CN116088419A - 基于参数优化的数控机床加工控制方法、系统及相关设备 - Google Patents

Abstract

本发明提供一种基于参数优化的数控机床加工控制方法、系统及相关设备，涉及数控机床监测控制技术领域，方法包括：获取优化控制数据以及待控制数控机床对应的运行状态数据；获取被加工部件对应的部件数据，其中，所述部件数据包括部件材料数据、目标形状描述数据和当前形状描述数据；获取优化控制数据，其中，所述优化控制数据包括优化目标；根据所述运行状态数据、所述部件数据和所述优化控制数据，通过已训练的机床优化控制模型获取目标控制参数，根据所述目标控制参数对所述待控制数控机床进行加工控制，其中，所述目标控制参数包括目标进给速度、目标切削深度和目标切削角度。本发明有利于提高部件加工控制的灵活性和部件加工效果。

Description

基于参数优化的数控机床加工控制方法、系统及相关设备

技术领域

本发明涉及数控机床监测控制技术领域，尤其涉及一种基于参数优化的数控机床加工控制方法、系统及相关设备。

背景技术

随着科学技术的发展，尤其是自动化技术的发展，数控机床的应用越来越广泛。具体的，可以使用数控机床进行数控加工，数控加工即在数控机床上进行零部件加工。

在数控加工过程中，需要设置数控机床对应的控制参数，例如进给速度、切削深度等。现有技术中，通常由操作人员在加工前根据实际需求设置好对应的控制参数，然后数控机床根据该控制参数持续进行加工。现有技术的问题在于，在控制参数设置好之后，数控机床会持续使用相同的控制参数进行数控加工，在此过程中不会再调整控制参数，没有考虑实际加工过程的复杂性，也无法根据加工过程中复杂多变的情况调整控制参数，不利于提高部件加工控制的灵活性和部件加工效果。

发明内容

本发明提供一种基于参数优化的数控机床加工控制方法、系统及相关设备，用以解决现有技术中在控制参数设置好之后，数控机床会持续使用相同的控制参数进行数控加工，在此过程中不会再调整控制参数，没有考虑实际加工过程的复杂性，也无法根据加工过程中复杂多变的情况调整控制参数的缺陷，实现提高部件加工控制的灵活性和部件加工效果。

本发明提供一种基于参数优化的数控机床加工控制方法，包括：

获取优化控制数据以及待控制数控机床对应的运行状态数据，其中，所述运行状态数据包括当前控制参数、运行温度数据、运行电压数据、运行电流数据和机床振动数据，所述当前控制参数包括当前进给速度、当前切削深度和当前切削角度，所述优化控制数据包括优化目标，所述优化目标是多种预设目标中的一种，所述多种预设目标包括加工效率最高、加工能耗最低、设备使用寿命最长和加工精度最高；

获取被加工部件对应的部件数据，其中，所述部件数据包括部件材料数据、目标形状描述数据和当前形状描述数据；

根据所述运行状态数据、所述部件数据和所述优化控制数据，通过已训练的机床优化控制模型获取目标控制参数，根据所述目标控制参数对所述待控制数控机床进行加工控制，其中，所述目标控制参数包括目标进给速度、目标切削深度和目标切削角度。

根据本发明提供的一种基于参数优化的数控机床加工控制方法，所述优化控制数据还包括参数约束条件和参数变化约束条件，所述参数约束条件用于限制所述目标控制参数的大小，所述参数变化约束条件用于限制参数差值的大小，所述参数差值是所述目标控制参数与所述当前控制参数之间的差值。

根据本发明提供的一种基于参数优化的数控机床加工控制方法，所述目标形状描述数据包括预先对目标部件进行多角度图像采集获得的多张目标图像，所述当前形状描述数据包括当前时刻对所述被加工部件进行多角度图像采集获得的多张当前图像，其中，所述目标部件是所述被加工部件的加工目标，所述目标形状描述数据中的目标图像与所述当前形状描述数据中的当前图像一一对应，且相对应的一组目标图像和当前图像的采集角度相同。

根据本发明提供的一种基于参数优化的数控机床加工控制方法，所述获取被加工部件对应的部件数据，包括：

获取所述被加工部件对应的部件材料数据以及所述被加工部件对应的多张当前图像，所述多张当前图像通过所述待控制数控机床上预先设置的多个图像采集装置采集得到；

获取各所述当前图像对应的采集角度，根据各所述采集角度从预设的标准图像集合中选择多张标准图像作为对应的目标图像，其中，所述标准图像集合中包括预先使用至少一个可移动图像采集装置对所述目标部件进行多角度图像采集获得的多张标准图像。

根据本发明提供的一种基于参数优化的数控机床加工控制方法，所述机床优化控制模型通过如下步骤进行训练：

将训练数据中的样本运行状态数据、样本部件数据和样本优化控制数据输入所述机床优化控制模型，获取所述机床优化控制模型输出的训练目标控制参数，其中，所述训练数据包括多组训练信息组，每一组训练信息组包括样本运行状态数据、样本部件数据、样本优化控制数据和标注目标控制参数；

根据所述标注目标控制参数和所述训练目标控制参数，对所述机床优化控制模型的模型参数进行调整，并继续执行所述将训练数据中的样本运行状态数据、样本部件数据和样本优化控制数据输入所述机床优化控制模型的步骤，直至满足预设训练条件，以得到已训练的机床优化控制模型。

根据本发明提供的一种基于参数优化的数控机床加工控制方法，所述根据所述运行状态数据、所述部件数据和所述优化控制数据，通过已训练的机床优化控制模型获取目标控制参数，根据所述目标控制参数对所述待控制数控机床进行加工控制，包括：

将所述运行状态数据、所述部件数据和所述优化控制数据输入所述已训练的机床优化控制模型，获取所述已训练的机床优化控制模型进行模型计算处理后输出的所述目标控制参数，并获取所述模型计算处理过程中所述已训练的机床优化控制模型对应的模型优化评价数据，其中，所述模型优化评价数据包括模型计算处理时间和/或最优解稳定性；

当所述模型优化评价数据满足预设模型计算评价条件时，将所述目标控制参数作为所述待控制数控机床在下一时刻对应的运行参数。

根据本发明提供的一种基于参数优化的数控机床加工控制方法，所述方法还包括：

当所述模型优化评价数据不满足所述预设模型计算评价条件时，将所述当前控制参数作为所述待控制数控机床在下一时刻对应的运行参数，并输出机床优化控制模型异常告警信息。

本发明还提供一种基于参数优化的数控机床加工控制系统，包括：

第一数据获取模块，用于获取优化控制数据以及待控制数控机床对应的运行状态数据，其中，所述运行状态数据包括当前控制参数、运行温度数据、运行电压数据、运行电流数据和机床振动数据，所述当前控制参数包括当前进给速度、当前切削深度和当前切削角度，所述优化控制数据包括优化目标，所述优化目标是多种预设目标中的一种，所述多种预设目标包括加工效率最高、加工能耗最低、设备使用寿命最长和加工精度最高；

第二数据获取模块，用于获取被加工部件对应的部件数据，其中，所述部件数据包括部件材料数据、目标形状描述数据和当前形状描述数据；

优化控制数据获取模块，用于获取优化控制数据，其中，所述优化控制数据包括优化目标，所述优化目标是多种预设目标中的一种，所述多种预设目标包括加工效率最高、加工能耗最低、设备使用寿命最长和加工精度最高；

参数优化模块，用于根据所述运行状态数据、所述部件数据和所述优化控制数据，通过已训练的机床优化控制模型获取目标控制参数，根据所述目标控制参数对所述待控制数控机床进行加工控制，其中，所述目标控制参数包括目标进给速度、目标切削深度和目标切削角度。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一种所述基于参数优化的数控机床加工控制方法。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一种所述基于参数优化的数控机床加工控制方法。

本发明提供的基于参数优化的数控机床加工控制方法中，在数控机床的加工过程中，可以获取体现数控机床当前运行状态的运行状态数据、体现被加工部件相关信息的部件数据和体现用户实际需求的优化控制数据，根据这三者通过已训练的机床优化控制模型自动优化处理和计算获得能够满足用户实际需求的最优的目标控制参数，从而对数控机床进行控制。即可以根据实际需求、考虑实时的加工状态（包括数控机床的状态和被加工部件的状态）对数控机床的控制参数进行调整，有利于提高部件加工控制的灵活性和部件加工效果，且使得加工过程符合用户的实际需求（例如加工效率最高、加工能耗最低、设备使用寿命最长或加工精度最高）。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的基于参数优化的数控机床加工控制方法的流程示意图；

图2是本发明提供的基于参数优化的数控机床加工控制系统的结构示意图；

图3是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

随着科学技术的发展，尤其是自动化技术的发展，数控机床的应用越来越广泛。具体的，可以使用数控机床进行数控加工，数控加工即在数控机床上进行零部件加工。

在数控加工过程中，需要设置数控机床对应的控制参数，例如进给速度、切削深度等。现有技术中，通常由操作人员在加工前根据实际需求设置好对应的控制参数，然后数控机床根据该控制参数持续进行加工。现有技术的问题在于，在控制参数设置好之后，数控机床会持续使用相同的控制参数进行数控加工，在此过程中不会再调整控制参数，没有考虑实际加工过程的复杂性，也无法根据加工过程中复杂多变的情况调整控制参数，不利于提高部件加工控制的灵活性和部件加工效果。

在一种应用场景中，可以由操作人员根据当前状态和实际需求进行控制参数的调整，但需要由操作人员进行人工控制。一种方式是基于经验规则进行控制，通过工艺专家和经验规则推导，对加工工艺对应的控制参数（即工艺参数）进行优化配置。该方式需要丰富的工艺经验和规则库支持，难以适应多变的工况和材料。但处理过程中要离线收集数据并离线处理，无法实现实时的故障诊断和预测。且依赖于专家知识，例如需要依赖于专家对系统进行建模和特征提取，而这种依赖会限制泛化能力和可扩展性。

另一种方式是基于实验设计的方式，通过实验设计方式，对不同工艺参数进行优化计算。但该方式需要进行大量的实验设计和实验验证，耗时耗力，难以满足控制的实时性要求，而且可能会受到实验条件和环境等因素的影响。

在另一种应用场景中，还可以建立数学模型，对工艺参数进行优化计算，从而实现快速准确地得到优化结果。这种方法需要有较强的数学建模和计算能力，需要对不同材料和工件进行建模，而且对于复杂工艺和非线性系统难以建立精确的数学模型。

在另一种应用场景中，可以基于机器学习的方法，使用机器学习算法，对工艺参数进行学习和预测，从而实现优化配置。这种方法可以快速、自动地学习工艺参数之间的关系，并进行预测和优化。可以采用的机器学习算法包括神经网络、决策树、支持向量机等。但由于某些故障的发生频率很低，因此样本数据可能出现不平衡，这会导致模型训练不充分或者分类器偏向于多数类。

为了解决上述多个问题中的至少一个问题，本发明提供一种基于参数优化的数控机床加工控制方法、系统及相关设备，下面结合图1-图3进行具体描述。

如图1所示，本发明实施例提供一种基于参数优化的数控机床加工控制方法，具体的，所述方法包括如下步骤：

步骤S100，获取优化控制数据以及待控制数控机床对应的运行状态数据，其中，所述运行状态数据包括当前控制参数、运行温度数据、运行电压数据、运行电流数据和机床振动数据，所述当前控制参数包括当前进给速度、当前切削深度和当前切削角度，所述优化控制数据包括优化目标，所述优化目标是多种预设目标中的一种，所述多种预设目标包括加工效率最高、加工能耗最低、设备使用寿命最长和加工精度最高。

其中，所述待控制数控机床是需要进行加工工艺控制的数控机床，所述运行状态数据是用于体现待控制数控机床运行状态的数据。具体的，机床振动数据包括待控制数控机床中多个预设位置处的振动信号，可以由预设在对应位置的振动传感器采集获得，在此不作具体限定。所述当前控制参数是待控制数控机床在当前时刻所使用的控制参数。需要说明的是，所述当前控制参数还可以包括其它参数，例如加工频率等，在此不作具体限定。而对应的优化后的目标控制参数与当前控制参数一一对应。

所述优化控制数据包括用于体现用户的优化目标（或者实际需求）的数据，具体的，用户可以根据实际需求确定对应的优化目标并预先输入，或者也可以实时调整。设备使用寿面最长即从保护设备的角度考虑，例如控制待控制数控机床的运行温度、切削角度等，避免待控制数控机床损坏。加工精度最高即代表以最终获得的加工完成的部件与目标部件之间的差异最小为目标。需要说明的是，还可以设置其它优化目标，比如均衡模式目标，即以各项指标均衡为目标。

进一步的，本实施例中，所述优化控制数据还包括参数约束条件和参数变化约束条件，所述参数约束条件用于限制所述目标控制参数的大小，所述参数变化约束条件用于限制参数差值的大小，所述参数差值是所述目标控制参数与所述当前控制参数之间的差值。

具体的，所述优化控制数据除了包括优化目标以外，还包括对应的约束条件，以进行更好更精准的控制以及保护待控制数控机床。具体的，参数约束条件可以包括进给速度不能超出预设进给速度范围、切削深度不能超出预设切削深度范围、切削角度不能超出预设切削角度范围等。进一步的，考虑到实际加工过程中，待控制数控机床的部件不可能突然产生过大的位置变化，例如刀具角度不可能迅速改变过大，所以本实施例中还设置参数变化约束条件，用于对控制参数的变化进行合理性限制。具体的，参数变化约束条件可以包括目标进给速度与当前进给速度的差值的绝对值不能超出预设进给速度差值阈值、目标切削深度与当前切削深度的差值的绝对值不能超出预设切削深度差值阈值、目标切削角度与当前切削角度的差值的绝对值不能超出预设切削角度差值阈值等，在此不作具体限定。

步骤S200，获取被加工部件对应的部件数据，其中，所述部件数据包括部件材料数据、目标形状描述数据和当前形状描述数据。

其中，所述被加工部件是待控制数控机床正在加工的部件，而部件数据用于描述被加工数据所对应的状态。具体的，部件材料数据所描述的是被加工部件对应的材料，目标形状描述数据则是用于描述被加工部件的理想形状的数据，当前形状描述数据是用于描述被加工部件在当前时刻的形状的数据。

在一种应用场景中，目标形状描述数据和当前形状描述数据可以是三维图形，例如当前形状描述数据可以是当前时刻被加工部件进行三维采集建模生成的立体图形。本实施例中，为了降低数据计算量，提高参数优化计算效率，使用二维图像作为对应的形状描述数据。

具体的，本实施例中，所述目标形状描述数据包括预先对目标部件进行多角度图像采集获得的多张目标图像，所述当前形状描述数据包括当前时刻对所述被加工部件进行多角度图像采集获得的多张当前图像，其中，所述目标部件是所述被加工部件的加工目标，所述目标形状描述数据中的目标图像与所述当前形状描述数据中的当前图像一一对应，且相对应的一组目标图像和当前图像的采集角度相同。

在一种应用场景中，被加工部件在加工过程中可能会旋转，因此可以预先在多个位置、多个角度设置大量图像采集设备（例如摄像头），在被加工部件旋转之后，根据所需要的角度，采用对应的摄像头拍摄获得当前图像，有利于降低图像所占的存储资源。其中，所述当前图像和所述目标图像包括表面图像和深度图像两种。

在另一种应用场景中，也可以预先在多个位置、多个角度设置大量图像采集设备（例如摄像头），在需要采集当前图像时，所有图像采集设备同时进行图像采集，但仅选取其中所需角度对应的图像采集设备采集获得的图像作为当前图像。

本实施例中，所述获取被加工部件对应的部件数据，包括：获取所述被加工部件对应的部件材料数据以及所述被加工部件对应的多张当前图像，所述多张当前图像通过所述待控制数控机床上预先设置的多个图像采集装置采集得到；获取各所述当前图像对应的采集角度，根据各所述采集角度从预设的标准图像集合中选择多张标准图像作为对应的目标图像，其中，所述标准图像集合中包括预先使用至少一个可移动图像采集装置对所述目标部件进行多角度图像采集获得的多张标准图像。

其中，所述部件材料数据可以预先输入，在此不作具体限定。所述图像采集装置也可以不设置在数控机床上而设置于其它位置，但本实施例中固设于待控制数控机床上的预设位置，以保证采集视角固定。在采集获得各所述当前图像之后，可以根据图像中所显示的所述被加工部件上预设的角度参考标识确定各个图像采集设备与被加工部件之间的相对角度，从而确定被加工部件是否旋转、旋转了多少角度，进而确定需要选择哪些角度对应的标准图像作为目标图像。

其中，所述标准图像可以通过预先对目标部件进行全角度采集获得。本实施例中，为降低标准图像的采集难度，可以使用至少一个（本实施例中优选为一个，以降低所需要的设备数量）可移动图像采集装置对所述目标部件进行移动多角度图像采集。所述目标部件即为被加工部件经过加工后所需要获得的部件。根据多组一一对应的当前图像和目标图像可以确定当前状态下被加工部件与目标部件之间的差距，从而确定接下来的加工目标。需要说明的是，当一个当前图像所对应的采集角度没有对应的标准图像时，则将该当前图像也删除，即不使用该图像进行后续优化计算，以避免引起误差。

步骤S300，根据所述运行状态数据、所述部件数据和所述优化控制数据，通过已训练的机床优化控制模型获取目标控制参数，根据所述目标控制参数对所述待控制数控机床进行加工控制，其中，所述目标控制参数包括目标进给速度、目标切削深度和目标切削角度。

具体的，综合考虑多种因素，通过已训练的机床优化控制模型进行参数优化计算，获得下一时刻的目标控制参数。其中，所述已训练的机床优化控制模型是预先训练好的模型。

本实施例中，所述机床优化控制模型通过如下步骤进行训练：

将训练数据中的样本运行状态数据、样本部件数据和样本优化控制数据输入所述机床优化控制模型，获取所述机床优化控制模型输出的训练目标控制参数，其中，所述训练数据包括多组训练信息组，每一组训练信息组包括样本运行状态数据、样本部件数据、样本优化控制数据和标注目标控制参数；根据所述标注目标控制参数和所述训练目标控制参数，对所述机床优化控制模型的模型参数进行调整，并继续执行所述将训练数据中的样本运行状态数据、样本部件数据和样本优化控制数据输入所述机床优化控制模型的步骤，直至满足预设训练条件，以得到已训练的机床优化控制模型。

其中，所述预设训练条件可以包括迭代次数达到预设迭代阈值，或者所述标注目标控制参数和所述训练目标控制参数之间的损失值小于预设损失阈值，还可以设置其它训练条件，在此不作具体限定。

本实施例中，所述根据所述运行状态数据、所述部件数据和所述优化控制数据，通过已训练的机床优化控制模型获取目标控制参数，根据所述目标控制参数对所述待控制数控机床进行加工控制，包括：将所述运行状态数据、所述部件数据和所述优化控制数据输入所述已训练的机床优化控制模型，获取所述已训练的机床优化控制模型进行模型计算处理后输出的所述目标控制参数，并获取所述模型计算处理过程中所述已训练的机床优化控制模型对应的模型优化评价数据，其中，所述模型优化评价数据包括模型计算处理时间和/或最优解稳定性；当所述模型优化评价数据满足预设模型计算评价条件时，将所述目标控制参数作为所述待控制数控机床在下一时刻对应的运行参数。

其中，所述模型优化评价数据是用于对已训练的机床优化控制模型的计算处理过程进行评价的数据，即用于评价该已训练的机床优化控制模型是否计算无误、对参数的优化是否合理的数据。具体的，模型优化评价数据包括模型计算处理时间和/或最优解稳定性，还可以包括其它数据，例如优化过程中适应度值的变化趋势、收敛速度、计算出的最优解所对应的预测能耗、加工精度等。如此，先对模型进行评价，如果认为模型正常，即当所述模型优化评价数据满足预设模型计算评价条件时，则可以使用该模型计算出的目标控制参数进行控制。

反之，如果认为模型训练不好或模型因为其它因素损坏，即所述模型优化评价数据不满足所述预设模型计算评价条件时，将所述当前控制参数作为所述待控制数控机床在下一时刻对应的运行参数，并输出机床优化控制模型异常告警信息。

如此，只有对模型进行评估后认为模型是符合要求的，才会采用该模型所计算的参数，有利于防止使用错误参数进行控制。既可以获得更好的机床控制效果，又可以实时检测模型情况，避免因操作失误导致严重损失。需要说明的是，所述预设模型计算评价条件可以根据实际需求预先设置，例如可以包括模型计算处理时间不超过预设时间阈值或最优解稳定性不低于预设稳定性阈值，在此不作具体限定。在模型不符合要求时输出机床优化控制模型异常告警信息，有利于及时提醒操作人员检查模型或更新模型。

在一种应用场景中，所述机床优化控制模型基于正余弦算法进行参数优化计算。传统的数控机床参数优化算法大多是基于经验或试错方法，无法全面地考虑加工过程中的复杂情况。而基于正余弦算法的机床优化控制模型能够在不同的加工条件下实现优化配置，提高加工精度和效率。该算法通过建立加工过程中各个参数之间的数学模型，并根据工件的几何形状、材料等参数进行自适应调整，能够在加工过程中快速寻找到最佳参数组合，从而实现对数控机床的优化配置。

具体的，可以使用数据采集器实时采集加工过程中的数据，使用逻辑控制器进行数据分析和处理，使用自适应执行器根据计算获得的参数对待控制数控机床进行控制。实现更加准确地反映加工过程中的变化情况，并及时调整工艺参数，从而实现更加稳定和高效的加工过程。进一步的，还可以结合机器学习等技术，对待控制数控机床的历史运行数据进行分析和处理，进一步提高工艺参数的优化配置，提高加工效率和质量。

在另一种应用场景中，针对所述优化目标，可以确定对应的需要优化的目标函数，目标函数可以根据机床性能指标和加工要求定义。例如，最大化加工效率，提高机床加工效率是制造业的一个重要目标，因此可以将加工效率作为目标函数，使用正余弦优化算法寻找最优的参数配置，从而达到最大化加工效率的目的。最小化能耗，减少机床的能耗是一个重要方向，因此可以将能耗作为目标函数，使用正余弦优化算法寻找最优的参数配置，从而达到最小化能耗的目的。

在所述机床优化控制模型基于正余弦算法进行优化计算时，可以针对该算法预先设置合适的算法参数，例如种群大小、最大迭代次数、交叉率、变异率等，在此不作具体限定。

进一步的，基于目标控制参数对所述待控制数控机床进行加工控制，并且在加工结束之后，还可以对加工结果进行评估，例如计算加工效率、加工效率提升率、加工精度、加工精度改善程度等作为加工结果评估数据，在此不作具体限定。当所述加工结果评估数据低于预设的第一阈值时，获取更多的训练数据对所述已训练的机床优化控制模型进行优化更新；当所述加工结果评估数据低于预设的第二阈值时，说明模型效果出现较大下降，输出对应的告警信号。其中，所述第二阈值低于所述第一阈值。第一阈值和第二阈值是与加工结果评估数据中的具体参数所对应的阈值，可以预先设置和调整。

在一种应用场景中，可以基于数据采集器、逻辑控制器和自适应执行器构成的系统进行加工控制，所述已训练的机床优化控制模型设置于逻辑控制器中。数据采集器负责采集数控机床的各种运行参数和状态数据，并将其传输到逻辑控制器进行处理；逻辑控制器根据采集到的数据进行实时计算和分析，生成控制信号，并将其传输到自适应执行器；自适应执行器根据逻辑控制器生成的控制信号，自适应地调整数控机床的工艺参数，使其在加工过程中达到最优状态。通过数据采集、逻辑控制和自适应执行三个部分的协同作用，可以实现对数控机床工艺参数的自适应控制，提高其加工效率和质量，并且能够根据实时采集到的数据进行自适应调整，避免了传统固定参数控制方法的不足。

在一种应用场景中，通过训练模型来预测不同工艺参数组合的加工效果。在加工过程中，对工艺参数进行实时调整，以达到最佳的加工效果。例如可以采用反馈控制、预测控制等方法，根据实时采集的数据和建立的模型进行参数调整。通过对历史数据的分析和处理，进一步优化工艺参数的配置，提高加工效率和质量。例如可以采用数据挖掘、机器学习等技术，对历史数据进行分析，提取出规律和模式，并根据分析结果调整工艺参数配置。

具体的，基于正余弦算法优化配置数控机床的工艺参数，相比传统的试错和经验调整方法，能够更全面、更精准地考虑加工过程中的复杂情况，并且能够根据实时数据进行动态调整，从而实现更高的加工精度和效率。并且可以适应不同的加工条件和工件要求，具有较强的自适应性。还可以结合其他相关技术和工具，如智能传感器、云计算技术等，提高计算效率，实现对更多类型的数据的智能分析，从而获得更好的控制效果，例如提高参数优化和机床控制的准确性。

由上可见，本发明提供的基于参数优化的数控机床加工控制方法中，在数控机床的加工过程中，可以获取体现数控机床当前运行状态的运行状态数据、体现被加工部件相关信息的部件数据和体现用户实际需求的优化控制数据，根据这三者通过已训练的机床优化控制模型自动优化处理和计算获得能够满足用户实际需求的最优的目标控制参数，从而对数控机床进行控制。即可以根据实际需求、考虑实时的加工状态（包括数控机床的状态和被加工部件的状态）对数控机床的控制参数进行调整，有利于提高部件加工控制的灵活性和部件加工效果，且使得加工过程符合用户的实际需求（例如加工效率最高、加工能耗最低、设备使用寿命最长或加工精度最高）。

应该理解的是，虽然本发明说明书附图中给出的的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

下面对本发明提供的基于参数优化的数控机床加工控制系统进行描述，下文描述的基于参数优化的数控机床加工控制系统与上文描述的基于参数优化的数控机床加工控制方法可相互对应参照。如图2中所示，所述基于参数优化的数控机床加工控制系统包括：

第一数据获取模块210，用于获取优化控制数据以及待控制数控机床对应的运行状态数据，其中，所述运行状态数据包括当前控制参数、运行温度数据、运行电压数据、运行电流数据和机床振动数据，所述当前控制参数包括当前进给速度、当前切削深度和当前切削角度，所述优化控制数据包括优化目标，所述优化目标是多种预设目标中的一种，所述多种预设目标包括加工效率最高、加工能耗最低、设备使用寿命最长和加工精度最高；

第二数据获取模块220，用于获取被加工部件对应的部件数据，其中，所述部件数据包括部件材料数据、目标形状描述数据和当前形状描述数据；

参数优化模块230，用于根据所述运行状态数据、所述部件数据和所述优化控制数据，通过已训练的机床优化控制模型获取目标控制参数，根据所述目标控制参数对所述待控制数控机床进行加工控制，其中，所述目标控制参数包括目标进给速度、目标切削深度和目标切削角度。

图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器（processor）310、通信接口（Communications Interface）320、存储器（memory）330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行基于参数优化的数控机床加工控制方法，该方法包括：获取待控制数控机床对应的运行状态数据，其中，所述运行状态数据包括当前控制参数、运行温度数据、运行电压数据、运行电流数据和机床振动数据，所述当前控制参数包括当前进给速度、当前切削深度和当前切削角度；获取被加工部件对应的部件数据，其中，所述部件数据包括部件材料数据、目标形状描述数据和当前形状描述数据；获取优化控制数据，其中，所述优化控制数据包括优化目标，所述优化目标是多种预设目标中的一种，所述多种预设目标包括加工效率最高、加工能耗最低、设备使用寿命最长和加工精度最高；根据所述运行状态数据、所述部件数据和所述优化控制数据，通过已训练的机床优化控制模型获取目标控制参数，根据所述目标控制参数对所述待控制数控机床进行加工控制，其中，所述目标控制参数包括目标进给速度、目标切削深度和目标切削角度。

此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于参数优化的数控机床加工控制方法，该方法包括：获取待控制数控机床对应的运行状态数据，其中，所述运行状态数据包括当前控制参数、运行温度数据、运行电压数据、运行电流数据和机床振动数据，所述当前控制参数包括当前进给速度、当前切削深度和当前切削角度；获取被加工部件对应的部件数据，其中，所述部件数据包括部件材料数据、目标形状描述数据和当前形状描述数据；获取优化控制数据，其中，所述优化控制数据包括优化目标，所述优化目标是多种预设目标中的一种，所述多种预设目标包括加工效率最高、加工能耗最低、设备使用寿命最长和加工精度最高；根据所述运行状态数据、所述部件数据和所述优化控制数据，通过已训练的机床优化控制模型获取目标控制参数，根据所述目标控制参数对所述待控制数控机床进行加工控制，其中，所述目标控制参数包括目标进给速度、目标切削深度和目标切削角度。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于参数优化的数控机床加工控制方法，其特征在于，包括：

获取优化控制数据以及待控制数控机床对应的运行状态数据，其中，所述运行状态数据包括当前控制参数、运行温度数据、运行电压数据、运行电流数据和机床振动数据，所述当前控制参数包括当前进给速度、当前切削深度和当前切削角度，所述优化控制数据包括优化目标，所述优化目标是多种预设目标中的一种，所述多种预设目标包括加工效率最高、加工能耗最低、设备使用寿命最长和加工精度最高；

获取被加工部件对应的部件数据，其中，所述部件数据包括部件材料数据、目标形状描述数据和当前形状描述数据；

根据所述运行状态数据、所述部件数据和所述优化控制数据，通过已训练的机床优化控制模型获取目标控制参数，根据所述目标控制参数对所述待控制数控机床进行加工控制，其中，所述目标控制参数包括目标进给速度、目标切削深度和目标切削角度。

2.根据权利要求1所述的基于参数优化的数控机床加工控制方法，其特征在于，所述优化控制数据还包括参数约束条件和参数变化约束条件，所述参数约束条件用于限制所述目标控制参数的大小，所述参数变化约束条件用于限制参数差值的大小，所述参数差值是所述目标控制参数与所述当前控制参数之间的差值。

3.根据权利要求1所述的基于参数优化的数控机床加工控制方法，其特征在于，所述目标形状描述数据包括预先对目标部件进行多角度图像采集获得的多张目标图像，所述当前形状描述数据包括当前时刻对所述被加工部件进行多角度图像采集获得的多张当前图像，其中，所述目标部件是所述被加工部件的加工目标，所述目标形状描述数据中的目标图像与所述当前形状描述数据中的当前图像一一对应，且相对应的一组目标图像和当前图像的采集角度相同。

4.根据权利要求3所述的基于参数优化的数控机床加工控制方法，其特征在于，所述获取被加工部件对应的部件数据，包括：

获取所述被加工部件对应的部件材料数据以及所述被加工部件对应的多张当前图像，所述多张当前图像通过所述待控制数控机床上预先设置的多个图像采集装置采集得到；

获取各所述当前图像对应的采集角度，根据各所述采集角度从预设的标准图像集合中选择多张标准图像作为对应的目标图像，其中，所述标准图像集合中包括预先使用至少一个可移动图像采集装置对所述目标部件进行多角度图像采集获得的多张标准图像。

5.根据权利要求1所述的基于参数优化的数控机床加工控制方法，其特征在于，所述机床优化控制模型通过如下步骤进行训练：

将训练数据中的样本运行状态数据、样本部件数据和样本优化控制数据输入所述机床优化控制模型，获取所述机床优化控制模型输出的训练目标控制参数，其中，所述训练数据包括多组训练信息组，每一组训练信息组包括样本运行状态数据、样本部件数据、样本优化控制数据和标注目标控制参数；

根据所述标注目标控制参数和所述训练目标控制参数，对所述机床优化控制模型的模型参数进行调整，并继续执行所述将训练数据中的样本运行状态数据、样本部件数据和样本优化控制数据输入所述机床优化控制模型的步骤，直至满足预设训练条件，以得到已训练的机床优化控制模型。

6.根据权利要求1-5任一项所述的基于参数优化的数控机床加工控制方法，其特征在于，所述根据所述运行状态数据、所述部件数据和所述优化控制数据，通过已训练的机床优化控制模型获取目标控制参数，根据所述目标控制参数对所述待控制数控机床进行加工控制，包括：

将所述运行状态数据、所述部件数据和所述优化控制数据输入所述已训练的机床优化控制模型，获取所述已训练的机床优化控制模型进行模型计算处理后输出的所述目标控制参数，并获取所述模型计算处理过程中所述已训练的机床优化控制模型对应的模型优化评价数据，其中，所述模型优化评价数据包括模型计算处理时间和/或最优解稳定性；

当所述模型优化评价数据满足预设模型计算评价条件时，将所述目标控制参数作为所述待控制数控机床在下一时刻对应的运行参数。

7.根据权利要求6所述的基于参数优化的数控机床加工控制方法，其特征在于，所述方法还包括：

当所述模型优化评价数据不满足所述预设模型计算评价条件时，将所述当前控制参数作为所述待控制数控机床在下一时刻对应的运行参数，并输出机床优化控制模型异常告警信息。

8.一种基于参数优化的数控机床加工控制系统，其特征在于，包括：

第一数据获取模块，用于获取优化控制数据以及待控制数控机床对应的运行状态数据，其中，所述运行状态数据包括当前控制参数、运行温度数据、运行电压数据、运行电流数据和机床振动数据，所述当前控制参数包括当前进给速度、当前切削深度和当前切削角度，所述优化控制数据包括优化目标，所述优化目标是多种预设目标中的一种，所述多种预设目标包括加工效率最高、加工能耗最低、设备使用寿命最长和加工精度最高；

第二数据获取模块，用于获取被加工部件对应的部件数据，其中，所述部件数据包括部件材料数据、目标形状描述数据和当前形状描述数据；

参数优化模块，用于根据所述运行状态数据、所述部件数据和所述优化控制数据，通过已训练的机床优化控制模型获取目标控制参数，根据所述目标控制参数对所述待控制数控机床进行加工控制，其中，所述目标控制参数包括目标进给速度、目标切削深度和目标切削角度。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于参数优化的数控机床加工控制方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于参数优化的数控机床加工控制方法。

Images