CN116618529A - 一种智能模具的控制系统及方法 - Google Patents
一种智能模具的控制系统及方法 Download PDFInfo
- Publication number
- CN116618529A CN116618529A CN202310569557.6A CN202310569557A CN116618529A CN 116618529 A CN116618529 A CN 116618529A CN 202310569557 A CN202310569557 A CN 202310569557A CN 116618529 A CN116618529 A CN 116618529A
- Authority
- CN
- China
- Prior art keywords
- workpiece
- die
- fan
- production
- feature
- 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
Links
- 238000000034 method Methods 0.000 title claims description 39
- 238000004519 manufacturing process Methods 0.000 claims abstract description 119
- 238000012545 processing Methods 0.000 claims abstract description 15
- 239000002994 raw material Substances 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 43
- 230000000877 morphologic effect Effects 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 description 16
- 230000008859 change Effects 0.000 description 15
- 238000012549 training Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000005452 bending Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000013210 evaluation model Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000001816 cooling Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010583 slow cooling Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D37/00—Tools as parts of machines covered by this subclass
- B21D37/10—Die sets; Pillar guides
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES OR PROFILES, OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
- B21C51/00—Measuring, gauging, indicating, counting, or marking devices specially adapted for use in the production or manipulation of material in accordance with subclasses B21B - B21F
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D37/00—Tools as parts of machines covered by this subclass
- B21D37/16—Heating or cooling
-
- 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)
- Shaping Metal By Deep-Drawing, Or The Like (AREA)
Abstract
本说明书实施例提供一种智能模具及控制系统,所述系统包括:智能模具、图像采集装置、输送模块、控制模块;智能模具包括:设有凸模的上模座、设有凹模的下模座;凸模与凹模相配合;凸模与凹模上设有至少一个温度传感器、至少一个压力传感器;上模座和/或下模座上设有至少一个风机,至少一个风机用于对凸模与凹模进行制冷;图像采集装置用于从至少一个方向采集经过冲压加工的工件图像;输送模块用于将原材料输送到与智能模具相匹配的工位,以进行冲压加工,并将经过冲压加工后的工件传送到预设位置;控制模块用于:基于压力传感器的读数、冲压加工后的工件图像,调整生产参数;基于生产参数、温度传感器的读数,确定至少一个风机的运行参数。
Description
技术领域
本说明书涉及模具制造领域,特别涉及一种智能模具的控制系统及方法。
背景技术
冲压模具是冲压生产必不可少的工艺装备,在很大程度上决定着工件产品的质量。而智能模具具有技术含量高、使用寿命长、应用范围广、市场空间大等明显优势,具有较大的发展空间。
鉴于此,CN103920807B公开了一种智能温控型高精度冲压模具,该模具可实时检测冲头及凹模表面温度,通过主控制单元控制水冷槽对冲头及凹模温度进行智能调节,可有效避免模具被高温氧化,避免模具产生热胀效应发生形变,保证了加工精度,但未涉及调整生产参数及确定风机的运行参数等方面。
因此,需要提供一种智能模具的控制系统及方法,可以通过压力传感器与冲压加工后的工件图像调整生产参数,再结合温度确定风机运行参数,提高冲压加工的工件质量及保证模具的使用寿命。
发明内容
本说明书一个或多个实施例提供一种智能模具的控制系统,所述系统包括:智能模具、图像采集装置、输送模块、控制模块;所述智能模具包括:设有凸模的上模座、设有凹模的下模座;所述凸模与所述凹模相配合;所述凸模与所述凹模上设有至少一个温度传感器、至少一个压力传感器;所述上模座和/或所述下模座上设有至少一个风机,所述至少一个风机用于对所述凸模与所述凹模进行制冷;所述图像采集装置用于从至少一个方向采集经过冲压加工的工件图像;所述输送模块用于将原材料输送到与所述智能模具相匹配的工位,以进行所述冲压加工,并将经过所述冲压加工后的工件传送到预设位置;所述控制模块用于:基于所述压力传感器的读数、所述冲压加工后的工件图像,调整生产参数;基于所述生产参数、所述温度传感器的读数,确定所述至少一个风机的运行参数。
本说明书一个或多个实施例提供一种智能模具的控制方法,所述方法基于智能模具的控制系统的控制模块执行,所述方法包括:基于压力传感器的读数、所述冲压加工后的工件图像,调整生产参数;基于所述生产参数、温度传感器的读数,确定至少一个风机的运行参数。
本说明书一个或多个实施例提供一种智能模具的控制装置,所述装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现智能模具的控制方法。
本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行智能模具的控制方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的智能模具的控制系统的示例性示意图;
图2是根据本说明书一些实施例所示的故障模型的示例性示意图;
图3是根据本说明书一些实施例所示的预设算法的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
冲压加工工业作为十分繁荣的产业之一,市场需求的扩大对模具的要求也随之提高。CN103920807B仅可实时检测冲头及凹模表面温度,通过主控制单元控制水冷槽对冲头及凹模温度进行智能调节,未考虑生产参数的调节与制冷风机的运行参数的确定等方面。因此,本说明书的一些实施例中,公开了一种智能模具的控制方法,可以结合压力传感器与冲压加工后的工件图像调整生产参数并确定风机运行参数,以提高冲压加工的工件质量,及保证模具的使用寿命。
图1是根据本说明书一些实施例所示的智能模具的控制系统的示例性示意图。
在一些实施例中,智能模具的控制系统100可以应用于模具制造领域,并用于执行智能模具的控制方法。
如图1所示,智能模具的控制系统100可以包括:智能模具110、图像采集装置120、输送模块130、控制模块140。
智能模具110可以指用于冲压加工的可自动调整参数的智能冲压模具。在一些实施例中,智能模具110可以包括上模座110-1和下模座110-2,上模座110-1设有凸模110-3,下模座110-2设有凹模110-4,且凸模110-3与凹模110-4相配合。凸模110-3与凹模110-4上设有至少一个温度传感器110-5与至少一个压力传感器110-6,上模座110-1和/或下模座110-2上设有至少一个风机110-7。在一些实施例中,凸模110-3与凹模110-4上的压力传感器110-6以均匀间隔铺设。
在一些实施例中,温度传感器110-5可以用于监测凸模与凹模的表面温度,压力传感器110-6可以用于监测凸模与凹模的各点的压力分布,风机110-7可以用于对凸模与凹模进行制冷。
图像采集装置120可以指具有采集图像功能的相关设备,例如,工业相机等。在一些实施例中,图像采集装置120可以用于从至少一个方向采集经过冲压加工的工件图像。
输送模块130可以指用于传输原材料及工件的模块,输送模块可以由如皮带输送机等装置实现。在一些实施例中,输送模块130可以用于将原材料输送到与智能模具相匹配的工位,以进行冲压加工,并将经过冲压加工后的工件传送到预设位置。原材料是指用于进行冲压加工的材料,如钢板等。与智能模具相匹配的工位可以是相应原材料对应的加工工位,如相应智能模具的凹模上方等。预设位置可以是统一收集冲压加工后的工件的位置,如工件收纳箱等。
控制模块140可以指用于调节控制参数的模块。可以基于控制芯片等实现。在一些实施例中,控制模块140可以用于基于压力传感器的读数、冲压加工后的工件图像,调整生产参数。在一些实施例中,控制模块140还可以用于基于生产参数、温度传感器的读数,确定至少一个风机的运行参数。
关于上述智能模具110、图像采集装置120、输送模块130、控制模块140的更多说明可以参见本文其他部分的相关描述。
需要注意的是,以上对于一种智能模具的控制系统及其内部模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图1中披露的智能模具的控制系统可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
在一些实施例中,智能模具的控制方法可以基于智能模具的控制系统的控制模块执行,智能模具的控制方法可以包括步骤110和步骤120。
步骤110,基于压力传感器的读数、冲压加工后的工件图像,调整生产参数。
压力传感器的读数可以反应凸模和/或凹模的相应位置所承受的压力大小。在一些实施例中,各个压力传感器可以通过网络通讯等方式将获取的压力值发送至控制模块。
工件图像可以指冲压加工生产的产品零件的图像。在一些实施例中,冲压加工后的工件图像可以由图像采集装置从多方向采集。
生产参数可以指冲压加工过程中所需的相关参数,例如,冲压速度、冲压压力、冲压油浓度等。在一些实施例中,生产参数也可以包括其他与生产相关的参数,如冲压环境温度或湿度等。在一些实施例中,冲压加工启动时使用的初始生产参数可以由本领域技术人员基于生产需求预先设置。
在一些实施例中,控制模块可以通过多种方式调整生产参数。例如,控制模块可以基于包括压力传感器的读数、冲压加工后的工件图像,与生产参数的对应关系的第一预设关系表,将生产参数由初始生产参数调整至通过查表确认的生产参数。
在一些实施例中,控制模块可以基于冲压加工后的工件图像,确定工件形态特征;响应于工件形态特征满足第一预设条件,基于第一评估特征,调整所述生产参数;第一评估特征包括调整所述生产参数前的所述工件形态特征和/或所述压力传感器的读数;获取第二评估特征,响应于第二评估特征满足第一预设条件,触发预警,第二评估特征包括调整所述生产参数后的所述工件形态特征和/或所述压力传感器的读数。。
工件形态特征可以指用于表征工件的形状及结构的特征。在一些实施例中,工件形态特征可以是指可能影响工件质量的形态特征,例如,可以包括边缘毛刺程度、表面损伤程度、形变误差中至少一种。在一些实施例中,工件形态特征可以包括特征值,特征值越大,表示存在相应的工件形态特征的情况越严重,工件质量越差。
边缘毛刺程度可以指工件与智能模具接触的边缘,存在毛刺等凸起情况的程度。在一些实施例中,控制模块可以基于多个方向的工件图像,统计工件边缘的多个凸起的长度,将长度和的数值作为边缘毛刺程度的特征值。
表面损伤程度可以指工件在冲压过程中,工件表面出现的问题区域的严重程度。其中,问题区域可以包括出现压伤、刮伤、擦伤等情况的表面区域。在一些实施例中,控制模块可以通过图像分割算法等图像处理方法对冲压加工后的工件图像进行处理,得到冲压加工后的工件图像中问题区域的轮廓,将轮廓框定的问题区域的面积数值作为表面损伤程度的特征值。
形变误差可以包括加工好的工件的外形尺寸与标准工件的外形尺寸之间的误差。例如,形变误差可以包括工件的弯折误差。在一些实施例中,控制模块可以基于冲压加工后的工件图像,获取工件实际弯折部分的角度,并计算实际弯折部分与预设的标准弯折部分的角度差,将此角度差的数值作为形变误差的特征值。
在本说明书的一些实施例中,通过边缘毛刺程度、表面损伤程度和形变误差表征工件形态特征,可以有效且全面地发现工件的边界形状及结构的问题,有利于后续调整生产参数,提高工件的生产质量。
在一些实施例中,控制模块可以基于冲压加工后的工件图像,确定边缘毛刺程度、表面损伤程度、形变误差的特征值,将特征值序列确定为工件形态特征。
评估特征是指用于评估是否需要调整生产参数或是否需要进行预警的特征。在一些实施例中,评估特征可以包括工件形态特征和/或压力传感器的读数。。在一些实施例中,评估特征可以基于向量或矩阵等多种形式表示。例如,控制模块可以将在工件形态特征对应的特征序列中加上压力传感器的读数后得到的序列作为评估特征的表示。
第一评估特征可以是基于调整生产参数前获取的工件形态特征和/或压力传感器的读数得到的评估特征。对应的,第二评估特征可以是基于调整生产参数后获取的工件形态特征和/或压力传感器的读数得到的评估特征。
第一预设条件可以指触发预警时,评估特征需满足的预设条件。在一些实施例中,第一预设条件可以包括压力条件和/或形态条件。
在一些实施例中,压力条件可以包括凸模或凹模上任意一个压力传感器的读数大于最大压力阈值,或最大压力差异大于压力差异阈值。最大压力差异是指凸模最大压力差异和凹模最大压力差异中的最大值。凸模最大压力差异为同一时间点上,凸模上所有压力传感器获取到的数值中,压力最大值与压力最小值的差值。凹模最大压力差异的计算同理。
在一些实施例中,形态条件可以包括工件形态特征的特征值超过预设形态阈值。在一些实施例中,若边缘毛刺程度、表面损伤程度和形变误差中任意一项的特征值超过其对应的预设特征阈值,即可认为形态条件被满足。在一些实施例中,工件形态特征的特征值可以为边缘毛刺程度、表面损伤程度和形变误差中每个特征值的加权和。其中,各项特征值的权重可以提前预设。若前述加权和超过预设形态阈值,即认为形态条件被满足。预设形态阈值、各项预设特征阈值均可以由本领域技术人员基于生产需求根据经验事先设置或由系统默认设置。
在一些实施例中,当压力条件、形态条件中任一条件被满足时即认为第一预设条件被满足。
在一些实施例中,工件形态特征满足第一预设条件时,控制模块可以通过多种方式实现基于第一评估特征,调整生产参数。例如,控制模块可以基于包括第一评估特征与生产参数的对应关系的第二预设关系表,将生产参数调整至通过查表确认的生产参数。
在一些实施例中,控制模块可以基于第一评估特征,通过预测模型,确定生产参数调整量;并基于生产参数调整量,调整生产参数。
生产参数调整量可以指生产参数需要调整的变化量。例如,生产参数调整量可以包括冲压速度调整量、冲压压力调整量、冲压油浓度调整量等。
预测模型可以指训练好的机器学习模型。例如,预测模型可以包括卷积神经网络或其他自定义的模型结构。
在一些实施例中,预测模型的输入可以包括第一评估特征、调整前的生产参数(即当前采用的生产参数)、目标工件形态特征,输出可以为生产参数调整量。其中,目标工件形态特征可以由人工基于生产需求自行预先设定。
在一些实施例中,可以基于大量带有标签的第一训练样本训练预测模型。第一训练样本可以是大量的达到历史目标工件形态特征要求的历史生产中对应的历史第一评估特征、历史调整前生产参数、历史目标工件形态特征,第一训练样本的标签可以是历史调整前生产参数对应的历史生产参数调整量。
第一训练样本和标签可以基于历史生产数据确定。在一些实施例中,为了提升训练数据的数据量,以获取准确度更高的预测模型,可以基于人工对历史数据的处理生成更多的训练数据。例如,当历史调整前生产参数(冲压速度、冲压压力、冲压油浓度)为(a1,b1,c1),在生产参数调整量为(a2,b2,c2)的基础上,可以基于调整后的生产参数得到满足对应的目标工件形态特征要求的工件,此时则可以人工生成多组训练数据,其中,各组训练数据中只需满足调整前冲压速度+冲压速度调整量=a1+a2,调整前冲压压力+冲压压力调整量=b1+b2,调整前冲压油浓度+冲压油浓度调整量=c1+c2即可。需要说明的是,为了保证模型的准确度,基于人工对历史数据的处理生成的训练数据和对应的实际历史数据的差异需要再在一定范围内,所述范围可以由技术人员预设。
在一些实施例中,控制模块可以对当前生产参数与生产参数调整量进行加和处理,确定调整后的生产参数。
在本说明书的一些实施例中,通过预测模型确定生产参数调整量,可以提高确定的生产参数调整量的准确性及速度,进而有利于后续调整生产参数的准确度,保证冲压加工的精度。
在一些实施例中,控制模块可以控制智能模具基于调整后的生产参数进行冲压生产,并获取调整的生产参数后的第二评估特征。
在一些实施例中,响应于第二评估特征满足第一预设条件,控制模块可以直接触发预警。在一些实施例中,预警方式可以包括文字预警、声音预警等多种形式。例如,控制模块可以向语音播放设备发出进行语音预警的控制指令,以进行语音预警。
在一些实施例中,控制模块可以基于第二评估特征,确定故障类型及其对应的故障概率;响应于故障概率满足第二预设条件,触发预警。
故障类型可以指可能导致第二评估特征满足第一预设条件的问题类型,例如,智能模具间隙不合适、凸模进入凹模的深度不合适、凸模磨损、凸模或导柱安装不垂直等。
一种故障类型的故障概率可以指是由于该故障类型导致第二评估特征满足第一预设条件的概率大小。
在一些实施例中,控制模块可以基于第二评估特征,通过多种方式确定故障类型及其对应的故障概率。例如,基于查询预设关系对照表等。
在一些实施例中,控制模块也可以基于故障模型预测故障类型及其对应的故障概率,具体说明可以参见图2相关的说明。
第二预设条件可以指需要触发预警时,故障类型对应的故障概率需满足的条件。在一些实施例中,第二预设条件可以为故障概率大于预警概率阈值。其中,预警概率阈值可以由人工根据经验预先设置或由系统默认设置。
在本说明书的一些实施例中,引用故障类型及故障概率,增添触发预警的途径,且考虑到智能模具本身原因造成的工件生产问题,有利于及时且精确地发现并确认问题点,进而提高工件生产效率及质量。
在本说明书的一些实施例中,基于工件图像,借助工件形态特征更为直接、高效的调整生产参数,再通过调整生产参数后的评估特征判断是否触发预警,有利于及时发现调整生产参数后的冲压加工过程仍存在的问题,进而提高生产质量。
步骤120,基于生产参数、温度传感器的读数,确定至少一个风机的运行参数。
在一些实施例中,风机的运行参数可以包括风机运行数量、每个风机的位置、每个位置风机的运行功率等。其中,风机的位置可以通过空间坐标(x,y,z)表示。例如,控制模块可以基于随机选取的智能模具的任意固定位置,建立空间直角坐标系,获取风机所在位置的空间坐标。其中,固定位置可以指实际生产中智能模具不需要发生位移的部分位置。
在一些实施例中,控制模块可以基于生产参数、温度传感器的读数,通过多种方式确定至少一个风机的运行参数。例如,基于向量数据库检索等。
在一些实施例中,控制模块可以基于历史数据确定温度阈值;响应于至少一个温度传感器的读数满足第三预设条件,至少基于生产参数,通过预设算法确定至少一个风机的所述运行参数并运行风机,第三预设条件与温度阈值相关。
温度阈值可以指可能导致模具(如凸模和凹模)发生高温氧化及发生形变的温度最高值。
在一些实施例中,控制模块可以基于历史数据,通过多种方式确定温度阈值。例如,温度阈值可以由人工基于历史数据根据经验预先设置。
在一些实施例中,温度阈值还可以通过向量检索确定。
在一些实施例中,控制模块可以基于历史数据构建历史向量数据库,历史向量数据库中包括多个参考向量以及各个参考向量对应的历史温度阈值。每个参考向量基于历史生产的历史工件的历史工件类型、历史工件材料、历史模具材料构建。
在一些实施例中,控制模块可以基于当前生产的工件类型、工件材料、模具材料构建特征向量,并在历史向量数据库中,检索与特征向量的向量距离小于距离阈值的至少一个参考向量作为目标向量,将目标向量对应的历史温度阈值作为当前的温度阈值。其中,向量距离可以为欧氏距离等。距离阈值可以由本领域技术人员根据经验预先设置或由系统默认设置。
第三预设条件可以指触发风机运行的条件。例如,第三预设条件可以为温度传感器的读数大于等于温度阈值。
在一些实施例中,响应于至少一个温度传感器的读数满足第三预设条件,控制模块可以通过预设算法确定至少一个风机的运行参数并基于确定的运行参数运行对应的风机。
关于预设算法的更多内容可以参见图3及其相关描述。
在本说明书的一些实施例中,基于历史数据确定温度阈值,进而判断是否运行风机,再确定风机运行参数,避免因温度过高导致智能模具被高温氧化,以及产生热胀效应发生形变等,有利于保证智能模具的使用寿命。
在本说明书的一些实施例中,通过压力传感器的读数与冲压加工后的工件图像调整生产参数,有利于便捷且准确地调整生产参数,同时,结合生产参数与温度传感器的读数,确定风机运行参数,实现了在提高工件生产质量的同时,保证智能模具的使用寿命。
图2是根据本说明书一些实施例所示的故障模型的示意图。
在一些实施例中,控制模块基于第二评估特征210,确定故障类型及其对应的故障概率260可以包括:控制模块基于第二评估特征210、调整后的生产参数220、风机的运行参数230、历史故障数据240,通过故障模型250,确定故障类型及其对应的故障概率260。
在一些实施例中,历史故障数据240可以包括基于历史数据获取的当前智能模具的故障次数、故障类型等。关于第二评估特征210、调整后的生产参数220、风机的运行参数230的说明参见前文的相应说明。
故障模型可以指训练好的机器学习模型。例如,故障模型可以包括循环神经网络。
在一些实施例中,故障模型250的输入可以包括第二评估特征210、调整后的生产参数220、风机的运行参数230、历史故障数据240,输出可以为故障类型及其对应的故障概率260。
在一些实施例中,可以基于大量带有标签的第二训练样本训练故障模型。一组第二训练样本可以是样本模具在一次历史生产中获取到的历史第二评估特征、历史调整后的生产参数、历史风机的运行参数、历史故障数据,该组第二训练样本的标签可以是在该次历史生产中,该样本模具发生的历史故障类型及其对应的故障概率。在一些实施例中,若标签中的历史故障类型是该次历史生产中该样本模具实际发生的故障类型,则该历史故障类型故障概率的取值为1,否则为0。
在本说明书的一些实施例中,通过故障模型,使得确定的故障类型及其对应的故障概率更加准确,进而可以及时针对故障问题进行调整,以保证工件生产质量及生产效率。
图3是根据本说明书一些实施例所示的预设算法的示意图。
在一些实施例中,预设算法可以包括:随机生成多个候选风机运行方案;基于每个候选风机运行方案,通过评估模型,确定候选风机运行方案运行一段时间后温度传感器的读数;基于评估模型的输出,确定满足预设要求的候选风机运行方案,作为目标风机运行方案。
候选风机运行方案310-3可以指用于确定风机运行参数的候选方案。在一些实施例中,候选风机运行方案可以包括智能模具中至少一个风机的运行参数。例如,候选风机运行方案可以包括智能模具上的风机运行数量、运行的每个风机的位置、运行的每个风机的运行功率等。
在一些实施例中,控制模块可以随机生成多个候选风机运行方案。例如,控制模块可以基于当前的风机运行参数,按照预设调整方式,随机生成多个风机运行候选数量、运行风机的候选位置以及候选运行功率。其中,预设调整方式可以由本领域技术人员根据经验预先设置或由系统默认设置。例如,预设调整方式可以包括调整风机运行数量、调整运行位置以及按照预设步长调整风机运行功率等。
评估模型可以指训练好的机器学习模型。例如,评估模型可以包括循环神经网络等。
在一些实施例中,评估模型320的输入可以包括:多个温度传感器的读数310-1、温度阈值310-2、候选风机运行方案310-3、工件形态特征310-4、当前的生产参数310-5,输出可以为在该候选风机运行方案310-3下,未来一段时间内多个时间点的温度构成的温度序列330。关于多个温度传感器的读数310-1、温度阈值310-2的说明参见前文。在一些实施例中,当前的生产参数310-5是指温度传感器获取温度数据时,智能模具所采用的生产参数,可以为初始生产参数,也可以是经调整后的生产参数。对应的,工件形态特征310-4可以是当前的生产参数310-5对应生产的工件的工件形态特征310-4。
温度序列330中可以包括智能模具的多个点位在未来一段时间内各个时间点的温度。例如,有3个温度传感器A、B、C分别用于获取智能模具的3个点位的温度数据。若需要预测的是预设的未来10分钟内5个时间点(t1,t2,t3,t4,t5)的温度,则输出的温度序列为{(a1,a2,a3,a4,a5),(b1,b2,b3,b4,b5),(c1,c2,c3,c4,c5)}。
其中(a1,a2,a3,a4,a5)、(b1,b2,b3,b4,b5)、(c1,c2,c3,c4,c5)分别是温度传感器A、B、C在5个时间点(t1,t2,t3,t4,t5)的预测读数,t1、t2、t3、t4、t5为按时间前后顺序依次排列的时间点。
在一些实施例中,未来一段时间及时间点的个数可以由人工基于经验预先设置。
在一些实施例中,可以基于大量带有标签的第三训练样本训练评估模型。一组第三训练样本可以包括样本模具在一次历史生产中,在第一历史时间段中所使用的历史风机运行方案,以及在该次历史生产中多个温度传感器的历史读数、该次历史生产中使用的历史温度阈值、在该次历史生产中使用的历史当前生产参数以及对应生产的历史工件的历史工件形态特征,第三训练样本的标签可以是在该次历史生产中,该样本模具在第二历史时间段内多个时间点的温度构成的温度序列。其中,在第一历史时间段早于第二历史时间段。在一些实施例中,第三训练样本和标签可以基于历史生产数据确定。
目标风机运行方案可以指确定风机的运行参数的最终方案。
在一些实施例中,控制模块可以基于评估模型的输出,确定满足预设要求的候选风机运行方案,作为目标风机运行方案。
在一些实施例中,预设要求340可以包括:温度传感器最终读数340-1低于预设阈值340-2,且温度变化速率340-2处于预设的阈值范围340-4。
在一些实施例中,温度传感器最终读数340-1可以基于未来一段时间内多个时间点的温度构成的温度序列330获取。例如,温度传感器最终读数可以指温度序列330中最后一个时间点对应的温度。例如,上述5个时间点(t1,t2,t3,t4,t5),t1、t2、t3、t4、t5按时间前后顺序依次排列,则温度传感器最终读数为(a5,b5,c5)。
在一些实施例中,为避免风机停止后,模具的温度很快又超过温度阈值,造成模具损伤,因此,预设要求包括温度传感器最终读数低于预设阈值。预设阈值可以由人工基于经验设置温度值。在一些实施例中,若温度传感器最终读数中任意一个读数不低于预设阈值,均认为预设要求未被满足。
温度变化速率可以指模具的某个点位在一段时间内的温度变化量与发生该温度变化量所用时间的比值。
在一些实施例中,为了避免出现模具某个点位冷却得太快导致模具开裂,或冷却得太慢导致模具变形,因此,预设要求340包括温度变化速率340-3处于预设的阈值范围340-4。在一些实施例中,预设的阈值范围可以包括温度变化速率最大值及温度变化速率最小值。
在一些实施例中,预设的阈值范围可以相关于模具特征、工件特征、智能模具的历史故障数据。模具特征可以包括智能模具使用的模具材料等。工件特征可以包括生产的工件的工件类型、工件材料等。历史故障数据可以包括智能模具发生过的故障类型以及发生各类故障类型的次数等。模具特征、工件特征、智能模具的历史故障数据等可以基于智能模具的历史生产数据确定。
在一些实施例中,控制模块可以通过多种方式确定预设的阈值范围。例如,基于历史生产经验构建包括模具特征、工件特征、历史故障数据与阈值范围之间的对应关系的第三预设关系表,通过查表确定预设的阈值范围。
在一些实施例中,控制模块可以基于未来一段时间内多个时间点的温度构成的温度序列330获取各个点位在未来一段时间的温度变化速率中。例如,针对温度传感器A对应的点位,控制模块可以从(a1,a2,a3,a4,a5)中任意选择两个温度值并计算其对应的温度变化速率。在该例中,控制模块可以计算并获取温度传感器A对应的点位在该未来一段时间内的温度变化速率的最大值以及最小值。
在一些实施例中,若任意一个点位的温度变化速率的最大值超过温度变化速率最大值,或任意一个点位的温度变化速率的最小值小于温度变化速率最小值,均认为预设要求未被满足。
在一些实施例中,控制模块可以将满足预设要求的模型输出对应的候选风机运行方案,作为目标风机运行方案350,并基于目标风机运行方案运行对应的风机。
在本说明书的一些实施例中,将所有温度传感器的最终读数与温度变化速率同时满足要求,作为预设条件,不仅避免了温度降低幅度过小导致风机停止后的模具温度很快又超过温度阈值,也避免了冷却过快或过慢导致模具开裂、变形等问题,保证了模具的使用寿命。
在本说明书的一些实施例中,通过评估模型,预测候选风机运行方案运行一段时间后温度传感器的读数,进而选择满足预设要求的候选风机运行方案为目标风机运行方案,使得风机运行参数的确定更为可靠,进而提高工件生产质量与模具使用寿命。
本说明书一个或多个实施例之一提供一种智能模具的控制装置,装置包括至少一个处理器以及至少一个存储器;至少一个存储器用于存储计算机指令;至少一个处理器用于执行所述计算机指令中的至少部分指令以实现智能模具的控制方法。
本说明书一个或多个实施例之一提供一种计算机可读存储介质,存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行智能模具的控制方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种智能模具的控制系统,所述系统包括:智能模具、图像采集装置、输送模块、控制模块;
所述智能模具包括:设有凸模的上模座、设有凹模的下模座;所述凸模与所述凹模相配合;
所述凸模与所述凹模上设有至少一个温度传感器、至少一个压力传感器;
所述上模座和/或所述下模座上设有至少一个风机,所述至少一个风机用于对所述凸模与所述凹模进行制冷;
所述图像采集装置用于从至少一个方向采集经过冲压加工的工件图像;
所述输送模块用于将原材料输送到与所述智能模具相匹配的工位,以进行所述冲压加工,并将经过所述冲压加工后的工件传送到预设位置;
所述控制模块用于:
基于所述压力传感器的读数、所述冲压加工后的工件图像,调整生产参数;
基于所述生产参数、所述温度传感器的读数,确定所述至少一个风机的运行参数。
2.根据权利要求1所述的系统,其特征在于,所述控制模块进一步用于:
基于所述冲压加工后的工件图像,确定工件形态特征;
响应于所述工件形态特征满足第一预设条件,基于第一评估特征,调整所述生产参数;所述第一评估特征包括调整所述生产参数前的所述工件形态特征和/或所述压力传感器的读数;
获取第二评估特征,响应于所述第二评估特征满足所述第一预设条件,触发预警,第二评估特征包括调整所述生产参数后的所述工件形态特征和/或所述压力传感器的读数。
3.根据权利要求2所述的系统,其特征在于,所述控制模块进一步用于:
基于所述第二评估特征,确定故障类型及其对应的故障概率;
响应于所述故障概率满足第二预设条件,触发所述预警。
4.根据权利要求1所述的系统,其特征在于,所述控制模块进一步用于:
基于历史数据确定温度阈值;
响应于至少一个所述温度传感器的读数满足第三预设条件,通过预设算法确定所述至少一个风机的所述运行参数并运行所述至少一个风机,所述第三预设条件与所述温度阈值相关。
5.一种智能模具的控制方法,基于如权利要求1所述的智能模具的控制系统的控制模块执行,所述方法包括:
基于压力传感器的读数、所述冲压加工后的工件图像,调整生产参数;
基于所述生产参数、温度传感器的读数,确定至少一个风机的运行参数。
6.根据权利要求5所述的方法,其特征在于,所述基于压力传感器的读数、所述冲压加工后的工件图像,调整生产参数包括:
基于所述冲压加工后的工件图像,确定工件形态特征;
响应于所述工件形态特征满足第一预设条件,基于第一评估特征,调整所述生产参数;所述第一评估特征包括调整所述生产参数前的所述工件形态特征和/或所述压力传感器的读数;
获取第二评估特征,响应于所述第二评估特征满足所述第一预设条件,触发预警,第二评估特征包括调整所述生产参数后的所述工件形态特征和/或所述压力传感器的读数。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
基于所述第二评估特征,确定故障类型及其对应的故障概率;
响应于所述故障概率满足第二预设条件,触发所述预警。
8.根据权利要求5所述的方法,其特征在于,所述基于所述生产参数、温度传感器的读数,确定至少一个风机的运行参数包括:
基于历史数据确定温度阈值;
响应于至少一个所述温度传感器的读数满足第三预设条件,至少基于所述生产参数,通过预设算法确定所述至少一个风机的所述运行参数并运行所述至少一个风机,所述第三预设条件与所述温度阈值相关。
9.一种智能模具的控制装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1~4中任一项所述的智能模具的控制方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~4任一项所述的智能模具的控制方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410323867.4A CN118371601A (zh) | 2023-05-19 | 2023-05-19 | 一种智能模具的故障预警系统及方法 |
CN202310569557.6A CN116618529B (zh) | 2023-05-19 | 2023-05-19 | 一种智能模具的控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310569557.6A CN116618529B (zh) | 2023-05-19 | 2023-05-19 | 一种智能模具的控制系统及方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410323867.4A Division CN118371601A (zh) | 2023-05-19 | 2023-05-19 | 一种智能模具的故障预警系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116618529A true CN116618529A (zh) | 2023-08-22 |
CN116618529B CN116618529B (zh) | 2024-02-27 |
Family
ID=87641129
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410323867.4A Pending CN118371601A (zh) | 2023-05-19 | 2023-05-19 | 一种智能模具的故障预警系统及方法 |
CN202310569557.6A Active CN116618529B (zh) | 2023-05-19 | 2023-05-19 | 一种智能模具的控制系统及方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410323867.4A Pending CN118371601A (zh) | 2023-05-19 | 2023-05-19 | 一种智能模具的故障预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN118371601A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118437839A (zh) * | 2024-07-08 | 2024-08-06 | 珠海富士智能股份有限公司 | 板材的密集孔洞冲压方法及其装置、设备、介质 |
CN118437839B (zh) * | 2024-07-08 | 2024-09-27 | 珠海富士智能股份有限公司 | 板材的密集孔洞冲压方法及其装置、设备、介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6223573B1 (en) * | 1999-06-25 | 2001-05-01 | General Electric Company | Method for precision temperature controlled hot forming |
EP1240999A1 (en) * | 2001-03-15 | 2002-09-18 | Institute of Technology Precision Electrical Discharge Work's | Press forming machine |
CN103302186A (zh) * | 2013-06-28 | 2013-09-18 | 苏州唐氏机械制造有限公司 | 一种智能压力检测冲压模具 |
CN103341557A (zh) * | 2013-06-28 | 2013-10-09 | 苏州唐氏机械制造有限公司 | 一种智能温控增压冲压模具 |
CN105235251A (zh) * | 2015-10-22 | 2016-01-13 | 昆山鸿志犀自动化机电设备有限公司 | 一种在线控制热压机 |
CN107096840A (zh) * | 2016-02-19 | 2017-08-29 | 福特全球技术公司 | 用于监测热冲压部件的质量的方法 |
CN107413936A (zh) * | 2017-09-20 | 2017-12-01 | 太仓市华天冲压五金制品厂 | 一种钣金件孔加工用的气动冲压装置及其工作方法 |
WO2019044764A1 (ja) * | 2017-09-01 | 2019-03-07 | 日本精工株式会社 | 冷間プレス成形装置及び冷間プレス成形方法 |
CN109604442A (zh) * | 2018-06-05 | 2019-04-12 | 襄阳博亚精工装备股份有限公司 | 预埋传感器和视频监控的冲压模具 |
DE102018125036A1 (de) * | 2018-10-10 | 2020-04-30 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung zum Umformen eines insbesondere metallischen Werkstücks |
KR102265698B1 (ko) * | 2019-12-06 | 2021-06-16 | 주식회사 인터엑스 | 프레스 성형정보를 이용한 품질 데이터 분석 및 레시피 최적화 기법 |
CN217070432U (zh) * | 2022-03-28 | 2022-07-29 | 广州宏辉模具有限公司 | 一种智能温度监控增压冲压模具 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103920805B (zh) * | 2014-03-20 | 2016-02-03 | 成都市龙泉驿区齐盛机械厂 | 智能温控型高精度防毛边冲压模具 |
CN114653783B (zh) * | 2020-12-22 | 2024-05-10 | 上海飞机制造有限公司 | 一种冲压成形方法 |
-
2023
- 2023-05-19 CN CN202410323867.4A patent/CN118371601A/zh active Pending
- 2023-05-19 CN CN202310569557.6A patent/CN116618529B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6223573B1 (en) * | 1999-06-25 | 2001-05-01 | General Electric Company | Method for precision temperature controlled hot forming |
EP1240999A1 (en) * | 2001-03-15 | 2002-09-18 | Institute of Technology Precision Electrical Discharge Work's | Press forming machine |
CN103302186A (zh) * | 2013-06-28 | 2013-09-18 | 苏州唐氏机械制造有限公司 | 一种智能压力检测冲压模具 |
CN103341557A (zh) * | 2013-06-28 | 2013-10-09 | 苏州唐氏机械制造有限公司 | 一种智能温控增压冲压模具 |
CN105235251A (zh) * | 2015-10-22 | 2016-01-13 | 昆山鸿志犀自动化机电设备有限公司 | 一种在线控制热压机 |
CN107096840A (zh) * | 2016-02-19 | 2017-08-29 | 福特全球技术公司 | 用于监测热冲压部件的质量的方法 |
WO2019044764A1 (ja) * | 2017-09-01 | 2019-03-07 | 日本精工株式会社 | 冷間プレス成形装置及び冷間プレス成形方法 |
CN107413936A (zh) * | 2017-09-20 | 2017-12-01 | 太仓市华天冲压五金制品厂 | 一种钣金件孔加工用的气动冲压装置及其工作方法 |
CN109604442A (zh) * | 2018-06-05 | 2019-04-12 | 襄阳博亚精工装备股份有限公司 | 预埋传感器和视频监控的冲压模具 |
DE102018125036A1 (de) * | 2018-10-10 | 2020-04-30 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung zum Umformen eines insbesondere metallischen Werkstücks |
KR102265698B1 (ko) * | 2019-12-06 | 2021-06-16 | 주식회사 인터엑스 | 프레스 성형정보를 이용한 품질 데이터 분석 및 레시피 최적화 기법 |
CN217070432U (zh) * | 2022-03-28 | 2022-07-29 | 广州宏辉模具有限公司 | 一种智能温度监控增压冲压模具 |
Non-Patent Citations (1)
Title |
---|
何述平;陈立军;唐倩;陈锐;付磊磊;: "冲压模具智能检测系统的开发", 制造业自动化, no. 07 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118437839A (zh) * | 2024-07-08 | 2024-08-06 | 珠海富士智能股份有限公司 | 板材的密集孔洞冲压方法及其装置、设备、介质 |
CN118437839B (zh) * | 2024-07-08 | 2024-09-27 | 珠海富士智能股份有限公司 | 板材的密集孔洞冲压方法及其装置、设备、介质 |
Also Published As
Publication number | Publication date |
---|---|
CN118371601A (zh) | 2024-07-23 |
CN116618529B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110709688B (zh) | 用于预测在装配单元中的缺陷的方法 | |
US11243527B2 (en) | Production process control method and production process control device | |
CN108573368B (zh) | 管理装置以及可读取记录介质 | |
CN112801091B (zh) | 一种基于深度学习的增材制造制件成形质量监控与预测方法 | |
US11953874B2 (en) | Industrial internet of things systems for inspection operation management of inspection robots and methods thereof | |
CN117372433B (zh) | 厚度参数的控制方法、装置、设备及存储介质 | |
CN116618529B (zh) | 一种智能模具的控制系统及方法 | |
CN117520825B (zh) | 基于多尺度特征融合的工业母机加工工件质量预测方法 | |
CN113702393B (zh) | 一种本安型矿用输送带表面损伤检测系统及检测方法 | |
CN116533308B (zh) | 一种pcb切割监测系统、方法、装置及存储介质 | |
CN117921197A (zh) | 激光精密切割异形槽板制造方法、系统、设备及介质 | |
CN117161582B (zh) | 一种基于计算机视觉的激光切割方法 | |
CN114310207B (zh) | 冲压模具开发中报告拉伸故障的系统 | |
CN117862957A (zh) | 双金属材料铣削加工的工艺参数自适应调整方法及系统 | |
CN114211319B (zh) | 一种多工位刀具专用磨床控制方法、系统和存储介质 | |
CN117015448A (zh) | 冲压生产线、冲压成形条件计算方法以及冲压成形条件计算程序 | |
CN116055516A (zh) | 一种基于工业物联网的自动化监控系统 | |
CN115424106A (zh) | 台车检测方法、装置、电子设备及存储介质 | |
US20200254501A1 (en) | Learning device and cutting process evaluation system | |
CN113361811A (zh) | 运行状态预测方法、系统、设备及计算机可读存储介质 | |
CN117575986B (zh) | 一种车辆压铸配件成品监测方法、装置、设备及介质 | |
CN116165966B (zh) | 一种数控机床信息化自适应物料调控方法及系统 | |
US20240307944A1 (en) | Press line, press forming condition calculation method, and press forming condition calculation program | |
KR20230059977A (ko) | 프레스 장치의 상태 데이터에 기초한 금형제품 생산관리 방법 및 시스템 | |
CN116341995A (zh) | 一种模具生命周期管理方法、系统及电子设备 |
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 |