CN116415434B - 一种用于高强度钢的丝锥加工工艺方法及系统 - Google Patents
一种用于高强度钢的丝锥加工工艺方法及系统 Download PDFInfo
- Publication number
- CN116415434B CN116415434B CN202310361917.3A CN202310361917A CN116415434B CN 116415434 B CN116415434 B CN 116415434B CN 202310361917 A CN202310361917 A CN 202310361917A CN 116415434 B CN116415434 B CN 116415434B
- Authority
- CN
- China
- Prior art keywords
- tap
- processing
- machining
- tap processing
- constraint
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 394
- 238000000034 method Methods 0.000 title claims abstract description 55
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 44
- 239000010959 steel Substances 0.000 title claims abstract description 44
- 238000003754 machining Methods 0.000 claims abstract description 134
- 238000005457 optimization Methods 0.000 claims abstract description 76
- 238000010219 correlation analysis Methods 0.000 claims abstract description 11
- 238000013433 optimization analysis Methods 0.000 claims abstract description 9
- 238000004519 manufacturing process Methods 0.000 claims abstract description 6
- 238000010079 rubber tapping Methods 0.000 claims description 95
- 238000009826 distribution Methods 0.000 claims description 69
- 238000004458 analytical method Methods 0.000 claims description 63
- 238000004088 simulation Methods 0.000 claims description 53
- 238000010586 diagram Methods 0.000 claims description 28
- 230000000875 corresponding effect Effects 0.000 claims description 26
- 230000001419 dependent effect Effects 0.000 claims description 25
- 238000005260 corrosion Methods 0.000 claims description 17
- 230000007797 corrosion Effects 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000000638 solvent extraction Methods 0.000 claims description 10
- 230000001276 controlling effect Effects 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 17
- 230000000694 effects Effects 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 6
- 238000003672 processing method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000002173 cutting fluid Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种用于高强度钢的丝锥加工工艺方法及系统，涉及生产加工领域，其中，所述方法包括：遍历丝锥加工第一约束条件和丝锥加工第二约束条件的约束指标类型集合对丝锥加工参数集合进行关联性分析，获取待优化加工参数；根据丝锥加工第一约束条件和丝锥加工第二约束条件对待优化加工参数进行优化分析，获取丝锥加工参数第一优化结果；将丝锥加工参数第一优化结果发送至丝锥加工管理终端进行成本管控，获取丝锥加工参数第二优化结果，并根据其进行丝锥加工控制。解决了现有技术中针对丝锥的加工控制精准性不足，无法根据丝锥加工性能要求进行适应性地丝锥加工控制，进而造成丝锥加工质量不高的技术问题。
Description
技术领域
本发明涉及生产加工领域，具体地，涉及一种用于高强度钢的丝锥加工工艺方法及系统。
背景技术
丝锥是加工内螺纹最常用的工具之一。丝锥加工质量对于螺纹连接效果具有重要影响。高强度钢具有硬度大、伸长率大、强度高的特点，容易使攻丝排屑困难，难以通过丝锥对高强度钢进行螺纹加工。研究设计一种用于高强度钢的丝锥加工工艺方法，具有重要的现实意义。
现有技术中，存在针对丝锥的加工控制精准性不足，无法根据丝锥加工性能要求进行适应性地丝锥加工控制，进而造成丝锥加工质量不高的技术问题。
发明内容
本申请提供了一种用于高强度钢的丝锥加工工艺方法及系统。解决了现有技术中针对丝锥的加工控制精准性不足，无法根据丝锥加工性能要求进行适应性地丝锥加工控制，进而造成丝锥加工质量不高的技术问题。达到了提高丝锥的加工控制精准性，实现根据丝锥加工性能要求进行适应性地丝锥加工控制，提升丝锥加工质量的技术效果。
鉴于上述问题，本申请提供了一种用于高强度钢的丝锥加工工艺方法及系统。
第一方面，本申请提供了一种用于高强度钢的丝锥加工工艺方法，其中，所述方法应用于一种用于高强度钢的丝锥加工工艺系统，所述方法包括：将预置攻丝任务信息包括的攻丝钢材硬度阈值、攻丝深度阈值和攻丝效率阈值设为丝锥加工第一约束条件；设定丝锥加工性能期望，其中，所述丝锥加工性能期望包括额定寿命期望、丝锥导热性期望、攻丝稳定性期望、轴向力期望、扭矩期望、摩擦系数期望和耐腐蚀性期望；根据所述额定寿命期望、所述丝锥导热性期望、所述攻丝稳定性期望、所述轴向力期望、所述扭矩期望、所述摩擦系数期望和所述耐腐蚀性期望构建丝锥加工第二约束条件；遍历所述丝锥加工第一约束条件和所述丝锥加工第二约束条件的约束指标类型集合对丝锥加工参数集合进行关联性分析，获取待优化加工参数；根据所述丝锥加工第一约束条件和所述丝锥加工第二约束条件对所述待优化加工参数进行优化分析，获取丝锥加工参数第一优化结果；将所述丝锥加工参数第一优化结果发送至丝锥加工管理终端进行成本管控，获取丝锥加工参数第二优化结果；根据所述丝锥加工参数第二优化结果进行丝锥加工控制。
第二方面，本申请还提供了一种用于高强度钢的丝锥加工工艺系统，其中，所述系统包括：第一约束条件获得模块，所述第一约束条件获得模块用于将预置攻丝任务信息包括的攻丝钢材硬度阈值、攻丝深度阈值和攻丝效率阈值设为丝锥加工第一约束条件；丝锥加工性能期望设定模块，所述丝锥加工性能期望设定模块用于设定丝锥加工性能期望，其中，所述丝锥加工性能期望包括额定寿命期望、丝锥导热性期望、攻丝稳定性期望、轴向力期望、扭矩期望、摩擦系数期望和耐腐蚀性期望；第二约束条件获得模块，所述第二约束条件获得模块用于根据所述额定寿命期望、所述丝锥导热性期望、所述攻丝稳定性期望、所述轴向力期望、所述扭矩期望、所述摩擦系数期望和所述耐腐蚀性期望构建丝锥加工第二约束条件；加工参数关联性分析模块，所述加工参数关联性分析模块用于遍历所述丝锥加工第一约束条件和所述丝锥加工第二约束条件的约束指标类型集合对丝锥加工参数集合进行关联性分析，获取待优化加工参数；优化分析模块，所述优化分析模块用于根据所述丝锥加工第一约束条件和所述丝锥加工第二约束条件对所述待优化加工参数进行优化分析，获取丝锥加工参数第一优化结果；成本管控模块，所述成本管控模块用于将所述丝锥加工参数第一优化结果发送至丝锥加工管理终端进行成本管控，获取丝锥加工参数第二优化结果；丝锥加工控制模块，所述丝锥加工控制模块用于根据所述丝锥加工参数第二优化结果进行丝锥加工控制。
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：
通过丝锥加工第一约束条件和丝锥加工第二约束条件的约束指标类型集合对丝锥加工参数集合进行关联性分析，获取待优化加工参数；根据丝锥加工第一约束条件和丝锥加工第二约束条件对待优化加工参数进行优化分析，获取丝锥加工参数第一优化结果；将丝锥加工参数第一优化结果发送至丝锥加工管理终端进行成本管控，获取丝锥加工参数第二优化结果，并根据丝锥加工参数第二优化结果进行丝锥加工控制。达到了提高丝锥的加工控制精准性，实现根据丝锥加工性能要求进行适应性地丝锥加工控制，提升丝锥加工质量的技术效果。
上述说明仅是本申请技术方案的概述，并且为了让本申请的技术方案和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请一种用于高强度钢的丝锥加工工艺方法的流程示意图；
图2为本申请一种用于高强度钢的丝锥加工工艺方法中获取待优化加工参数的流程示意图；
图3为本申请一种用于高强度钢的丝锥加工工艺方法中获取丝锥加工参数第一优化结果的流程示意图；
图4为本申请一种用于高强度钢的丝锥加工工艺系统的结构示意图。
附图标记说明：第一约束条件获得模块11，丝锥加工性能期望设定模块12，第二约束条件获得模块13，加工参数关联性分析模块14，优化分析模块15，成本管控模块16，丝锥加工控制模块17。
具体实施方式
本申请通过提供一种用于高强度钢的丝锥加工工艺方法及系统。解决了现有技术中针对丝锥的加工控制精准性不足，无法根据丝锥加工性能要求进行适应性地丝锥加工控制，进而造成丝锥加工质量不高的技术问题。达到了提高丝锥的加工控制精准性，实现根据丝锥加工性能要求进行适应性地丝锥加工控制，提升丝锥加工质量的技术效果。
实施例一
请参阅附图1，本申请提供一种用于高强度钢的丝锥加工工艺方法，其中，所述方法应用于一种用于高强度钢的丝锥加工工艺系统，所述方法具体包括如下步骤：
步骤S100：将预置攻丝任务信息包括的攻丝钢材硬度阈值、攻丝深度阈值和攻丝效率阈值设为丝锥加工第一约束条件；
步骤S200：设定丝锥加工性能期望，其中，所述丝锥加工性能期望包括额定寿命期望、丝锥导热性期望、攻丝稳定性期望、轴向力期望、扭矩期望、摩擦系数期望和耐腐蚀性期望；
步骤S300：根据所述额定寿命期望、所述丝锥导热性期望、所述攻丝稳定性期望、所述轴向力期望、所述扭矩期望、所述摩擦系数期望和所述耐腐蚀性期望构建丝锥加工第二约束条件；
具体而言，连接所述一种用于高强度钢的丝锥加工工艺系统，对所述一种用于高强度钢的丝锥加工工艺系统进行攻丝任务、丝锥加工性能期望读取，获得预置攻丝任务信息和丝锥加工性能期望。预置攻丝任务信息包括攻丝钢材硬度阈值、攻丝深度阈值和攻丝效率阈值。将攻丝钢材硬度阈值、攻丝深度阈值和攻丝效率阈值设置为丝锥加工第一约束条件。将丝锥加工性能期望设置为丝锥加工第二约束条件。其中，所述丝锥加工第二约束条件包括额定寿命期望、丝锥导热性期望、攻丝稳定性期望、轴向力期望、扭矩期望、摩擦系数期望和耐腐蚀性期望。额定寿命期望、丝锥导热性期望、攻丝稳定性期望、轴向力期望、扭矩期望、摩擦系数期望、耐腐蚀性期望包括预先设置确定的丝锥额定寿命期望值、丝锥导热性能期望值、攻丝稳定性能期望值、丝锥轴向力期望值、扭矩期望值、丝锥摩擦系数期望值和丝锥耐腐蚀性能期望值。达到了确定丝锥加工第一约束条件和丝锥加工第二约束条件，为后续获得待优化加工参数提供数据支持的技术效果。
步骤S400：遍历所述丝锥加工第一约束条件和所述丝锥加工第二约束条件的约束指标类型集合对丝锥加工参数集合进行关联性分析，获取待优化加工参数；
进一步的，如附图2所示，本申请步骤S400还包括：
步骤S410：将所述约束指标类型集合中的第i类型约束指标设为加工因变量，将所述丝锥加工参数集合中的第j类型丝锥加工参数设为加工自变量，基于攻丝仿真模型模拟所述加工自变量和所述加工因变量的加工记录数据；
进一步的，本申请步骤S410还包括：
步骤S411：将除开所述第j类型丝锥加工参数的所述丝锥加工参数集合发送至所述丝锥加工管理终端，获取丝锥加工参数标准特征值；
步骤S412：根据所述预置攻丝任务信息构建工件仿真模块；
步骤S413：根据所述第j类型丝锥加工参数构建的加工自变量特征集的第t个加工自变量特征，结合所述丝锥加工参数标准特征值构建攻丝仿真模块；
步骤S414：将所述工件仿真模块和所述攻丝仿真模块合并获取所述攻丝仿真模型进行模拟攻丝，获取所述加工自变量和所述加工因变量的所述加工记录数据。
具体而言，基于丝锥加工第一约束条件和丝锥加工第二约束条件，构建约束指标类型集合。所述约束指标类型集合包括多个类型约束指标。多个类型约束指标包括攻丝钢材硬度阈值、攻丝深度阈值、攻丝效率阈值，以及额定寿命期望、丝锥导热性期望、攻丝稳定性期望、轴向力期望、扭矩期望、摩擦系数期望和耐腐蚀性期望。继而，依次将约束指标类型集合中的每个类型约束指标设置为第i类型约束指标，并将第i类型约束指标设置为加工因变量。
进一步，连接所述一种用于高强度钢的丝锥加工工艺系统，对所述一种用于高强度钢的丝锥加工工艺系统进行丝锥加工参数类型读取，获得丝锥加工参数集合。丝锥加工参数集合包括多个类型丝锥加工参数。多个类型丝锥加工参数包括主轴转速、丝锥涂层、切削液种类等多个丝锥加工参数类型信息。继而，依次将丝锥加工参数集合中的每个类型丝锥加工参数设置为第j类型丝锥加工参数，并将第j类型丝锥加工参数设置为加工自变量。
进一步，从丝锥加工参数集合中删除第j类型丝锥加工参数，获得除开第j类型丝锥加工参数的丝锥加工参数集合，并将除开第j类型丝锥加工参数的丝锥加工参数集合发送至丝锥加工管理终端，获取丝锥加工参数标准特征值。其中，所述丝锥加工管理终端与所述一种用于高强度钢的丝锥加工工艺系统通信连接。所述丝锥加工管理终端具有智能化丝锥加工控制及丝锥加工信息存储的功能。丝锥加工参数标准特征值包括预先设置确定的除开第j类型丝锥加工参数的丝锥加工参数集合对应的多个丝锥加工参数标准范围信息。
进一步，将预置攻丝任务信息上传至仿真平台，通过仿真平台对预置攻丝任务信息进行仿真模型构建，获得工件仿真模块。仿真平台与所述一种用于高强度钢的丝锥加工工艺系统通信连接。仿真平台具有仿真模型构建、模拟攻丝的功能。仿真平台可以为现有技术中的AdvantEdge软件。工件仿真模块包括预置攻丝任务信息对应的仿真模型。继而，基于第j类型丝锥加工参数进行历史数据查询，获得加工自变量特征集。加工自变量特征集包括多个加工自变量特征。多个加工自变量特征包括第j类型丝锥加工参数对应的多个历史丝锥加工参数。依次将加工自变量特征集中的每个加工自变量特征设置为第t个加工自变量特征。继而，将第t个加工自变量特征、丝锥加工参数标准特征值上传至仿真平台，通过仿真平台进行仿真模型构建，获得攻丝仿真模块。攻丝仿真模块包括第t个加工自变量特征、丝锥加工参数标准特征值对应的仿真模型。进而，将工件仿真模块、攻丝仿真模块进行合并，获得攻丝仿真模型。将攻丝仿真模型上传至仿真平台，通过仿真平台控制攻丝仿真模型进行模拟攻丝，获取加工记录数据。所述攻丝仿真模型包括工件仿真模块、攻丝仿真模块。所述加工记录数据包括多组模拟攻丝记录。每组模拟攻丝记录包括加工自变量、加工因变量对应的多个加工自变量参数、多个加工因变量参数。达到了通过攻丝仿真模型，获得全面的加工记录数据，从而提高对第i类型约束指标和第j类型丝锥加工参数进行关联性分析的可靠性的技术效果。
步骤S420：根据所述加工记录数据，对所述第i类型约束指标和所述第j类型丝锥加工参数进行关联性分析，获取相关系数分析结果；
进一步的，本申请步骤S420还包括：
步骤S421：从所述加工记录数据中提取一一对应的所述加工自变量和所述加工因变量并按照所述加工自变量自小到大进行序列化调整，获取待分析数据对序列；
具体而言，遍历加工记录数据，提取一一对应的加工自变量和加工因变量，并按照加工自变量进行从小到大的序列化排列，获得待分析数据对序列。所述待分析数据对序列包括加工记录数据对应的多个待分析数据对序列信息。且，待分析数据对序列满足加工自变量从小到大的序列化排列。每个待分析数据对序列信息包括每个加工自变量对应的多个加工自变量参数、多个加工因变量参数。
步骤S422：获取相关系数评估公式：
其中，P表征待分析数据对序列的相关系数，xk表征第k对待分析数据对的加工自变量，yk表征第k对待分析数据对的加工因变量，表征第k对待分析数据对的加工自变量均值，/>表征第k对待分析数据对的加工因变量均值，N表征待分析数据对总数量；
步骤S423：根据所述相关系数评估公式对所述待分析数据对序列进行关联性分析，获取所述相关系数分析结果。
进一步的，本申请步骤S423还包括：
步骤S4231：将所述待分析数据对序列输入以所述加工自变量为第一坐标轴，以所述加工因变量为第二坐标轴构建的虚拟直角坐标系，生成待分析数据对分布散点图；
步骤S4232：当所述待分析数据对分布散点图中连续m对数据中至少s对数据呈现正相关分布，标识正相关分布区域；以及
步骤S4233：当所述待分析数据对分布散点图中连续m对数据中至少s对数据呈现负相关分布，标识负相关分布区域；以及
步骤S4234：当所述待分析数据对分布散点图中连续m对数据中至少s对数据呈现非负非正相关状态，标识平缓分布区域；
步骤S4235：根据所述正相关分布区域、所述负相关分布区域和所述平缓分布区域对所述待分析数据对分布散点图进行第一坐标轴分区，获取坐标轴分区结果；
步骤S4236：根据所述相关系数评估公式遍历所述坐标轴分区结果进行关联性分析，获取相关子系数，添加进所述相关系数分析结果。
具体而言，将加工自变量设置为第一坐标轴，将加工因变量设置为第二坐标轴。基于第一坐标轴、第二坐标轴，构建虚拟直角坐标系，并将待分析数据对序列中的每个待分析数据对序列信息输入虚拟直角坐标系，获得待分析数据对分布散点图。其中，所述虚拟直角坐标系包括第一坐标轴、第二坐标轴。待分析数据对分布散点图包括待分析数据对序列在虚拟直角坐标系中的多个坐标点。每个坐标点对应一个加工自变量参数、一个加工因变量参数。
进一步，当待分析数据对分布散点图中，连续m对数据中至少s对数据呈现正相关分布，标识正相关分布区域。当待分析数据对分布散点图中，连续m对数据中至少s对数据呈现负相关分布，标识负相关分布区域。当待分析数据对分布散点图中，连续m对数据中至少s对数据呈现非负非正相关状态，标识平缓分布区域。继而，基于正相关分布区域、负相关分布区域和平缓分布区域对待分析数据对分布散点图进行第一坐标轴分区，即，分别将待分析数据对分布散点图中，连续的正相关分布区域、连续的负相关分布区域、连续的平缓分布区域进行合并，获得坐标轴分区结果。其中，所述正相关分布区域包括待分析数据对分布散点图中，连续m对数据中至少s对数据呈现正相关分布的多个区域。所述负相关分布区域包括待分析数据对分布散点图中，连续m对数据中至少s对数据呈现负相关分布的多个区域。所述平缓分布区域包括待分析数据对分布散点图中，连续m对数据中至少s对数据呈现非负非正相关状态的多个区域。m值、s值可自适应设置确定。所述坐标轴分区结果包括将待分析数据对分布散点图中，连续的正相关分布区域、连续的负相关分布区域、连续的平缓分布区域进行合并后的多个合并区域，以及这多个合并区域对应的多对待分析数据对。
进一步，分别将坐标轴分区结果中的多对待分析数据对输入相关系数评估公式，获得多个相关子系数，并将多个相关子系数添加至相关系数分析结果。在相关系数评估公式中，P表征待分析数据对序列的相关系数，即P为输出的第k对待分析数据对的相关子系数；xk为输入的第k对待分析数据对的加工自变量；yk为输入的第k对待分析数据对的加工因变量；为输入的第k对待分析数据对的加工自变量均值；/>为输入的第k对待分析数据对的加工因变量均值；N为输入的待分析数据对总数量。第k对待分析数据对依次为坐标轴分区结果中的每对待分析数据对。所述相关系数分析结果包括多个相关子系数。达到了通过相关系数评估公式对待分析数据对序列进行关联性分析，获取准确的相关系数分析结果，从而提高对丝锥加工工艺进行优化分析的可靠性的技术效果。
步骤S430：当所述相关系数分析结果满足预设要求，将所述第j类型丝锥加工参数添加进第i类型约束指标待优化加工参数；
进一步的，本申请步骤S430还包括：
步骤S431：所述预设要求包括：当所述相关系数分析结果属于第一预设区间时，所述第j类型丝锥加工参数与所述第i类型约束指标不相关；
步骤S432：当所述相关系数分析结果小于0，且属于第二预设区间时，所述第j类型丝锥加工参数与所述第i类型约束指标负相关；
步骤S433：当所述相关系数分析结果大于0，且属于第三预设区间时，所述第j类型丝锥加工参数与所述第i类型约束指标正相关。
步骤S440：当所述第j类型丝锥加工参数为所述第i类型约束指标遍历所述丝锥加工参数集合的最后一个时，将所述第i类型约束指标待优化加工参数添加进所述待优化加工参数。
具体而言，对相关系数分析结果是否满足预设要求进行判断，当相关系数分析结果满足预设要求时，将第j类型丝锥加工参数添加至第i类型约束指标待优化加工参数。继而，当第j类型丝锥加工参数为第i类型约束指标遍历丝锥加工参数集合的最后一个时，将第i类型约束指标待优化加工参数添加至待优化加工参数。其中，所述待优化加工参数包括多个第i类型约束指标待优化加工参数。多个第i类型约束指标待优化加工参数包括满足预设要求的相关系数分析结果对应的多个第j类型丝锥加工参数。所述预设要求包括当相关系数分析结果属于第一预设区间时，第j类型丝锥加工参数与第i类型约束指标不相关；当相关系数分析结果小于0，且属于第二预设区间时，第j类型丝锥加工参数与第i类型约束指标负相关；当相关系数分析结果大于0，且属于第三预设区间时，第j类型丝锥加工参数与第i类型约束指标正相关。第一预设区间、第二预设区间、第三预设区间包括预先设置确定的不相关系数范围、负相关系数范围、正相关系数范围。达到了确定待优化加工参数，为后续对丝锥加工工艺进行优化分析夯实基础的技术效果。
步骤S500：根据所述丝锥加工第一约束条件和所述丝锥加工第二约束条件对所述待优化加工参数进行优化分析，获取丝锥加工参数第一优化结果；
进一步的，如附图3所示，本申请步骤S500还包括：
步骤S510：将所述丝锥加工第一约束条件和所述丝锥加工第二约束条件输入所述相关系数分析结果，获取最小偏差相关系数集合；
步骤S520：根据所述最小偏差相关系数集合遍历所述待优化加工参数设定优化约束区间集合与优化约束方向集合；
步骤S530：根据所述优化约束区间集合与所述优化约束方向集合对所述待优化加工参数进行特征值设定，获取特征值设定结果；
步骤S540：根据所述特征值设定结果基于所述攻丝仿真模型进行模拟攻丝，获取加工状态记录数据；
步骤S550：当所述加工状态记录数据符合所述丝锥加工第一约束条件和所述丝锥加工第二约束条件时，将所述特征值设定结果添加进所述丝锥加工参数第一优化结果；
步骤S560：当所述丝锥加工参数第一优化结果的所述特征值设定结果满足预设组数时，停止优化分析。
具体而言，将丝锥加工第一约束条件和丝锥加工第二约束条件输入相关系数分析结果，获取最小偏差相关系数集合。所述最小偏差相关系数集合包括相关系数分析结果中，丝锥加工第一约束条件和丝锥加工第二约束条件对应的多个相关子系数。继而，基于最小偏差相关系数集合遍历待优化加工参数设置优化约束区间集合与优化约束方向集合。基于优化约束区间集合与优化约束方向集合对待优化加工参数进行特征值设定，获取特征值设定结果。将特征值设定结果上传至仿真平台，通过仿真平台控制攻丝仿真模型按照特征值设定结果进行模拟攻丝，获取加工状态记录数据。当加工状态记录数据符合丝锥加工第一约束条件和丝锥加工第二约束条件时，将特征值设定结果添加至丝锥加工参数第一优化结果。当丝锥加工参数第一优化结果中的特征值设定结果满足预设组数时，停止优化分析。
其中，所述优化约束区间集合包括预先设置确定的待优化加工参数对应多个参数调整区间。所述优化约束方向集合包括预先设置确定的待优化加工参数对应多个参数调整幅度信息。所述特征值设定结果包括多个设定优化加工参数。按照优化约束区间集合与优化约束方向集合对待优化加工参数进行随机调整，即可获得多个设定优化加工参数。所述加工状态记录数据包括按照特征值设定结果进行模拟攻丝，获得的攻丝钢材硬度参数、攻丝深度参数、攻丝效率参数，以及额定寿命参数、丝锥导热性参数、攻丝稳定性参数、轴向力参数、扭矩参数、摩擦系数、耐腐蚀性系数。所述丝锥加工参数第一优化结果包括满足丝锥加工第一约束条件和丝锥加工第二约束条件的多个加工状态记录数据对应的多个特征值设定结果。且，丝锥加工参数第一优化结果中的多个特征值设定结果满足预设组数。所述预设组数包括预先设置确定的丝锥加工参数第一优化结果对应的特征值设定结果的数量阈值信息。达到了通过丝锥加工第一约束条件和丝锥加工第二约束条件对待优化加工参数进行优化分析，获得全面、准确的丝锥加工参数第一优化结果，从而提高丝锥加工工艺的优化质量的技术效果。
步骤S600：将所述丝锥加工参数第一优化结果发送至丝锥加工管理终端进行成本管控，获取丝锥加工参数第二优化结果；
步骤S700：根据所述丝锥加工参数第二优化结果进行丝锥加工控制。
具体而言，将丝锥加工参数第一优化结果发送至丝锥加工管理终端进行成本管控，获取丝锥加工参数第二优化结果，并按照丝锥加工参数第二优化结果进行丝锥加工控制。所述丝锥加工参数第二优化结果包括丝锥加工参数第一优化结果中，最小预测成本值对应的特征值设定结果。
示例性地，在将丝锥加工参数第一优化结果发送至丝锥加工管理终端进行成本管控时，基于丝锥加工参数第一优化结果对丝锥加工管理终端进行历史数据查询，获得多个历史特征值设定结果，以及多个历史特征值设定结果对应的多个历史成本值。将多个历史特征值设定结果、多个历史成本值进行不断的自我训练学习至收敛状态，即可获得成本预测模型，并将成本预测模型嵌入至丝锥加工管理终端。成本预测模型包括输入层、隐含层、输出层。分别将丝锥加工参数第一优化结果中的多个特征值设定结果输入成本预测模型，通过成本预测模型对输入的多个特征值设定结果进行成本预测，获得多个特征值设定结果对应的多个预测成本值。将最小预测成本值对应的特征值设定结果输出为丝锥加工参数第二优化结果。
达到了通过对丝锥加工参数第一优化结果进行成本筛选，获得高实用性、适配度强的丝锥加工参数第二优化结果，从而提高丝锥加工质量的技术效果。
综上所述，本申请所提供的一种用于高强度钢的丝锥加工工艺方法具有如下技术效果：
1.通过丝锥加工第一约束条件和丝锥加工第二约束条件的约束指标类型集合对丝锥加工参数集合进行关联性分析，获取待优化加工参数；根据丝锥加工第一约束条件和丝锥加工第二约束条件对待优化加工参数进行优化分析，获取丝锥加工参数第一优化结果；将丝锥加工参数第一优化结果发送至丝锥加工管理终端进行成本管控，获取丝锥加工参数第二优化结果，并根据丝锥加工参数第二优化结果进行丝锥加工控制。达到了提高丝锥的加工控制精准性，实现根据丝锥加工性能要求进行适应性地丝锥加工控制，提升丝锥加工质量的技术效果。
2.通过相关系数评估公式对待分析数据对序列进行关联性分析，获取准确的相关系数分析结果，从而提高对丝锥加工工艺进行优化分析的可靠性。
3.通过丝锥加工第一约束条件和丝锥加工第二约束条件对待优化加工参数进行优化分析，获得全面、准确的丝锥加工参数第一优化结果，从而提高丝锥加工工艺的优化质量。
实施例二
基于与前述实施例中一种用于高强度钢的丝锥加工工艺方法，同样发明构思，本发明还提供了一种用于高强度钢的丝锥加工工艺系统，请参阅附图4，所述系统包括：
第一约束条件获得模块11，所述第一约束条件获得模块11用于将预置攻丝任务信息包括的攻丝钢材硬度阈值、攻丝深度阈值和攻丝效率阈值设为丝锥加工第一约束条件；
丝锥加工性能期望设定模块12，所述丝锥加工性能期望设定模块12用于设定丝锥加工性能期望，其中，所述丝锥加工性能期望包括额定寿命期望、丝锥导热性期望、攻丝稳定性期望、轴向力期望、扭矩期望、摩擦系数期望和耐腐蚀性期望；
第二约束条件获得模块13，所述第二约束条件获得模块13用于根据所述额定寿命期望、所述丝锥导热性期望、所述攻丝稳定性期望、所述轴向力期望、所述扭矩期望、所述摩擦系数期望和所述耐腐蚀性期望构建丝锥加工第二约束条件；
加工参数关联性分析模块14，所述加工参数关联性分析模块14用于遍历所述丝锥加工第一约束条件和所述丝锥加工第二约束条件的约束指标类型集合对丝锥加工参数集合进行关联性分析，获取待优化加工参数；
优化分析模块15，所述优化分析模块15用于根据所述丝锥加工第一约束条件和所述丝锥加工第二约束条件对所述待优化加工参数进行优化分析，获取丝锥加工参数第一优化结果；
成本管控模块16，所述成本管控模块16用于将所述丝锥加工参数第一优化结果发送至丝锥加工管理终端进行成本管控，获取丝锥加工参数第二优化结果；
丝锥加工控制模块17，所述丝锥加工控制模块17用于根据所述丝锥加工参数第二优化结果进行丝锥加工控制。
进一步的，所述系统还包括：
第一执行模块，所述第一执行模块用于将所述约束指标类型集合中的第i类型约束指标设为加工因变量，将所述丝锥加工参数集合中的第j类型丝锥加工参数设为加工自变量，基于攻丝仿真模型模拟所述加工自变量和所述加工因变量的加工记录数据；
关联性分析模块，所述关联性分析模块用于根据所述加工记录数据，对所述第i类型约束指标和所述第j类型丝锥加工参数进行关联性分析，获取相关系数分析结果；
第二执行模块，所述第二执行模块用于当所述相关系数分析结果满足预设要求，将所述第j类型丝锥加工参数添加进第i类型约束指标待优化加工参数；
第三执行模块，所述第三执行模块用于当所述第j类型丝锥加工参数为所述第i类型约束指标遍历所述丝锥加工参数集合的最后一个时，将所述第i类型约束指标待优化加工参数添加进所述待优化加工参数。
进一步的，所述系统还包括：
序列化调整模块，所述序列化调整模块用于从所述加工记录数据中提取一一对应的所述加工自变量和所述加工因变量并按照所述加工自变量自小到大进行序列化调整，获取待分析数据对序列；
评估公式获取模块，所述评估公式获取模块用于获取相关系数评估公式：
其中，P表征待分析数据对序列的相关系数，xk表征第k对待分析数据对的加工自变量，yk表征第k对待分析数据对的加工因变量，表征第k对待分析数据对的加工自变量均值，/>表征第k对待分析数据对的加工因变量均值，N表征待分析数据对总数量；
第四执行模块，所述第四执行模块用于根据所述相关系数评估公式对所述待分析数据对序列进行关联性分析，获取所述相关系数分析结果。
进一步的，所述系统还包括：
散点图生成模块，所述散点图生成模块用于将所述待分析数据对序列输入以所述加工自变量为第一坐标轴，以所述加工因变量为第二坐标轴构建的虚拟直角坐标系，生成待分析数据对分布散点图；
第五执行模块，所述第五执行模块用于当所述待分析数据对分布散点图中连续m对数据中至少s对数据呈现正相关分布，标识正相关分布区域；以及
第六执行模块，所述第六执行模块用于当所述待分析数据对分布散点图中连续m对数据中至少s对数据呈现负相关分布，标识负相关分布区域；以及
第七执行模块，所述第七执行模块用于当所述待分析数据对分布散点图中连续m对数据中至少s对数据呈现非负非正相关状态，标识平缓分布区域；
坐标轴分区模块，所述坐标轴分区模块用于根据所述正相关分布区域、所述负相关分布区域和所述平缓分布区域对所述待分析数据对分布散点图进行第一坐标轴分区，获取坐标轴分区结果；
第八执行模块，所述第八执行模块用于根据所述相关系数评估公式遍历所述坐标轴分区结果进行关联性分析，获取相关子系数，添加进所述相关系数分析结果。
进一步的，所述系统还包括：
标准特征值构建模块，所述标准特征值构建模块用于将除开所述第j类型丝锥加工参数的所述丝锥加工参数集合发送至所述丝锥加工管理终端，获取丝锥加工参数标准特征值；
第九执行模块，所述第九执行模块用于根据所述预置攻丝任务信息构建工件仿真模块；
第十执行模块，所述第十执行模块用于根据所述第j类型丝锥加工参数构建的加工自变量特征集的第t个加工自变量特征，结合所述丝锥加工参数标准特征值构建攻丝仿真模块；
加工记录数据生成模块，所述加工记录数据生成模块用于将所述工件仿真模块和所述攻丝仿真模块合并获取所述攻丝仿真模型进行模拟攻丝，获取所述加工自变量和所述加工因变量的所述加工记录数据。
进一步的，所述系统还包括：
不相关模块，所述不相关模块用于所述预设要求包括：当所述相关系数分析结果属于第一预设区间时，所述第j类型丝锥加工参数与所述第i类型约束指标不相关；
负相关模块，所述负相关模块用于当所述相关系数分析结果小于0，且属于第二预设区间时，所述第j类型丝锥加工参数与所述第i类型约束指标负相关；
正相关模块，所述正相关模块用于当所述相关系数分析结果大于0，且属于第三预设区间时，所述第j类型丝锥加工参数与所述第i类型约束指标正相关。
进一步的，所述系统还包括：
偏差集合获取模块，所述偏差集合获取模块用于将所述丝锥加工第一约束条件和所述丝锥加工第二约束条件输入所述相关系数分析结果，获取最小偏差相关系数集合；
优化约束设定模块，所述优化约束设定模块用于根据所述最小偏差相关系数集合遍历所述待优化加工参数设定优化约束区间集合与优化约束方向集合；
特征值设定结果获取模块，所述特征值设定结果获取模块用于根据所述优化约束区间集合与所述优化约束方向集合对所述待优化加工参数进行特征值设定，获取特征值设定结果；
第十一执行模块，所述第十一执行模块用于根据所述特征值设定结果基于所述攻丝仿真模型进行模拟攻丝，获取加工状态记录数据；
设定结果添加模块，所述设定结果添加模块用于当所述加工状态记录数据符合所述丝锥加工第一约束条件和所述丝锥加工第二约束条件时，将所述特征值设定结果添加进所述丝锥加工参数第一优化结果；
停止模块，所述停止模块用于当所述丝锥加工参数第一优化结果的所述特征值设定结果满足预设组数时，停止优化分析。
本发明实施例所提供的一种用于高强度钢的丝锥加工工艺系统可执行本发明任意实施例所提供的一种用于高强度钢的丝锥加工工艺方法，具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
本申请提供了一种用于高强度钢的丝锥加工工艺方法，其中，所述方法应用于一种用于高强度钢的丝锥加工工艺系统，所述方法包括：通过丝锥加工第一约束条件和丝锥加工第二约束条件的约束指标类型集合对丝锥加工参数集合进行关联性分析，获取待优化加工参数；根据丝锥加工第一约束条件和丝锥加工第二约束条件对待优化加工参数进行优化分析，获取丝锥加工参数第一优化结果；将丝锥加工参数第一优化结果发送至丝锥加工管理终端进行成本管控，获取丝锥加工参数第二优化结果，并根据丝锥加工参数第二优化结果进行丝锥加工控制。解决了现有技术中针对丝锥的加工控制精准性不足，无法根据丝锥加工性能要求进行适应性地丝锥加工控制，进而造成丝锥加工质量不高的技术问题。达到了提高丝锥的加工控制精准性，实现根据丝锥加工性能要求进行适应性地丝锥加工控制，提升丝锥加工质量的技术效果。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (2)
1.一种用于高强度钢的丝锥加工工艺方法，其特征在于，包括：
将预置攻丝任务信息包括的攻丝钢材硬度阈值、攻丝深度阈值和攻丝效率阈值设为丝锥加工第一约束条件；
设定丝锥加工性能期望，其中，所述丝锥加工性能期望包括额定寿命期望、丝锥导热性期望、攻丝稳定性期望、轴向力期望、扭矩期望、摩擦系数期望和耐腐蚀性期望；
根据所述额定寿命期望、所述丝锥导热性期望、所述攻丝稳定性期望、所述轴向力期望、所述扭矩期望、所述摩擦系数期望和所述耐腐蚀性期望构建丝锥加工第二约束条件；
遍历所述丝锥加工第一约束条件和所述丝锥加工第二约束条件的约束指标类型集合对丝锥加工参数集合进行关联性分析，获取待优化加工参数；
根据所述丝锥加工第一约束条件和所述丝锥加工第二约束条件对所述待优化加工参数进行优化分析，获取丝锥加工参数第一优化结果；
将所述丝锥加工参数第一优化结果发送至丝锥加工管理终端进行成本管控，获取丝锥加工参数第二优化结果，包括：基于丝锥加工参数第一优化结果对丝锥加工管理终端进行历史数据查询，获得多个历史特征值设定结果，以及多个历史特征值设定结果对应的多个历史成本值；将多个历史特征值设定结果、多个历史成本值进行不断的自我训练学习至收敛状态，获得成本预测模型，并将成本预测模型嵌入至丝锥加工管理终端，所述成本预测模型包括输入层、隐含层、输出层；分别将丝锥加工参数第一优化结果中的多个特征值设定结果输入成本预测模型，通过成本预测模型对输入的多个特征值设定结果进行成本预测，获得多个特征值设定结果对应的多个预测成本值；将最小预测成本值对应的特征值设定结果输出为丝锥加工参数第二优化结果；
根据所述丝锥加工参数第二优化结果进行丝锥加工控制；
其中，遍历所述丝锥加工第一约束条件和所述丝锥加工第二约束条件的约束指标类型集合对丝锥加工参数集合进行关联性分析，获取待优化加工参数，包括：
将所述约束指标类型集合中的第i类型约束指标设为加工因变量，将所述丝锥加工参数集合中的第j类型丝锥加工参数设为加工自变量，基于攻丝仿真模型模拟所述加工自变量和所述加工因变量的加工记录数据；
根据所述加工记录数据，对所述第i类型约束指标和所述第j类型丝锥加工参数进行关联性分析，获取相关系数分析结果；
当所述相关系数分析结果满足预设要求，将所述第j类型丝锥加工参数添加进第i类型约束指标待优化加工参数；
当所述第j类型丝锥加工参数为所述第i类型约束指标遍历所述丝锥加工参数集合的最后一个时，将所述第i类型约束指标待优化加工参数添加进所述待优化加工参数；
其中，根据所述加工记录数据，对所述第i类型约束指标和所述第j类型丝锥加工参数进行关联性分析，获取相关系数分析结果，包括：
从所述加工记录数据中提取一一对应的所述加工自变量和所述加工因变量并按照所述加工自变量自小到大进行序列化调整，获取待分析数据对序列；
获取相关系数评估公式：
其中，P表征待分析数据对序列的相关系数，xk表征第k对待分析数据对的加工自变量，yk表征第k对待分析数据对的加工因变量，表征第k对待分析数据对的加工自变量均值，/>表征第k对待分析数据对的加工因变量均值，N表征待分析数据对总数量；
根据所述相关系数评估公式对所述待分析数据对序列进行关联性分析，获取所述相关系数分析结果；
其中，所述根据所述相关系数评估公式对所述待分析数据对序列进行关联性分析，获取所述相关系数分析结果，包括：
将所述待分析数据对序列输入以所述加工自变量为第一坐标轴，以所述加工因变量为第二坐标轴构建的虚拟直角坐标系，生成待分析数据对分布散点图；
当所述待分析数据对分布散点图中连续m对数据中至少s对数据呈现正相关分布，标识正相关分布区域；以及
当所述待分析数据对分布散点图中连续m对数据中至少s对数据呈现负相关分布，标识负相关分布区域；以及
当所述待分析数据对分布散点图中连续m对数据中至少s对数据呈现非负非正相关状态，标识平缓分布区域；
根据所述正相关分布区域、所述负相关分布区域和所述平缓分布区域对所述待分析数据对分布散点图进行第一坐标轴分区，获取坐标轴分区结果；
根据所述相关系数评估公式遍历所述坐标轴分区结果进行关联性分析，获取相关子系数，添加进所述相关系数分析结果；
其中，将所述约束指标类型集合中的第i类型约束指标设为加工因变量，将所述丝锥加工参数集合中的第j类型丝锥加工参数设为加工自变量，基于攻丝仿真模型模拟所述加工自变量和所述加工因变量的加工记录数据，包括：
将除开所述第j类型丝锥加工参数的所述丝锥加工参数集合发送至所述丝锥加工管理终端，获取丝锥加工参数标准特征值；
根据所述预置攻丝任务信息构建工件仿真模块；
根据所述第j类型丝锥加工参数构建的加工自变量特征集的第t个加工自变量特征，结合所述丝锥加工参数标准特征值构建攻丝仿真模块；
将所述工件仿真模块和所述攻丝仿真模块合并获取所述攻丝仿真模型进行模拟攻丝，获取所述加工自变量和所述加工因变量的所述加工记录数据；
其中，当所述相关系数分析结果满足预设要求，将所述第j类型丝锥加工参数添加进第i类型约束指标待优化加工参数，包括：
所述预设要求包括：
当所述相关系数分析结果属于第一预设区间时，所述第j类型丝锥加工参数与所述第i类型约束指标不相关；
当所述相关系数分析结果小于0，且属于第二预设区间时，所述第j类型丝锥加工参数与所述第i类型约束指标负相关；
当所述相关系数分析结果大于0，且属于第三预设区间时，所述第j类型丝锥加工参数与所述第i类型约束指标正相关；
其中，根据所述丝锥加工第一约束条件和所述丝锥加工第二约束条件对所述待优化加工参数进行优化分析，获取丝锥加工参数第一优化结果，包括：
将所述丝锥加工第一约束条件和所述丝锥加工第二约束条件输入所述相关系数分析结果，获取最小偏差相关系数集合；
根据所述最小偏差相关系数集合遍历所述待优化加工参数设定优化约束区间集合与优化约束方向集合；
根据所述优化约束区间集合与所述优化约束方向集合对所述待优化加工参数进行特征值设定，获取特征值设定结果；
根据所述特征值设定结果基于所述攻丝仿真模型进行模拟攻丝，获取加工状态记录数据；
当所述加工状态记录数据符合所述丝锥加工第一约束条件和所述丝锥加工第二约束条件时，将所述特征值设定结果添加进所述丝锥加工参数第一优化结果；
当所述丝锥加工参数第一优化结果的所述特征值设定结果满足预设组数时，停止优化分析。
2.一种用于高强度钢的丝锥加工工艺系统，其特征在于，所述系统用于执行权利要求1所述的方法，所述系统包括：
第一约束条件获得模块，所述第一约束条件获得模块用于将预置攻丝任务信息包括的攻丝钢材硬度阈值、攻丝深度阈值和攻丝效率阈值设为丝锥加工第一约束条件；
丝锥加工性能期望设定模块，所述丝锥加工性能期望设定模块用于设定丝锥加工性能期望，其中，所述丝锥加工性能期望包括额定寿命期望、丝锥导热性期望、攻丝稳定性期望、轴向力期望、扭矩期望、摩擦系数期望和耐腐蚀性期望；
第二约束条件获得模块，所述第二约束条件获得模块用于根据所述额定寿命期望、所述丝锥导热性期望、所述攻丝稳定性期望、所述轴向力期望、所述扭矩期望、所述摩擦系数期望和所述耐腐蚀性期望构建丝锥加工第二约束条件；
加工参数关联性分析模块，所述加工参数关联性分析模块用于遍历所述丝锥加工第一约束条件和所述丝锥加工第二约束条件的约束指标类型集合对丝锥加工参数集合进行关联性分析，获取待优化加工参数；
优化分析模块，所述优化分析模块用于根据所述丝锥加工第一约束条件和所述丝锥加工第二约束条件对所述待优化加工参数进行优化分析，获取丝锥加工参数第一优化结果；
成本管控模块，所述成本管控模块用于将所述丝锥加工参数第一优化结果发送至丝锥加工管理终端进行成本管控，获取丝锥加工参数第二优化结果，包括：基于丝锥加工参数第一优化结果对丝锥加工管理终端进行历史数据查询，获得多个历史特征值设定结果，以及多个历史特征值设定结果对应的多个历史成本值；将多个历史特征值设定结果、多个历史成本值进行不断的自我训练学习至收敛状态，获得成本预测模型，并将成本预测模型嵌入至丝锥加工管理终端，所述成本预测模型包括输入层、隐含层、输出层；分别将丝锥加工参数第一优化结果中的多个特征值设定结果输入成本预测模型，通过成本预测模型对输入的多个特征值设定结果进行成本预测，获得多个特征值设定结果对应的多个预测成本值；将最小预测成本值对应的特征值设定结果输出为丝锥加工参数第二优化结果；
丝锥加工控制模块，所述丝锥加工控制模块用于根据所述丝锥加工参数第二优化结果进行丝锥加工控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310361917.3A CN116415434B (zh) | 2023-04-07 | 2023-04-07 | 一种用于高强度钢的丝锥加工工艺方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310361917.3A CN116415434B (zh) | 2023-04-07 | 2023-04-07 | 一种用于高强度钢的丝锥加工工艺方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116415434A CN116415434A (zh) | 2023-07-11 |
| CN116415434B true CN116415434B (zh) | 2024-05-24 |
Family
ID=87057619
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310361917.3A Active CN116415434B (zh) | 2023-04-07 | 2023-04-07 | 一种用于高强度钢的丝锥加工工艺方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116415434B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107414600A (zh) * | 2017-05-04 | 2017-12-01 | 南京航空航天大学 | 基于多传感器信号的内螺纹低频激振冷挤压机床的加工过程监测方法 |
| CN110032159A (zh) * | 2019-04-26 | 2019-07-19 | 上海交通大学 | 船用柴油机关重件切削加工控制系统实现方法 |
| CN110728075A (zh) * | 2019-10-25 | 2020-01-24 | 山西应用科技学院 | 一种利用moa算法优化深冷工艺参数的方法 |
| CN111079257A (zh) * | 2019-11-18 | 2020-04-28 | 中国第一汽车股份有限公司 | 一种热熔自攻丝铆接接头建模与仿真方法 |
| JP6742468B1 (ja) * | 2019-04-04 | 2020-08-19 | 株式会社牧野フライス製作所 | タップ工具及びタップ加工方法 |
| CN111563301A (zh) * | 2020-05-14 | 2020-08-21 | 北京工业大学 | 一种薄壁件铣削加工参数优化方法 |
| CN111597729A (zh) * | 2020-05-27 | 2020-08-28 | 北京天泽智云科技有限公司 | 加工设备工艺参数优化方法及系统 |
| CN111644716A (zh) * | 2020-06-22 | 2020-09-11 | 上海交通大学 | 面向铝合金薄壁件螺纹加工的优化挤压丝锥及其实现方法 |
| CN112364444A (zh) * | 2020-09-23 | 2021-02-12 | 江苏赛洋机电科技有限公司 | 一种基于有限元模型数值仿真的数控机床温度测点优化方法 |
| WO2021172158A1 (ja) * | 2020-02-28 | 2021-09-02 | 三菱パワー株式会社 | 制御パラメータ最適化装置、プラント及び制御パラメータ最適化方法 |
| JP6980151B1 (ja) * | 2021-01-13 | 2021-12-15 | 三菱電機株式会社 | 加工プログラム生成装置、加工プログラム生成方法および機械学習方法 |
| CN114491839A (zh) * | 2022-01-11 | 2022-05-13 | 浙江机电职业技术学院 | 数控电火花机床加工参数智能优化方法和系统 |
| CN114571285A (zh) * | 2022-03-07 | 2022-06-03 | 博世华域转向系统有限公司 | 智能识别挤压丝锥微崩刃的方法 |
| CN115826541A (zh) * | 2023-02-16 | 2023-03-21 | 一夫科技股份有限公司 | 一种β型建筑石膏粉的生产控制方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080183449A1 (en) * | 2007-01-31 | 2008-07-31 | Caterpillar Inc. | Machine parameter tuning method and system |
-
2023
- 2023-04-07 CN CN202310361917.3A patent/CN116415434B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107414600A (zh) * | 2017-05-04 | 2017-12-01 | 南京航空航天大学 | 基于多传感器信号的内螺纹低频激振冷挤压机床的加工过程监测方法 |
| JP6742468B1 (ja) * | 2019-04-04 | 2020-08-19 | 株式会社牧野フライス製作所 | タップ工具及びタップ加工方法 |
| CN110032159A (zh) * | 2019-04-26 | 2019-07-19 | 上海交通大学 | 船用柴油机关重件切削加工控制系统实现方法 |
| CN110728075A (zh) * | 2019-10-25 | 2020-01-24 | 山西应用科技学院 | 一种利用moa算法优化深冷工艺参数的方法 |
| CN111079257A (zh) * | 2019-11-18 | 2020-04-28 | 中国第一汽车股份有限公司 | 一种热熔自攻丝铆接接头建模与仿真方法 |
| WO2021172158A1 (ja) * | 2020-02-28 | 2021-09-02 | 三菱パワー株式会社 | 制御パラメータ最適化装置、プラント及び制御パラメータ最適化方法 |
| CN111563301A (zh) * | 2020-05-14 | 2020-08-21 | 北京工业大学 | 一种薄壁件铣削加工参数优化方法 |
| CN111597729A (zh) * | 2020-05-27 | 2020-08-28 | 北京天泽智云科技有限公司 | 加工设备工艺参数优化方法及系统 |
| CN111644716A (zh) * | 2020-06-22 | 2020-09-11 | 上海交通大学 | 面向铝合金薄壁件螺纹加工的优化挤压丝锥及其实现方法 |
| CN112364444A (zh) * | 2020-09-23 | 2021-02-12 | 江苏赛洋机电科技有限公司 | 一种基于有限元模型数值仿真的数控机床温度测点优化方法 |
| JP6980151B1 (ja) * | 2021-01-13 | 2021-12-15 | 三菱電機株式会社 | 加工プログラム生成装置、加工プログラム生成方法および機械学習方法 |
| CN114491839A (zh) * | 2022-01-11 | 2022-05-13 | 浙江机电职业技术学院 | 数控电火花机床加工参数智能优化方法和系统 |
| CN114571285A (zh) * | 2022-03-07 | 2022-06-03 | 博世华域转向系统有限公司 | 智能识别挤压丝锥微崩刃的方法 |
| CN115826541A (zh) * | 2023-02-16 | 2023-03-21 | 一夫科技股份有限公司 | 一种β型建筑石膏粉的生产控制方法及系统 |
Non-Patent Citations (7)
| Title |
|---|
| Influence of Process Parameters on the Height and Performance of Magnesium Alloy AZ91D Internal Thread by Assisted Heating Extrusion;Meng Liu 等;《Materials》;20220408;全文 * |
| Numerical Simulation and Process Optimization of Internal Thread Cold Extrusion Process;Hong-Ling Hou 等;《Materials》;20200907;全文 * |
| 基于AdvantEdge FEM的高速钢丝锥攻铝合金的参数优化;赵晓红 等;《工具技术》;20160831(第08期);全文 * |
| 基于AdvantEdge的直槽丝锥工艺参数优化;赵胜荣 等;《组合机床与自动化加工技术》;20210131(第01期);全文 * |
| 基于Pro/E的丝锥参数化建模方法;付健巍 等;《工具技术》;20170930(第09期);全文 * |
| 机用丝锥的计算机辅助设计;郝艺珍 等;《工具技术》;20200731(第07期);全文 * |
| 螺旋槽丝锥参数化设计及优化;史文;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20190215(第02期);第B022-671页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116415434A (zh) | 2023-07-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107220734B (zh) | 基于决策树的数控车床车削过程能耗预测系统 | |
| CN108920812B (zh) | 一种机械加工表面粗糙度预测方法 | |
| CN110458601B (zh) | 资源数据的处理方法、装置、计算机设备和存储介质 | |
| CN108415884B (zh) | 一种结构模态参数实时追踪方法 | |
| CN113496312A (zh) | 基于多维特征提取融合与长短期记忆网络的刀具剩余寿命预测方法、设备及存储介质 | |
| CN110610308A (zh) | 一种基于标杆法对环境技术进行评估的方法 | |
| CN111723085B (zh) | 公共建筑空调用电能耗数据清洗方法及系统 | |
| CN115186571A (zh) | 一种基于Bi-GRU网络的不同工况下刀具剩余使用寿命预测方法 | |
| CN114119273A (zh) | 一种园区综合能源系统非侵入式负荷分解方法及系统 | |
| CN116415434B (zh) | 一种用于高强度钢的丝锥加工工艺方法及系统 | |
| CN113705897A (zh) | 一种面向工业铜箔生产的产品质量预测方法及系统 | |
| CN116957356B (zh) | 一种基于大数据的景区碳中和管理方法和系统 | |
| CN115933503B (zh) | 一种发电设备的智能调节控制方法及系统 | |
| CN116231854B (zh) | 一种基于物联网的智慧校园节能管理的方法及系统 | |
| CN115994674B (zh) | 一种基于数字孪生综合能源系统的调度管理方法 | |
| CN108388202A (zh) | 基于历史运行故障数据的数控机床可靠性预估方法 | |
| CN115933531B (zh) | 一种基于深度域对抗迁移的机床热误差建模方法及系统 | |
| CN100371938C (zh) | 一种极少新钢种数据样本下的质量设计方法 | |
| CN115859701A (zh) | 一种基于电缆检测数据的增设分析方法及系统 | |
| CN114970766A (zh) | 一种基于线性拟合的电站机组运行参数基准值获取方法 | |
| CN102831105B (zh) | 一种用excel和minitab15软件编制*－r控制图用系数表的方法 | |
| CN105976126A (zh) | 基于主成分分析法的机床制造能耗分析方法 | |
| CN116540627B (zh) | 基于深度迁移学习的机床热误差预测补偿群控方法及系统 | |
| CN117252237B (zh) | 一种高速电主轴小样本热误差建模的弱监督域对抗网络 | |
| CN116821601A (zh) | 基于语义嵌入的循环水养殖水质的预测方法及系统 |
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 |