CN115916451B - 用于计算空间和时间分辨的、组合的设定点数据集的方法、控制单元和激光切割系统 - Google Patents
用于计算空间和时间分辨的、组合的设定点数据集的方法、控制单元和激光切割系统 Download PDFInfo
- Publication number
- CN115916451B CN115916451B CN202180050759.9A CN202180050759A CN115916451B CN 115916451 B CN115916451 B CN 115916451B CN 202180050759 A CN202180050759 A CN 202180050759A CN 115916451 B CN115916451 B CN 115916451B
- Authority
- CN
- China
- Prior art keywords
- laser cutting
- model
- cutting
- laser
- set point
- 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 264
- 238000003698 laser cutting Methods 0.000 title claims abstract description 166
- 230000008569 process Effects 0.000 claims abstract description 212
- 239000008186 active pharmaceutical agent Substances 0.000 claims abstract description 38
- 230000015654 memory Effects 0.000 claims abstract description 35
- 238000005520 cutting process Methods 0.000 claims description 123
- 230000033001 locomotion Effects 0.000 claims description 30
- 239000002184 metal Substances 0.000 claims description 24
- 229910052751 metal Inorganic materials 0.000 claims description 24
- 230000001133 acceleration Effects 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 239000000155 melt Substances 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 10
- 230000001276 controlling effect Effects 0.000 description 10
- 238000012937 correction Methods 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 8
- 101100121705 Drosophila melanogaster sens gene Proteins 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000011109 contamination Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000002835 absorbance Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012407 engineering method Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Abstract
在一个方面，本发明涉及用于计算空间和时间分辨的、组合的设定点数据集(SW‑DS)的控制单元(RE)，所述空间和时间分辨的、组合的设定点数据集用于在使用激光切割机(L)进行的激光切割期间对激光切割过程进行开环控制和/或闭环控制，其中，处理器(P)旨在经由过程接口(P‑SS)访问第一存储器(S1)中的过程模型(PM)，并经由机器接口(M‑SS)访问第二存储器(S2)中的机器模型(MM)，以便在考虑读入的传感器数据的情况下，基于激光切割过程和移动过程的估计的状态数据，计算具有协调的激光切割过程的设定点和移动过程的设定点的空间和时间分辨的、组合的设定点数据集(SW‑DS)。
Description
描述
本发明属于激光切割技术领域，并且特别地涉及用于计算空间和时间分辨的、组合的设定点数据集的方法、相应的控制单元和激光切割系统，所述设定点数据集用于特别是用于切割金属板和金属管的激光切割过程的开环和/或闭环控制。
功率通常大于4kW的特别是用于切割金属板和金属管的激光系统是高度复杂的系统，并且包括一些物理和机械部件，诸如例如激光切割头或用于要切割的工件的传输系统，这些物理和机械部件以适当的方式被控制并且特别地经由适当的致动器进行电子控制。作为切割过程的一部分，这些部件必须被移动。由于这些部件中的一些部件具有高质量(例如，对于切割头约为15kg至20kg，以及对于承载切割头的桥约为400kg，以及对于托架约为70kg)，因此当移动这些部件以执行切割操作时，重要的是能够充分考虑惯性力，以便能够确保足够高质量的切割操作。
在现有技术中，例如在US2015/165549 A1中，已知用于提供用以改进切割操作质量的措施的方法，诸如例如基于记录加工区的状态的获取的传感器数据(例如光电二极管信号或摄像装置图像)来控制主要和/或次要过程参数。
现有技术中已知的措施主要集中在切割过程的物理过程上。不利的是没有考虑运动学过程。然而，这可能导致质量损失，例如，如果通常对于拐角和小半径来说进给速率的快速变化是必须的，则使得高惯性力被激活，这可能导致切割过程中的轮廓误差或其他质量损失。
此外，预测性控制(模型预测性控制-MPC)在原理上是已知的。在该方法中，基于模型确定最佳设定点值。设定点值基于模型假设和当前测量的值。可以通过目标预设来定义最佳值。例如，这样的应用被成功地用于化工厂。预测性控制MPC也用于各种学术路径规划问题。当实现机床的MPC时，高循环率和高复杂性表示实时能力的障碍。
为了提高切割金属板和金属管领域中激光切割过程的过程稳定性和生产率，需要如下解决方案，该解决方案允许通过整体设定点定义即考虑物理激光切割过程和运动学移动过程来协调控制过程设定点和路径设定点。例如，如果由于在高曲率点(来自运动学过程的输入)处不能足够快地通过路径而必须降低过程进给速率，则过程设定点(物理过程)需要相应地自动调整。在另一示例中，如果由于过程不能足够快地吹出熔体(来自物理过程的输入)而必须降低过程进给速率，则路径设定点(运动学过程)也需要被独立地或自动地调整。
因此，本发明的目的是提高激光切割操作的质量，同时确保最高可能的过程稳定性和生产率。除了激光切割过程的物理状态之外，在控制激光切割过程时，还应当特别考虑移动质量的运动学状态，具体是激光切割头和/或支承激光切割头的桥或激光切割机的其他部件的运动学状态。激光切割过程的状态包括切割头的状态例如污染程度、光学器件和束路径的热效应以及环境参数(包括湿度、温度、空气压力等)。
在第一方面，本发明涉及如下(至少部分地计算机实现的)方法：该方法用于计算空间和时间分辨的、组合的设定点数据集，所述设定点数据集用于在激光切割具体是金属板或金属管的激光切割期间对带有激光切割头的激光切割机的激光切割过程进行开环和/或闭环控制(即，用于无反馈的控制和/或具有反馈的调节)，该方法具有以下方法步骤：
-在切割操作期间测量传感器数据；
-提供存储在第一存储器中的过程模型，该过程模型表示激光切割过程以及/或者对激光切割过程进行建模，并估计激光切割过程的状态数据，并且具体是由此产生的切割结果(以及可选地还有间接过程参数，即由设置产生的切割过程的参数，例如轮廓偏差或切口宽度)；
-提供存储在第二存储器中的机器模型，该机器模型表示激光切割头(或激光切割机的较高级机械结构，例如移动支承件诸如桥)在其移动期间的运动学行为以及/或者对所述运动学行为进行建模，并估计移动过程的状态数据，并且具体是由此产生的切割结果(尤其是轮廓偏差)；
-将过程模型和机器模型进行耦合，具体是经由激光头的进给速率值和/或经由喷嘴间距值进行耦合；
-通过控制单元访问第一存储器中的过程模型和第二存储器中的机器模型，以便在考虑读入的传感器数据的情况下，基于激光切割过程和移动过程的估计的状态数据，计算具有协调的用于激光切割过程的设定点和用于移动过程的设定点的空间和时间分辨的、组合的设定点数据集。
使用此处呈现的方法，可以实现显著的优势。例如，可以提高切割零件的质量，特别是在考虑当前加工条件(机器、磨损、部件使用寿命等)的情况下。此外，可以减少不正确切割的部件或废品的比例。通过使用特定的模型和相关联的算法，甚至可以预先估计质量和/或任何轮廓误差，并且可以提高生产率。其中，质量偏差(通过过程模型和机器模型的耦合)可以被提前识别和避免的事实使这成为可能。
设定点数据集是空间和时间分辨的。这意味着设定点数据集特定于由切割计划(作为要切割的工件或部件的三维描述)指定的路径或几何形状上的位置，并且特定于激光切割期间的时间点，并因此特定于几何形状随时间的处理(轨迹)期间的时间点。设定点数据集是空间和时间相关的。针对每个位置和每个时间点动态地生成设定点数据集。
路径相关的参数的数学导数在位置、速度、加速度和抖动的公知的方程组中表示。
设定点数据集在一定程度内是“组合的”，这是因为设定点数据集以组合或协调的方式比较和输出激光切割过程的用于驱动激光切割机的部件的设定点(例如，进给速率、切割气体等)和用于驱动用以移动切割头的致动器或驱动单元的设定点二者。因此，用于激光切割的设定点数据集和用于激光切割头的移动的设定点数据集不是单独和独立生成的，而是计算出结合并考虑了两个方面(激光切割和移动质量的力学)的共同的、整体的设定点数据集。因此，设定点数据集包含用于两个不同过程的输入，即用于激光切割过程的输入和用于移动激光切割头的输入。特别地，在计算中考虑了各种机械部件和/或子系统的延迟。根据激光切割头在指定轨迹上的位置，计算不同的设定点值。根据激光切割头位于轨迹上的点的时间点，计算不同的设定点值。因此，计算的设定点数据集是空间和时间相关的。
有利地，可以使用物理过程模型(例如韦伯数)来估计质量(例如毛刺高度)。基于模型估计来最佳地调整切割参数。韦伯数例如可以优选地在拐角和半径上保持恒定，这意味着例如必须调整焦点位置。
设定点数据集是多维的，并且通常包括用于要被开环/闭环控制的各个参数(例如焦点位置、进给速率、喷嘴间距)的几个数据集。设定点数据集被传送至相应的致动器，然后致动器驱动或控制激光切割机的相应部件。
利用组合的设定点数据集，激光切割过程的开环和/或闭环控制因此可以有利地根据相应的几何形状(以及/或者还通过参考当前的轨迹)进行。例如，直的部分可以被不同地控制，特别地，与弯曲的部分(尤其是具有急转的曲率/半径)相比，直的部分被更快地执行，以便确保一致的工作结果。工作结果可以作为数据集由用户经由用户接口预先输入为输入。
利用用于组合地计算设定点数据集的过程模型与机器模型的组合，可以计算如下设定点数据集，该设定点数据集不仅改进切割质量(根据过程模型)，而且例如减少/限制轮廓误差以及/或者减少/限制机器激励(根据机器模型；可以设想公差范围内的最小振动)。设定点数据集因此可以以如下方式计算，该方式使得可以实现诸如轮廓误差最小化、机器激励最小化、最小抖动的目标变量。
两个模型——过程模型和机器模型——被耦合。这通过提供变换规则被实现，该变换规则使得将相对于一个模型的输入转换为另一个模型的输入成为可能。用于激光切割的过程模型基于考虑了流体动力学参数具体是例如韦伯数的物理公式。优选地，经由空间/时间分辨的切割速度来实现两个模型的耦合。一方面，这取决于针对机器轴可用或设置的动态限制。动态限制(加速度和/或抖动)越小，实现的进给速率(所需的切割速度)越慢。这主要是在开始、停止、处于拐角和具有小的半径时的情况。机器模型会考虑这一点。另一方面，切割速度取决于切割过程。切割过程以空间和时间分辨的方式限制最大切割速度。在这方面，切割速度也不能如期望的那样快速改变(例如焦点位置调整动态或气体动态)。通过过程模型来映射这些关系。此外，这两个模型还经由喷嘴间距或环境条件进行耦合。动态限制(加速度、抖动等)不仅影响动态地引起的轮廓误差(零件准确度)，还影响当前的切割速度，这又对切割质量产生影响。假设轮廓误差随着动态特性的增加而增加，并且假设切割质量取决于切割速度。
优选地，传感器数据可以来自于大量不同的传感器、测量换能器或探测器。传感器数据可以是光学性质的，并因此例如来自于被不同定位的光电二极管和/或至少一个摄像装置。传感器数据也可以表示具体是激光切割期间的声学信号。此外，传感器有时可以采取如下形式：光谱强度传感器(熔体的特性，例如温度、粘度、等离子体、材料特性)；沿着光路直到金属板的温度传感器；用于切割气体的压力和湿度传感器；以及/或者用于识别激光切割头的移动的传感器(例如速度传感器、加速度传感器等)。
传感器数据可以用于不同的功能或目的。一方面，传感器数据可以用于校准两个模型，即过程模型和/或机器模型。另一方面，可替选地或附加地，传感器数据可以用于快控制回路或在快控制回路中使用，以便基于获取的传感器数据来控制激光切割过程以及进给速率。为此目的，传感器数据被馈送回或传输至控制单元，该控制单元旨在确定由机器模型和/或过程模型估计的结果(以状态数据的形式，具体是估计的切割结果的形式)与表示切割结果的实际测量结果或值(以传感器数据的形式)之间的偏差。在模型估计与测量之间出现偏差的情况下，自动地执行模型更新，具体地以减少偏差。
过程模型侧重于切割结果的质量(边缘粗糙度、划痕、毛刺形成和/或波状切割)。机器模型侧重于轮廓误差和机器激励。
在本发明的上下文中，使用过程模型(例如：毛刺高度、粗糙度)来估计切割质量。传感器反馈(毛刺高度、粗糙度的测量)减少了模型估计与测量之间的偏差。另外，还使用该模型估计切口宽度。通过测量切口宽度，可以减少模型与现实之间的偏差。通常规定，将模型估计的状态与测量的实际状态进行比较，以便在出现偏差的情况下调整模型。因此，可以通过模型更新来减少偏差。
激光切割过程和激光切割头的移动过程二者都是多变量的、高动态的过程。原则上，(此处激光头/激光切割头的)高动态的移动会导致切割工件的轮廓误差不再在公差范围内。通过组合此处提出的两个动态模型(机器和过程)，在给定参数的情况下，可以预先估计和补偿这些误差，而不会实际发生这些误差并且不会产生可能的废品。例如，机器模型可以提供数字输出，该数字输出指示：动态特性(速度、加速度和/或抖动)应当被减小或者轴位置应当使用自动生成的控制命令被稍微调整，以便满足所需的公差要求。机器模型还可以生成控制命令，以便相应地控制激光切割机的其他机械部件，例如桥(关键词：振动桥、共振振动)。激光切割头通常布置在作为支承结构的桥上。然后，机器模型可以包括桥的描述，从而也描述附接至桥的部件，例如切割头。
机器模型模拟激光切割头的整个移动行为。因此，机器模型基于激光切割头的运动学方程，并考虑了激光切割头的移动质量的惯性。激光切割头可以安装在支承结构例如桥上，以便进行移动。激光切割头与其支承结构是可以通过电子方式处理的机电部件。因此，机器模型对带有激光切割头的桥在激光切割期间的运动学行为进行建模。机器模型模拟激光切割头在由切割计划指定的轨迹上移动的(物理)移动参数(例如速度、加速度、抖动)。此外，机器模型模拟与指定的轨迹的偏差，并且特别地还模拟与可预先配置的公差偏差的一致性。机器模型表示例如由移动质量的惯性引起的移动行为的变化。特别地，机器模型可以用于预测或估计物理移动参数。将以下输入数据馈送至模型以用于计算：位置(目标和实际)、速度(目标和实际)、加速度(目标和实际)、抖动(目标和实际)。可选地，可以考虑另外的输入数据，例如：驱动器的温度、加速度传感器(位于机器结构上的头部和其他重要位置上)和/或由模型更新产生的模型校正值。机器模型可以用于估计移动过程的未来状态数据，具体是由此产生或归因于此的工作结果。例如，工作结果也可以包含误差，从而可以预先估计“误差”，诸如轮廓误差或轮廓偏差(可能仍在公差内)和/或质量损失。例如，在激光切割头和可选地支承激光切割头的桥的质量大的情况下，过高的进给速率会导致振动，这对切割质量产生负面影响(例如，波状切割)。有利地，可以利用此处提出的解决方案来排除这种情况。
状态空间表示中的四阶模型可以用作机器模型的示例(Titus Haas，“Set PointOptimisation for Machine Tools”，苏黎世联邦理工学院出版社，2018年，可在以下网站下载得到：https://doi.org/10.3929/ethz-b-000271470)：
利用该模型，可以对工具中心点(TCP)位置进行建模，以便估计动态地引入的与目标几何形状的偏差。通常，机器模型包括一组(普通)微分方程。
在本发明的优选实施方式中，从一组机器模型中使用哪个机器模型可以在配置阶段进行配置。因此，可以根据应用使用不同的机器模型。原则上，这可以独立于过程模型来完成。然而，机器模型的这种确定也可以在考虑过程模型的情况下进行。特别地，也可以在不估计切割结果中的轮廓偏差的情况下确定机器模型，诸如例如双质量振荡器(或“双积分器”)。本发明的重要特征可以在经由速度和喷嘴间距的模型的耦合中看到。
术语“切割结果”指的是激光切割操作的(估计的和/或确定的)工作结果。确定的工作结果被编码在获取的传感器数据中(例如，作为测量的切口宽度或作为切割前倾斜度、作为时间值/性能等)。因此，工作结果或切割结果与相应的切割部分相关。工作结果可以包含关于与NOMINAL(可预先配置的设定点值)的可能的偏差和/或各种类型的误差的信息。这些信息包括例如轮廓偏差(在公差限制之内或之外)和/或质量损失，诸如高的边缘粗糙度、划痕、毛刺形成和/或波状切割。工作结果可以作为具有不同参数的数字数据集来获得和处理。
过程模型模拟使用超过4kW的激光功率进行的尤其是金属板和金属管的激光切割过程。因此，过程模型与切割操作期间的整个切割过程相关。过程模型模拟激光切割期间的物理激光参数(例如，诸如焦点位置、气体压力、喷嘴间距、激光功率的过程参数；还有诸如边缘粗糙度、划痕等的质量特征以及诸如例如激光切割速度的设置参数)。过程模型可以用于估计切割零件的质量。切割参数最佳地基于该估计被设置。因此，过程模型可以用于估计切割过程的未来状态数据，特别地用于估计未来工作结果(具有不同质量特征的切割质量)。关于过程模型的进一步细节，参考以下文献：
AFH Kaplan，“An analytical model of metal cutting with a laser beam”，应用物理学杂志，第79卷，第5期，第2198至2208页，1996年。
M.Brügmann，M.Muralt，B.Neuenschwander，S.Wittwer和T.Feurer，“Atheoretical model for reactive gas laser cutting of metals”，激光制造业会议，2019年。
M.Brügmann，M.Muralt，B.Neuenschwander，S.Wittwer和T.Feurer，“Optimization of Reactive Gas Laser Cutting Parameters based on a combinationof Semi-Analytical modelling and Adaptive Neuro-Fuzzy Inference System(ANFIS)”，激光制造业会议，2019年。
W.Schulz，M.Niessen，U.Eppelt和K.Kowalick，Simulation of Laser Cutting，Springer Netherlands，2009年。
J.Zeng，“Mechanisms of brittle material erosion associated with high-pressure abrasive waterjet processing:A modeling and application study”，博士论文，1992年。
J.Zeng、J.Olson和C.Olson，“THE ABRASIVE WATERJET AS A PRECISION METALCUTTING TOOL”，第十届美国水射流会议，1999年。
对于机器模型，参考N.Lanz，D.Spescha，S.Weikert和K.Wegener，“EfficientStatic and Dynamic Modelling of Machine Structures with Large LinearMotions”，国际自动化技术杂志，第12卷，第622至630页，2018年，以及参考Titus Haas，“Set Point Optimisation for Machine Tools”，苏黎世联邦理工学院出版社，2018年，可从以下网站下载得到：https://doi.org/10.3929/ethz-b-000271470。
机器模型模拟了移动期间激光切割机的机械部件具体是激光切割头和切割桥，此外模拟了激光头路径规划。与经典路径规划一样，考虑了传动系的特性，例如轴的最大加速度和制动斜率以及过程的最大进给速率。在一些情况下，也可以使用几何形状规则(计算时间优势)对设定点路径进行舍入。根据本发明，还考虑了机器的动态特性。然而，此处描述的方法可以利用优化算法连同机器模型对轨迹进行进一步优化。考虑到机器的动态特性(部件的惯性和灵活性)，此处满足规定的几何公差：
-以如下方式调整几何设定点，该方式使得建模的动态偏差位于公差带内；
-在必要的情况下降低加速度；
-在可能的情况下提高加速度；
-期望偏差的几何补偿。
过程模型和/或机器模型可以优选地实现为神经网络。神经网络可以是例如卷积神经网络(CNN)。可以基于被注释的或部分注释的训练数据，使用训练算法对神经网络进行训练。训练算法可以是监督学习方法或半监督学习方法。训练算法可以基于历史数据。强化学习方法也可以用于模型更新或模型的调整。强化学习使得在没有激光切割过程的初始数据和(先验)知识的情况下找到该复杂问题的解决方案成为可能。此外，强化学习不需要对训练数据进行高要求的收集和处理。
过程模型可以用于预测性地计算或估计切割过程的最终质量(例如毛刺)。优化器(被训练成执行优化算法)找到满足质量要求的过程参数。术语“过程参数”涉及根据本发明从组合的设定点数据集计算的设定点值的子集。过程模型和机器模型彼此直接关联(例如，在轮廓的拐角处或在具有半径的情况下降低速度，以保持质量恒定)。
在优选实施方式中，过程模型和/或机器模型被设计成使得激光切割过程的未来状态和/或移动过程的未来状态具体是激光切割头的轨迹上的未来位置可以被预先估计。
移动过程的状态数据可以优选地包括激光切割头进给速率。移动过程的状态数据还可以包括激光切割机的激光切割头或其他机器部件的加速度和/或抖动。
激光切割过程的状态数据可以优选地包括与激光切割过程相关的所有或选定的参数，诸如例如以上提及的过程参数，即例如焦点位置、气体压力、喷嘴间距、激光功率。
在本发明的优选实施方式中，该方法还包括：
-获取在用户接口上输入的用于计算成本函数的目标输入，基于目标输入来计算组合的、空间和时间分辨的设定点数据集，该目标输入包括一些相互依赖的输入，具体是切割质量输入、切割操作鲁棒性输入和生产率输入。
在优选实施方式中，不同的输入被分配不同的权重。这使得可以根据客户(用户)的偏好对工作结果的不同输入进行加权。用户接口优选地是包括按钮的图形用户接口。在这种情况下，按钮之一被设计为多维输入按钮，通过该多维输入按钮，可以仅使用一个用户输入来获取不同的相互依赖的目标输入。输入按钮以如下方式被设计，该方式使得该输入按钮表示各个目标输入之间的依赖关系。例如，如果用户选择高的值作为切割质量输入并因此作为工作结果的输入，则他们只能指定生产率的可容许的输入，即与对于切割质量有效的输入兼容或可以以物理方式实现的生产率输入。因此，可以避免不允许的或不兼容的目标输入(诸如例如高切割质量、高鲁棒性和高生产率)。在不允许的组合的情况下，带有错误信号的消息有利地直接输出在用户接口上，该消息向用户指示他们必须选择其他输入。总的来说，这可以提高方法或系统的可靠性和安全性。
在本发明的另一有利实施方式中，组合的、空间和时间分辨的设定点数据集可以包括：直接过程变量的设定点值，所述直接过程变量例如是切割速度、激光切割头的加速度、激光功率、焦点位置、脉冲模式(具体是脉冲宽度和频率)、喷嘴间距、气体压力、BPP(束参数乘积)、焦点直径和/或间隙宽度；和/或间接过程变量的设定点值或值，所述间接过程变量例如是散射辐射、质量特征、间隙宽度、切割边缘的倾斜度、切割区域中的温度分布。这使得能够控制间接过程变量(例如切口宽度、切割边缘的倾斜度、散射辐射、质量特征)。
在本发明的另一有利实施方式中，该方法可以将快控制回路应用于第一类可快速控制的参数，该快控制回路基于当前测量的传感器数据和/或基于计算的设定点数据集来控制激光切割过程以及激光切割头的进给速率。
快控制回路是内部控制回路。在本发明的优选实施方式中，在快控制回路的执行期间或之后，不执行或不启动对模型的改变(模型更新)。快控制回路用于第一类参数的控制，具体是用于第一类参数的预测性控制。第一类参数优选地包括如下参数：这些参数具有相对低的时间常数(例如速度控制)，并且因此可以在所需的控制周期时间内(优选地<1ms)快速地调整或改变。原则上，可以在配置阶段对将哪些参数分配给第一类进行配置。第一类参数可以包括例如切割速度参数、与焦点位置相关的参数、与脉冲模式相关的参数和/或激光功率参数。
在优选实施方式中，“快的”或快速的控制基于过去(历史)传感器数据和/或当前传感器数据进行。
在本发明的另一有利实施方式中，该方法可以将慢控制回路应用于第二类缓慢变化的参数，该慢控制回路基于当前测量的传感器数据和/或基于计算的设定点数据集来控制激光切割过程以及激光头的进给速率。第二类参数在控制或改变(例如气体压力的改变或焦点位置的改变)的实现中具有高时延。常规地，对于熔融切割，气体压力应当在1至25巴的范围内，以及对于火焰切割，气体压力应当在大约0.5巴的范围内。
慢控制回路是外部控制回路。慢控制回路用于第二类参数的控制，具体是用于第二类参数的预测性控制。第二类参数优选地是如下参数：这些参数具有相对高的时间常数，并因此只能被缓慢地控制或不能在所需的控制周期时间内改变。对于该第二类参数，也可以在配置阶段对将哪些参数分配给第二类进行配置。例如，气体压力和/或焦点位置可以被分配给第二类参数。
在优选实施方式中，“慢”控制基于当前传感器数据和模型数据(预测或估计的数据)进行。
然而，当控制第二类参数即具体是具有相对高的时延时间的参数时，也可以(同时)控制第一类参数。
在本发明的另一有利实施方式中，快控制回路和/或慢控制回路可以被设计为预测性、基于模型的控制器(MPC)。优选地，至少慢控制回路被实现为MPC控制器。如果快控制回路也被实现为MPC控制器，则相应的计算单元被提供有足够的计算能力。
也被称为MPC控制器的预测性的、基于模型的控制器可以通过直到特定时间范围的相应模型行为来预测(估计)激光切割过程和/或激光头的移动过程。只有具有相应机器或过程参数的输入信号可以用于下一个时间步骤，然后可以重复优化。在下一个时间步骤中，通过获取的传感器信号，利用当前(测量的)状态执行优化，这可以理解为反馈，并且与开环最优控制相比之下，这将MPC转变为闭环控制器。这允许将干扰考虑在内。
在本发明的另一有利实施方式中，过程模型和/或动态机器模型可以基于已被读入并馈送回至相应模型的所执行的激光切割过程的传感器数据来校准。这具有如下优点：可以通过对相应的模型进行更新操作来不断地改进该相应的模型。此处可以优选地使用卡尔曼滤波器。
可替选地或附加地，可以通过直接重新调整相应的过程变量来减小由模型计算的(估计)值与实际测量值之间的偏差。例如，如果要实现200μm的切口宽度，但是传感器(例如，尤其是摄像装置)检测到切口宽度实际上是180μm，则可以自动校正20μm的偏差。这可以通过焦点位置以及/或者通过调节喷嘴间距来设置。使用以下公式将该校正值叠加到模型输出的值上：
焦点设定点,实际:＝焦点设定点+/-焦点校正，
其中，通过模型计算(或估计)焦点设定点的值或输入。
在另一有利实施方式中，第一存储器和第二存储器可以一起集成在单个电子单元中或公共部件中。这具有可以使电子单元总体上更薄或更简单的优点。可替选地，第一存储器和第二存储器也可以被设计成分离的结构。这具有如下优点：相应的模型(机器模型、过程模型)也可以彼此独立地改变，具体地在访问相应的其他模型(模型更新)期间彼此独立地改变。
通常规定，将过程模型和机器模型设计为两个独立的模型，并且彼此独立地重新调整或校准。可替选地或附加地，过程模型和动态机器模型可以集成到组合的模型中，使得控制单元可以在一个步骤中对其进行访问。因此，可以提高该方法的性能。
在另一有利实施方式中，在该方法开始后，在执行该方法的同时，根据时间点和/或轨迹上的位置连续计算设定点值。
在另一有利实施方式中，借助于空间和时间分辨的、组合的设定点数据集，激光切割过程的控制与激光头的进给速率的控制被联合地并且相比较地执行，其中，当计算空间和时间分辨的、组合的设定点数据集时，分别将例如可以经由用户接口获取的用户输入或规格或默认值考虑进来。
输入或规格可以涉及例如与切割过程的鲁棒性相关的输入和/或与切割过程的质量相关的输入。
在另一有利实施方式中，特别地，可以在中央服务器上从地理上分布的激光切割系统收集过程模型和/或机器模型和/或用于校准过程模型和/或机器模型的相应模型的更新数据。这可以改进整个系统和总体模型结构。
上面已经描述了关于实现该目的的方法。以这种方式提到的特征、优点或替选实施方式也可以应用于其他要求保护的主题，反之亦然。换言之，本权利要求(例如，针对激光切割系统或针对计算单元)也可以利用结合该方法描述和/或要求保护的特征进行进一步发展。因此，该方法的相应功能性特征由系统的或计算机产品的相应物理模块具体是由硬件模块或微处理器模块形成，反之亦然。
根据另一方面，本发明涉及用于计算空间和时间分辨的、组合的设定点数据集的控制单元，所述设定点数据集用于在激光切割具体是使用激光切割机对金属板或金属管进行激光切割期间对激光切割过程进行开环和/或闭环控制，该控制单元具有：
-针对至少一个传感器的测量数据接口，该至少一个传感器用于测量切割操作期间的传感器数据；
-针对存储有过程模型的第一存储器的过程接口，过程模型表示激光切割过程以及/或者对激光切割过程进行建模，并且过程模型估计激光切割过程的状态数据，并且具体是由此产生的切割结果；
-针对存储有机器模型的第二存储器的机器接口，该机器模型表示激光切割头在其移动期间的运动学行为以及/或者对所述运动学行为进行建模，并且机器模型估计移动过程的状态数据，并且具体是由此产生的切割结果；
-处理器，该处理器旨在执行如下算法：该算法将过程模型和机器模型进行耦合，具体是经由进给速率值和/或经由喷嘴间距值进行耦合；
-其中，此外，处理器旨在经由过程接口访问第一存储器中的过程模型，并经由机器接口访问第二存储器中的机器模型，以便在考虑读入的传感器数据的情况下，基于激光切割过程和移动过程的估计的状态数据来获得具有协调的激光切割过程的设定点和移动过程的设定点的空间和时间分辨的、组合的设定点数据集。
在优选实施方式中，至少一个传感器可以设计为如下项，具体是设计成：
-摄像装置，
-光谱强度传感器，
-气体压力传感器，
-气体流量传感器，
-用于检测激光功率的传感器，
-用于检测激光的束形状的传感器，
-用于机械子系统的传感器，具体是用于检测焦点位置、切割速度、喷嘴间距的传感器，
-加速度传感器，尤其是用于切割头、金属板和/或机器轴的加速度传感器，
-用于检测切割气体、切割环境、要切割的工件、驱动器的温度的温度探测器，
-用于检测切割气体和/或环境的湿度的湿度传感器，用于检测熔体的温度分布的传感器，和/或
-用于测量切割期间的声发射的声学传感器。
在优选实施方式中，可以选择传感器或前述传感器类型的组合。特别地，可以根据传感器的可用性和/或根据设定点计算的用途来执行选择。
在另一方面，本发明涉及激光切割系统，具体是用于切割金属板或金属管的激光切割系统，该激光切割系统具有：
-控制单元，该控制单元用于计算如上所述的用于激光切割过程的开环和/或闭环控制的空间和时间分辨的、组合的设定点数据集，以及
-激光切割机，该激光切割机带有可移动的激光切割头，该激光切割头根据由控制单元计算的设定点数据集，借助于致动器和/或驱动器沿着轨迹移动和操作。
在优选实施方式中，激光切割系统可以包括用户接口。例如，可以经由用户接口获取所需的切割质量和/或期望的切割速度的输入，当计算空间和时间分辨的、组合的设定点数据集时以及因此当控制激光切割过程时，考虑这些输入。
该方法优选地由计算机实现。所有或选定的方法步骤可以由具有处理器(CPU、GPU等)的计算机单元上的计算机程序来执行。可以使用不同类型的合适的传感器(光学、声学和/或其他类型的传感器)来执行传感器数据的测量。根据测量的信号的类型，可以使用A/D转换器将模拟信号转换成数字信号。因此，传感器数据的测量也可以包括读入数字信号。
实现该目的的另一种方式提供了具有计算机程序代码的计算机程序，所述计算机程序代码用于当在计算机上执行计算机程序时执行以上更详细描述的方法的所有方法步骤。计算机程序也可能存储在计算机可读介质上。
附图说明
图1示出了根据本发明的优选实施方式的可以在用户接口的专门设计的按钮上输入的三个成本函数的示意性表示；
图2是框图形式的用于切割金属板和金属管的激光切割系统的概况类型的表示，该激光切割系统通过根据本发明的控制单元以及通过根据本发明的优选实施方式的外部存储的模型来控制；
图3也是根据本发明的另一有利实施方式的通过控制单元以及通过内部存储的集成模型控制的激光切割系统的示意性表示；
图4示出了具有不同半径和轨迹部分的截面轮廓的示例性表示，针对轨迹部分中的每一部分，动态地计算不同的设定点数据集，并且相应地使用不同的设定点数据集来遍历轨迹部分；
图5是用于切割金属板和金属管的激光切割系统的示意性表示，其中处理器单元用于通过慢控制回路以及可选地快控制回路来减少模型偏差；
图6示出了用于切割金属板和金属管的激光切割系统的另一示意性表示，其中处理器单元用于通过快控制回路来减少模型偏差；
图7是根据本发明的第一实施方式和替选实施方式的用于控制激光切割过程的方法的流程图；
图8是根据本发明的优选实施方式的激光切割系统的示意性概述图。
具体实施方式
本发明尤其涉及用于计算使用激光切割机L进行激光切割期间激光切割过程的开环和/或闭环的空间和时间分辨的、组合的设定点数据集的方法。激光切割过程的特征在于不同的变量。可以针对激光切割过程的执行指定不同的目标输入。例如，可以指定切割的效率或生产率应当尽可能最大化。这意味着，应在单位时间内从工件上切割尽可能多的零件。另一目标输入例如可以是使质量最大化。又一目标输入例如可以涉及切割过程的鲁棒性。
在以下附图描述中，附图标记L表示激光切割机。激光切割机包括带有激光切割头的激光器，该激光切割头使用已知的机电部件(例如桥)进行移动和操作。
本发明基于两种模型或其组合的使用。
1.过程模型PM：过程模型估计切割零件T的最终质量(例如毛刺)。优化器找到满足质量要求的过程参数。过程模型和机器模型(例如，经由进给速率(切割速度)和喷嘴间距)直接彼此关联。过程模型用于估计切割零件T的质量。基于该估计最优地设置切割参数。优化的质量标准(成本函数)可以在鲁棒性、生产率和质量之间进行不同的加权(见下图1)。与同样找到最佳过程参数(例如，使用AI模型)但仅针对整个零件整体的其他方法相比，根据本提议的过程参数是局部最佳的，即每毫秒可用。(过程模型与机器模型之间的耦合)。在现有技术中，最佳过程参数只针对要切割的零件的切割过程通用且一致地可用，并且不能针对同一个零件计算以不同方式优化的过程参数。然而，这对于本发明是可行的。
2.机器模型MM：高动态移动会导致高轮廓误差，这可以在动态机器模型的帮助下进行估计和补偿。可替选地，为了满足公差要求，降低动态特性。机器模型估计由机器部件的惯性或柔性引起的轮廓误差。例如，当使用高动态限制时，轮廓误差特别明显。基于这种估计，轮廓误差可以减少或者生产率可以增加(通过较高的动态限制)。通过使用机器模型的轮廓误差估计：
o切割期间获得关于是否符合部件公差的信息；
o可以减少轮廓误差；以及
o由于可以补偿较高的轮廓误差，因此可以使用较高的动态限制(生产率提高)。
在拐角处无法实现进给速率(设定点速度)，例如(机器的动态限制)，这就是为什么要切割的零件的最佳参数不适用于拐角处。为此，过程模型PM用于对速度变化做出反应。通过这种控制，可以有利地进行基于估计计算的MPC方法，并且因此可以提前(预测层面)对速度降低或更一般地对速度变化做出反应。如果只能对当前可用的速度做出反应(如现有技术中)，则这与以下缺点相关联：焦点位置、速度、气体压力、激光功率以及喷嘴间距、BPP(束参数乘积)和焦点直径(放大率)的脉冲模式的各种延迟可能无法得到充分补偿。例如，焦点位置可能由于速度的快速降低而没有被足够快地调整(焦点位置的动态特性低于指定切割速度的机器轴的动态特性)。根据本发明指示(预测)以上提及的与标称(NOMINAL)的偏差，并且因此可以提前触发对设置的更改，使得这些偏差不会出现。
其中，可以看到一个有利的效果，事实上传感器反馈被集成到控制单元具体是MPC控制器的设定点计算中。因此，可替选地或附加地，计算可能在过程模型状态的估计方面基于测量的值。与MPC控制器的开环方法(具有和不具有模型更新)相比，可以管理较高的模型偏差。
模型PM、MM可以在完整机器生命周期内使用。跟踪模型偏差有助于预测性维护。
图8以示意性表示示出了激光切割机L的带有喷嘴D的激光切割头，该激光切割头由控制器C(由箭头指示)驱动或控制，以便切割工件WS。可以看出，激光切割头包括大量的机械或机电部件和/或物理部件，这些部件影响总质量并且根据本发明在移动(例如，如此处在图中用方向X+标记)期间被考虑在内。传感器Sens可以布置在激光系统内部和/或激光系统外部，并且供应传感器数据以用于进一步的计算。例如，如图8所示，传感器数据可以经由数据网络中的交换节点V传输至控制器C。此外，可以提供用户接口UI，用户可以在用户接口UI上进行输入，特别是对于成本函数(参见图1)。如图8中概述所示，控制单元RE和/或处理器P可以在激光切割机L的机器控制中实现，该控制单元RE和/或处理器P可以实现为例如两阶段预测性控制器。“两阶段”指的是在快控制回路srk与慢控制回路lrk之间划分的实现方式。因为计算是前瞻性的并因此是预测性的，因此使用术语“预测性”。这种解决方案减少了计算工作量和对建模误差的敏感性。控制单元RE可以在控制器C上实现。
慢控制回路以如下方式确定设定点，该方式使得过程结果相对于期望要求是最佳的。控制回路接收关于模型(过程模型PM和机器模型MM)必须调整到当前条件的程度的信息。
快控制回路以如下方式改变可以快速改变的设定点值，该方式使得基于测量的变量估计和/或直接测量的过程结果/过程变量尽可能接近期望的过程结果/过程变量。还使用过程模型PM和/或机器模型MM。
过程模型PM和/或机器模型MM可以通过比较测量的变量和估计的变量(例如卡尔曼滤波器)来更新。
图1示出了不同的成本函数块(在该示例中为3个，但是可以确定和考虑甚至更多的参数或块)，这些成本函数块根据所选目标输入被确定。目标输入可以优选地在用户接口UI上在专门设计的开关字段中被输入。如图1所示，不同的目标输入彼此依赖。例如，对于本领域技术人员来说明显的是，用于使质量最大化的目标输入通常也与生产率的降低相关联以及/或者会导致较高的气体消耗。因此，用户接口的按钮以如下方式被设计，该方式使得可以排除或在很大程度上避免不一致输入的进入，例如，该方式可以采用几个滑块的形式，其中当一个滑块改变时，两个或更多个其他滑块相应地自动改变。
图2示出了如下框图，该框图示出了根据本发明的激光切割系统在不同变型实施方式中的概况。控制单元RE用于计算空间和时间分辨的、组合的设定点数据集SW-DS。控制单元RE优选地在计算机单元——例如工作站或服务器或连接至激光切割机L的电子计算机模块——上实现(例如作为嵌入式装置)。如图2中的示例所示，控制单元RE可以供应有不同的输入变量，以用于计算设定点数据集SW-DS。获取至少优化标准以作为例如在用户接口UI上输入的输入变量，这已经在上面结合图1进行了更详细的解释。此外，可以经由输入接口IS读入用于计算设定点数据集SW-DS的其他条件(约束)以及关于要切割的部件的几何形状或关于切割计划的信息。
例如，在约束的背景下，也可以配置切割轮廓的哪些公差仍然是可接受的。
控制单元RE可以包括处理器P，在该处理器P上可以执行用于计算设定点数据集SW-DS的算法。为此，该算法可以经由处理器接口P-SS访问存储在第一存储器S1中的过程模型PM，并经由机器接口M-SS访问存储在第二存储器S2中的机器模型MM。在图2所示的示例性实施方式中，两个模型PM、MM被保持为单独的模型，并且作为控制单元RE外部的外部实体存储在存储器S1、S2中。在其他实施方式中，两个模型PM、MM也可以在内部以及在控制单元RE内保持和存储(例如在图3所示的示例性实施方式中)。该算法被设计成使用所获取的输入数据(具体是优化标准、所获取的约束和关于切割几何形状的信息)来以组合的方式访问两个模型PM和MM，以便针对相应的应用计算空间和时间分辨的、组合的设定点数据集SW-DS。
这两个模型位于存储器中。当计算设定点数据集SW-DS时，通过存储器访问使用这两个模型。通常，尽管模型的参数(例如质量)可能改变，模型的形状也不会改变。这些模型例如以一个或更多个代数方程或微分方程的形式可用，然后这些模型作为通用/完整模型可用。
示例：
F(x，y)＝0(单独的过程模型)，其被存储在存储器的第一存储器区域中，以及
G(x，z)＝0(单独的机器模型)，其被存储在存储器的第二存储器区域中。
H(x，y，z)＝[F(x，y)，G(x，z)]＝组合的模型共享公共状态(例如，速度和/或加速度和/或喷嘴间距和/或环境条件(温度))。
为简洁起见，空间和时间分辨的、组合的设定点数据集SW-DS在下文中也简称为“设定点数据集SW-DS”。以这种方式计算的设定点数据集SW-DS可以经由输出接口OUT直接传输至激光切割机L以用于设置和/或控制选定的致动器ACT(用于驱动和/或设置激光切割机L的相应机电部件)。然后，使用来自设定点数据集SW-DS的计算的数据来操作激光切割机L。经由不同类型的传感器SENS获取传感器数据，该传感器数据可以被馈送回至控制单元RE以用于改进的目的。传感器可以是光学传感器(摄像装置、光电二极管等)和/或声学传感器和/或温度传感器和/或用于检测运动学和/或激光切割物理状态的其他传感器SENS。传感器可以直接安装在激光切割机L中；然而，传感器也可以在外部和/或移动配置中使用，以便例如检测切割工件T的切割边缘。
如图2中由两条虚线所指示的，所获取的传感器SENS的传感器数据也可以直接转发到过程模型PM和/或机器模型MM以用于模型的连续质量改进，所述传感器数据从激光切割机L开始、经由图2中未更详细示出的中间节点(圆圈表示分配给激光切割机L或可以在激光切割机L上实现的计算单元)、至两个模型PM、MM。然而，这种反馈只是可选的。
图3示出了控制单元RE的另一个示例性实施方式，其中两个模型——过程模型PM和机器模型MM——被一起存储和保持在存储器S中。因此，为了寻址单个模型、过程模型PM和机器模型MM的组合，该算法只需要访问存储器S一次。如已经参照图2的示例性实施方式更详细解释的，激光切割机L可以包括传感器SENS，或者外部传感器也可以被配置成获取切割部件T处的切割结果。以这种方式获取的传感器数据然后被馈送回至控制单元RE。
在第一变型中，在控制单元RE中使用反馈的传感器数据，以便减少使用模型PM、MM估计的值与实际测量的值之间的任何偏差。这些值可以是例如不同的过程参数，例如切口宽度、熔渣温度、切割前沿倾斜角、熔体的排出速度和/或温度分布、质量测量(例如边缘粗糙度)、束质量、有效吸收度、束工具的信息(大小、焦点、焦点位置)和/或机械系统的动态状态的值(质量、大小、速度、加速度、抖动等)。
在第二变型中，反馈的传感器数据可以用在控制单元RE中，以便优化或校准过程模型PM和/或机器模型MM。
图4示出了要切割的部件T的轮廓的示例，其中尺寸在X轴和Y轴上。从该示例中可以看出，要切割的轮廓具有直的部分和具有不同的较小半径和较大半径的不同部分。根据本发明，可以使用不同的设定点数据集SW-DS来跟随该几何形状，所述不同的设定点数据集SW-DS被调整到相应的几何形状部分。图4所示的几何形状例如具有：包括相对长的直切口的第一部分A1、具有一系列小的半径的第二部分A2以及具有大的半径的第三部分A3。用于切割头的致动器ACT可以在第一部分A1上以比例如在部分A2上高的进给速率移动，这是因为为了能够以足够的质量切割小的半径，致动器ACT在部分A2上必须更缓慢地移动以符合规定的质量标准。根据本发明，根据切割头位于几何形状的点上的时间点，计算不同的设定点数据集SW-DS，并将所述不同的设定点数据集SW-DS用于控制切割头的致动器和激光切割机L的可能的其他部件。仍然使用上面的示例，根据本发明，针对第一部分A1计算第一设定点数据集SW-DS1，针对第二部分A2计算第二设定点数据集SW-DS2，以及针对第三部分A3计算第三设定点数据集SW-DS3。尽管在上面的描述中提到了“部分”，但是可以根据本发明针对轨迹的每个单独的点确定设定点数据集。因此，以这种方式计算的设定点数据集SW-DS是空间和时间分辨的，并且针对轨迹被动态地确定。
图5示出了本发明的基于慢控制回路lrk的实施方式。慢控制回路lrk的特征在于，例如已经由激光切割机L上的传感器SENS获取的和/或与切割部件T有关的传感器数据用于使模型具体是过程模型PM和机器模型MM经历更新操作。激光切割机L由至少一个控制器开环或闭环控制。控制器接收用于驱动切割过程的设定点数据集。由于改进模型在计算上非常密集，因此确保足够的资源(计算资源和时间)可用于该操作是重要的。在优选实施方式中，控制单元RE可以包括预测性的、基于模型的控制器(MPC控制器、模型预测性控制件)。此处，在激光切割机L上获取的和/或与切割部件T相关的传感器数据因此被馈送回至控制单元RE(慢控制回路)。此外，还可以可选地形成快控制回路，这在下面结合图6更详细地解释。
图6在另一示意性附图中示出了快控制回路srk。在快控制回路srk中，提供了处理器P或另一计算实体，该处理器P或另一计算实体可以位于控制单元RE之外，并且用于减少估计的模型计算与现实(具有测量的值)之间的任何偏差。例如，如果模型估计指定了150μm的切口宽度，但是传感器数据记录了170μm的实际切口宽度，则可以借助于算法来驱动处理器P以激活选定的致动器ACT，从而例如改变焦点位置。因此，可以较好地预测切口宽度。在图6中，由模型计算的设定点数据集由附图标记SW-DS标识，以及由处理器P校正的设定点数据集由附图标记SW-DSCORR标识。
原则上，机器模型MM和/或过程模型PM可以是状态空间模型，具体是线性状态空间模型。状态空间表示是动态系统的几种描述之一。状态空间模型被认为是用于在时域中分析和合成动态系统的合适的工程方法，并且在多变量系统、线性或非线性以及时变传输系统的控制工程处理中特别有效。输入、输出和状态变量之间的所有关系都以矩阵和矢量的形式表示。状态空间模型由两个方程——一阶状态微分方程和输出方程——描述。关于更多的信息，请参考以下登录入口：https://en.wikipedia.org/wiki/State-space_ representation。
下面参照示例描述了快控制回路srk和慢控制回路lrk对于模型更新的使用。
例如，如果撕裂的可能性被错误地估计，则可以由快控制回路srk中的光电二极管检测(实际)撕裂行为，然后可以降低切割速度。可替选地或附加地，可以使用慢控制回路lrk。使材料特性偏离、污染、老化或机器生产中的偏差导致较低或较高可能的切割速度。对于以下切割，考虑这种偏差；切割速度在模型中被降低/增加。
例如，如果轮廓误差实际上比估计的高，那么可以使用慢控制回路lrk。借助于加速度传感器，可以较好地估计切割部分的轮廓误差。为减少机器模型偏差而调整加速度或抖动在轻微的时间延迟下进行。调整机器模型的方程。可以使用用于校准模型的例程(模型更新)。例如，在线性状态空间模型(见上面的状态空间模型)的模型更新的情况下，矩阵A、B和D将被调整，其中矩阵A是系统矩阵或状态矩阵(具有状态变量的系数)，矩阵B是输入矩阵，以及矩阵D是前馈矩阵。
如果切口宽度被错误地估计，则可以使用慢控制回路lrk。根据摄像装置图像计算实际切口宽度。为了获得期望的切口宽度，可以计算焦点位置的校正值。机器生产中的偏差导致实际聚焦位置略有不同(在相同设置的情况下)。此外，诸如热焦点偏移的效应对实际聚焦位置有直接影响，这基本上确定了切口宽度。热焦点偏移取决于例如光学部件的污染。根据本发明，在过程模型PM中考虑该偏差，并且计算和设置焦点位置的偏移值(SW-DSCORR)。
例如，如果毛刺高度被错误地估计，则也可以使用慢控制回路lrk。借助于AI、深度学习、卡尔曼滤波器，可以确定实际毛刺高度。针对聚焦位置和气体压力计算校正值(SW-DSCORR)，以便实现期望的毛刺高度。
例如，如果倾斜角被错误地估计，则可以使用慢控制回路lrk。可以借助于摄像装置图像来确定切割前角。在模型中调整切割前角的校正值(SW-DSCORR)。
例如，如果温度(分布)被错误地估计，则可以使用慢控制回路lrk。使用摄像装置来测量温度分布。如果温度太高，则激光功率就会降低。如果温度太低，则速度就会降低。焦点位置或气体压力也可以被校正。激光器的与生产相关的偏差导致不同的激光强度分布，并相应地导致不同的温度分布。使用校正因子在模型中调整温度(分布)。
图7示出了使用动态计算的设定点数据集SW-DS对激光切割方法进行开环和/或闭环控制的方法的流程图。在激光切割操作期间，在步骤1中，使用合适的传感器SENS来获取传感器数据并对传感器数据进行预处理，并且在必要的情况下将所述数据供应至A/D转换器，并且将所述数据处理为数字数据集以计算设定点数据集SW-DS。在可选的步骤1a中，可以在用户接口UI上输入目标输入(例如要实现的切割质量和/或切割性能)。然后，在稍后的设定点数据集SW-DS的计算中，考虑该输入和/或可能的其他“约束”。在步骤2中，访问组合的机器模型MM和过程模型PM，以便在步骤3中基于激光切割过程和移动过程的估计的状态数据，在考虑读入的传感器数据的情况下，计算具有协调的激光切割过程的设定点和移动过程的设定点的空间和时间分辨的、组合的设定点数据集SW-DS。在完成切割操作之后，可以终止进程。在切割操作期间，连续执行步骤1、步骤2和步骤3，以便针对轨迹的每个点计算特定的设定点数据集SW-DS。可替选地，如上所述，在考虑移动质量的影响的情况下，步骤1、步骤2和步骤3也可以在激光切割操作之前被计算，以针对要经过的轨迹的所有点确定设定点值或设定点数据集。
处理器P可以集成到控制单元RE中，或者经由用于数据交换的适当接口作为单独的实体并入到系统中。处理器P可以具有如下功能：通过输出校正的设定点数据集SW-DSCORR来减小由模型PM、MM估计的值与基于获取的传感器数据的测量的值之间的偏差。
本发明的简化实现方式和执行在于，机器模型仅生成设定点值，考虑了边界条件具体是机器及其参数，但不进行优化(无误差校正)。这意味着切割速度和/或加速度可以以如下方式设置，该方式使得机器及其部件(轴、驱动装置、轴承等)不会过应力。
最后，应当注意，本发明的描述和示例性实施方式不应被理解为在本发明的特定物理实现方面进行限制。可以在根据本发明的主题中以不同的组合提供结合本发明的各个实施方式说明和示出的所有特征，以同时实现所有特征的有利效果。
本发明的保护范围由所附权利要求给出，并且不受说明书中示出或附图中示出的特征的限制。
特别地，对于本领域技术人员来说明显的是，本发明不仅可以用于例如通过示例的方式提到的诸如焦点位置的过程参数的设置，还可以用于其他过程参数。此外，控制单元或设备的部件可以被制造成分布在多个物理产品上。
Claims (16)
1.一种用于计算空间和时间分辨的、组合的设定点数据集(SW-DS)的方法，所述空间和时间分辨的、组合的设定点数据集用于在金属板或金属管的激光切割期间对带有激光切割头的激光切割机(L)的激光切割过程进行开环控制和/或闭环控制，所述方法具有以下方法步骤：
-测量(1)所述激光切割过程期间的传感器数据，其中，所述传感器数据对所述激光切割过程的切割结果进行编码；
-提供存储在第一存储器(S1)中的过程模型(PM)，所述过程模型表示所述激光切割过程，并估计所述激光切割过程的状态数据以及由所述激光切割过程产生的切割结果，其中，所述激光切割过程的状态数据包括激光切割期间的物理激光参数，其中，所述物理激光参数至少包括所述激光切割头的进给速率值和/或喷嘴间距值；
-提供存储在第二存储器(S2)中的机器模型(MM)，所述机器模型表示所述激光切割头在其移动期间的运动学行为，并估计移动过程的状态数据以及由所述移动过程产生的切割结果，其中，所述移动过程的状态数据至少包括所述激光切割头的进给速率值和/或所述喷嘴间距值；
-其中，所述过程模型(PM)和所述机器模型(MM)经由所述激光切割头的进给速率值和/或经由所述喷嘴间距值被耦合；
-通过控制单元(RE)访问(2)所述第一存储器(S1)中的所述过程模型(PM)和所述第二存储器(S2)中的所述机器模型(MM)，以便在考虑读入的传感器数据(3)的情况下，基于所述激光切割过程和所述移动过程的估计的状态数据，计算具有协调的所述激光切割过程的设定点和所述移动过程的设定点的空间和时间分辨的、组合的设定点数据集(SW-DS)，其中，将模型估计的切割结果与测量的切割结果进行比较，其中，在出现偏差的情况下对所述过程模型(PM)和/或所述机器模型(MM)进行更新。
2.根据权利要求1所述的方法，其中，所述方法还包括：
-获取(1a)在用户接口(UI)上输入的用于计算成本函数的目标输入，基于所述目标输入计算组合的、空间和时间分辨的设定点数据集(SW-DS)，所述目标输入包括一些相互依赖的输入，具体是切割质量输入、切割操作鲁棒性输入和生产率输入。
3.根据权利要求1或2所述的方法，其中，所述组合的、空间和时间分辨的设定点数据集(SW-DS)包括：直接过程变量的设定点值和/或间接过程变量的设定点值。
4.根据权利要求3所述的方法，其中，所述直接过程变量包括切割速度、所述激光切割头的加速度、激光功率、焦点位置、脉冲模式、喷嘴间距、气体压力、束参数乘积/BPP、焦点直径和/或间隙宽度，并且其中，所述间接过程变量包括散射辐射、间隙宽度、切割边缘的倾斜度、切割区域中的温度分布和质量特征，所述质量特征包括边缘粗糙度、划痕、毛刺、轮廓准确度。
5.根据权利要求1所述的方法，其中，所述方法将快控制回路(srk)应用于第一类能够快速控制的参数，所述快控制回路基于当前测量的传感器数据以及/或者基于计算的设定点数据集和/或基于传感器数据校正的设定点数据集(SW-DSCORR)来控制所述激光切割过程以及所述激光切割头的进给速率。
6.根据权利要求1所述的方法，其中，所述方法将慢控制回路(lrk)应用于第二类缓慢变化的参数，所述慢控制回路基于当前测量的传感器数据以及/或者基于所述计算的设定点数据集来控制所述激光切割过程以及所述激光切割头的进给速率。
7.根据权利要求5或6所述的方法，其中，所述快控制回路(srk)和/或所述慢控制回路(lrk)被设计为预测性的、基于模型的控制器(MPC)。
8.根据权利要求1或2所述的方法，其中，所述过程模型(PM)和/或所述机器模型(MM)能够基于已被读入并馈送回至相应模型的所执行的激光切割过程的传感器数据来校准。
9.根据权利要求1或2所述的方法，其中，所述第一存储器(S1)和所述第二存储器(S2)被一起集成在公共单元中。
10.根据权利要求1或2所述的方法，其中，所述过程模型(PM)和/或所述机器模型(MM)被集成在组合的模型中，使得通过所述控制单元(RE)进行的访问在一个步骤中发生。
11.根据权利要求1或2所述的方法，其中，所述空间和时间分辨的、组合的设定点数据集(SW-DS)根据时间点和/或轨迹上的位置连续计算设定点值。
12.根据权利要求1或2所述的方法，其中，借助于所述空间和时间分辨的、组合的设定点数据集(SW-DS)，所述激光切割过程的控制与所述激光切割头的进给速率的控制联合地并且相比较地发生，其中，当计算所述空间和时间分辨的、组合的设定点数据集(SW-DS)时，将能够经由用户接口(UI)获取的用户输入考虑进来。
13.根据权利要求1或2所述的方法，其中，在中央服务器上从地理上分布的激光切割机(L)收集所述过程模型(PM)和/或所述机器模型(MM)和/或用于校准所述过程模型(PM)和/或所述机器模型(MM)的更新数据。
14.一种用于计算空间和时间分辨的、组合的设定点数据集(SW-DS)的控制单元(RE)，所述空间和时间分辨的、组合的设定点数据集用于在使用激光切割机(L)进行激光切割操作期间对激光切割过程进行开环控制和/或闭环控制，所述控制单元具有以下部分：
-针对至少一个传感器(SENS)的测量数据接口(MD-SS)，所述至少一个传感器用于测量所述激光切割操作期间的传感器数据，其中，所述传感器数据对所述激光切割过程的切割结果进行编码；
-所述至少一个传感器(SENS)；
-针对存储有过程模型(PM)的第一存储器(S1)的过程接口(P-SS)，所述过程模型表示所述激光切割过程并估计所述激光切割过程的状态数据以及由所述激光切割过程产生的切割结果，其中，所述激光切割过程的状态数据包括激光切割期间的物理激光参数，其中，所述物理激光参数至少包括所述激光切割头的进给速率值和/或喷嘴间距值；
-针对存储有机器模型(MM)的第二存储器(S2)的机器接口(M-SS)，所述机器模型表示所述激光切割头在其移动期间的运动学行为，并估计移动过程的状态数据以及由所述移动过程产生的切割结果，其中，所述移动过程的状态数据至少包括所述激光切割头的进给速率值和/或所述喷嘴间距值；
-处理器(P)，所述处理器旨在执行算法，所述算法经由所述激光切割头的进给速率值和/或经由所述喷嘴间距值将所述过程模型(PM)和所述机器模型(MM)进行耦合；
-其中，所述处理器(P)还旨在经由所述过程接口(P-SS)访问所述第一存储器(S1)中的所述过程模型(PM)，并经由所述机器接口(M-SS)访问所述第二存储器(S2)中的所述机器模型(MM)，以便在考虑读入的传感器数据的情况下，基于所述激光切割过程和所述移动过程的估计的状态数据，计算具有协调的所述激光切割过程的设定点和所述移动过程的设定点的空间和时间分辨的、组合的设定点数据集(SW-DS)，其中，将模型估计的切割结果与测量的切割结果进行比较，其中，在出现偏差的情况下对所述过程模型(PM)和/或所述机器模型(MM)进行更新。
15.根据权利要求14所述的控制单元(RE)，其中，所述至少一个传感器(SENS)选自包括以下的组：摄像装置；光谱强度传感器；气体压力传感器；气体流量传感器；用于检测激光功率和用于检测激光束的束形状的传感器；用于机械子系统的传感器，具体是用于检测焦点位置、切割速度、喷嘴间距的传感器；具体是用于切割头、金属板和/或机器轴的加速度传感器；用于检测切割气体、切割环境、要切割的工件的温度的温度探测器；用于检测所述切割气体和/或环境的湿度的湿度传感器；用于检测熔体的温度分布的传感器(SENS)；以及声学传感器。
16.一种激光切割系统，具有：
-根据权利要求14或15所述的控制单元(RE)，所述控制单元用于计算空间和时间分辨的、组合的设定点数据集(SW-DS)，所述空间和时间分辨的、组合的设定点数据集用于激光切割过程的开环控制和/或闭环控制，以及
-激光切割机(L)，所述激光切割机带有可移动的激光切割头，所述可移动的激光切割头根据由所述控制单元(RE)计算的所述设定点数据集(SW-DS)，由驱动器沿几何图形移动和操作。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP20023347 | 2020-10-16 | ||
| EP202023347 | 2020-10-16 | ||
| PCT/EP2021/078619 WO2022079243A1 (en) | 2020-10-16 | 2021-10-15 | Method, control unit and laser cutting system for combined path and laser process planning for highly dynamic real-time systems |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115916451A CN115916451A (zh) | 2023-04-04 |
| CN115916451B true CN115916451B (zh) | 2024-02-20 |
Family
ID=86497110
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180050759.9A Active CN115916451B (zh) | 2020-10-16 | 2021-10-15 | 用于计算空间和时间分辨的、组合的设定点数据集的方法、控制单元和激光切割系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115916451B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001039919A2 (de) * | 1999-11-27 | 2001-06-07 | Thyssen Krupp Stahl Ag | Verfahren und vorrichtung zur qualitätskontrolle der naht an mit einem laser stumpf geschweissten blechen oder bändern |
| CN101862909A (zh) * | 2010-06-10 | 2010-10-20 | 江苏扬力数控机床有限公司 | 一种激光切割机及其工作方法 |
| CN102056705A (zh) * | 2008-06-13 | 2011-05-11 | 伊雷克托科学工业股份有限公司 | 用于激光加工工件的自动参数管理 |
| CN102741009A (zh) * | 2010-02-08 | 2012-10-17 | 弗劳恩霍弗实用研究促进协会 | 在使用仿真程序的情况下确定激光切割工艺的切割结果的方法 |
| CN104907700A (zh) * | 2013-12-12 | 2015-09-16 | 百超激光股份公司 | 用于配置激光加工装置的方法 |
| DE102016104318B3 (de) * | 2016-03-09 | 2017-04-13 | Trumpf Laser- Und Systemtechnik Gmbh | Verfahren zur Bestimmung einer Abweichung einer räumlichen Ausrichtung einer Strahlachse einer Strahlbearbeitungsmaschine von deren räumlichen Soll-Ausrichtung und Strahlbearbeitungsmaschine zum Bearbeiten eines Werkstücks |
| CN107378232A (zh) * | 2017-07-14 | 2017-11-24 | 中国科学院微电子研究所 | 一种激光加工晶圆的方法及系统 |
| CN110039190A (zh) * | 2019-04-03 | 2019-07-23 | 大族激光科技产业集团股份有限公司 | 一种激光切割控制方法、装置及计算机可读存储介质 |
| EP3671373A1 (de) * | 2018-12-19 | 2020-06-24 | Bystronic Laser AG | Prognoseverfahren zur prognose eines bearbeitungsergebnisses für ein laserbearbeitungsverfahren |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6795567B2 (ja) * | 2018-10-30 | 2020-12-02 | ファナック株式会社 | 加工条件設定装置及び三次元レーザ加工システム |
-
2021
- 2021-10-15 CN CN202180050759.9A patent/CN115916451B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001039919A2 (de) * | 1999-11-27 | 2001-06-07 | Thyssen Krupp Stahl Ag | Verfahren und vorrichtung zur qualitätskontrolle der naht an mit einem laser stumpf geschweissten blechen oder bändern |
| CN102056705A (zh) * | 2008-06-13 | 2011-05-11 | 伊雷克托科学工业股份有限公司 | 用于激光加工工件的自动参数管理 |
| CN102741009A (zh) * | 2010-02-08 | 2012-10-17 | 弗劳恩霍弗实用研究促进协会 | 在使用仿真程序的情况下确定激光切割工艺的切割结果的方法 |
| CN101862909A (zh) * | 2010-06-10 | 2010-10-20 | 江苏扬力数控机床有限公司 | 一种激光切割机及其工作方法 |
| CN104907700A (zh) * | 2013-12-12 | 2015-09-16 | 百超激光股份公司 | 用于配置激光加工装置的方法 |
| DE102016104318B3 (de) * | 2016-03-09 | 2017-04-13 | Trumpf Laser- Und Systemtechnik Gmbh | Verfahren zur Bestimmung einer Abweichung einer räumlichen Ausrichtung einer Strahlachse einer Strahlbearbeitungsmaschine von deren räumlichen Soll-Ausrichtung und Strahlbearbeitungsmaschine zum Bearbeiten eines Werkstücks |
| CN107378232A (zh) * | 2017-07-14 | 2017-11-24 | 中国科学院微电子研究所 | 一种激光加工晶圆的方法及系统 |
| EP3671373A1 (de) * | 2018-12-19 | 2020-06-24 | Bystronic Laser AG | Prognoseverfahren zur prognose eines bearbeitungsergebnisses für ein laserbearbeitungsverfahren |
| CN110039190A (zh) * | 2019-04-03 | 2019-07-23 | 大族激光科技产业集团股份有限公司 | 一种激光切割控制方法、装置及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115916451A (zh) | 2023-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230271276A1 (en) | Method, Control Unit and Laser Cutting System for Combined Path and Laser Process Planning for Highly Dynamic Real-Time Systems | |
| CN103460151B (zh) | 用于借助数字控制的工件加工装置加工工件的方法以及工件加工装置 | |
| US10921774B2 (en) | Machine learning devices and methods for optimizing the speed and accuracy of thread mill, inner diameter, outer shape, and surface machine tools | |
| Liang et al. | Machining process monitoring and control: the state-of-the-art | |
| CN100562823C (zh) | 一种复杂轨迹的轮廓控制方法 | |
| US11640557B2 (en) | Machine learning device, numerical control system, and machine learning method | |
| US20140114463A1 (en) | Determining Trajectories of Redundant Actuators Jointly Tracking Reference Trajectory | |
| US10481575B2 (en) | Thermal compensation method and thermal compensation control system for machine tools | |
| JP2009545826A (ja) | 工作機械のシステム制御 | |
| JP7303065B2 (ja) | 機械学習装置、制御システム及び機械学習方法 | |
| US20200269359A1 (en) | Machine learning device, laser machine, and laser machining system | |
| Erkorkmaz et al. | Time-optimal trajectory generation for 5-axis on-the-fly laser drilling | |
| JP7382537B2 (ja) | スマートコーナ切断のための方法、コンピュータプログラムおよびレーザ切断システム | |
| Landers et al. | A review of manufacturing process control | |
| Mizoue et al. | Identification and optimization of CNC dynamics in time-dependent machining processes and its validation to fluid jet polishing | |
| US6298279B1 (en) | CAD/CAM apparatus and machining apparatus for processing position/force information | |
| US20230391015A1 (en) | Tunable system and method for stress resolution in additive manufacturing | |
| CN115916451B (zh) | 用于计算空间和时间分辨的、组合的设定点数据集的方法、控制单元和激光切割系统 | |
| Djurdjanovic et al. | Process and operations control in modern manufacturing | |
| Wegener et al. | Operator integrated–concept for manufacturing intelligence | |
| US20240033873A1 (en) | Device and method for machining a workpiece | |
| CN117242411A (zh) | 确定激光切割机的轮廓保真度 | |
| Timiryazev et al. | Controlling the accuracy in contour milling | |
| DE102020211914A1 (de) | Steuerung, steuersystem und programm | |
| JP6234170B2 (ja) | プログラム、生成方法、生成装置、駆動装置、加工装置、リソグラフィ装置及び物品の製造方法 |
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 |