CN116400905A - 一种用于调控多设备的代码自动生成方法及相关设备 - Google Patents

一种用于调控多设备的代码自动生成方法及相关设备 Download PDF

Info

Publication number
CN116400905A
CN116400905A CN202310603404.9A CN202310603404A CN116400905A CN 116400905 A CN116400905 A CN 116400905A CN 202310603404 A CN202310603404 A CN 202310603404A CN 116400905 A CN116400905 A CN 116400905A
Authority
CN
China
Prior art keywords
processing
target
determining
processed
equipment
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.)
Granted
Application number
CN202310603404.9A
Other languages
English (en)
Other versions
CN116400905B (zh
Inventor
吴承科
谭勇
苏辉南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongke Hangmai CNC Software Shenzhen Co Ltd
Original Assignee
Zhongke Hangmai CNC Software Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongke Hangmai CNC Software Shenzhen Co Ltd filed Critical Zhongke Hangmai CNC Software Shenzhen Co Ltd
Priority to CN202310603404.9A priority Critical patent/CN116400905B/zh
Publication of CN116400905A publication Critical patent/CN116400905A/zh
Application granted granted Critical
Publication of CN116400905B publication Critical patent/CN116400905B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/30—Creation or generation of source code
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/19—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/194—Calculation of difference between files
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Manufacturing & Machinery (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种用于调控多设备的代码自动生成方法及相关设备，涉及机床控制代码生成领域。通过获取目标零件上若干待加工部位的有向点线图和加工路径；根据各待加工部位的有向点线图和加工路径，确定若干目标加工设备和各目标加工设备的设备运动路径；根据加工环境信息和各设备运动路径确定目标零件对应的加工流水线信息；将各设备运动路径和加工流水线信息输入预测网络，得到用于控制各目标加工设备批量加工目标零件的设备控制代码。本发明可以实现多设备控制代码自动生成。

Description

一种用于调控多设备的代码自动生成方法及相关设备
技术领域
本发明涉及机床控制代码生成领域，尤其涉及一种用于调控多设备的代码自动生成方法及相关设备。
背景技术
现有的机床代码生成网络通过获取专业人员输入的待加工零件的结构信息和加工信息，自动编写出特定的数控机床的控制代码。然而单一的数控机床可以实现的加工工艺种类有限，所以有些加工工艺复杂的零部件需要多个数控机床一起参与加工，这种调控多个数控机床的场景仍然依赖于人工编写代码文本。
因此，现有技术还有待改进和发展。
发明内容
本发明提供一种用于调控多设备的代码自动生成方法及相关设备，用以解决现有技术中调控多个数控机床的场景仍然依赖于人工编写代码文本的问题，实现自动编程用于调控多设备的代码。
本发明提供一种用于调控多设备的代码自动生成方法，包括：
获取目标零件上若干待加工部位分别对应的有向点线图和加工路径，其中，所述有向点线图中各点分别对应不同的工艺关键词，两点之间的线的方向用于反映工艺执行顺序，两点之间的线的长短用于反映两点分别对应的所述工艺关键词的相似度；
根据各所述待加工部位的所述有向点线图和所述加工路径，确定若干目标加工设备和各所述目标加工设备分别对应的设备运动路径；
获取加工环境信息，根据所述加工环境信息和各所述设备运动路径确定所述目标零件对应的加工流水线信息，其中，所述加工流水线信息用于反映各所述目标加工设备的工作顺序和加工节拍；
将各所述设备运动路径和所述加工流水线信息输入预先经过训练的预测网络，得到用于控制各所述目标加工设备批量加工所述目标零件的设备控制代码。
根据本发明提供的一种用于调控多设备的代码自动生成方法，各所述工艺关键词和两个所述工艺关键词之间的所述相似度获取方法包括：
获取所述目标零件对应的加工需求信息，针对每一所述待加工部位，根据所述加工需求信息确定所述待加工部位的加工工艺文本；
将所述加工工艺文本输入预先经过训练的关键词提取网络，得到若干所述工艺关键词；
针对两个所述工艺关键词，提取两个所述工艺关键词分别对应的词向量，根据两个所述词向量计算两个所述工艺关键词之间的语义相似度；获取两个所述工艺关键词在所述加工工艺文本中的词位置距离，根据所述词位置距离和所述语义相似度确定两个所述工艺关键词之间的所述相似度。
根据本发明提供的一种用于调控多设备的代码自动生成方法，每一所述待加工部位的所述加工路径的获取方法包括：
获取所述待加工部位对应的结构信息；
根据所述待加工部位的所述有向点线图和所述结构信息确定所述待加工部位的所述加工路径。
根据本发明提供的一种用于调控多设备的代码自动生成方法，所述根据各所述待加工部位的所述有向点线图和所述加工路径，确定若干目标加工设备和各所述目标加工设备分别对应的设备运动路径，包括：
根据各所述待加工部位的所述有向点线图，将各所述待加工部位分为若干关联组；
针对每一所述关联组，根据所述关联组对应的全部所述有向点线图确定所述关联组对应的工艺特征数据，根据所述工艺特征数据确定所述关联组对应的所述目标加工设备；根据所述关联组对应的全部所述加工路径，确定所述关联组对应的所述目标加工设备的所述设备运动路径。
根据本发明提供的一种用于调控多设备的代码自动生成方法，所述根据所述关联组对应的全部所述有向点线图确定所述关联组对应的工艺特征数据，根据所述工艺特征数据确定所述关联组对应的所述目标加工设备，包括：
对全部所述有向点线图进行融合，得到融合图像；
对所述融合图像进行特征提取，得到所述工艺特征数据；
获取预设的加工设备数据库，其中，所述加工设备数据库包括若干加工设备分别对应的参考工艺特征数据，每一所述加工设备的所述参考工艺特征数据的获取方法包括：获取所述加工设备的若干历史加工部位的加工记录，根据加工记录生成各所述历史加工部位分别对应的历史有向点线图；对各所述历史有向点线图进行融合，得到历史融合图像；对所述历史融合图像进行特征提取，得到所述参考工艺特征数据；
根据所述工艺特征数据和所述加工设备数据库进行匹配，得到所述关联组对应的所述目标加工设备。
根据本发明提供的一种用于调控多设备的代码自动生成方法，所述根据所述关联组对应的全部所述加工路径，确定所述关联组对应的所述目标加工设备的所述设备运动路径，包括：
根据所述关联组对应的各所述加工路径确定所述关联组对应的各所述待加工部位的加工顺序；
根据所述关联组对应的各所述加工路径和所述加工顺序，确定所述关联组对应的所述目标加工设备的所述设备运动路径。
根据本发明提供的一种用于调控多设备的代码自动生成方法，所述根据所述加工环境信息和各所述设备运动路径确定所述目标零件对应的加工流水线信息，包括：
根据所述加工环境信息确定各所述目标加工设备的位置分布图，根据所述位置分布图确定所述目标零件对应的最小传输路径，根据所述最小传输路径确定所述工作顺序；
根据各所述设备运动路径确定各所述目标加工设备分别对应的最小零件加工时长；
根据各所述最小零件加工时长中的最大值确定所述加工节拍。
本发明还提供一种用于调控多设备的代码自动生成装置，所述装置包括：
获取模块，用于获取目标零件上若干待加工部位分别对应的有向点线图和加工路径，其中，所述有向点线图中各点分别对应不同的工艺关键词，两点之间的线的方向用于反映工艺执行顺序，两点之间的线的长短用于反映两点分别对应的所述工艺关键词的相似度；
第一确定模块，用于根据各所述待加工部位的所述有向点线图和所述加工路径，确定若干目标加工设备和各所述目标加工设备分别对应的设备运动路径；
第二确定模块，用于获取加工环境信息，根据所述加工环境信息和各所述设备运动路径确定所述目标零件对应的加工流水线信息，其中，所述加工流水线信息用于反映各所述目标加工设备的工作顺序和加工节拍；
预测模块，用于将各所述设备运动路径和所述加工流水线信息输入预先经过训练的预测网络，得到用于控制各所述目标加工设备批量加工所述目标零件的设备控制代码。
本发明还提供一种电子设备，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，所述处理器执行所述程序时实现如上述任一项所述用于调控多设备的代码自动生成方法。
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，所述计算机程序被处理器执行时实现如上述任一项所述用于调控多设备的代码自动生成方法。
本发明提供的一种用于调控多设备的代码自动生成方法及相关设备，通过获取目标零件上若干待加工部位的有向点线图和加工路径；根据各待加工部位的有向点线图和加工路径，确定若干目标加工设备和各目标加工设备的设备运动路径；根据加工环境信息和各设备运动路径确定目标零件对应的加工流水线信息；将各设备运动路径和加工流水线信息输入预测网络，得到用于控制各目标加工设备批量加工目标零件的设备控制代码。本发明通过分析各待加工部位的工艺特点确定目标加工设备和设备运动路径，并通过加工环境信息和设备运动路径制定加工流水线，然后通过深度学习技术基于设备运动路径和加工流水线自动编程设备控制代码，实现多设备控制代码的自动生成。
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是本发明提供的用于调控多设备的代码自动生成方法的流程示意图；
图2是本发明提供的用于调控多设备的代码自动生成装置的结构示意图；
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。
下面结合图1描述本发明的用于调控多设备的代码自动生成方法，所述方法包括步骤：
S110、获取目标零件上若干待加工部位分别对应的有向点线图和加工路径，其中，所述有向点线图中各点分别对应不同的工艺关键词，两点之间的线的方向用于反映工艺执行顺序，两点之间的线的长短用于反映两点分别对应的所述工艺关键词的相似度；
S120、根据各所述待加工部位的所述有向点线图和所述加工路径，确定若干目标加工设备和各所述目标加工设备分别对应的设备运动路径；
S130、获取加工环境信息，根据所述加工环境信息和各所述设备运动路径确定所述目标零件对应的加工流水线信息，其中，所述加工流水线信息用于反映各所述目标加工设备的工作顺序和加工节拍；
S140、将各所述设备运动路径和所述加工流水线信息输入预先经过训练的预测网络，得到用于控制各所述目标加工设备批量加工所述目标零件的设备控制代码。
简单来说，目标零件可以为任意一个待批量加工、且加工纹理复杂的零件，由于目标零件的加工纹理复杂因此其需要多种可以实现不同加工工艺的加工设备共同完成加工，而本实施例的目标就是设计出相应的可以调控多个加工设备共同完成加工任务的设备控制代码。具体地，针对目标零件上每一个待加工部位，首先获取该待加工部位对应的多个工艺关键词（例如切削、铣削、钻、磨、齿轮加工等等），并获取各工艺关键词之间的工艺执行顺序和工艺相似度，并以此构建一个有向点线图。此外，还需要获取待加工部位对应的加工路径，该加工路径反映了待加工部位上具体需要被加工的位置，用于指示加工设备的运动过程。然后通过分析所有待加工部位的有向点线图和加工路径，可以确定采用哪些目标加工设备完成目标零件的加工任务。由于不同加工设备所擅长工艺的种类和数量都可能存在差别，因此各目标加工设备的选取应当考虑所有工艺关键词和设备数量最小化，以节约设备资源。由于可能存在一个目标加工设备完成多个待加工部位的加工任务的情况，因此需要根据筛选出来的各目标加工设备和所有待加工部位的加工路径确定各目标加工设备的设备运动路径。其次，由于各目标加工设备需要共同作业，因此需要设计出包含有各目标加工设备的加工流水线和各目标加工设备的加工节拍，加工流水线的建立需要考虑各目标设备所在的加工环境信息设计出各目标加工设备的工作顺序；加工节拍则需要基于每个目标加工设备的设备运动路径评估其对应的单个零件的加工耗时。最后，本实施例预先训练了一个预测网络，该预测网络预先经过海量数据训练已经学习了输入输出之间的复杂映射关系，因此将各目标加工设备的设备运动路径和加工流水线信息输入该预测网络以后，该预测网络即可自动生成得到用于控制各目标加工设备共同加工的设备控制代码，通过该设备控制代码即可实现目标零件的批量加工。
在一种实现方式中，各所述工艺关键词和两个所述工艺关键词之间的所述相似度获取方法包括：
获取所述目标零件对应的加工需求信息，针对每一所述待加工部位，根据所述加工需求信息确定所述待加工部位的加工工艺文本；
将所述加工工艺文本输入预先经过训练的关键词提取网络，得到若干所述工艺关键词；
针对两个所述工艺关键词，提取两个所述工艺关键词分别对应的词向量，根据两个所述词向量计算两个所述工艺关键词之间的语义相似度；获取两个所述工艺关键词在所述加工工艺文本中的词位置距离，根据所述词位置距离和所述语义相似度确定两个所述工艺关键词之间的所述相似度。
具体地，加工需求信息可以是用户输入的文字信息也可以是语音信息，加工需求信息可以反映目标零件的待加工部位和加工工艺。为了便于进行数据分析，本实施例先将加工需求信息转化为文本信息。然后针对每一待加工部位，提取文本信息中该待加工部位的预设邻域内和加工工艺相关的主要文字组成该待加工部位对应的加工工艺文本。然后将该加工工艺文本输入关键词提取网络。关键词提取网络预先经过加工工艺领域的大量训练数据进行训练，可以基于输入的加工工艺文本自动提取其中的工艺关键词。然后根据各工艺关键词在加工工艺文本中的出现顺序确定各工艺关键词之间的工艺执行顺序。针对工艺执行顺序上相邻的两个工艺关键词，根据它们之间的词向量的相似度确定它们之间的语义相似度，并根据它们在加工工艺文本中的词位置距离和语义相似度综合确定它们的相似度。最后根据各工艺关键词、工艺执行顺序以及工艺执行顺序上任意相邻的两个工艺关键词之间的相似度即可构建出该待加工部位的有向点线图，通过有向点线图可以形象地概括出该待加工部位与加工过程相关的所有加工信息，提高后续自动生成的控制代码的准确率。
在一种实现方式中，每一所述待加工部位的所述加工路径的获取方法包括：
获取所述待加工部位对应的结构信息；
根据所述待加工部位的所述有向点线图和所述结构信息确定所述待加工部位的所述加工路径。
具体地，为了准确得到待加工部位的加工路径，本实施例还需要获取待加工部位的结构信息。由于有向点线图可以反映待加工部位的加工工艺信息，而结构信息可以反映待加工部位的三维结构，因此通过结构信息和有向点线图就能模拟待加工部位上加工设备运行的轨迹，即得到加工路径。
在另一种实现方式中，每一所述待加工部位的所述加工路径的获取方法包括：
获取所述待加工部位对应的结构信息和所述待加工部位被加工后的目标结构信息；
根据所述结构信息和所述目标结构信息，确定所述待加工部位对应的所述加工路径。
具体地，首先获取待加工部位原始的三维结构，即得到结构信息。同时还需要获取其被期望加工成的三维结构，即得到目标结构信息。然后通过对比原始的结构信息和目标结构信息，即可模拟出加工设备在待加工部位的加工轨迹，即得到加工路径。
在一种实现方式中，所述根据各所述待加工部位的所述有向点线图和所述加工路径，确定若干目标加工设备和各所述目标加工设备分别对应的设备运动路径，包括：
根据各所述待加工部位的所述有向点线图，将各所述待加工部位分为若干关联组；
针对每一所述关联组，根据所述关联组对应的全部所述有向点线图确定所述关联组对应的工艺特征数据，根据所述工艺特征数据确定所述关联组对应的所述目标加工设备；根据所述关联组对应的全部所述加工路径，确定所述关联组对应的所述目标加工设备的所述设备运动路径。
具体地，由于有向点线图可以反映待加工部位的加工工艺信息，因此通过有向点线图可以将加工工艺相似的多个待加工部位分为一个关联组，并通过这些待加工部位的有向点线图分析它们共同的工艺特征数据，然后通过工艺特征数据确定出可以完成这些待加工部位的加工任务的目标加工设备。由于一个目标加工设备对应多个待加工部位，所以该目标加工设备的设备运动路径与前述的待加工部位的加工路径不是一一对应的关系，因此需要分析该目标加工设备对应的所有加工路径，以拼接出时间成本最小的设备运动路径。
在一种实现方式中，所述根据所述关联组对应的全部所述有向点线图确定所述关联组对应的工艺特征数据，根据所述工艺特征数据确定所述关联组对应的所述目标加工设备，包括：
对全部所述有向点线图进行融合，得到融合图像；
对所述融合图像进行特征提取，得到所述工艺特征数据；
获取预设的加工设备数据库，其中，所述加工设备数据库包括若干加工设备分别对应的参考工艺特征数据，每一所述加工设备的所述参考工艺特征数据的获取方法包括：获取所述加工设备的若干历史加工部位的加工记录，根据加工记录生成各所述历史加工部位分别对应的历史有向点线图；对各所述历史有向点线图进行融合，得到历史融合图像；对所述历史融合图像进行特征提取，得到所述参考工艺特征数据；
根据所述工艺特征数据和所述加工设备数据库进行匹配，得到所述关联组对应的所述目标加工设备。
具体地，针对一个关联组，为了节约图像分析的时间成本，首先将所有的有向点线图融合成一个图像，即得到融合图像。然后将融合图像输入图像特征提取网络，即得到该融合图像的图像特征，本实施例将该图像特征作为该关联组对应的工艺特征数据。本实施例预先构建了一个加工设备数据库，将当前得到的工艺特征数据与加工设备数据库中各加工设备的参考工艺特征数据进行比对，相似程度最高的即为目标加工设备。
在一种实现方式中，所述根据所述关联组对应的全部所述加工路径，确定所述关联组对应的所述目标加工设备的所述设备运动路径，包括：
根据所述关联组对应的各所述加工路径确定所述关联组对应的各所述待加工部位的加工顺序；
根据所述关联组对应的各所述加工路径和所述加工顺序，确定所述关联组对应的所述目标加工设备的所述设备运动路径。
具体地，首先需要通过该目标加工设备对应的所有待加工部位的加工路径确定这些待加工部位的加工顺序，并根据加工顺序对这些加工路径进行拼接，以得到该目标加工设备的设备运动路径。可以理解的是，加工顺序的设定应当遵循时间成本最小的原则进行。
在一种实现方式中，所述根据所述加工环境信息和各所述设备运动路径确定所述目标零件对应的加工流水线信息，包括：
根据所述加工环境信息确定各所述目标加工设备的位置分布图，根据所述位置分布图确定所述目标零件对应的最小传输路径，根据所述最小传输路径确定所述工作顺序；
根据各所述设备运动路径确定各所述目标加工设备分别对应的最小零件加工时长；
根据各所述最小零件加工时长中的最大值确定所述加工节拍。
具体地，通过加工环境信息可以确定各个目标加工设备的分布位置，进而确定目标加工设备之间的相对距离，从而指定出目标零件在各目标加工设备之间的最小传输路径，以得到各目标加工设备之间的工作顺序。此外，通过每一目标加工设备的设备运动路径可以评估出每一目标加工设备的最小零件加工时长。为了协调各目标加工设备的加工节拍，所以需要迁就零件加工速度最慢的设备来确定加工节拍，即根据各最小零件加工时长中的最大值确定加工节拍。
在一种实现方式中，所述方法还包括：
除所述最小零件加工时长的最大值所对应的所述目标加工设备之外，根据相邻原则将所述最小传输路径中各路径段一一对应的作为各所述目标加工设备分别对应的变速段；
针对每一包含所述变速段的所述目标加工设备，判断所述变速段的长度是否大于预设长度；
当是时，根据所述加工节拍、所述目标加工设备对应的所述最小零件加工时长以及所述变速段的长度，调整所述变速段对应的零件传输速度；
当否时，根据所述加工节拍、所述变速段对应的原始零件传输速度以及所述变速段的长度，调整所述目标加工设备对应的零件加工速度。
具体地，除了零件加工速度最慢的目标加工设备无需调速之外，其他目标加工设备为了适配加工节拍都需要调速，将最小传输路径基于n个目标加工设备的位置点，可以切分为n-1个路径段，并一一对应地分配给n-1个需要调速的目标加工设备作为变速段。然而各变速段的长度有短有长，长的变速段可以很好地完成调速任务，而短的变速段由于长度不够很难完成调速任务，因此基于变速段的长短本实施例提供两种调速方案：第一种是变速段的长度满足预设长度，则通过调整变速段上零件的传输速度以使得该变速段对应的目标加工设备可以适配加工节拍；第二种是变速段的长度不满足预设长度，则需要通过调整该变速段对应的目标加工设备的零件加工速度使其自身适配加工节拍。
下面对本发明提供的用于调控多设备的代码自动生成装置进行描述，下文描述的用于调控多设备的代码自动生成装置与上文描述的用于调控多设备的代码自动生成方法可相互对应参照。
如图2所示，所述装置包括：
获取模块210，用于获取目标零件上若干待加工部位分别对应的有向点线图和加工路径，其中，所述有向点线图中各点分别对应不同的工艺关键词，两点之间的线的方向用于反映工艺执行顺序，两点之间的线的长短用于反映两点分别对应的所述工艺关键词的相似度；
第一确定模块220，用于根据各所述待加工部位的所述有向点线图和所述加工路径，确定若干目标加工设备和各所述目标加工设备分别对应的设备运动路径；
第二确定模块230，用于获取加工环境信息，根据所述加工环境信息和各所述设备运动路径确定所述目标零件对应的加工流水线信息，其中，所述加工流水线信息用于反映各所述目标加工设备的工作顺序和加工节拍；
预测模块240，用于将各所述设备运动路径和所述加工流水线信息输入预先经过训练的预测网络，得到用于控制各所述目标加工设备批量加工所述目标零件的设备控制代码。
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，以执行用于调控多设备的代码自动生成方法，该方法包括：
获取目标零件上若干待加工部位分别对应的有向点线图和加工路径，其中，所述有向点线图中各点分别对应不同的工艺关键词，两点之间的线的方向用于反映工艺执行顺序，两点之间的线的长短用于反映两点分别对应的所述工艺关键词的相似度；
根据各所述待加工部位的所述有向点线图和所述加工路径，确定若干目标加工设备和各所述目标加工设备分别对应的设备运动路径；
获取加工环境信息，根据所述加工环境信息和各所述设备运动路径确定所述目标零件对应的加工流水线信息，其中，所述加工流水线信息用于反映各所述目标加工设备的工作顺序和加工节拍；
将各所述设备运动路径和所述加工流水线信息输入预先经过训练的预测网络，得到用于控制各所述目标加工设备批量加工所述目标零件的设备控制代码。
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用于调控多设备的代码自动生成方法，该方法包括：
获取目标零件上若干待加工部位分别对应的有向点线图和加工路径，其中，所述有向点线图中各点分别对应不同的工艺关键词，两点之间的线的方向用于反映工艺执行顺序，两点之间的线的长短用于反映两点分别对应的所述工艺关键词的相似度；
根据各所述待加工部位的所述有向点线图和所述加工路径，确定若干目标加工设备和各所述目标加工设备分别对应的设备运动路径；
获取加工环境信息，根据所述加工环境信息和各所述设备运动路径确定所述目标零件对应的加工流水线信息，其中，所述加工流水线信息用于反映各所述目标加工设备的工作顺序和加工节拍；
将各所述设备运动路径和所述加工流水线信息输入预先经过训练的预测网络，得到用于控制各所述目标加工设备批量加工所述目标零件的设备控制代码。
又一方面，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以执行上述各方法提供的用于调控多设备的代码自动生成方法，该方法包括：
获取目标零件上若干待加工部位分别对应的有向点线图和加工路径，其中，所述有向点线图中各点分别对应不同的工艺关键词，两点之间的线的方向用于反映工艺执行顺序，两点之间的线的长短用于反映两点分别对应的所述工艺关键词的相似度；
根据各所述待加工部位的所述有向点线图和所述加工路径，确定若干目标加工设备和各所述目标加工设备分别对应的设备运动路径；
获取加工环境信息，根据所述加工环境信息和各所述设备运动路径确定所述目标零件对应的加工流水线信息，其中，所述加工流水线信息用于反映各所述目标加工设备的工作顺序和加工节拍；
将各所述设备运动路径和所述加工流水线信息输入预先经过训练的预测网络，得到用于控制各所述目标加工设备批量加工所述目标零件的设备控制代码。
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)

1.一种用于调控多设备的代码自动生成方法，其特征在于，所述方法包括：
获取目标零件上若干待加工部位分别对应的有向点线图和加工路径，其中，所述有向点线图中各点分别对应不同的工艺关键词，两点之间的线的方向用于反映工艺执行顺序，两点之间的线的长短用于反映两点分别对应的所述工艺关键词的相似度；
根据各所述待加工部位的所述有向点线图和所述加工路径，确定若干目标加工设备和各所述目标加工设备分别对应的设备运动路径；
获取加工环境信息，根据所述加工环境信息和各所述设备运动路径确定所述目标零件对应的加工流水线信息，其中，所述加工流水线信息用于反映各所述目标加工设备的工作顺序和加工节拍；
将各所述设备运动路径和所述加工流水线信息输入预先经过训练的预测网络，得到用于控制各所述目标加工设备批量加工所述目标零件的设备控制代码。
2.根据权利要求1所述的用于调控多设备的代码自动生成方法，其特征在于，各所述工艺关键词和两个所述工艺关键词之间的所述相似度获取方法包括：
获取所述目标零件对应的加工需求信息，针对每一所述待加工部位，根据所述加工需求信息确定所述待加工部位的加工工艺文本；
将所述加工工艺文本输入预先经过训练的关键词提取网络，得到若干所述工艺关键词；
针对两个所述工艺关键词，提取两个所述工艺关键词分别对应的词向量，根据两个所述词向量计算两个所述工艺关键词之间的语义相似度；获取两个所述工艺关键词在所述加工工艺文本中的词位置距离，根据所述词位置距离和所述语义相似度确定两个所述工艺关键词之间的所述相似度。
3.根据权利要求1所述的用于调控多设备的代码自动生成方法，其特征在于，每一所述待加工部位的所述加工路径的获取方法包括：
获取所述待加工部位对应的结构信息；
根据所述待加工部位的所述有向点线图和所述结构信息确定所述待加工部位的所述加工路径。
4.根据权利要求1所述的用于调控多设备的代码自动生成方法，其特征在于，所述根据各所述待加工部位的所述有向点线图和所述加工路径，确定若干目标加工设备和各所述目标加工设备分别对应的设备运动路径，包括：
根据各所述待加工部位的所述有向点线图，将各所述待加工部位分为若干关联组；
针对每一所述关联组，根据所述关联组对应的全部所述有向点线图确定所述关联组对应的工艺特征数据，根据所述工艺特征数据确定所述关联组对应的所述目标加工设备；根据所述关联组对应的全部所述加工路径，确定所述关联组对应的所述目标加工设备的所述设备运动路径。
5.根据权利要求4所述的用于调控多设备的代码自动生成方法，其特征在于，所述根据所述关联组对应的全部所述有向点线图确定所述关联组对应的工艺特征数据，根据所述工艺特征数据确定所述关联组对应的所述目标加工设备，包括：
对全部所述有向点线图进行融合，得到融合图像；
对所述融合图像进行特征提取，得到所述工艺特征数据；
获取预设的加工设备数据库，其中，所述加工设备数据库包括若干加工设备分别对应的参考工艺特征数据，每一所述加工设备的所述参考工艺特征数据的获取方法包括：获取所述加工设备的若干历史加工部位的加工记录，根据加工记录生成各所述历史加工部位分别对应的历史有向点线图；对各所述历史有向点线图进行融合，得到历史融合图像；对所述历史融合图像进行特征提取，得到所述参考工艺特征数据；
根据所述工艺特征数据和所述加工设备数据库进行匹配，得到所述关联组对应的所述目标加工设备。
6.根据权利要求4所述的用于调控多设备的代码自动生成方法，其特征在于，所述根据所述关联组对应的全部所述加工路径，确定所述关联组对应的所述目标加工设备的所述设备运动路径，包括：
根据所述关联组对应的各所述加工路径确定所述关联组对应的各所述待加工部位的加工顺序；
根据所述关联组对应的各所述加工路径和所述加工顺序，确定所述关联组对应的所述目标加工设备的所述设备运动路径。
7.根据权利要求1所述的用于调控多设备的代码自动生成方法，其特征在于，所述根据所述加工环境信息和各所述设备运动路径确定所述目标零件对应的加工流水线信息，包括：
根据所述加工环境信息确定各所述目标加工设备的位置分布图，根据所述位置分布图确定所述目标零件对应的最小传输路径，根据所述最小传输路径确定所述工作顺序；
根据各所述设备运动路径确定各所述目标加工设备分别对应的最小零件加工时长；
根据各所述最小零件加工时长中的最大值确定所述加工节拍。
8.一种用于调控多设备的代码自动生成装置，其特征在于，所述装置包括：
获取模块，用于获取目标零件上若干待加工部位分别对应的有向点线图和加工路径，其中，所述有向点线图中各点分别对应不同的工艺关键词，两点之间的线的方向用于反映工艺执行顺序，两点之间的线的长短用于反映两点分别对应的所述工艺关键词的相似度；
第一确定模块，用于根据各所述待加工部位的所述有向点线图和所述加工路径，确定若干目标加工设备和各所述目标加工设备分别对应的设备运动路径；
第二确定模块，用于获取加工环境信息，根据所述加工环境信息和各所述设备运动路径确定所述目标零件对应的加工流水线信息，其中，所述加工流水线信息用于反映各所述目标加工设备的工作顺序和加工节拍；
预测模块，用于将各所述设备运动路径和所述加工流水线信息输入预先经过训练的预测网络，得到用于控制各所述目标加工设备批量加工所述目标零件的设备控制代码。
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任一项所述用于调控多设备的代码自动生成方法。
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任一项所述用于调控多设备的代码自动生成方法。
CN202310603404.9A 2023-05-26 2023-05-26 一种用于调控多设备的代码自动生成方法及相关设备 Active CN116400905B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310603404.9A CN116400905B (zh) 2023-05-26 2023-05-26 一种用于调控多设备的代码自动生成方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310603404.9A CN116400905B (zh) 2023-05-26 2023-05-26 一种用于调控多设备的代码自动生成方法及相关设备

Publications (2)

Publication Number Publication Date
CN116400905A true CN116400905A (zh) 2023-07-07
CN116400905B CN116400905B (zh) 2023-08-11

Family

ID=87007865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310603404.9A Active CN116400905B (zh) 2023-05-26 2023-05-26 一种用于调控多设备的代码自动生成方法及相关设备

Country Status (1)

Country Link
CN (1) CN116400905B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106774165A (zh) * 2017-01-22 2017-05-31 广东工业大学 一种喷涂机器人加工工件的方法以及系统
CN112068840A (zh) * 2020-07-30 2020-12-11 中国科学院金属研究所 面向脉冲激光3d打印的g代码生成方法
US10942710B1 (en) * 2019-09-24 2021-03-09 Rockwell Automation Technologies, Inc. Industrial automation domain-specific language programming paradigm
CN113434136A (zh) * 2021-06-30 2021-09-24 平安科技（深圳）有限公司 代码生成方法、装置、电子设备及存储介质
CN115981615A (zh) * 2023-03-20 2023-04-18 中科航迈数控软件(深圳)有限公司 融合语言模型与知识图谱的g代码生成方法及相关设备
CN116069300A (zh) * 2022-12-21 2023-05-05 中国电信股份有限公司 工作流控制代码生成方法、装置、电子设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106774165A (zh) * 2017-01-22 2017-05-31 广东工业大学 一种喷涂机器人加工工件的方法以及系统
US10942710B1 (en) * 2019-09-24 2021-03-09 Rockwell Automation Technologies, Inc. Industrial automation domain-specific language programming paradigm
CN112068840A (zh) * 2020-07-30 2020-12-11 中国科学院金属研究所 面向脉冲激光3d打印的g代码生成方法
CN113434136A (zh) * 2021-06-30 2021-09-24 平安科技（深圳）有限公司 代码生成方法、装置、电子设备及存储介质
CN116069300A (zh) * 2022-12-21 2023-05-05 中国电信股份有限公司 工作流控制代码生成方法、装置、电子设备及存储介质
CN115981615A (zh) * 2023-03-20 2023-04-18 中科航迈数控软件(深圳)有限公司 融合语言模型与知识图谱的g代码生成方法及相关设备

Also Published As

Publication number Publication date
CN116400905B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
CN108052394B (zh) 基于sql语句运行时间的资源分配的方法及计算机设备
TWI760916B (zh) 用於工廠自動化生產線之製造系統
CN111226179A (zh) 加工模拟的条件的适宜化方法、加工模拟装置、加工模拟系统及程序
JP2019526142A (ja) 検索語句の誤り訂正方法および装置
Rehbach et al. Expected improvement versus predicted value in surrogate-based optimization
KR102229859B1 (ko) 기계 학습 및 전이 학습을 이용한 공정 관리 방법, 장치 및 시스템
CN115981615B (zh) 融合语言模型与知识图谱的g代码生成方法及相关设备
US11693394B2 (en) Systems and methods for automated prediction of machining workflow in computer aided manufacturing
CN108427378B (zh) 数值控制装置
CN115793571B (zh) 基于多模态数据的加工设备控制方法、系统及相关设备
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
CN112182406B (zh) 机械设计方案推荐方法及装置
CN114660993B (zh) 一种基于多源异构数据特征降维的数控机床故障预测方法
US20220137591A1 (en) System and method for design and manufacture using multi-axis machine tools
Milutinovic et al. Petri net models of robotic tasks
CN116400905B (zh) 一种用于调控多设备的代码自动生成方法及相关设备
Sugisawa et al. Machining sequence learning via inverse reinforcement learning
CN110728359B (zh) 搜索模型结构的方法、装置、设备和存储介质
CN116700149A (zh) 一种数控加工刀具路径的自适应滤波优化方法
KR20210143464A (ko) 데이터 분석 장치 및 그것의 데이터 분석 방법
EP3629251A1 (en) Neural network processing method, computer system, and storage medium
CN110244659A (zh) 控制装置、数据制作装置、控制方法以及控制程序
CN110413750A (zh) 根据用户问句召回标准问句的方法和装置
US20200184720A1 (en) Machining parameter automatic generation system
CN108845804A (zh) 一种基于cycle循环的数控代码解释器的设计方法

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