CN115712248B - 一种基于反馈优化的研磨智能控制方法及系统 - Google Patents
一种基于反馈优化的研磨智能控制方法及系统 Download PDFInfo
- Publication number
- CN115712248B CN115712248B CN202310030708.0A CN202310030708A CN115712248B CN 115712248 B CN115712248 B CN 115712248B CN 202310030708 A CN202310030708 A CN 202310030708A CN 115712248 B CN115712248 B CN 115712248B
- Authority
- CN
- China
- Prior art keywords
- grinding
- result
- data
- feedback optimization
- size
- 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
Landscapes
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
本发明公开了一种基于反馈优化的研磨智能控制方法及系统,涉及数据处理技术领域,该方法包括:采集获得研磨机的基础信息;生成研磨机的多模式状态评价结果;根据待研磨产品信息和多模式状态评价结果生成第一研磨控制参数;对筛选样品进行MARK点标识,进行筛选样品的尺寸测定;对待研磨产品进行研磨操作,进行筛选样品的图像采集;对筛选样品进行尺寸复测,结合尺寸测定结果生成去除量数据;根据去除量数据和图像采集结果生成反馈优化参数,进行参数反馈优化。本发明解决了现有技术中存在研磨机研磨参数无法进行准确的反馈控制,研磨质量低的技术问题,达到了提高研磨机研磨精度,对研磨机进行准确参数控制,保证研磨质量的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种基于反馈优化的研磨智能控制方法及系统。
背景技术
随着经济和科学技术的飞速发展,为了满足对生产制造质量的要求,制造企业对于生产加工技术不断进行优化改进,对生产设备进行更新换代。通过进行生产技术升级,对于优化生产效率,提高生产质量有着十分重要的意义。
目前,随着产品的精细化加工不断深入,对于产品研磨质量的要求不断提高,通过使用离心研磨机对产品进行加工,在研磨石的震动研磨下,将产品的表面质量加工至需求质量。然而,在使用研磨机进行研磨加工的过程中,往往通过工作人员对已研磨产品进行质量检验,根据质量检验结果对研磨机进行参数反馈调整。现有的调整方式,不仅受限于工作人员的能力,对质量结果分析效率低,无法得到可靠的调整结果。现有技术中存在研磨机研磨参数无法进行准确的反馈控制,研磨质量低的技术问题。
发明内容
本申请提供了一种基于反馈优化的研磨智能控制方法及系统,用于针对解决现有技术中存在研磨机研磨参数无法进行准确的反馈控制,研磨质量低的技术问题。
鉴于上述问题,本申请提供了一种基于反馈优化的研磨智能控制方法及系统。
本申请的第一个方面,提供了一种基于反馈优化的研磨智能控制方法,其中,所述方法应用于研磨智能控制系统,所述研磨智能控制系统与图像采集装置、尺寸检测装置通信连接,所述方法包括:
采集获得研磨机的基础信息,其中,所述基础信息包括研磨石信息和历史研磨数据;
根据所述基础信息对所述研磨机进行模式状态评价,生成多模式状态评价结果;
采集获得待研磨产品的产品信息,根据所述产品信息和所述多模式状态评价结果生成第一研磨控制参数;
对所述待研磨产品进行样品筛选,并进行筛选样品的MARK点标识,通过所述尺寸检测装置进行所述筛选样品的尺寸测定;
通过所述第一研磨控制参数控制所述研磨机对所述待研磨产品进行研磨操作,当研磨完成后,通过所述图像采集装置进行所述筛选样品的图像采集,获得图像采集结果;
通过所述尺寸检测装置对所述筛选样品进行尺寸复测,根据尺寸测定结果和尺寸复测结果生成去除量数据;
根据所述去除量数据和所述图像采集结果生成反馈优化参数;
通过所述反馈优化参数对所述第一研磨控制参数进行参数反馈优化。
优选的,所述方法还包括:
根据所述待研磨产品获得预期研磨特征;
基于所述预期研磨特征构建研磨比对特征;
通过所述研磨比对特征对所述图像采集结果的特征匹配,获得粒度相似匹配结果和异常匹配结果;
根据所述粒度相似匹配结果和所述异常匹配结果生成所述反馈优化参数。
优选的,所述方法还包括:
根据所述MARK点标识对所述筛选样品进行正方向摆放,当摆放完成后,通过所述尺寸检测装置对所述筛选样品进行尺寸复测;
根据所述尺寸复测结果和所述尺寸测定结果进行同位置尺寸去除平均值计算,获得多个位置的尺寸去除平均值;
根据所述待研磨产品预期位置去除值和所述尺寸去除平均值进行位置去除比对;
根据位置去除比对结果获得所述去除量数据。
优选的,所述方法还包括:
根据所述尺寸复测结果进行异常尺寸统计,获得异常数量统计结果;
根据所述异常数量统计结果和所述MARK点标识的标识总量获得异常占比数据;
判断所述异常占比数据是否处于第一占比区间内,当所述异常占比数据处于所述第一占比区间内时,则根据所述异常占比数据生成震动量反馈约束参数;
通过所述震动量反馈约束参数生成所述反馈优化参数。
优选的,所述方法还包括:
判断所述异常占比数据是否处于第二占比区间内;
当所述异常占比数据处于所述第二占比区间内时,则通过所述第一研磨控制参数获得震动量控制数据;
根据所述震动量控制数据、所述异常占比数据和所述研磨石信息进行研磨石尺寸适配评价,生成适配评价结果;
根据所述适配评价结果生成研磨石反馈优化信息,根据所述研磨石反馈优化信息进行研磨石优化替换。
优选的,所述方法还包括:
通过大数据搭建研磨机反馈优化模型;
基于所述多模式状态评价结果构建基础属性约束层;
将所述基础属性约束层连接至所述研磨机反馈优化模型;
将所述去除量数据和所述图像采集结果输入所述研磨机反馈优化模型,获得模型输出结果,其中,所述模型输出结果包括所述反馈优化参数。
优选的,所述方法还包括:
通过所述反馈优化参数对所述第一研磨控制参数进行参数反馈优化,获得第二研磨控制参数;
通过所述第二研磨控制参数控制所述研磨机进行研磨加工,并采集研磨加工结果;
基于所述研磨加工结果构建自适应调整约束层;
将所述自适应调整约束层连接至所述研磨机反馈优化模型。
本申请的第二个方面,提供了一种基于反馈优化的研磨智能控制系统,所述系统包括:
基础信息获得模块,所述基础信息获得模块用于采集获得研磨机的基础信息,其中,所述基础信息包括研磨石信息和历史研磨数据;
状态评价结果生成模块,所述状态评价结果生成模块用于根据所述基础信息对所述研磨机进行模式状态评价,生成多模式状态评价结果;
研磨控制参数生成模块,所述研磨控制参数生成模块用于采集获得待研磨产品的产品信息,根据所述产品信息和所述多模式状态评价结果生成第一研磨控制参数;
尺寸测定模块,所述尺寸测定模块用于对所述待研磨产品进行样品筛选,并进行筛选样品的MARK点标识,通过尺寸检测装置进行所述筛选样品的尺寸测定;
图像采集结果获得模块,所述图像采集结果获得模块用于通过所述第一研磨控制参数控制所述研磨机对所述待研磨产品进行研磨操作,当研磨完成后,通过图像采集装置进行所述筛选样品的图像采集,获得图像采集结果;
去除量数据生成模块,所述去除量数据生成模块用于通过所述尺寸检测装置对所述筛选样品进行尺寸复测,根据尺寸测定结果和尺寸复测结果生成去除量数据;
反馈优化参数生成模块,所述反馈优化参数生成模块用于根据所述去除量数据和所述图像采集结果生成反馈优化参数;
参数反馈优化模块,所述参数反馈优化模块用于通过所述反馈优化参数对所述第一研磨控制参数进行参数反馈优化。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请通过采集获得研磨机的基础信息,其中,基础信息包括研磨石信息和历史研磨数据,然后根据基础信息对研磨机进行模式状态评价,生成多模式状态评价结果,通过对待研磨产品的产品信息进行采集分析,根据产品信息和多模式状态评价结果生成第一研磨控制参数,然后对待研磨产品进行样品筛选,并进行筛选样品的MARK点标识,通过尺寸检测装置进行筛选样品的尺寸测定,进而通过第一研磨控制参数控制研磨机对待研磨产品进行研磨操作,当研磨完成后,通过图像采集装置进行筛选样品的图像采集,获得图像采集结果,然后通过尺寸检测装置对筛选样品进行尺寸复测,根据尺寸测定结果和尺寸复测结果生成去除量数据,然后根据去除量数据和图像采集结果生成反馈优化参数,进而通过反馈优化参数对第一研磨控制参数进行参数反馈优化。达到了对研磨机工作参数进行高效的反馈优化控制,提高研磨质量的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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的附图。
图1为本申请实施例提供的一种基于反馈优化的研磨智能控制方法流程示意图;
图2为本申请实施例提供的一种基于反馈优化的研磨智能控制方法中生成去除量数据的流程示意图;
图3为本申请实施例提供的一种基于反馈优化的研磨智能控制方法中生成反馈优化参数的流程示意图;
图4为本申请实施例提供的一种基于反馈优化的研磨智能控制系统结构示意图。
附图标记说明:基础信息获得模块11,状态评价结果生成模块12,研磨控制参数生成模块13,尺寸测定模块14,图像采集结果获得模块15,去除量数据生成模块16,反馈优化参数生成模块17,参数反馈优化模块18。
具体实施方式
本申请通过提供了一种基于反馈优化的研磨智能控制方法,用于针对解决现有技术中存在研磨机研磨参数无法进行准确的反馈控制,研磨质量低的技术问题。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本申请提供了一种基于反馈优化的研磨智能控制方法,其中,所述方法应用于研磨智能控制系统,所述研磨智能控制系统与图像采集装置、尺寸检测装置通信连接,所述方法包括:
步骤S100:采集获得研磨机的基础信息,其中,所述基础信息包括研磨石信息和历史研磨数据;
具体而言,所述图像采集装置是对研磨机加工的产品图像进行准确采集的设备,包括摄像机、照相机等。优选的,所述图像采集装置可以定量调整对产品进行图像采集时的距离,以及摄像头的放大倍数。所述尺寸检测装置是研磨机加工的产品尺寸进行测量的装置,包括光电测量仪、激光测厚仪等。优选的,所述研磨机选用离心研磨机,带有研磨石的研磨机,利用离心原理,在研磨石随研磨机进行公转的过程中,通过研磨石与机内的产品之间的摩擦对产品进行研磨。所述基础信息是能够反映研磨机的基本参数信息以及反映研磨过程的数据信息,包括研磨石信息和历史研磨数据。其中,所述研磨石信息是反映研磨石基本构成以及工作情况的相关信息,包括研磨石大小、研磨石材质、研磨石使用时间等信息。所述历史研磨数据是对研磨机以往进行产品研磨加工时产生的数据进行提取得到的,包括历史研磨时间、历史研磨产品、历史加工质量等信息,优选的,所述研磨石信息可以通过对研磨机的出厂数据进行提取得到,所述历史研磨数据可以对研磨机的工作日志以研磨数据为索引,进行数据提取得到。通过获得研磨机的基础信息,达到了为后续进行研磨机的参数控制提供基础分析数据的技术效果。
步骤S200:根据所述基础信息对所述研磨机进行模式状态评价,生成多模式状态评价结果;
具体而言,通过根据所述基础信息中的所述历史研磨数据,对研磨机的历史工作情况进行分析,获取研磨机的工作参数,研磨模式,研磨质量。每一个研磨类型的研磨对应多个研磨模式,研磨类型包括粗磨、细磨和精磨。其中,不同研磨模式对应的工作参数不同。优选的,对所述研磨机进行模式状态评价,可以是通过对每一个类型的研磨模式对应的研磨质量进行分析,根据研磨质量对应的质量等级,如一级、二级、三级,其中,一级对应的研磨质量最高,三级对应的研磨质量最低。将所述研磨质量对应的质量等级作为研磨模式对应的模式状态评价结果。其中,不同研磨模式对应的研磨机工作参数不同。通过对每一个研磨模式进行模式状态评价,得到对应的评价结果,进行汇总后得到所述多模式状态评价结果。由此,达到了为后续控制参数的选择做铺垫的技术效果。
步骤S300:采集获得待研磨产品的产品信息,根据所述产品信息和所述多模式状态评价结果生成第一研磨控制参数;
具体而言,所述待研磨产品是准备进行研磨的任意一个产品。所述产品信息是反映待研磨产品的类型和研磨需求的信息,包括产品规格、产品粒度、产品数量、研磨需求等。进而,根据所述产品信息与所述多模式状态评价结果中对应的研磨模式进行匹配,根据产品信息中的产品类型和研磨需求确定研磨类型,进而根据研磨类型与所述多模式状态评价结果对应的研磨类型进行匹配,得到对应的多模式状态评价结果,根据评价结果对应的质量等级,结合产品信息反映的质量要求对多模式状态评价结果进行筛选,得到符合产品质量要求的评价结果,根据评价结果对应的工作参数,得到所述第一研磨控制参数。其中,所述第一研磨工作参数是对待研磨产品的产品信息进行初步匹配得到对研磨机进行生产控制的参数,包括研磨机功率、研磨机转速等。
步骤S400:对所述待研磨产品进行样品筛选,并进行筛选样品的MARK点标识,通过所述尺寸检测装置进行所述筛选样品的尺寸测定;
具体而言,对所述待研磨产品进行样品筛选,优选的,通过随机抽取的方式从待研磨产品中抽取预设数量的产品作为筛选样品,筛选样品的规格大小和形状要保持一致。其中,预设数量由工作人员自行设定,在此不做限制。进而,对所述筛选样品进行MARK点标识,优选的,通过对筛选样品表面通过激光刻字的方式进行标识,标识为1、2、3等数字标号,激光标识的深度为2mm。进而,利用所述尺寸检测装置对所述筛选样品的外观尺寸进行测量,尺寸测定结果是能够对筛选样品的外观进行量化评价的数据,包括长、宽、厚度、粒径等,根据筛选样品的种类进行实际尺寸测量后得到的。通过对筛选样品进行尺寸测定,为后续进行研磨前后的尺寸比对,分析研磨机的工作情况提供比对数据。
步骤S500:通过所述第一研磨控制参数控制所述研磨机对所述待研磨产品进行研磨操作,当研磨完成后,通过所述图像采集装置进行所述筛选样品的图像采集,获得图像采集结果;
具体而言,按照所述第一研磨控制参数对所述研磨机进行参数调整,进而,利用参数调整后的研磨机对所述待研磨产品进行研磨。然后,从研磨后的待研磨产品中,根据MARK标识识别出筛选样品,然后根据所述图像采集装置对筛选样品进行多个角度的图像采集,图像采集装置距离每个筛选样品的距离,以及图像采集装置中摄像头的焦距和放大倍数保持一致。由此,可以保证图像的大小能够保持一致,从而排除设备因素的干扰。
步骤S600:通过所述尺寸检测装置对所述筛选样品进行尺寸复测,根据尺寸测定结果和尺寸复测结果生成去除量数据;
进一步的,如图2所示,本申请实施例步骤S600还包括:
步骤S610:根据所述MARK点标识对所述筛选样品进行正方向摆放,当摆放完成后,通过所述尺寸检测装置对所述筛选样品进行尺寸复测;
步骤S620:根据所述尺寸复测结果和所述尺寸测定结果进行同位置尺寸去除平均值计算,获得多个位置的尺寸去除平均值;
步骤S630:根据所述待研磨产品预期位置去除值和所述尺寸去除平均值进行位置去除比对;
步骤S640:根据位置去除比对结果获得所述去除量数据。
具体而言,按照MAEK点标识对筛选样品的摆放位置进行调整,将MARK点所在的那一面作为正视角度,对筛选样品进行正方向摆放,然后对筛选样品逐一进行尺寸复测,进而二次尺寸测量。通过对同一位置多个筛选样品的尺寸复测结果和尺寸测定结果进行差值计算,然后对差值计算的结果逐一进行平均值计算,得到对筛选样品进行研磨后,多个位置上产品研磨掉的数据,即所述尺寸去除平均值。其中,所述尺寸去除平均值反映了研磨机在第一研磨控制参数的控制下对筛选样品的平均去除结果。
具体的,根据所述待研磨产品的产品信息,得到所述预期位置去除值,其中,所述预期位置去除值是根据待研磨产品的需求确定的各个位置尺寸去除的数据,包括去除长度、去除厚度等,所述预期位置去除值对应的位置与尺寸去除平均值相应的位置一一对应。进而,根据所述待研磨产品预期位置去除值和所述尺寸去除平均值进行去除数据比对,当待研磨产品预期位置去除值高于所述尺寸去除平均值,用待研磨产品预期位置去除值减去所述尺寸去除平均值得到去除量数据,且该数据具有正向标识,表明需要进一步研磨才能达到满足需求的去除值。当待研磨产品预期位置去除值低于所述尺寸去除平均值时,用待研磨产品预期位置去除值减去所述尺寸去除平均值得到去除量数据,且该数据具有负向标识,表明研磨过度。所述去除量数据是对研磨机进行研磨后的研磨效果进行量化展示的数据。
步骤S700:根据所述去除量数据和所述图像采集结果生成反馈优化参数;
进一步的,如图3所示,本申请实施例步骤S700还包括:
步骤S710:根据所述待研磨产品获得预期研磨特征;
步骤S720:基于所述预期研磨特征构建研磨比对特征;
步骤S730:通过所述研磨比对特征对所述图像采集结果的特征匹配,获得粒度相似匹配结果和异常匹配结果;
步骤S740:根据所述粒度相似匹配结果和所述异常匹配结果生成所述反馈优化参数。
具体而言,所述预期研磨特征是对待研磨产品进行研磨后达到的质量效果进行描述的特征,包括表面均匀度、表面颗粒度大小、粒径大小等。根据所述预期研磨特征对所述待研磨产品达到预期研磨效果后的图像进行采集,采集时图像采集装置距离待研磨产品的距离与筛选样品的图像采集时的距离保持一致,采集摄像头的放大倍数也保持一致,从而控制图像采集时的外部变量保持一致,避免外在因素影响,将得到的图像中表现出的产品特征作为所述研磨比对特征。也就是说,所述研磨比对特征是对待研磨产品达到预期研磨效果后的图像特征进行提取后得到,包括图像中粒径尺寸、图像中呈现的表面粗糙度等。进而,通过将所述研磨比对特征与所述图像采集结果中展现的筛选样品的特征进行对应匹配,得到所述粒径相似匹配结果和所述异常匹配结果。其中,所述粒度相似匹配结果反映了待研磨产品经过研磨机研磨后与预期达到的研磨效果之间的匹配程度比较高,符合要求的图像结果。所述异常匹配结果反映了待研磨产品经过研磨机研磨后与预期达到的研磨效果之间的差异程度。然后根据所述粒度相似匹配结果和所述异常匹配结果进行分析,得到对研磨机进行优化调整的反馈优化参数。
进一步的,本申请实施例步骤S700包括:
步骤S750:根据所述尺寸复测结果进行异常尺寸统计,获得异常数量统计结果;
步骤S760:根据所述异常数量统计结果和所述MARK点标识的标识总量获得异常占比数据;
步骤S770:判断所述异常占比数据是否处于第一占比区间内,当所述异常占比数据处于所述第一占比区间内时,则根据所述异常占比数据生成震动量反馈约束参数;
步骤S780:通过所述震动量反馈约束参数生成所述反馈优化参数。
具体而言,对尺寸复测结果中的异常尺寸数量进行记录,得到所述异常数量统计结果。其中,所述异常数量统计结果反映了研磨中不符合质量要求的尺寸数量。所述异常占比数据是将所述异常数量统计结果比上所述MARK点标识的标识总量后得到的异常比例,反映了异常数据量占标识总量的程度,为分析异常是因为偶然误差,还是由于研磨机中的研磨石出现问题提供量化的分析依据。
具体的,所述第一占比区间是预先设置的异常占比比例,是考虑到研磨机在工作过程中的震动影响情况设置的异常阈值,根据研磨机的型号进行设置,研磨机越小,重量越轻,第一占比区间越大。当所述异常占比数据处于所述第一占比区间内时,根据异常占比数据得到对研磨机进行震动约束的所述震动量反馈约束参数。其中,所述震动量反馈约束参数是对研磨机进行加固的参数,包括地脚螺栓数量,紧固地脚螺栓型号等。根据所述震动量反馈约束参数对研磨机进行震动约束,并将震动量反馈约束参数作为反馈优化参数。
进一步的,本申请实施例步骤S780还包括:
步骤S781:判断所述异常占比数据是否处于第二占比区间内;
步骤S782:当所述异常占比数据处于所述第二占比区间内时,则通过所述第一研磨控制参数获得震动量控制数据;
步骤S783:根据所述震动量控制数据、所述异常占比数据和所述研磨石信息进行研磨石尺寸适配评价,生成适配评价结果;
步骤S784:根据所述适配评价结果生成研磨石反馈优化信息,根据所述研磨石反馈优化信息进行研磨石优化替换。
具体而言,所述第二占比区间是根据研磨机的型号设定的受研磨石影响的异常占比阈值,且,第二占比区间要大于第一占比区间。当所述异常占比数据位于所述第二占比区间时,通过第一研磨控制参数对研磨机的控制情况,获得震动量控制数据。其中,所述震动量控制数据是对研磨机进行震动控制时的参数,包括地脚螺栓数量和紧固地脚螺栓型号。当所述异常占比数据位于所述第二占比区间时,表明此时异常研磨数据的产生已经不是由于研磨机的震动控制不够,而是由于研磨石的尺寸过小或者由于长时间使用,导致研磨石磨损,从而无法对待研磨产品进行有效研磨。通过根据所述震动量控制数据、所述异常占比数据和所述研磨石信息进行研磨石尺寸适配评价,得到研磨石尺寸与待研磨产品的匹配度,得到所述适配评价结果。其中,所述适配评价结果反映了研磨石尺寸与待研磨产品匹配差异程度。进而,根据所述适配评价结果得到研磨石反馈优化信息。其中,所述研磨石反馈优化信息是指对研磨石进行优化后,与待研磨产品匹配度比较高的研磨石尺寸和材质。根据所述研磨石反馈优化信息对研磨石进行替换。
进一步的,本申请实施例步骤S740还包括:
步骤S741:通过大数据搭建研磨机反馈优化模型;
步骤S742:基于所述多模式状态评价结果构建基础属性约束层;
步骤S743:将所述基础属性约束层连接至所述研磨机反馈优化模型;
步骤S744:将所述去除量数据和所述图像采集结果输入所述研磨机反馈优化模型,获得模型输出结果,其中,所述模型输出结果包括所述反馈优化参数。
具体而言,所述研磨机反馈优化模型是以BP神经网络为基础架构,通过从大数据中以去除量数据、图像采集结果和反馈优化参数为索引,进行数据提取后得到的历史去除量数据、历史图像采集结果和历史反馈优化参数为训练数据进行训练得到的对研磨机的参数进行智能反馈优化的功能模型,输入数据为所述去除量数据和所述图像采集结果,输出数据为反馈优化参数。通过将所述历史去除量数据、历史图像采集结果和历史反馈优化参数作为训练数据,对研磨机反馈优化模型进行训练至收敛,得到训练完成后的所述研磨机反馈优化模型。
具体的,所述基础属性约束层是对研磨机工作对应的模式进行约束的网络层。通过以所述多模式状态评价结果和对应的产品类型为训练数据,对所述基础属性约束层进行训练,输入数据为产品信息和多模式状态评价结果,输出数据为第一研磨控制参数。通过将所述基础属性约束层连接至所述研磨机反馈优化模型进行通信连接,进行数据交互。所述模型输出结果是将去除量数据和图像采集结果输入研磨机反馈优化模型中后,进行模型运算后得到的结果,包括反馈优化参数。
步骤S800:通过所述反馈优化参数对所述第一研磨控制参数进行参数反馈优化。
进一步的,本申请实施例步骤S800还包括:
步骤S810:通过所述反馈优化参数对所述第一研磨控制参数进行参数反馈优化,获得第二研磨控制参数;
步骤S820:通过所述第二研磨控制参数控制所述研磨机进行研磨加工,并采集研磨加工结果;
步骤S830:基于所述研磨加工结果构建自适应调整约束层;
步骤S840:将所述自适应调整约束层连接至所述研磨机反馈优化模型。
具体而言,根据所述反馈优化参数对所述第一研磨控制参数进行调整后,得到所述第二研磨控制参数。其中,所述第二研磨控制参数是对研磨机筛选样品进行分析后得到的对研磨机进行优化控制的参数,包括研磨机转速和研磨机功率。其中,所述研磨加工结果是通过第二研磨控制参数控制所述研磨机进行研磨加工后,得到的研磨加工结果。其中,所述研磨加工结果包括产品尺寸、产品去除量等。根据所述研磨加工结果和第二研磨控制参数对所述自适应调整约束层进行训练,所述自适应调整约束层是根据经过调整后的参数对加工结果进行智能化分析的网络层,输入数据为第二研磨控制参数,输出数据为研磨加工结果。进而,将所述自适应调整约束层连接至所述研磨机反馈优化模型,使其进行数据交互。
综上所述,本申请实施例至少具有如下技术效果:
本申请实施例通过采集获得研磨机的基础信息,其中,基础信息包括研磨石信息和历史研磨数据,实现了为进行研磨机的研磨效果分析提供依据的目标,然后根据基础信息中的数据,对研磨机的运行模式状态进行评价,得到多模式状态评价结果,实现了对不同运行模式进行评价的目标,然后采集获得待研磨产品的产品信息,结合多模式状态评价结果得到对研磨机进行控制的第一研磨控制参数,进而对待研磨产品进行样品筛选,并进行筛选样品的MARK点标识,实现为后续进行样品研磨后的尺寸检测提供识别依据的目标,进而通过尺寸检测装置进行筛选样品的尺寸测定,利用研磨机对待研磨产品进行研磨操作,然后利用图像采集装置对筛选样品的图像采集,得到图像采集结果,然后通过尺寸检测装置对筛选样品进行尺寸复测,根据尺寸测定结果和尺寸复测结果生成去除量数据,实现了对研磨机的去除效果进行量化分析的目标,通过去除量数据与图像采集结果相结合,得到反馈优化参数,然后通过反馈优化参数对第一研磨控制参数进行参数反馈优化。达到了提高研磨机参数反馈优化的效率,保证研磨质量的技术效果。
实施例二
基于与前述实施例中一种基于反馈优化的研磨智能控制方法相同的发明构思,如图4所示,本申请提供了一种基于反馈优化的研磨智能控制系统,本申请实施例中的系统与方法实施例基于同样的发明构思。其中,所述系统包括:
基础信息获得模块11,所述基础信息获得模块11用于采集获得研磨机的基础信息,其中,所述基础信息包括研磨石信息和历史研磨数据;
状态评价结果生成模块12,所述状态评价结果生成模块12用于根据所述基础信息对所述研磨机进行模式状态评价,生成多模式状态评价结果;
研磨控制参数生成模块13,所述研磨控制参数生成模块13用于采集获得待研磨产品的产品信息,根据所述产品信息和所述多模式状态评价结果生成第一研磨控制参数;
尺寸测定模块14,所述尺寸测定模块14用于对所述待研磨产品进行样品筛选,并进行筛选样品的MARK点标识,通过尺寸检测装置进行所述筛选样品的尺寸测定;
图像采集结果获得模块15,所述图像采集结果获得模块15用于通过所述第一研磨控制参数控制所述研磨机对所述待研磨产品进行研磨操作,当研磨完成后,通过图像采集装置进行所述筛选样品的图像采集,获得图像采集结果;
去除量数据生成模块16,所述去除量数据生成模块16用于通过所述尺寸检测装置对所述筛选样品进行尺寸复测,根据尺寸测定结果和尺寸复测结果生成去除量数据;
反馈优化参数生成模块17,所述反馈优化参数生成模块17用于根据所述去除量数据和所述图像采集结果生成反馈优化参数;
参数反馈优化模块18,所述参数反馈优化模块18用于通过所述反馈优化参数对所述第一研磨控制参数进行参数反馈优化。
进一步的,所述系统还包括:
研磨特征获得单元,所述研磨特征获得单元用于根据所述待研磨产品获得预期研磨特征;
比对特征获得单元,所述比对特征获得单元用于基于所述预期研磨特征构建研磨比对特征;
特征匹配单元,所述特征匹配单元用于通过所述研磨比对特征对所述图像采集结果的特征匹配,获得粒度相似匹配结果和异常匹配结果;
优化参数生成单元,所述优化参数生成单元用于根据所述粒度相似匹配结果和所述异常匹配结果生成所述反馈优化参数。
进一步的,所述系统还包括:
尺寸复测单元,所述尺寸复测单元用于根据所述MARK点标识对所述筛选样品进行正方向摆放,当摆放完成后,通过所述尺寸检测装置对所述筛选样品进行尺寸复测;
去除平均值计算单元,所述去除平均值计算单元用于根据所述尺寸复测结果和所述尺寸测定结果进行同位置尺寸去除平均值计算,获得多个位置的尺寸去除平均值;
位置去除比对单元,所述位置去除比对单元用于根据所述待研磨产品预期位置去除值和所述尺寸去除平均值进行位置去除比对;
去除量获得单元,所述去除量获得单元用于根据位置去除比对结果获得所述去除量数据。
进一步的,所述系统还包括:
异常统计结果获得单元,所述异常统计结果获得单元用于根据所述尺寸复测结果进行异常尺寸统计,获得异常数量统计结果;
异常占比数据获得单元,所述异常占比数据获得单元用于根据所述异常数量统计结果和所述MARK点标识的标识总量获得异常占比数据;
反馈约束参数生成单元,所述反馈约束参数生成单元用于判断所述异常占比数据是否处于第一占比区间内,当所述异常占比数据处于所述第一占比区间内时,则根据所述异常占比数据生成震动量反馈约束参数;
反馈优化单元,所述反馈优化单元用于通过所述震动量反馈约束参数生成所述反馈优化参数。
进一步的,所述系统还包括:
占比区间判断单元,所述占比区间判断单元用于判断所述异常占比数据是否处于第二占比区间内;
震动量控制数据获得单元,所述震动量控制数据获得单元用于当所述异常占比数据处于所述第二占比区间内时,则通过所述第一研磨控制参数获得震动量控制数据;
适配评价单元,所述适配评价单元用于根据所述震动量控制数据、所述异常占比数据和所述研磨石信息进行研磨石尺寸适配评价,生成适配评价结果;
研磨石优化替换单元,所述研磨石优化替换单元用于根据所述适配评价结果生成研磨石反馈优化信息,根据所述研磨石反馈优化信息进行研磨石优化替换。
进一步的,所述系统还包括:
反馈优化模型搭建单元,所述反馈优化模型搭建单元用于通过大数据搭建研磨机反馈优化模型;
约束层构建单元,所述约束层构建单元用于基于所述多模式状态评价结果构建基础属性约束层;
约束层连接单元,所述约束层连接单元用于将所述基础属性约束层连接至所述研磨机反馈优化模型;
模型输出结果获得单元,所述模型输出结果获得单元用于将所述去除量数据和所述图像采集结果输入所述研磨机反馈优化模型,获得模型输出结果,其中,所述模型输出结果包括所述反馈优化参数。
进一步的,所述系统还包括:
第二研磨控制参数获得单元,所述第二研磨控制参数获得单元用于通过所述反馈优化参数对所述第一研磨控制参数进行参数反馈优化,获得第二研磨控制参数;
研磨加工单元,所述研磨加工单元用于通过所述第二研磨控制参数控制所述研磨机进行研磨加工,并采集研磨加工结果;
调整约束层构建单元,所述调整约束层构建单元用于基于所述研磨加工结果构建自适应调整约束层;
优化模型连接单元,所述优化模型连接单元用于将所述自适应调整约束层连接至所述研磨机反馈优化模型。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (7)
1.一种基于反馈优化的研磨智能控制方法,其特征在于,所述方法应用于研磨智能控制系统,所述研磨智能控制系统与图像采集装置、尺寸检测装置通信连接,所述方法包括:
采集获得研磨机的基础信息,其中,所述基础信息包括研磨石信息和历史研磨数据;
根据所述基础信息对所述研磨机进行模式状态评价,生成多模式状态评价结果;
采集获得待研磨产品的产品信息,根据所述产品信息和所述多模式状态评价结果生成第一研磨控制参数;
对所述待研磨产品进行样品筛选,并进行筛选样品的MARK点标识,通过所述尺寸检测装置进行所述筛选样品的尺寸测定;
通过所述第一研磨控制参数控制所述研磨机对所述待研磨产品进行研磨操作,当研磨完成后,通过所述图像采集装置进行所述筛选样品的图像采集,获得图像采集结果;
通过所述尺寸检测装置对所述筛选样品进行尺寸复测,根据尺寸测定结果和尺寸复测结果生成去除量数据;
根据所述去除量数据和所述图像采集结果生成反馈优化参数;
通过所述反馈优化参数对所述第一研磨控制参数进行参数反馈优化;
通过大数据搭建研磨机反馈优化模型;
基于所述多模式状态评价结果构建基础属性约束层;
将所述基础属性约束层连接至所述研磨机反馈优化模型;
将所述去除量数据和所述图像采集结果输入所述研磨机反馈优化模型,获得模型输出结果,其中,所述模型输出结果包括所述反馈优化参数。
2.如权利要求1所述的方法,其特征在于,所述方法包括:
根据所述待研磨产品获得预期研磨特征;
基于所述预期研磨特征构建研磨比对特征;
通过所述研磨比对特征对所述图像采集结果的特征匹配,获得粒度相似匹配结果和异常匹配结果;
根据所述粒度相似匹配结果和所述异常匹配结果生成所述反馈优化参数。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述MARK点标识对所述筛选样品进行正方向摆放,当摆放完成后,通过所述尺寸检测装置对所述筛选样品进行尺寸复测;
根据所述尺寸复测结果和所述尺寸测定结果进行同位置尺寸去除平均值计算,获得多个位置的尺寸去除平均值;
根据所述待研磨产品预期位置去除值和所述尺寸去除平均值进行位置去除比对;
根据位置去除比对结果获得所述去除量数据。
4.如权利要求1所述的方法,其特征在于,所述方法包括:
根据所述尺寸复测结果进行异常尺寸统计,获得异常数量统计结果;
根据所述异常数量统计结果和所述MARK点标识的标识总量获得异常占比数据;
判断所述异常占比数据是否处于第一占比区间内,当所述异常占比数据处于所述第一占比区间内时,则根据所述异常占比数据生成震动量反馈约束参数;
通过所述震动量反馈约束参数生成所述反馈优化参数。
5.如权利要求4所述的方法,其特征在于,所述方法包括:
判断所述异常占比数据是否处于第二占比区间内;
当所述异常占比数据处于所述第二占比区间内时,则通过所述第一研磨控制参数获得震动量控制数据;
根据所述震动量控制数据、所述异常占比数据和所述研磨石信息进行研磨石尺寸适配评价,生成适配评价结果;
根据所述适配评价结果生成研磨石反馈优化信息,根据所述研磨石反馈优化信息进行研磨石优化替换。
6.如权利要求1所述的方法,其特征在于,所述方法包括:
通过所述反馈优化参数对所述第一研磨控制参数进行参数反馈优化,获得第二研磨控制参数;
通过所述第二研磨控制参数控制所述研磨机进行研磨加工,并采集研磨加工结果;
基于所述研磨加工结果构建自适应调整约束层;
将所述自适应调整约束层连接至所述研磨机反馈优化模型。
7.一种基于反馈优化的研磨智能控制系统,其特征在于,所述系统包括:
基础信息获得模块,所述基础信息获得模块用于采集获得研磨机的基础信息,其中,所述基础信息包括研磨石信息和历史研磨数据;
状态评价结果生成模块,所述状态评价结果生成模块用于根据所述基础信息对所述研磨机进行模式状态评价,生成多模式状态评价结果;
研磨控制参数生成模块,所述研磨控制参数生成模块用于采集获得待研磨产品的产品信息,根据所述产品信息和所述多模式状态评价结果生成第一研磨控制参数;
尺寸测定模块,所述尺寸测定模块用于对所述待研磨产品进行样品筛选,并进行筛选样品的MARK点标识,通过尺寸检测装置进行所述筛选样品的尺寸测定;
图像采集结果获得模块,所述图像采集结果获得模块用于通过所述第一研磨控制参数控制所述研磨机对所述待研磨产品进行研磨操作,当研磨完成后,通过图像采集装置进行所述筛选样品的图像采集,获得图像采集结果;
去除量数据生成模块,所述去除量数据生成模块用于通过所述尺寸检测装置对所述筛选样品进行尺寸复测,根据尺寸测定结果和尺寸复测结果生成去除量数据;
反馈优化参数生成模块,所述反馈优化参数生成模块用于根据所述去除量数据和所述图像采集结果生成反馈优化参数;
参数反馈优化模块,所述参数反馈优化模块用于通过所述反馈优化参数对所述第一研磨控制参数进行参数反馈优化;
反馈优化模型搭建单元,所述反馈优化模型搭建单元用于通过大数据搭建研磨机反馈优化模型;
约束层构建单元,所述约束层构建单元用于基于所述多模式状态评价结果构建基础属性约束层;
约束层连接单元,所述约束层连接单元用于将所述基础属性约束层连接至所述研磨机反馈优化模型;
模型输出结果获得单元,所述模型输出结果获得单元用于将所述去除量数据和所述图像采集结果输入所述研磨机反馈优化模型,获得模型输出结果,其中,所述模型输出结果包括所述反馈优化参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310030708.0A CN115712248B (zh) | 2023-01-10 | 2023-01-10 | 一种基于反馈优化的研磨智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310030708.0A CN115712248B (zh) | 2023-01-10 | 2023-01-10 | 一种基于反馈优化的研磨智能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115712248A CN115712248A (zh) | 2023-02-24 |
CN115712248B true CN115712248B (zh) | 2023-05-09 |
Family
ID=85236254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310030708.0A Active CN115712248B (zh) | 2023-01-10 | 2023-01-10 | 一种基于反馈优化的研磨智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115712248B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115951646B (zh) * | 2023-03-14 | 2023-05-30 | 一夫科技股份有限公司 | 一种α型半水石膏的智能生产控制方法及系统 |
CN116809388B (zh) * | 2023-08-30 | 2023-11-07 | 山东浏园生态农业股份有限公司 | 一种茶叶智能筛分方法及系统 |
CN117144616B (zh) * | 2023-10-31 | 2024-01-23 | 江苏华一机械有限公司 | 一种磨毛机的反馈控制方法及系统 |
CN117195439B (zh) * | 2023-11-07 | 2024-01-30 | 张家港市赛斯机械密封有限公司 | 一种大轴径全剖式机械密封性能的智能优化方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101244403A (zh) * | 2008-03-17 | 2008-08-20 | 西安艾贝尔科技发展有限公司 | 一种磨矿分级过程优化控制方法 |
CN103092072A (zh) * | 2012-12-28 | 2013-05-08 | 东北大学 | 磨矿过程运行控制实验系统及方法 |
CN105718683A (zh) * | 2016-01-25 | 2016-06-29 | 长春理工大学 | 一种磨粒流加工对质量控制的模拟方法 |
CN105787255A (zh) * | 2016-02-04 | 2016-07-20 | 中国人民解放军61599部队计算所 | 一种磨机负荷参数软测量方法 |
CN106178583A (zh) * | 2016-09-20 | 2016-12-07 | 武汉科技大学 | 一种溶析结晶过程中晶体产品粒度的反馈控制方法 |
CN109664162A (zh) * | 2017-10-17 | 2019-04-23 | 长鑫存储技术有限公司 | 在金属栓塞的化学机械研磨中的制程动态优化方法及系统 |
CN215317807U (zh) * | 2021-07-13 | 2021-12-28 | 昆山市恒达精密机械工业有限公司 | 板状工件自动研磨生产线 |
CN115026660A (zh) * | 2022-08-11 | 2022-09-09 | 昆山市恒达精密机械工业有限公司 | 一种基于ccd的研磨工艺智能控制方法及系统 |
CN115115623A (zh) * | 2022-08-25 | 2022-09-27 | 山东佰坤石油机械制造有限公司 | 一种热扩冷锻工艺下的油管修复方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140076167A1 (en) * | 2012-09-15 | 2014-03-20 | Deepak Boggavarapu | Coffee preparation system |
-
2023
- 2023-01-10 CN CN202310030708.0A patent/CN115712248B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101244403A (zh) * | 2008-03-17 | 2008-08-20 | 西安艾贝尔科技发展有限公司 | 一种磨矿分级过程优化控制方法 |
CN103092072A (zh) * | 2012-12-28 | 2013-05-08 | 东北大学 | 磨矿过程运行控制实验系统及方法 |
CN105718683A (zh) * | 2016-01-25 | 2016-06-29 | 长春理工大学 | 一种磨粒流加工对质量控制的模拟方法 |
CN105787255A (zh) * | 2016-02-04 | 2016-07-20 | 中国人民解放军61599部队计算所 | 一种磨机负荷参数软测量方法 |
CN106178583A (zh) * | 2016-09-20 | 2016-12-07 | 武汉科技大学 | 一种溶析结晶过程中晶体产品粒度的反馈控制方法 |
CN109664162A (zh) * | 2017-10-17 | 2019-04-23 | 长鑫存储技术有限公司 | 在金属栓塞的化学机械研磨中的制程动态优化方法及系统 |
CN215317807U (zh) * | 2021-07-13 | 2021-12-28 | 昆山市恒达精密机械工业有限公司 | 板状工件自动研磨生产线 |
CN115026660A (zh) * | 2022-08-11 | 2022-09-09 | 昆山市恒达精密机械工业有限公司 | 一种基于ccd的研磨工艺智能控制方法及系统 |
CN115115623A (zh) * | 2022-08-25 | 2022-09-27 | 山东佰坤石油机械制造有限公司 | 一种热扩冷锻工艺下的油管修复方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115712248A (zh) | 2023-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115712248B (zh) | 一种基于反馈优化的研磨智能控制方法及系统 | |
CN108490880B (zh) | 一种数控机床切削刀具磨损状态实时监测方法 | |
JP6005498B2 (ja) | レンズ加工システム、工具交換時期検出方法および眼鏡レンズの製造方法 | |
CN115993807A (zh) | 一种碳化硅的生产监测优化控制方法及系统 | |
KR20180087143A (ko) | 워크 연마 방법 및 워크 연마 장치 | |
CN108931961A (zh) | 一种基于机器视觉的整体式立铣刀磨破损检测方法 | |
CN105300954A (zh) | 一种锑矿浮选非均质泡沫层矿物的拉曼光谱表征方法 | |
Lin et al. | Determination of proper frequency bandwidth for 3D topography measurement using spectral analysis. Part I: isotropic surfaces | |
CN110125802B (zh) | 一种超硬材料砂轮微小磨损量的在线检测方法及系统 | |
CN117332379A (zh) | 一种砂轮磨削加工的寿命预测方法及预测系统 | |
CN116859875B (zh) | 一种基于使用需求的钢管生产工艺调节控制方法及系统 | |
CN115837617B (zh) | 一种提高光学玻璃镜片打磨精度的方法及系统 | |
Dotto et al. | Acoustic image-based damage identification of oxide aluminum grinding wheel during the dressing operation | |
CN116551472A (zh) | 一种船舶零部件自动打磨方法及系统 | |
CN109931882A (zh) | 换热翅片关键参数检测系统及测量方法 | |
Junior et al. | Wear monitoring of single-point dresser in dry dressing operation based on neural models | |
CN102980536A (zh) | 刹车片钢背平面度检测系统及方法 | |
CN116124783A (zh) | 一种毛坯布织造的瑕疵检测方法及装置 | |
CN113359655A (zh) | 铸件打磨智能生产信息模型的建立方法 | |
CN114670061A (zh) | 一种基于机器视觉的复材刀具服役寿命监测系统及方法 | |
Rawal et al. | Sensor based online quality monitoring system for detection of milling defects on CFRP structures | |
CN113704922A (zh) | 一种基于声振及纹理特征预测表面粗糙度的方法 | |
Tian et al. | Multi-dimension tool wear state assessment criterion on the spiral edge of the milling cutter | |
CN112098417B (zh) | 环形抛光中沥青抛光盘表面钝化状态在线监测装置与方法 | |
CN114473651B (zh) | 一种用于刀刃磨削的智能控制系统 |
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 |