数调整模型可以为机器学习模型,例如,图神经网络模型等。
参数调整模型的输入可以是加工图结构数据,输出可以是问题加工步骤的修改后加工参数。具体地,模型的输出可以基于问题加工步骤对应的第一节点的输出确定。
在一些实施例中,参数调整模型可以通过多个有标签的训练样本训练得到。例如,可以将多个带有标签的训练样本输入初始参数调整模型,通过标签和初始参数调整模型的结果构建损失函数,基于损失函数迭代更新初始参数调整模型的参数。当初始参数调整模型的损失函数满足预设条件时模型训练完成,得到训练好的参数调整模型。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,训练样本至少可以包括多个基于历史加工步骤及其对应的历史加工参数确定的历史加工图结构数据。标签可以是历史加工图结构数据对应的问题加工步骤的修改后加工参数。其中,标签可以基于人工标注获取。
步骤530,基于问题加工步骤的修改后加工参数,调整问题加工步骤的加工参数。
在一些实施例中,可以将参数调整模型输出的修改后加工参数,作为问题加工步骤的新加工参数,并基于新加工参数进行后续的加工过程。
本说明书一些实施例中,基于构建图结构数据,并通过模型确定问题加工步骤的新加工参数,增强了所调整的加工参数的适应性,避免调整后仍有问题,节约了时间和人力成本。
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 (8)
1.一种卧式加工中心多轴协同控制方法,包括:
获取加工过程中多个加工步骤的加工参数和加工完成后的工件图像;
基于所述工件图像,判断工件存在的加工问题;
基于所述加工问题,判断存在所述加工问题的问题加工步骤;
基于所述加工过程中多个加工步骤的加工参数,构建加工图结构数据;
所述加工图结构数据至少包括节点数据和边数据,所述节点数据包括第一节点和第二节点中的至少一种,所述边数据包括第一边和第二边中的至少一种;
所述第一节点至少包括加工步骤节点,所述第一节点的属性至少包括加工步骤对应的加工参数;所述第二节点至少包括过渡加工步骤节点,所述第二节点的属性至少包括未出现加工问题的加工步骤对应的加工参数的加权平均值,每个加工步骤对应的加工参数的权重值与该加工中心在该加工步骤出现加工问题的次数负相关;
所述第一边的边属性至少包括所述第一边所连接的两个所述第一节点对应的加工步骤的开始时刻间的时间间隔,所述第二边的边属性至少包括所述第二边所连接的所述第一节点对应的加工步骤在历史加工过程中出现加工问题的总次数;
基于参数调整模型对所述加工图结构数据的处理,确定所述问题加工步骤的修改后加工参数;所述参数调整模型为机器学习模型;
基于所述问题加工步骤的所述修改后加工参数,调整所述问题加工步骤的加工参数。
2.根据权利要求1所述的方法,所述加工过程中多个加工步骤的加工参数包括:基于张量表示的所述多个加工步骤中每个加工步骤中的各加工轴的位置参数。
3.根据权利要求1所述的方法,所述基于所述加工问题,判断存在所述加工问题的问题加工步骤包括:
基于所述加工问题及所述多个加工步骤的加工参数,通过判断模型,确定所述问题加工步骤;所述判断模型为机器学习模型。
4.根据权利要求3所述的方法,所述判断模型基于训练数据对初始判断模型进行训练获得,所述训练数据基于历史数据获得,所述历史数据包括历史出现加工问题时所使用的历史加工参数及对应的历史问题步骤。
5.一种卧式加工中心多轴协同控制系统,包括:
获取模块,用于获取加工过程中多个加工步骤的加工参数和加工完成后的工件图像;
第一判断模块,用于基于所述工件图像,判断工件存在的加工问题;
第二判断模块,用于基于所述加工问题,判断存在所述加工问题的问题加工步骤;
参数调整模块,用于基于所述加工过程中多个加工步骤的加工参数,构建加工图结构数据;
所述加工图结构数据至少包括节点数据和边数据,所述节点数据包括第一节点和第二节点中的至少一种,所述边数据包括第一边和第二边中的至少一种;
所述第一节点至少包括加工步骤节点,所述第一节点的属性至少包括加工步骤对应的加工参数;所述第二节点至少包括过渡加工步骤节点,所述第二节点的属性至少包括未出现加工问题的加工步骤对应的加工参数的加权平均值,每个加工步骤对应的加工参数的权重值与该加工中心在该加工步骤出现加工问题的次数负相关;
所述第一边的边属性至少包括所述第一边所连接的两个所述第一节点对应的加工步骤的开始时刻间的时间间隔,所述第二边的边属性至少包括所述第二边所连接的所述第一节点对应的加工步骤在历史加工过程中出现加工问题的总次数;
基于参数调整模型对所述加工图结构数据的处理,确定所述问题加工步骤的修改后加工参数;所述参数调整模型为机器学习模型;
基于所述问题加工步骤的所述修改后加工参数,调整所述问题加工步骤的加工参数。
6.根据权利要求5所述的系统,所述加工过程中多个加工步骤的加工参数包括:基于张量表示的所述多个加工步骤中每个加工步骤中的各加工轴的位置参数。
7.根据权利要求5所述的系统,所述第二判断模块进一步用于:
基于所述加工问题及所述多个加工步骤的加工参数,通过判断模型,确定所述问题加工步骤;所述判断模型为机器学习模型。
8.根据权利要求7所述的系统,所述判断模型基于训练数据对初始判断模型进行训练获得,所述训练数据基于历史数据获得,所述历史数据包括历史出现加工问题时所使用的历史加工参数及对应的历史问题步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410202281.2A CN117991718A (zh) | 2022-10-18 | 2022-10-18 | 一种卧式加工中心多轴协同状态监测方法和系统 |
CN202211272513.9A CN115657595B (zh) | 2022-10-18 | 2022-10-18 | 一种卧式加工中心多轴协同控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211272513.9A CN115657595B (zh) | 2022-10-18 | 2022-10-18 | 一种卧式加工中心多轴协同控制方法和系统 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410202281.2A Division CN117991718A (zh) | 2022-10-18 | 2022-10-18 | 一种卧式加工中心多轴协同状态监测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115657595A CN115657595A (zh) | 2023-01-31 |
CN115657595B true CN115657595B (zh) | 2024-01-05 |
Family
ID=84989182
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211272513.9A Active CN115657595B (zh) | 2022-10-18 | 2022-10-18 | 一种卧式加工中心多轴协同控制方法和系统 |
CN202410202281.2A Pending CN117991718A (zh) | 2022-10-18 | 2022-10-18 | 一种卧式加工中心多轴协同状态监测方法和系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410202281.2A Pending CN117991718A (zh) | 2022-10-18 | 2022-10-18 | 一种卧式加工中心多轴协同状态监测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN115657595B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5772814A (en) * | 1996-01-26 | 1998-06-30 | Branson Ultrasonic Corporation | Welding system and method of setting welding machine parameters |
CN109343489A (zh) * | 2018-10-30 | 2019-02-15 | 杭州安脉盛智能技术有限公司 | 烟草制丝工艺参数自愈控制方法及系统 |
CN110728655A (zh) * | 2019-09-06 | 2020-01-24 | 重庆东渝中能实业有限公司 | 基于机器视觉的数控机床工件异常检测方法及装置 |
CN113427057A (zh) * | 2021-06-28 | 2021-09-24 | 南京艾提瑞精密机械有限公司 | 一种基于深度学习的微铣削加工方法及加工系统 |
CN113909996A (zh) * | 2021-09-30 | 2022-01-11 | 华中科技大学 | 一种基于数字孪生的高端装备加工状态监测方法及系统 |
CN114613705A (zh) * | 2022-05-10 | 2022-06-10 | 深圳市众望丽华微电子材料有限公司 | 一种半导体元器件加工的控制方法、系统及介质 |
-
2022
- 2022-10-18 CN CN202211272513.9A patent/CN115657595B/zh active Active
- 2022-10-18 CN CN202410202281.2A patent/CN117991718A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5772814A (en) * | 1996-01-26 | 1998-06-30 | Branson Ultrasonic Corporation | Welding system and method of setting welding machine parameters |
CN109343489A (zh) * | 2018-10-30 | 2019-02-15 | 杭州安脉盛智能技术有限公司 | 烟草制丝工艺参数自愈控制方法及系统 |
CN110728655A (zh) * | 2019-09-06 | 2020-01-24 | 重庆东渝中能实业有限公司 | 基于机器视觉的数控机床工件异常检测方法及装置 |
CN113427057A (zh) * | 2021-06-28 | 2021-09-24 | 南京艾提瑞精密机械有限公司 | 一种基于深度学习的微铣削加工方法及加工系统 |
CN113909996A (zh) * | 2021-09-30 | 2022-01-11 | 华中科技大学 | 一种基于数字孪生的高端装备加工状态监测方法及系统 |
CN114613705A (zh) * | 2022-05-10 | 2022-06-10 | 深圳市众望丽华微电子材料有限公司 | 一种半导体元器件加工的控制方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117991718A (zh) | 2024-05-07 |
CN115657595A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110434671B (zh) | 一种基于特征测量的铸造件表面机加工轨迹校准方法 | |
DE102017123877B4 (de) | Robotersystem | |
Imkamp et al. | Challenges and trends in manufacturing measurement technology–the “Industrie 4.0” concept | |
CN110889091B (zh) | 基于温度敏感区间分段的机床热误差预测方法与系统 | |
CN112264839A (zh) | 一种用于制造物联网的切削刀具磨损在位测量装置及方法 | |
CN115993804B (zh) | 一种基于数控机床的刀具参数调整方法及相关设备 | |
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 | |
CN114355953B (zh) | 一种基于机器视觉的多轴伺服系统的高精度控制方法及系统 | |
CN112729112B (zh) | 基于机器人视觉的发动机缸体孔径与孔位检测方法 | |
CN111179233A (zh) | 基于激光切割二维零部件的自适应纠偏方法 | |
CN116032969B (zh) | 一种云边协同的智能数控车间自调控系统、控制方法 | |
CN110716500A (zh) | 用于确定温度敏感区间分段建模点的方法与系统 | |
AU2017264984B2 (en) | System and method for precisely drilling matched hole patterns using surface mapped features | |
CN111352398B (zh) | 智能精密加工单元 | |
CN115657595B (zh) | 一种卧式加工中心多轴协同控制方法和系统 | |
CN116501005A (zh) | 一种数字孪生联动的工厂运行管理方法及系统 | |
EP4120190A1 (en) | Method for inspecting an object | |
EP4123578A1 (en) | Method for inspecting an object | |
CN111937025A (zh) | 信息处理装置、信息处理方法以及信息处理程序 | |
CN111571276A (zh) | 一种可识别工件并自动输入工艺参数的数控机床及其加工方法 | |
CN115582840B (zh) | 无边框钢板工件分拣抓取位姿计算方法、分拣方法及系统 | |
CN117483838B (zh) | 基于人工智能的板材钻孔方法及装置 | |
EP4257286A1 (en) | Computer-implemented method and manufacturing system for manufacturing by machining an ophthalmic device | |
EP4120189A1 (en) | Method for inspecting an object | |
CN114227154B (zh) | 框类零件转角的加工方法 |
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 |