CN116560327B - 一种基于物联网的电动工具生产控制方法及系统 - Google Patents
一种基于物联网的电动工具生产控制方法及系统 Download PDFInfo
- Publication number
- CN116560327B CN116560327B CN202310826551.2A CN202310826551A CN116560327B CN 116560327 B CN116560327 B CN 116560327B CN 202310826551 A CN202310826551 A CN 202310826551A CN 116560327 B CN116560327 B CN 116560327B
- Authority
- CN
- China
- Prior art keywords
- bubble
- forging
- workpiece
- preset
- forged workpiece
- 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
- 238000000195 production control method Methods 0.000 title claims abstract description 8
- 238000005242 forging Methods 0.000 claims abstract description 194
- 238000010586 diagram Methods 0.000 claims abstract description 112
- 238000000034 method Methods 0.000 claims abstract description 92
- 238000012545 processing Methods 0.000 claims abstract description 67
- 238000009826 distribution Methods 0.000 claims abstract description 65
- 230000001276 controlling effect Effects 0.000 claims abstract description 37
- 230000001105 regulatory effect Effects 0.000 claims abstract description 32
- 238000004519 manufacturing process Methods 0.000 claims abstract description 22
- 239000002699 waste material Substances 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 239000012467 final product Substances 0.000 claims description 40
- 239000011159 matrix material Substances 0.000 claims description 40
- 230000002159 abnormal effect Effects 0.000 claims description 32
- 230000010354 integration Effects 0.000 claims description 18
- 238000013519 translation Methods 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 12
- 239000000047 product Substances 0.000 claims description 11
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000011438 discrete method Methods 0.000 claims description 4
- 238000009877 rendering Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 28
- 238000004080 punching Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21J—FORGING; HAMMERING; PRESSING METAL; RIVETING; FORGE FURNACES
- B21J9/00—Forging presses
- B21J9/10—Drives for forging presses
- B21J9/20—Control devices specially adapted to forging presses not restricted to one of the preceding subgroups
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21K—MAKING FORGED OR PRESSED METAL PRODUCTS, e.g. HORSE-SHOES, RIVETS, BOLTS OR WHEELS
- B21K5/00—Making tools or tool parts, e.g. pliers
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Forging (AREA)
Abstract
本发明涉及电动工具生产设备控制方法技术领域，特别是一种基于物联网的电动工具生产控制方法及系统，在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，得到实时温度分布图；判断出锻造工件是否产生了气泡，若产生了气泡，则获取锻造工件中气泡实时位置区域；根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息；若工况信息为第一工况信息，则生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若工况信息为第二工况信息，将当前锻造工件标记为废品，能够节约加工资源，降低加工成本，提高加工效率，实现了智能加工生产控制。
Description
技术领域
本发明涉及电动工具生产设备控制方法技术领域，特别是一种基于物联网的电动工具生产控制方法及系统。
背景技术
汽修电动工具包括电动扳手、电动钻头、电动锤头等。汽修电动工具在生产加工时普遍需要进行锻造处理，目的是使其具有更好的强度和硬度，以在使用时能够承受更大的拉力和扭力，从而提高其使用寿命和工作效率。而在锻造过程中，工件由于温度的变化而发生内部的应力，这种应力会使金属内部产生细小裂纹和间隙，有些裂纹和间隙会在后续的锻造工序中扩张，并在最终的锻件中形成气泡。气泡对工件的强度和韧性都有非常大的影响。当气泡稠密度过大时，工件的强度和韧性大大降低，并且会容易导致工件在锻造过程中内部出现不均匀变形，不仅使得锻造难度加大，还会导致锻造后的工件形变率过大。因此，在锻造过程中，若工件的气泡稠密度过大，说明工件的强度与韧性已经不满足要求，此时工件已经是废品，此时即使对该工件进行继续加工，该工件依旧是废品，浪费加工资源，并且会影响锻造效率。在现有的自动化锻造产线中还没有发现能够根据锻造工件气泡稠密度对锻造设备进行智能控制，以实现节约加工资源、提高加工效率的技术。
发明内容
本发明克服了现有技术的不足，提供了一种基于物联网的电动工具生产控制方法及系统。
为达到上述目的本发明采用的技术方案为：
本发明第一方面公开了一种基于物联网的电动工具生产控制方法，包括以下步骤：
在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，并对所述实际温度数据进行处理，得到处理后的实际温度数据，根据所述处理后的实际温度数据生成锻造工件的实时温度分布图；
对所述实时温度分布图进行分析判断，以判断出锻造工件是否产生了气泡，若产生了气泡，则获取锻造工件中气泡实时位置区域；
对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，根据所述X射线信号建立气泡三维模型图；
根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息；
若工况信息为第一工况信息，则生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若工况信息为第二工况信息，则生成停止锻造指令，并将当前锻造工件标记为废品。
进一步地，本发明的一个较佳实施例中，在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，并对所述实际温度数据进行处理，得到处理后的实际温度数据，根据所述处理后的实际温度数据生成锻造工件的实时温度分布图，具体包括以下步骤：
在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，并对各个预设位置的实际温度数据进行整合，得到实际温度数据合集；利用线性插补法对所述实际温度数据合集进行插补处理，得到一次处理后的温度数据合集；
通过局部离群因子算法计算所述一次处理后的温度数据合集中每一实际温度数据与预设聚类中心之间的局部离群因子值，并逐一将所述局部离群因子值与预设阈值进行比较；
将局部离群因子值大于预设阈值对应的实际温度数据在所述一次处理后的温度数据合集中剔除，以将离群点温度数据剔除，得到二次处理后的温度数据合集；
根据所述二次处理后的温度数据合集生成锻造工件的实时温度分布图。
进一步地，本发明的一个较佳实施例中，对所述实时温度分布图进行分析判断，以判断出锻造工件是否产生了气泡，若产生了气泡，则获取锻造工件中气泡实时位置区域，具体包括以下步骤：
通过大数据网络获取锻造工件在各位置区域产生气泡时所对应的异常温度分布图，构建数据库，并将各异常温度分布图导入所述数据库中，得到特性数据库；
将所述实时温度分布图导入所述特性数据库中，通过欧几里得距离算法计算所述实时温度分布图与各异常温度分布图之间的欧几里得距离，得到多个欧几里得距离；
将各个欧几里得距离分别与预设欧几里得距离进行比较，若各个欧几里得距离均大于预设欧几里得距离，则说明锻造工件中没有产生气泡，使得锻造设备继续按照预设锻造参数进行锻造加工；
若存在至少一个欧几里得距离小于预设欧几里得距离，说明锻造工件中至少一个位置区域产生了气泡，则将欧几里得距离小于预设欧几里得距离对应的异常温度分布图进行标记；
由所述特性数据库中提取所有标记的异常温度分布图，得到异常温度分布图合集，根据所述异常温度分布图合集得到锻造工件中气泡实时位置区域。
进一步地，本发明的一个较佳实施例中，对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，根据所述X射线信号建立气泡三维模型图，具体包括以下步骤：
通过X射线探测仪对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，利用有限元离散法对气泡实时位置区域所反馈的X射线信号进行数值分析，得到气泡的特性数据；其中所述特性数据包括气泡位置、方向、大小以及形状；
将所述特性数据转化为三维点云数据，得到三维点云数据集；构建三维坐标系，并将所述三维点云数据集导入所述三维坐标系中，在所述三维坐标系中提取出任意两组三维点云数据对应的若干个特征点；
计算若干个特征点的描述符，根据描述符匹配两组三维点云数据中的各个特征点，得到匹配后的特征点对；将匹配后的特征点对进行去均值化处理，并计算其协方差矩阵，然后对其进行奇异值分解，得到旋转矩阵与缩放矩阵；并获取两组三维点云数据的点云中心，根据所述点云中心得到两组三维点云数据的平移量，基于所述平移量得到平移矩阵；
根据所述旋转矩阵、缩放矩阵以及平移矩阵生成变换矩阵，将所述三维点云数据集输入所述变换矩阵中进行转化、对齐以及渲染，得到气泡三维模型图。
进一步地，本发明的一个较佳实施例中，根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息，具体包括以下步骤：
根据所述气泡三维模型图计算出锻造工件各个位置区域所对应的气泡体积，并将各个位置区域的气泡体积进行求和运算，得到气泡总体积；
获取锻造工件的工件总体积；根据所述气泡总体积与工件总体积确定出锻造工件的气泡稠密度；将所述气泡稠密度与预设稠密度进行比较；
若所述气泡稠密度不大于预设稠密度，则生成第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控。
进一步地，本发明的一个较佳实施例中，还包括以下步骤：
若所述气泡稠密度大于预设稠密度，则获取锻造工件的剩余工序信息，根据所述剩余工序信息得到锻造工件的剩余加工要素信息，根据所述剩余加工要素信息建立工件的最终产品模型图；
构建整合空间，将所述气泡三维模型图与最终产品模型图导入所述整合空间中进行整合处理，得到整合后的最终产品模型图；
计算所述整合后的最终产品模型图中剩余气泡的总体积，并计算所述整合后的最终产品模型图的模型总体积；根据所述剩余气泡的总体积与整合后的最终产品模型图的模型总体积得到最终气泡稠密度；将所述最终气泡稠密度与预设稠密度进行比较；
若所述最终气泡稠密度不大于预设稠密度，则生成第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若所述最终气泡稠密度大于预设稠密度，则生成第二工况信息，并生成停止锻造指令，停止对该锻造工件进行锻造加工，并将当前锻造工件标记为废品。
进一步地，本发明的一个较佳实施例中，若工况信息为第一工况信息，则生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控，具体包括以下步骤：
通过大数据网络获取锻造工件在各气泡稠密度条件之下的极限锻造参数，构建知识图谱，并将锻造工件在各气泡稠密度条件之下的极限锻造参数导入所述知识图谱中；
获取锻造工件的气泡稠密度，通过灰色关联分析法计算锻造工件的气泡稠密度与知识图谱中各气泡稠密度之间的相似度，得到多个相似度；
在多个相似度中提取出最大相似度，并在知识图谱中获取与最大相似度对应的极限锻造参数，将与最大相似度对应的极限锻造参数标定为最大锻造参数；
计算所述最大锻造参数与预设锻造参数之间的差值，得到锻造参数差值；基于所述锻造参数差值对预设锻造参数进行调控。
本发明第二方面公开了一种基于物联网的电动工具生产控制系统，所述电动工具生产控制系统包括存储器与处理器，所述存储器中存储有电动工具生产控制方法程序，当所述电动工具生产控制方法程序被所述处理器执行时，实现如下步骤：
在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，并对所述实际温度数据进行处理，得到处理后的实际温度数据，根据所述处理后的实际温度数据生成锻造工件的实时温度分布图；
对所述实时温度分布图进行分析判断，以判断出锻造工件是否产生了气泡，若产生了气泡，则获取锻造工件中气泡实时位置区域；
对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，根据所述X射线信号建立气泡三维模型图；
根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息；
若工况信息为第一工况信息，则生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若工况信息为第二工况信息，则生成停止锻造指令，并将当前锻造工件标记为废品。
进一步地，本发明的一个较佳实施例中，根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息，具体包括以下步骤：
根据所述气泡三维模型图计算出锻造工件各个位置区域所对应的气泡体积，并将各个位置区域的气泡体积进行求和运算，得到气泡总体积；
获取锻造工件的工件总体积；根据所述气泡总体积与工件总体积确定出锻造工件的气泡稠密度；将所述气泡稠密度与预设稠密度进行比较；
若所述气泡稠密度不大于预设稠密度，则生成第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控。
进一步地，本发明的一个较佳实施例中，还包括以下步骤：
若所述气泡稠密度大于预设稠密度，则获取锻造工件的剩余工序信息，根据所述剩余工序信息得到锻造工件的剩余加工要素信息，根据所述剩余加工要素信息建立工件的最终产品模型图；
构建整合空间，将所述气泡三维模型图与最终产品模型图导入所述整合空间中进行整合处理，得到整合后的最终产品模型图；
计算所述整合后的最终产品模型图中剩余气泡的总体积，并计算所述整合后的最终产品模型图的模型总体积；根据所述剩余气泡的总体积与整合后的最终产品模型图的模型总体积得到最终气泡稠密度；将所述最终气泡稠密度与预设稠密度进行比较；
若所述最终气泡稠密度不大于预设稠密度，则生成第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若所述最终气泡稠密度大于预设稠密度，则生成第二工况信息，并生成停止锻造指令，停止对该锻造工件进行锻造加工，并将当前锻造工件标记为废品。
本发明解决了背景技术中存在的技术缺陷，本发明具备以下有益效果：在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，得到实时温度分布图；判断出锻造工件是否产生了气泡，若产生了气泡，则获取锻造工件中气泡实时位置区域；对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，根据所述X射线信号建立气泡三维模型图；根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息；若工况信息为第一工况信息，则生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若工况信息为第二工况信息，则生成停止锻造指令，并将当前锻造工件标记为废品。通过本方法能够节约加工资源，降低加工成本，提高加工效率，实现了智能加工生产控制；能够避免锻造工件的气泡稠密度进一步加大，降低在锻造过程中工件的报废率，提高经济效益。
附图说明
为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。
图1为一种基于物联网的电动工具生产控制方法第一方法流程图；
图2为一种基于物联网的电动工具生产控制方法第二方法流程图；
图3为一种基于物联网的电动工具生产控制方法第三方法流程图；
图4为一种基于物联网的电动工具生产控制系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
如图1所示，本发明第一方面公开了一种基于物联网的电动工具生产控制方法，包括以下步骤：
S102：在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，并对所述实际温度数据进行处理，得到处理后的实际温度数据，根据所述处理后的实际温度数据生成锻造工件的实时温度分布图；
S104：对所述实时温度分布图进行分析判断，以判断出锻造工件是否产生了气泡，若产生了气泡，则获取锻造工件中气泡实时位置区域；
S106：对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，根据所述X射线信号建立气泡三维模型图；
S108：根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息；
S110：若工况信息为第一工况信息，则生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若工况信息为第二工况信息，则生成停止锻造指令，并将当前锻造工件标记为废品。
需要说明的是，通过本方法能够节约加工资源，降低加工成本，提高加工效率，实现了智能加工生产控制；能够避免锻造工件的气泡稠密度进一步加大，降低在锻造过程中工件的报废率，提高经济效益。
示例性地，在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，并对所述实际温度数据进行处理，得到处理后的实际温度数据，根据所述处理后的实际温度数据生成锻造工件的实时温度分布图，具体包括以下步骤：
在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，并对各个预设位置的实际温度数据进行整合，得到实际温度数据合集；利用线性插补法对所述实际温度数据合集进行插补处理，得到一次处理后的温度数据合集；
通过局部离群因子算法计算所述一次处理后的温度数据合集中每一实际温度数据与预设聚类中心之间的局部离群因子值，并逐一将所述局部离群因子值与预设阈值进行比较；
将局部离群因子值大于预设阈值对应的实际温度数据在所述一次处理后的温度数据合集中剔除，以将离群点温度数据剔除，得到二次处理后的温度数据合集；
根据所述二次处理后的温度数据合集生成锻造工件的实时温度分布图。
需要说明的是，在预设时间通过多个红外探测头分别获取锻造工件多个预设位置的实际温度数据，从而获取得到在锻造工件多个位置的实际温度数据，而在采集实际温度数据的过程中，由于设备精度以及采集温度环境等因素的影响，采集得到的数据可能会存在异常，如温度数据缺陷、数据偏移等，此时利用线性插补法对数据进行插补处理，以得到完整的温度数据，然后再通过局部离群因子算法计算各数据的局部离群因子值，以将偏移过大、不符合物理意义的数据剔除，从而获取提高采集得到数据的可靠性，提高后续温度分布图的构建精度。
需要说明的是，局部离群因子算法（Local Outlier Factor，简称LOF）是一种基于密度的异常点检测算法，它能够有效地检测出数据集中的局部异常点。该算法的基本思想是：对于每个数据点，通过计算其周围邻域中其他数据点的密度，来评估该数据点是否为异常点。
示例性地，对所述实时温度分布图进行分析判断，以判断出锻造工件是否产生了气泡，若产生了气泡，则获取锻造工件中气泡实时位置区域，具体包括以下步骤：
通过大数据网络获取锻造工件在各位置区域产生气泡时所对应的异常温度分布图，构建数据库，并将各异常温度分布图导入所述数据库中，得到特性数据库；
将所述实时温度分布图导入所述特性数据库中，通过欧几里得距离算法计算所述实时温度分布图与各异常温度分布图之间的欧几里得距离，得到多个欧几里得距离；
将各个欧几里得距离分别与预设欧几里得距离进行比较，若各个欧几里得距离均大于预设欧几里得距离，则说明锻造工件中没有产生气泡，使得锻造设备继续按照预设锻造参数进行锻造加工；
若存在至少一个欧几里得距离小于预设欧几里得距离，说明锻造工件中至少一个位置区域产生了气泡，则将欧几里得距离小于预设欧几里得距离对应的异常温度分布图进行标记；
由所述特性数据库中提取所有标记的异常温度分布图，得到异常温度分布图合集，根据所述异常温度分布图合集得到锻造工件中气泡实时位置区域。
需要说明的是，在锻造过程中，气泡会导致局部温度的变化，因此在温度分布图中，气泡通常会表现为一个低温或高温异常区域，因此可以利用这一特征初步判断出锻造工件在锻造时是否产生了气泡。具体来说，通过大数据网络获取锻造工件在各位置区域产生气泡时所对应的异常温度分布图，并将各异常温度分布图导入所述数据库中，得到特性数据库；然后通过欧几里得距离算法计算所述实时温度分布图与各异常温度分布图之间的欧几里得距离，欧几里得距离越小，表示两个温度分布图越相似。因此，若各个欧几里得距离均大于预设欧几里得距离，说明实时温度分布图与特性数据库中的异常温度分布图相似度均不大，则说明锻造工件中没有产生气泡，说明此时锻造工况正常，此时使得锻造设备继续按照预设锻造参数进行锻造加工即可。若存在至少一个欧几里得距离小于预设欧几里得距离，说明锻造工件中至少一个位置区域产生了气泡，则将欧几里得距离小于预设欧几里得距离对应的异常温度分布图进行标记并汇聚，得到异常温度分布图合集，通过获取异常温度分布图合集中各异常温度分布图所特有的位置区域气泡，便能够得到锻造工件中气泡实时位置区域。通过本方法能够快速确定出锻造工件在锻造时产生气泡的位置区域。
需要说明的是，通过欧几里得距离算法可以计算两个向量之间的距离，也可以用来衡量两个温度分布图之间的相似度。将每个温度数值看作一个向量，并计算两个分布图之间的欧几里得距离。距离越小，表示两个温度分布图越相似。
示例性地，对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，根据所述X射线信号建立气泡三维模型图，具体包括以下步骤：
通过X射线探测仪对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，利用有限元离散法对气泡实时位置区域所反馈的X射线信号进行数值分析，得到气泡的特性数据；其中所述特性数据包括气泡位置、方向、大小以及形状；
将所述特性数据转化为三维点云数据，得到三维点云数据集；构建三维坐标系，并将所述三维点云数据集导入所述三维坐标系中，在所述三维坐标系中提取出任意两组三维点云数据对应的若干个特征点；
计算若干个特征点的描述符，根据描述符匹配两组三维点云数据中的各个特征点，得到匹配后的特征点对；将匹配后的特征点对进行去均值化处理，并计算其协方差矩阵，然后对其进行奇异值分解，得到旋转矩阵与缩放矩阵；并获取两组三维点云数据的点云中心，根据所述点云中心得到两组三维点云数据的平移量，基于所述平移量得到平移矩阵；
根据所述旋转矩阵、缩放矩阵以及平移矩阵生成变换矩阵，将所述三维点云数据集输入所述变换矩阵中进行转化、对齐以及渲染，得到气泡三维模型图。
需要说明的是，当通过温度分布图判断出气泡实时位置区域后，通过X射线探测仪对所述气泡实时位置区域进行探测，从而获取得到各个位置区域气泡的特性数据，然后将获取得到的气泡的特性数据转化为三维点云数据，再根据三维点云重建法重构得到各个位置区域中气泡的气泡三维模型图。通过本方法能够将锻造工件的实时气泡形状状态转化为三维模型图，所重构得到的模型精度高，误差小，以更加真实的还原实时气泡形状状态，从而获取得到可靠性更高的气泡体积值。
示例性地，根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息，如图2所示，具体包括以下步骤：
S202：根据所述气泡三维模型图计算出锻造工件各个位置区域所对应的气泡体积，并将各个位置区域的气泡体积进行求和运算，得到气泡总体积；
S204：获取锻造工件的工件总体积；根据所述气泡总体积与工件总体积确定出锻造工件的气泡稠密度；将所述气泡稠密度与预设稠密度进行比较；
S206：若所述气泡稠密度不大于预设稠密度，则生成第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控。
需要说明的是，当重构得到气泡三维模型图后，在基于网格化法等方法计算气泡三维模型图的体积，从而得到气泡体积，并将各个位置区域的气泡体积进行求和运算，得到锻造工件当前的气泡总体积。然后将气泡总体积与工件总体积进行比值运算，便能够得到锻造工件当前的气泡稠密度；若所述气泡稠密度不大于预设稠密度，说明当前锻造工件所产生的气泡量并不多，气泡稠密度还在锻造工艺的允许范围内，当前气泡稠密度对工件的强度与韧性影响程度不大，气泡稠密度还没达到使工件报废的程度，此时则生成第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控，以通过调整预设锻造参数的方式，来避免已经产生的气泡进一步扩张变大，避免当前锻造工件的气泡稠密度进一步加大。
进一步地，本发明的一个较佳实施例中，如图3所示，还包括以下步骤：
S302：若所述气泡稠密度大于预设稠密度，则获取锻造工件的剩余工序信息，根据所述剩余工序信息得到锻造工件的剩余加工要素信息，根据所述剩余加工要素信息建立工件的最终产品模型图；
S304：构建整合空间，将所述气泡三维模型图与最终产品模型图导入所述整合空间中进行整合处理，得到整合后的最终产品模型图；
S306：计算所述整合后的最终产品模型图中剩余气泡的总体积，并计算所述整合后的最终产品模型图的模型总体积；根据所述剩余气泡的总体积与整合后的最终产品模型图的模型总体积得到最终气泡稠密度；将所述最终气泡稠密度与预设稠密度进行比较；
S308：若所述最终气泡稠密度不大于预设稠密度，则生成第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若所述最终气泡稠密度大于预设稠密度，则生成第二工况信息，并生成停止锻造指令，停止对该锻造工件进行锻造加工，并将当前锻造工件标记为废品。
需要说明的是，若所述气泡稠密度大于预设稠密度，说明当前锻造工件所产生的气泡量已经过大，锻造工件的气泡稠密度已经过大，当前气泡稠密度对工件的强度与韧性影响程度较大，在当前锻造工艺工序下气泡稠密度已经达到了使工件报废的程度，但是，在电动工具的生产过程中，坯件经过锻造工序后，还需要经过打孔、开槽、修边、打磨等剩余工序，而经过这些剩余工序加工后，坯件才会被加工成所需要的最终产品（电动工具），因此，若锻造工件在当前锻造工序的气泡稠密度大于预设稠密度，此时则获取锻造工件的剩余工序信息（如打孔、开槽、修边、打磨等工序），通过剩余工序信息得到工件的剩余加工要素信息，剩余加工要素信息包括如在打孔工序所需打孔的位置、打孔的尺寸、打孔的形状，在开槽工序所需开槽的位置、开槽的尺寸、开槽的形状等。从而根据剩余加工要素信息建立工件的最终产品模型图（即电动工具经过各加工工序加工后的最终成品图），然后将在锻造工序时所产生的气泡的气泡三维模型图与最终产品模型图进行整合处理，得到整合后的最终产品模型图，可以通过如SolidWorks、3DMax等工业仿真软件进行模型整合。然后再计算整合后的最终产品模型图的模型总体积；将剩余气泡的总体积与整合后的最终产品模型图的模型总体积进行比值处理，从而得到最终气泡稠密度。
若最终气泡稠密度不大于预设稠密度，说明工件在经过剩余工序加工后，工件中的一部分气泡会被剩余工序所消除掉，如工件在经过打孔工序时，工件中气泡刚好位于所需打孔位置区域，此时工件中的气泡便能够被消除；再如工件在经过开槽工序时，工件中气泡刚好位于所需开槽位置区域，此时工件中的是气泡便能够被消除；因此，若判断得到最终气泡稠密度不大于预设稠密度，即使工件在当前的锻造工序中其气泡稠密度是不合格的，但是经过剩余工序加工后，工件的气泡稠密度是能够恢复到正常地范围内的，此时不需要对锻造工序的工件进行报废，使得该工件继续流入后续工序中继续加工即可；另外，为了避免锻造工序中已经产生的气泡进一步扩张变大，避免当前锻造工件的气泡稠密度进一步加大，此时第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控。
反之，若所述最终气泡稠密度大于预设稠密度，说明工件即使经过剩余工序步骤加工形成工件成品后，其工件成品的气泡稠密度仍然过大，该工件即使继续加工依旧是废品，此时则生成第二工况信息，并生成停止锻造指令，停止对该锻造工件进行锻造加工，并将当前锻造工件标记为废品，停止对该工件继续加工，并将其进行报废处理。
综上所述，通过本方法能够分析出气泡稠密度过大的工件在经过剩余工序加工后，其气泡稠密度是否能够恢复到正常范围，若能，则继续对工件进行加工，若不能，则及时对工件进行报废；能够节约加工资源，降低加工成本，提高加工效率，实现了智能加工生产控制。
示例性地，若工况信息为第一工况信息，则生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控，具体包括以下步骤：
通过大数据网络获取锻造工件在各气泡稠密度条件之下的极限锻造参数，构建知识图谱，并将锻造工件在各气泡稠密度条件之下的极限锻造参数导入所述知识图谱中；
获取锻造工件的气泡稠密度，通过灰色关联分析法计算锻造工件的气泡稠密度与知识图谱中各气泡稠密度之间的相似度，得到多个相似度；
在多个相似度中提取出最大相似度，并在知识图谱中获取与最大相似度对应的极限锻造参数，将与最大相似度对应的极限锻造参数标定为最大锻造参数；
计算所述最大锻造参数与预设锻造参数之间的差值，得到锻造参数差值；基于所述锻造参数差值对预设锻造参数进行调控。
需要说明的是，若工况信息为第一工况信息，说明当前锻造工件已经产生了气泡，若此时依旧使得锻造设备按照锻造参数进行加工，气泡可能会发生进一步扩展的情况，导致工件的气泡稠密度进一步加大，导致工件报废，此时则需要调整预设锻造参数，如通过改变锻造速度、适当改变锻造温度、改变锤击角度等方式。当锻造工件出现气泡后，通过本方法能够配对出最佳的锻造参数，从而避免已经产生的气泡进一步扩张变大，避免当前锻造工件的气泡稠密度进一步加大，降低在锻造过程中工件的报废率，提高经济效益。
此外，所述生产控制方法还包括以下步骤：
若工况信息为第一工况信息，在预设时间间隔后再次通过X射线探测仪对所述气泡实时位置区域进行二次探测，获取气泡实时位置区域所反馈的第二X射线信号，基于所述第二X射线信号构建得到设时间间隔后的第二气泡三维模型图；
构建网格三维坐标系，将所述气泡三维模型图与第二气泡三维模型图导入所述网格三维坐标系中，并获取气泡三维模型图与第二气泡三维模型图的三维模型点云；
使用点云配准算法对气泡三维模型图与第二气泡三维模型图的三维模型点云进行点云匹配，以将气泡三维模型图与第二气泡三维模型图进行模型融合；
在所述网格三维坐标系中将气泡三维模型图与第二气泡三维模型图相重复的模型区域剔除，保留不相重复的模型区域，得到三维偏差模型图；
基于所述三维偏差模型图确定出气泡的扩展速度；判断所述扩展速度是否大于预设阈值，若大于，则生成停止锻造指令，停止对该锻造工件进行锻造加工，并将当前锻造工件标记为废品。
需要说明的是，第二气泡三维模型图的构建步骤与上述气泡三维模型图的构建步骤相同，在此不做赘述。
需要说明的是，利用工业三维建模软件构建网格三维坐标系，并且将所述气泡三维模型图与第二气泡三维模型图导入所述网格三维坐标系中进行配准处理，然后在所述网格三维坐标系中将气泡三维模型图与第二气泡三维模型图相重复的模型区域剔除，保留不相重复的模型区域，得到三维偏差模型图，然后再通过网格化法计算出三维偏差模型图的模型体积，从而确定出气泡的扩展速度，若气泡的扩展速度大于预设阈值，说明工件在承受应力过程中极大可能发生了局部断裂现象，工件失稳，该工件即使继续加工依旧是废品，此时停止对该锻造工件进行锻造加工，并将当前锻造工件标记为废品。通过本方法能够节约加工资源，降低加工成本，提高加工效率，实现了智能加工生产控制。
此外，所述生产控制方法还包括以下步骤：
若工况信息为第二工况信息，则获取锻造设备中各子设备的实时工作参数，并获取报废工件的报废区域信息；
通过局部敏感注意力机制计算各子设备的实时工作参数与报废工件的报废区域信息之间的注意力分数；将注意力分数大于预设注意力分数的子设备进行标记并汇聚，得到可能发生异常的子设备合集；
获取子设备合集中各子设备的性能信息，以及获取子设备合集中各子设备的实时工作环境信息；
根据所述性能信息确定评价分数，根据所述实时工作环境信息确定评分指标，通过层次分析法计算所述评价分数与评分指标指标之间的权重值；
将权重值小于预设权重值对应的子设备在所述可能发生异常的子设备合集中剔除，得到筛选后的可能发生异常的子设备合集；
将所述筛选后的可能发生异常的子设备合集与报废工件的报废区域信息导入贝叶斯网络进行模拟推演，得到最终异常子设备，并将所述最终异常子设备输出。
需要说明的是，所述性能信息包括子设备使用时间、设备精度等级、历史故障报告等。实时工作环境信息包括温度、湿度、粉尘度。当锻造设备出现废品后，通过结合各子设备的实时工作参数、性能信息以及实时工作环境信息对各子设备进行关联分析，从而判断出导致工件报废的具体子设备，能够根据废品情况对锻造设备的子设备进行故障溯源。
如图4所示，本发明第二方面公开了一种基于物联网的电动工具生产控制系统，所述电动工具生产控制系统包括存储器45与处理器46，所述存储器45中存储有电动工具生产控制方法程序，当所述电动工具生产控制方法程序被所述处理器46执行时，实现如下步骤：
在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，并对所述实际温度数据进行处理，得到处理后的实际温度数据，根据所述处理后的实际温度数据生成锻造工件的实时温度分布图；
对所述实时温度分布图进行分析判断，以判断出锻造工件是否产生了气泡，若产生了气泡，则获取锻造工件中气泡实时位置区域；
对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，根据所述X射线信号建立气泡三维模型图；
根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息；
若工况信息为第一工况信息，则生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若工况信息为第二工况信息，则生成停止锻造指令，并将当前锻造工件标记为废品。
进一步地，本发明的一个较佳实施例中，根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息，具体包括以下步骤：
根据所述气泡三维模型图计算出锻造工件各个位置区域所对应的气泡体积，并将各个位置区域的气泡体积进行求和运算，得到气泡总体积；
获取锻造工件的工件总体积；根据所述气泡总体积与工件总体积确定出锻造工件的气泡稠密度；将所述气泡稠密度与预设稠密度进行比较；
若所述气泡稠密度不大于预设稠密度，则生成第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控。
进一步地，本发明的一个较佳实施例中，还包括以下步骤：
若所述气泡稠密度大于预设稠密度，则获取锻造工件的剩余工序信息，根据所述剩余工序信息得到锻造工件的剩余加工要素信息，根据所述剩余加工要素信息建立工件的最终产品模型图；
构建整合空间，将所述气泡三维模型图与最终产品模型图导入所述整合空间中进行整合处理，得到整合后的最终产品模型图；
计算所述整合后的最终产品模型图中剩余气泡的总体积，并计算所述整合后的最终产品模型图的模型总体积；根据所述剩余气泡的总体积与整合后的最终产品模型图的模型总体积得到最终气泡稠密度；将所述最终气泡稠密度与预设稠密度进行比较；
若所述最终气泡稠密度不大于预设稠密度，则生成第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若所述最终气泡稠密度大于预设稠密度，则生成第二工况信息，并生成停止锻造指令，停止对该锻造工件进行锻造加工，并将当前锻造工件标记为废品。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (4)
1.一种基于物联网的电动工具生产控制方法，其特征在于，包括以下步骤：
在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，并对所述实际温度数据进行处理，得到处理后的实际温度数据，根据所述处理后的实际温度数据生成锻造工件的实时温度分布图；
对所述实时温度分布图进行分析判断，以判断出锻造工件是否产生了气泡，若产生了气泡，则获取锻造工件中气泡实时位置区域；
对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，根据所述X射线信号建立气泡三维模型图；
根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息；
若工况信息为第一工况信息，则生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若工况信息为第二工况信息，则生成停止锻造指令，并将当前锻造工件标记为废品；
其中，对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，根据所述X射线信号建立气泡三维模型图，具体包括以下步骤：
通过X射线探测仪对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，利用有限元离散法对气泡实时位置区域所反馈的X射线信号进行数值分析，得到气泡的特性数据；其中所述特性数据包括气泡位置、方向、大小以及形状；
将所述特性数据转化为三维点云数据，得到三维点云数据集；构建三维坐标系，并将所述三维点云数据集导入所述三维坐标系中，在所述三维坐标系中提取出任意两组三维点云数据对应的若干个特征点；
计算若干个特征点的描述符，根据描述符匹配两组三维点云数据中的各个特征点，得到匹配后的特征点对；将匹配后的特征点对进行去均值化处理，并计算其协方差矩阵，然后对其进行奇异值分解，得到旋转矩阵与缩放矩阵；并获取两组三维点云数据的点云中心，根据所述点云中心得到两组三维点云数据的平移量，基于所述平移量得到平移矩阵；
根据所述旋转矩阵、缩放矩阵以及平移矩阵生成变换矩阵，将所述三维点云数据集输入所述变换矩阵中进行转化、对齐以及渲染，得到气泡三维模型图；
其中，根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息，具体包括以下步骤：
根据所述气泡三维模型图计算出锻造工件各个位置区域所对应的气泡体积，并将各个位置区域的气泡体积进行求和运算，得到气泡总体积；
获取锻造工件的工件总体积；根据所述气泡总体积与工件总体积确定出锻造工件的气泡稠密度；将所述气泡稠密度与预设稠密度进行比较；
若所述气泡稠密度不大于预设稠密度，则生成第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；
其中，所述控制方法还包括以下步骤：
若所述气泡稠密度大于预设稠密度，则获取锻造工件的剩余工序信息，根据所述剩余工序信息得到锻造工件的剩余加工要素信息，根据所述剩余加工要素信息建立工件的最终产品模型图；
构建整合空间，将所述气泡三维模型图与最终产品模型图导入所述整合空间中进行整合处理，得到整合后的最终产品模型图；
计算所述整合后的最终产品模型图中剩余气泡的总体积，并计算所述整合后的最终产品模型图的模型总体积；根据所述剩余气泡的总体积与整合后的最终产品模型图的模型总体积得到最终气泡稠密度；将所述最终气泡稠密度与预设稠密度进行比较；
若所述最终气泡稠密度不大于预设稠密度，则生成第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若所述最终气泡稠密度大于预设稠密度，则生成第二工况信息，并生成停止锻造指令，停止对该锻造工件进行锻造加工，并将当前锻造工件标记为废品；
其中，若工况信息为第一工况信息，则生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控，具体包括以下步骤：
通过大数据网络获取锻造工件在各气泡稠密度条件之下的极限锻造参数，构建知识图谱，并将锻造工件在各气泡稠密度条件之下的极限锻造参数导入所述知识图谱中；
获取锻造工件的气泡稠密度，通过灰色关联分析法计算锻造工件的气泡稠密度与知识图谱中各气泡稠密度之间的相似度，得到多个相似度；
在多个相似度中提取出最大相似度，并在知识图谱中获取与最大相似度对应的极限锻造参数，将与最大相似度对应的极限锻造参数标定为最大锻造参数；
计算所述最大锻造参数与预设锻造参数之间的差值，得到锻造参数差值；基于所述锻造参数差值对预设锻造参数进行调控。
2.根据权利要求1所述的一种基于物联网的电动工具生产控制方法，其特征在于，在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，并对所述实际温度数据进行处理，得到处理后的实际温度数据，根据所述处理后的实际温度数据生成锻造工件的实时温度分布图，具体包括以下步骤：
在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，并对各个预设位置的实际温度数据进行整合，得到实际温度数据合集；利用线性插补法对所述实际温度数据合集进行插补处理，得到一次处理后的温度数据合集；
通过局部离群因子算法计算所述一次处理后的温度数据合集中每一实际温度数据与预设聚类中心之间的局部离群因子值，并逐一将所述局部离群因子值与预设阈值进行比较；
将局部离群因子值大于预设阈值对应的实际温度数据在所述一次处理后的温度数据合集中剔除，以将离群点温度数据剔除，得到二次处理后的温度数据合集；
根据所述二次处理后的温度数据合集生成锻造工件的实时温度分布图。
3.根据权利要求1所述的一种基于物联网的电动工具生产控制方法，其特征在于，对所述实时温度分布图进行分析判断，以判断出锻造工件是否产生了气泡，若产生了气泡，则获取锻造工件中气泡实时位置区域，具体包括以下步骤：
通过大数据网络获取锻造工件在各位置区域产生气泡时所对应的异常温度分布图，构建数据库，并将各异常温度分布图导入所述数据库中，得到特性数据库；
将所述实时温度分布图导入所述特性数据库中，通过欧几里得距离算法计算所述实时温度分布图与各异常温度分布图之间的欧几里得距离，得到多个欧几里得距离；
将各个欧几里得距离分别与预设欧几里得距离进行比较，若各个欧几里得距离均大于预设欧几里得距离，则说明锻造工件中没有产生气泡，使得锻造设备继续按照预设锻造参数进行锻造加工；
若存在至少一个欧几里得距离小于预设欧几里得距离，说明锻造工件中至少一个位置区域产生了气泡，则将欧几里得距离小于预设欧几里得距离对应的异常温度分布图进行标记；
由所述特性数据库中提取所有标记的异常温度分布图，得到异常温度分布图合集，根据所述异常温度分布图合集得到锻造工件中气泡实时位置区域。
4.一种基于物联网的电动工具生产控制系统，其特征在于，所述电动工具生产控制系统包括存储器与处理器，所述存储器中存储有电动工具生产控制方法程序，当所述电动工具生产控制方法程序被所述处理器执行时，实现如下步骤：
在预设时间通过红外探测头获取锻造工件预设位置的实际温度数据，并对所述实际温度数据进行处理，得到处理后的实际温度数据，根据所述处理后的实际温度数据生成锻造工件的实时温度分布图；
对所述实时温度分布图进行分析判断，以判断出锻造工件是否产生了气泡，若产生了气泡，则获取锻造工件中气泡实时位置区域；
对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，根据所述X射线信号建立气泡三维模型图；
根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息；
若工况信息为第一工况信息，则生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若工况信息为第二工况信息，则生成停止锻造指令，并将当前锻造工件标记为废品；
其中，对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，根据所述X射线信号建立气泡三维模型图，具体包括以下步骤：
通过X射线探测仪对所述气泡实时位置区域进行探测，获取气泡实时位置区域所反馈的X射线信号，利用有限元离散法对气泡实时位置区域所反馈的X射线信号进行数值分析，得到气泡的特性数据；其中所述特性数据包括气泡位置、方向、大小以及形状；
将所述特性数据转化为三维点云数据，得到三维点云数据集；构建三维坐标系，并将所述三维点云数据集导入所述三维坐标系中，在所述三维坐标系中提取出任意两组三维点云数据对应的若干个特征点；
计算若干个特征点的描述符，根据描述符匹配两组三维点云数据中的各个特征点，得到匹配后的特征点对；将匹配后的特征点对进行去均值化处理，并计算其协方差矩阵，然后对其进行奇异值分解，得到旋转矩阵与缩放矩阵；并获取两组三维点云数据的点云中心，根据所述点云中心得到两组三维点云数据的平移量，基于所述平移量得到平移矩阵；
根据所述旋转矩阵、缩放矩阵以及平移矩阵生成变换矩阵，将所述三维点云数据集输入所述变换矩阵中进行转化、对齐以及渲染，得到气泡三维模型图；
其中，根据所述气泡三维模型图对锻造工件的气泡稠密度进行分析，以对锻造工件的加工工况进行分析，得到锻造工件的工况信息，具体包括以下步骤：
根据所述气泡三维模型图计算出锻造工件各个位置区域所对应的气泡体积，并将各个位置区域的气泡体积进行求和运算，得到气泡总体积；
获取锻造工件的工件总体积；根据所述气泡总体积与工件总体积确定出锻造工件的气泡稠密度；将所述气泡稠密度与预设稠密度进行比较；
若所述气泡稠密度不大于预设稠密度，则生成第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；
其中，所述控制方法还包括以下步骤：
若所述气泡稠密度大于预设稠密度，则获取锻造工件的剩余工序信息，根据所述剩余工序信息得到锻造工件的剩余加工要素信息，根据所述剩余加工要素信息建立工件的最终产品模型图；
构建整合空间，将所述气泡三维模型图与最终产品模型图导入所述整合空间中进行整合处理，得到整合后的最终产品模型图；
计算所述整合后的最终产品模型图中剩余气泡的总体积，并计算所述整合后的最终产品模型图的模型总体积；根据所述剩余气泡的总体积与整合后的最终产品模型图的模型总体积得到最终气泡稠密度；将所述最终气泡稠密度与预设稠密度进行比较；
若所述最终气泡稠密度不大于预设稠密度，则生成第一工况信息，并生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控；若所述最终气泡稠密度大于预设稠密度，则生成第二工况信息，并生成停止锻造指令，停止对该锻造工件进行锻造加工，并将当前锻造工件标记为废品；
其中，若工况信息为第一工况信息，则生成调控参数，根据所述调控参数对锻造设备的预设锻造参数进行调控，具体包括以下步骤：
通过大数据网络获取锻造工件在各气泡稠密度条件之下的极限锻造参数，构建知识图谱，并将锻造工件在各气泡稠密度条件之下的极限锻造参数导入所述知识图谱中；
获取锻造工件的气泡稠密度，通过灰色关联分析法计算锻造工件的气泡稠密度与知识图谱中各气泡稠密度之间的相似度，得到多个相似度；
在多个相似度中提取出最大相似度，并在知识图谱中获取与最大相似度对应的极限锻造参数，将与最大相似度对应的极限锻造参数标定为最大锻造参数；
计算所述最大锻造参数与预设锻造参数之间的差值，得到锻造参数差值；基于所述锻造参数差值对预设锻造参数进行调控。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310826551.2A CN116560327B (zh) | 2023-07-07 | 2023-07-07 | 一种基于物联网的电动工具生产控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310826551.2A CN116560327B (zh) | 2023-07-07 | 2023-07-07 | 一种基于物联网的电动工具生产控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116560327A CN116560327A (zh) | 2023-08-08 |
| CN116560327B true CN116560327B (zh) | 2023-09-19 |
Family
ID=87502167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310826551.2A Active CN116560327B (zh) | 2023-07-07 | 2023-07-07 | 一种基于物联网的电动工具生产控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116560327B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116943995B (zh) * | 2023-09-20 | 2023-12-08 | 深圳正实自动化设备有限公司 | 一种基于数据分析的高精密点胶机评估方法及系统 |
| CN116985525B (zh) * | 2023-09-25 | 2024-01-09 | 深圳正实自动化设备有限公司 | 一种全自动视觉印刷机的智能管理方法及系统 |
| CN116992740B (zh) * | 2023-09-26 | 2023-12-01 | 深圳市松青锌镁铝精密压铸有限公司 | 一种通讯基站精密部件生产设备的智能调控方法及系统 |
| CN117291909B (zh) * | 2023-11-23 | 2024-02-23 | 深圳市胜天光电技术有限公司 | 一种发光二极管生产设备的智能控制方法及系统 |
| CN117577759B (zh) * | 2024-01-17 | 2024-04-09 | 深圳市极光光电有限公司 | 一种led封装设备智能控制方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104975156A (zh) * | 2014-04-09 | 2015-10-14 | 财团法人金属工业研究发展中心 | 深冷处理方法 |
| CN112966861A (zh) * | 2021-02-24 | 2021-06-15 | 浙江中控技术股份有限公司 | 一种基于案例匹配的产耗平衡测算方法 |
| CN113359655A (zh) * | 2021-07-19 | 2021-09-07 | 大连誉洋工业智能有限公司 | 铸件打磨智能生产信息模型的建立方法 |
| WO2022171772A1 (de) * | 2021-02-15 | 2022-08-18 | Sms Group Gmbh | Verfahren zur rückverfolgung von schmiedeteilen über den gesamten herstellungsprozess, insbesondere vom schmiedeprozess, über sandstrahlen und warmbehandlung bis zur mechanischen bearbeitung |
| CN115988866A (zh) * | 2023-03-21 | 2023-04-18 | 深圳市利和兴股份有限公司 | 一种基于机器视觉的nfc lami加工控制方法及系统 |
| CN116228766A (zh) * | 2023-05-08 | 2023-06-06 | 德中(深圳)激光智能科技有限公司 | 一种等离子加工设备的智能调控方法及系统 |
| CN116346870A (zh) * | 2023-05-26 | 2023-06-27 | 成都秦川物联网科技股份有限公司 | 基于加工质量实时监控的工业物联网系统及控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113843385A (zh) * | 2021-09-03 | 2021-12-28 | 中信戴卡股份有限公司 | 一种镁合金轮毂的锻造工艺 |
-
2023
- 2023-07-07 CN CN202310826551.2A patent/CN116560327B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104975156A (zh) * | 2014-04-09 | 2015-10-14 | 财团法人金属工业研究发展中心 | 深冷处理方法 |
| WO2022171772A1 (de) * | 2021-02-15 | 2022-08-18 | Sms Group Gmbh | Verfahren zur rückverfolgung von schmiedeteilen über den gesamten herstellungsprozess, insbesondere vom schmiedeprozess, über sandstrahlen und warmbehandlung bis zur mechanischen bearbeitung |
| CN112966861A (zh) * | 2021-02-24 | 2021-06-15 | 浙江中控技术股份有限公司 | 一种基于案例匹配的产耗平衡测算方法 |
| CN113359655A (zh) * | 2021-07-19 | 2021-09-07 | 大连誉洋工业智能有限公司 | 铸件打磨智能生产信息模型的建立方法 |
| CN115988866A (zh) * | 2023-03-21 | 2023-04-18 | 深圳市利和兴股份有限公司 | 一种基于机器视觉的nfc lami加工控制方法及系统 |
| CN116228766A (zh) * | 2023-05-08 | 2023-06-06 | 德中(深圳)激光智能科技有限公司 | 一种等离子加工设备的智能调控方法及系统 |
| CN116346870A (zh) * | 2023-05-26 | 2023-06-27 | 成都秦川物联网科技股份有限公司 | 基于加工质量实时监控的工业物联网系统及控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116560327A (zh) | 2023-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116560327B (zh) | 一种基于物联网的电动工具生产控制方法及系统 | |
| Khorasani et al. | Development of a dynamic surface roughness monitoring system based on artificial neural networks (ANN) in milling operation | |
| CN108907896B (zh) | 一种刀具剩余寿命在线预测方法及系统 | |
| CN112247674B (zh) | 一种刀具磨损预测方法 | |
| CN114354639B (zh) | 一种基于3d点云的焊缝缺陷实时检测方法及系统 | |
| CN116992740B (zh) | 一种通讯基站精密部件生产设备的智能调控方法及系统 | |
| CN114237155A (zh) | 一种多轴数控加工的误差预测及补偿方法、系统及介质 | |
| CN116618764B (zh) | 一种镜面放电加工机的生产优化方法及系统 | |
| CN116698642A (zh) | 一种汽修工具生产用的工作站控制方法及系统 | |
| CN116186499A (zh) | 一种数控加工表面粗糙度预测方法 | |
| CN118081218B (zh) | 一种电容器引脚的自动化焊接控制方法及系统 | |
| CN112580935A (zh) | 一种基于机器视觉的工业产品生产流程溯源分析方法 | |
| CN117806231B (zh) | 一种基于物联网的机床运行加工控制系统及方法 | |
| CN111045415A (zh) | 一种基于局部概率密度双子空间的多模态过程故障检测方法 | |
| CN116776647B (zh) | 一种复合镍铜铝散热底板的性能预测方法及系统 | |
| CN116228766B (zh) | 一种等离子加工设备的智能调控方法及系统 | |
| CN114840932A (zh) | 多因数耦合提高tc4钛合金表面粗糙度预测精度的方法 | |
| CN116909211B (zh) | 一种高精密数控机床的智能调控方法及系统 | |
| CN117095247B (zh) | 基于数控加工的加工姿态运行优化方法、系统及介质 | |
| Hassan et al. | An artificial intelligent manufacturing process for high-quality low-cost production | |
| CN113870207A (zh) | 刀具检测方法、装置、计算机设备和存储介质 | |
| Scharf et al. | A new embedded vision system for monitoring tool conditions in production lines using a combination of direct and indirect methods | |
| Savage et al. | Multiple regression-based multilevel in-process surface roughness recognition system in milling operations | |
| CN117891225B (zh) | 一种金属徽章饰品加工设备智能控制方法及系统 | |
| Wang et al. | Exploring the effect of un-deformed chip parameters on energy consumption for energy efficiency improvement in the milling |
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 |