CN117032088A - 基于高精密内高压成型系统的智能伺服控制方法 - Google Patents
基于高精密内高压成型系统的智能伺服控制方法 Download PDFInfo
- Publication number
- CN117032088A CN117032088A CN202311122434.4A CN202311122434A CN117032088A CN 117032088 A CN117032088 A CN 117032088A CN 202311122434 A CN202311122434 A CN 202311122434A CN 117032088 A CN117032088 A CN 117032088A
- Authority
- CN
- China
- Prior art keywords
- working
- working process
- pressure forming
- subsystem
- forming system
- 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 abstract description 376
- 230000008569 process Effects 0.000 claims abstract description 346
- 230000006978 adaptation Effects 0.000 claims description 17
- 238000004088 simulation Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000000465 moulding Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000004080 punching Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001502 supplementing effect Effects 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
- G05B19/18—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
- G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
- G05B19/4142—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller characterised by the use of a microprocessor
-
- 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
- G05B2219/34—Director, elements to supervisory
- G05B2219/34013—Servocontroller
-
- 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)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了基于高精密内高压成型系统的智能伺服控制方法包括:采集高精密内高压成型系统工作时产生的实时数据,建立工作数据组,获取每一子系统对应的工作速度,根据工作速度建立每一子系统的子工作进程,根据每一子系统对应的子工作进程建立高精密内高压成型系统的总工作进程,提取子工作进程与总工作进程不一致的目标子系统,对目标子系统进行伺服控制,直到高精密内高压成型系统中的所有子系统进行同步工作为止,通过采集高精密内高压成型系统在工作时的数据来分析高精密内高压成型系统不同子系统的工作情况,在必要情况下,通过伺服控制的方式调节每一个子系统的工作进程,以保证高精密内高压成型系统中的子系统同步工作。
Description
技术领域
本发明涉及外伺服控制技术领域,特别涉及基于高精密内高压成型系统的智能伺服控制方法。
背景技术
内高压成形是一种以管材作坯料,通过管材内部施加超高压液体和轴向进给补料把管坯压入到模具型腔使其成为所需要的工件的技术,这种技术在减轻重量、减少零件数量和模具数量、提高刚度与强度、降低生产成本等方面具有明显的技术和经济优势。但是内高压成型技术在实际操作过程中需要对管材进行冲压,在冲压过程中要将管材放置在指定区域进程冲压,在此过程中需要系统中各个器件高度配合,否则容易出现冲压错位、空压或者过度冲压的现象。
因此,本发明提供了基于高精密内高压成型系统的智能伺服控制方法。
发明内容
本发明基于高精密内高压成型系统的智能伺服控制方法,通过采集高精密内高压成型系统在工作时的数据来分析高精密内高压成型系统不同子系统的工作情况,在必要情况下,通过伺服控制的方式调节每一个子系统的工作进程,以保证高精密内高压成型系统中的子系统同步工作。
本发明提供了基于高精密内高压成型系统的智能伺服控制方法,包括:
步骤1:采集高精密内高压成型系统工作时产生的实时数据,建立工作数据组;
步骤2:解析所述工作数据组得到所述高精密内高压成型系统中每一子系统对应的工作速度,根据所述工作速度建立每一子系统的子工作进程;
步骤3:根据每一子系统对应的子工作进程建立所述高精密内高压成型系统的总工作进程,提取子工作进程与总工作进程不一致的目标子系统;
步骤4:对所述目标子系统进行伺服控制,直到所述高精密内高压成型系统中的所有子系统进行同步工作为止。
在一种可实施的方式中,
所述步骤1,包括:
步骤11:在所述高精密内高压成型系统工作时,采集所述高精密内高压成型系统产生的实时数据;
步骤12:对所述实时数据进行数据清洗得到目标数据,获取所述目标数据中包含的数据节点,根据所述数据节点在所述目标数据中的位置将所述目标数据划分为若干条工作数据;
步骤13:分别获取每一工作数据对应的数据来源,根据所述数据来源对所述工作数据进行聚类分析,得到若干个数据类;
步骤14:分别获取每一数据来源对应的数据属性,建立属性标签,将所述属性标签标记在对应的数据类中,得到工作数据组。
在一种可实施的方式中,
所述步骤2,包括:
步骤21:获取所述高精密内高压成型系统对应的系统型号,根据所述系统型号选取对应的第一系统模型,分别获取每一工作数据组对应的数据特征,根据所述数据特征建立目标模型特征,利用所述目标模型特征修正所述第一系统模型,得到第二系统模型;
步骤22:将所述工作数据组输入到所述第二系统模型中得到第三系统模型,运行所述第三系统模型得到所述第三系统模型中不同的模型区域对应的运行结果;
步骤23:获取每一模型区域对应的区域特征,根据所述区域特征确定每一模型区域对应的高精密内高压成型系统的子系统,解析所述运行结果,得到对应子系统的工作速度;
步骤24:获取每一子系统对应的执行工作,结合所述工作速度得到建立每一子系统对应的工作进程。
在一种可实施的方式中,
所述步骤3,包括:
步骤31:统计不同子系统对应的子工作进程,建立第一工作进程统计列表,在所述第一工作进程统计列表中标记工作进程最快的第一子系统和工作进程最慢的第二子系统,根据所述第一子系统对应的第一工作进程和第二子系统对应的第二工作进程建立总工作进程合理范围;
步骤32:将所述第一工作进程统计列表中的子工作进程进行相互适应训练,得到训练工作进程,当所述训练工作进程不在总工作进程合理范围内时,获取所述训练工作进程与第一工作进程之间的第一进程差和所述训练工作进程与第二工作进程之间的第二进程差;
步骤33:当所述第一进程差大于第二进程差时,在所述第一工作进程统计列表中剔除所述第二工作进程,得到第二工作进程统计列表,对所述第二工作进程统计列表中的子进程进行相互适应训练得到所述高精密内高压成型系统的总工作进程;
当所述第一进程差小于第二进程差时,在所述第一工作进程统计列表中剔除所述第一工作进程,得到第三工作进程统计列表,对所述第三工作进程统计列表中的子进程进行相互适应训练得到所述高精密内高压成型系统的总工作进程;
步骤34:利用所述总工作进程遍历所述第一工作进程统计列表中的每一子工作进程,提取与所述总工作进程不一致的目标子工作进程,得到所述目标子工作进程对应的目标子系统。
在一种可实施的方式中,
所述步骤4,包括:
步骤41:获取每一目标子系统对应的工作特征,得到每一目标子系统对应的工作速度范围,以及获取每一目标子系统所述高精密内高压成型系统中不同子系统之间的工作关联特征,的每一目标子系统与不同子系统之间的关联程度;
步骤42:获取第三系统模型在所述第三系统模型中获取每一子系统对应的子系统模型,将所述工作速度范围标记在对应的子系统模型中,以及将所述关联程度标记在对应的子系统模型中,得到第四系统模型;
步骤43:在所述第四系统模型中在所述工作速度范围内分别调节每一子系统模型对应的子模拟工作速度,建立若干种工作方式,分别运行每一种工作方式,建立运行结果;
步骤44:解析所述运行结果,得到在不同模拟工作速度下不同子系统模型之间的协调程度,提取协调程度最高的目标工作方式,根据所述目标工作方式中每一子系统模型对应的模拟工作速度,调节所述高精密内高压成型系统中每一子系统对应的工作速度。
在一种可实施的方式中,
还包括:
当所述训练工作进程在总工作进程合理范围内时,利用所述训练工作进程遍历所述第一工作进程统计列表中的每一子工作进程,提取与所述训练工作进程不一致的目标子工作进程,得到所述目标子工作进程对应的目标子系统。
在一种可实施的方式中,
所述步骤32,包括:
步骤321:根据所述第一工作进程统计列表得到每一工作进程对应的子系统数量,将子系统数量一致的工作进程记作一个进程类,根据子系统数量由低到高的顺序将所述进程类进行排序,得到进程类序列;
步骤322:根据每一进程类在所述进程类序列中的排序位置,为每一进程类建立训练权重,利用所述训练权重训练对应的子工作进程,得到训练工作进程;
步骤323:当所述训练工作进程不在总工作进程合理范围内时,获取所述训练工作进程与第一工作进程之间的第一进程差和所述训练工作进程与第二工作进程之间的第二进程差。
在一种可实施的方式中,
步骤322包括:
步骤3221:获取每一进程类在所述进程类序列中的排序位置,根据序列位置分别为每一进程类建立初始权重;
步骤3222:获取所述进程序列中排序位置最末的目标进程类,将所述目标进程类记作训练中心,分别获取每一进程类与所述训练中心之间的待训练量,根据所述待训练量,建立修正权重;
步骤3223:根据每一进程类对应的初始权重和修正权重建立训练权重;
步骤3224:利用所述训练权重训练对应的子工作进程,得到训练工作进程。
在一种可实施的方式中,
还包括:
统计所述数据类的实际数量,当所述实际数量与预设数量不一致时,确定所述实时数据丢失,生成反馈信息传输到指定终端进行显示。
在一种可实施的方式中,
还包括:
根据所述工作数据组建立所述高精密内高压成型系统每一器件对应的工作信息,将所述工作信息传输到指定终端进行显示。
本发明可以实现的有益效果为:为了避免高精密内高压成型系统在工作过程中出现不必要的失误,在高精密内高压成型系统的工作过程中采集其产生的实时数据,然后对实时数据进行处理,建立工作数据组,通过工作数据组可以得到高精密内高压成型系统中每一子系统对应的工作速度,从而可以得到每一子系统对应的工作进程,为了避免不同子系统的工作进程不一致而影响高精密内高压成型系统的冲压效果,对子工作进程异常的目标子系统进程伺服控制,从而使高精密内高压成型系统中的所有子系统同步工作,当高精密内高压成型系统中所有的子系统同步工作时可以将有效避免生成残次品,提高了高精密内高压成型系统的工作效率以及成品率,扩展了高精密内高压成型系统的实用性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中基于高精密内高压成型系统的智能伺服控制方法的工作流程示意图;
图2为本发明实施例中基于高精密内高压成型系统的智能伺服控制方法步骤1的工作流程示意图;
图3为本发明实施例中基于高精密内高压成型系统的智能伺服控制方法步骤2的工作流程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
本实施例提供了基于高精密内高压成型系统的智能伺服控制方法,如图1所示,包括:
步骤1:采集高精密内高压成型系统工作时产生的实时数据,建立工作数据组;
步骤2:解析所述工作数据组得到所述高精密内高压成型系统中每一子系统对应的工作速度,根据所述工作速度建立每一子系统的子工作进程;
步骤3:根据每一子系统对应的子工作进程建立所述高精密内高压成型系统的总工作进程,提取子工作进程与总工作进程不一致的目标子系统;
步骤4:对所述目标子系统进行伺服控制,直到所述高精密内高压成型系统中的所有子系统进行同步工作为止。
该实例中,实时数据表示高精密内高压成型系统在工作时所产生的数据;
该实例中,工作数据组表示将实时数据进行清洗以及分类会得到的数据组;
该实例中,子系统表示高精密内高压成型系统中的一个可以完成独立工作的部分系统;
该实例中,一个子系统对应一个子工作进程;
该实例中,子工作进程表示子系统完成工作时的进度;
该实例中,伺服控制表示调节子系统工作速度的过程。
上述技术方案的工作原理以及有益效果:为了避免高精密内高压成型系统在工作过程中出现不必要的失误,在高精密内高压成型系统的工作过程中采集其产生的实时数据,然后对实时数据进行处理,建立工作数据组,通过工作数据组可以得到高精密内高压成型系统中每一子系统对应的工作速度,从而可以得到每一子系统对应的工作进程,为了避免不同子系统的工作进程不一致而影响高精密内高压成型系统的冲压效果,对子工作进程异常的目标子系统进程伺服控制,从而使高精密内高压成型系统中的所有子系统同步工作,当高精密内高压成型系统中所有的子系统同步工作时可以将有效避免生成残次品,提高了高精密内高压成型系统的工作效率以及成品率,扩展了高精密内高压成型系统的实用性。
实施例2
在实施例1的基础上,所述基于高精密内高压成型系统的智能伺服控制方法,如图2所示,所述步骤1,包括:
步骤11:在所述高精密内高压成型系统工作时,采集所述高精密内高压成型系统产生的实时数据;
步骤12:对所述实时数据进行数据清洗得到目标数据,获取所述目标数据中包含的数据节点,根据所述数据节点在所述目标数据中的位置将所述目标数据划分为若干条工作数据;
步骤13:分别获取每一工作数据对应的数据来源,根据所述数据来源对所述工作数据进行聚类分析,得到若干个数据类;
步骤14:分别获取每一数据来源对应的数据属性,建立属性标签,将所述属性标签标记在对应的数据类中,得到工作数据组。
该实例中,对实时数据进行清洗的目的是:将实时数据中的干扰数据进行剔除;
该实例中,数据节点表示目标数据中不同数据段之间的交接点;
该实例中,聚类分析表示将数据来源一致的工作数据归为一类的过程;
该实例中,属性标签表示根据数据来源所建立的用来区分不同数据属性的标签。
上述技术方案的工作原理以及有益效果:通过对实时数据进行清洗,滤除其中的干扰数据得到了目标数据,然后根据目标数据的节点分布将目标数据划分为工作数据,然后根据工作数据的来源将其进行聚类分析,并为数据类建立属性标签,从而建立了工作数据组,通清洗、分类、标记的方式处理实时数据得到工作数据组可以将实时数据进行细致的划分,为后续分析高精密内高压成型系统的工作进程做基础。
实施例3
在实施例1的基础上,所述基于高精密内高压成型系统的智能伺服控制方法,如图3所示,所述步骤2,包括:
步骤21:获取所述高精密内高压成型系统对应的系统型号,根据所述系统型号选取对应的第一系统模型,分别获取每一工作数据组对应的数据特征,根据所述数据特征建立目标模型特征,利用所述目标模型特征修正所述第一系统模型,得到第二系统模型;
步骤22:将所述工作数据组输入到所述第二系统模型中得到第三系统模型,运行所述第三系统模型得到所述第三系统模型中不同的模型区域对应的运行结果;
步骤23:获取每一模型区域对应的区域特征,根据所述区域特征确定每一模型区域对应的高精密内高压成型系统的子系统,解析所述运行结果,得到对应子系统的工作速度;
步骤24:获取每一子系统对应的执行工作,结合所述工作速度得到建立每一子系统对应的工作进程。
该实例中,一个高精密内高压成型系统对应一个系统型号;
该实例中,第一系统模型表示在虚拟空间中预先设定的、关于表示高精密内高压成型系统的模型;
该实例中,数据特征表示用不同工作数据组所呈现的特征;
该实例中,目标模型特征表示第二系统模型应该呈现的特征;
该实例中,第二系统模型表示将与高精密内高压成型系统功能一致的虚拟模型;
该实例中,第三系统模型表示与高精密内高压成型系统当前工作状况一致的虚拟模型;
该实例中,第三系统模型总包含若干个模型区域;
该实例中,区域特征表示一个模型区域所呈现的特征。
上述技术方案的工作原理以及有益效果:为了快速得到高精密内高压成型系统中每一子系统对应的工作进程,先根据高精密内高压成型系统的系统型号选取对应的第一系统模型,然后利用根据工作数据组生成的目标模型特征修正第一系统模型,得到一个与高精密内高压成型系统功能一致的第二系统模型,进而将工作数据组输入到第二系统模型就可以建立一个与高精密内高压成型系统当前工作情况一致的第三系统模型,然后运行该模型,可以得到不同模型区域的运行结果,从而可以得到不同子系统的工作速度,最后可以得到每一子系统的工作进程,通过建立模型的方式来分析高精密内高压成型系统中每一子系统对应的工作进程,一来可以分析每一子系统对应的工作进程,二来在分析过程中兼顾每一个子系统,可以通过统一运行的方式来确定每一子系统的实际工作进程,减少分析误差。
实施例4
在实施例1的基础上,所述基于高精密内高压成型系统的智能伺服控制方法,所述步骤3,包括:
步骤31:统计不同子系统对应的子工作进程,建立第一工作进程统计列表,在所述第一工作进程统计列表中标记工作进程最快的第一子系统和工作进程最慢的第二子系统,根据所述第一子系统对应的第一工作进程和第二子系统对应的第二工作进程建立总工作进程合理范围;
步骤32:将所述第一工作进程统计列表中的子工作进程进行相互适应训练,得到训练工作进程,当所述训练工作进程不在总工作进程合理范围内时,获取所述训练工作进程与第一工作进程之间的第一进程差和所述训练工作进程与第二工作进程之间的第二进程差;
步骤33:当所述第一进程差大于第二进程差时,在所述第一工作进程统计列表中剔除所述第二工作进程,得到第二工作进程统计列表,对所述第二工作进程统计列表中的子进程进行相互适应训练得到所述高精密内高压成型系统的总工作进程;
当所述第一进程差小于第二进程差时,在所述第一工作进程统计列表中剔除所述第一工作进程,得到第三工作进程统计列表,对所述第三工作进程统计列表中的子进程进行相互适应训练得到所述高精密内高压成型系统的总工作进程;
步骤34:利用所述总工作进程遍历所述第一工作进程统计列表中的每一子工作进程,提取与所述总工作进程不一致的目标子工作进程,得到所述目标子工作进程对应的目标子系统。
该实例中,总工作进程合理范围表示在当前情况下总工程进程可能呈现所有进程的范围;
该实例中,当第一进程差大于第二进程差时,表示第一工作进程统计列表中含有一个过快的工作进程,所以将第二工作进程剔除,重新进程相互适应训练;当第一进程差小于第二进程差时,表示第一工作进程统计列表中含有一个过慢的工作进程,所以将第一工作进程剔除,重新进程相互适应训练;
该实例中,进程差表示训练工作进程与总工作进程合理范围两个范围端点之间的差。
上述技术方案的工作原理以及有益效果:为了确定高精密内高压成型系统中哪一个子系统处于非正常工作状态,先统计不同子系统对应的子工作进程建立一个工作进程统计列表,然后根据该列表中的最快工作进程和最慢工作进程确定总工作进程的合理范围,然后对工作进程统计列表中的子工作进程进行训练,得到一个训练工作进程,通过判断训练工作进程是否在总工作进程合理范围内来确定是否得到了总工作进程,必要时根据实际情况将离散度过高的子工作进程进行剔除,然后再进行一次相互适应训练,从而得到了总工作进程,然后利用总工作进程遍历子工作进程,根据子工作进程与总工作进程之间的差别来判断该子工作进程是否处于非正常工作状态,从而采集到了处于非正常工作状态的目标子系统。
实施例5
在实施例1的基础上,所述基于高精密内高压成型系统的智能伺服控制方法,所述步骤4,包括:
步骤41:获取每一目标子系统对应的工作特征,得到每一目标子系统对应的工作速度范围,以及获取每一目标子系统所述高精密内高压成型系统中不同子系统之间的工作关联特征,的每一目标子系统与不同子系统之间的关联程度;
步骤42:获取第三系统模型在所述第三系统模型中获取每一子系统对应的子系统模型,将所述工作速度范围标记在对应的子系统模型中,以及将所述关联程度标记在对应的子系统模型中,得到第四系统模型;
步骤43:在所述第四系统模型中在所述工作速度范围内分别调节每一子系统模型对应的子模拟工作速度,建立若干种工作方式,分别运行每一种工作方式,建立运行结果;
步骤44:解析所述运行结果,得到在不同模拟工作速度下不同子系统模型之间的协调程度,提取协调程度最高的目标工作方式,根据所述目标工作方式中每一子系统模型对应的模拟工作速度,调节所述高精密内高压成型系统中每一子系统对应的工作速度。
该实例中,工作速度范围表示一个目标子系统在工作时可以达到的最高速度和最低速度之间的范围;
该实例中,不同的目标子系统对应的工作速度范围不同;
该实例中,关联程度表示两个不同子系统之间需要共同工作的程度;
该实例中,每一种工作方式中子系统模型对应的子模拟工作速度是不同的;
该实例中,协调程度表示子系统模型之间共同工作过程中不出现失误的概率。
上述技术方案的工作原理以及有益效果:为了保证高精密内高压成型系统可以有效工作,先根据每一目标子系统对应的工作特征得到其工作速度范围,以及获取不同子系统与目标子系统之间的关联程度,为了进一步分析高精密内高压成型系统的工作情况,获取第三系统模型,将目标子系统的工作速度范围和关联程度标记进去生成第四系统模型,通过调节第四系统模型中不同子模型的子模拟工作速度,可以得到若干种工作方式,分别运行每一工作方式,可以得到对应的运行结果,通过运行结果可以得到不同子系统模型在不同工作速度下的协调程度,最后选取协调程度最高的工作方式,利用该工作方式调整高精密内高压成型系统种子系统的工作速度,通过在模型中试验调节的方式来选取目标工作方式可以减少高精密内高压成型系统试错的次数,并且采用模型试验的方式可以同时对多个工作方式进行试验,提高了选取目标供方式的效率。
实施例6
在实施例4的基础上,所述基于高精密内高压成型系统的智能伺服控制方法,还包括:
当所述训练工作进程在总工作进程合理范围内时,利用所述训练工作进程遍历所述第一工作进程统计列表中的每一子工作进程,提取与所述训练工作进程不一致的目标子工作进程,得到所述目标子工作进程对应的目标子系统。
上述技术方案的工作原理以及有益效果:当训练工作进程在总工作进程合理范围内时,说明通过相互适应训练已经得到了总工作进程,此时直接利用训练工作进程遍历第一工作进程统计列表中的子工作进程获取目标子系统,可以加快获取目标子系统的速度,减少非必要工作。
实施例7
在实施例4的基础上,所述基于高精密内高压成型系统的智能伺服控制方法,所述步骤32,包括:
步骤321:根据所述第一工作进程统计列表得到每一工作进程对应的子系统数量,将子系统数量一致的工作进程记作一个进程类,根据子系统数量由低到高的顺序将所述进程类进行排序,得到进程类序列;
步骤322:根据每一进程类在所述进程类序列中的排序位置,为每一进程类建立训练权重,利用所述训练权重训练对应的子工作进程,得到训练工作进程;
步骤323:当所述训练工作进程不在总工作进程合理范围内时,获取所述训练工作进程与第一工作进程之间的第一进程差和所述训练工作进程与第二工作进程之间的第二进程差。
该实例中,步骤321和步骤322为进行相互适应训练的过程。
上述技术方案的工作原理以及有益效果:在进行相互适应训练的过程中,先根据每一工作进程对应的子系统的数量来建立进程类序列,然后根据每一进程类在进程类序列中的排序位置为其建立训练权重,最后可以利用训练权重来训练子工作进程,从而得到训练工作进程,进一步的,在必要时获取训练工作进程与总工作进程合理范围直接的进程差,为后续进行二次相互适应训练做基础。
实施例8
在实施例7的基础上,所述基于高精密内高压成型系统的智能伺服控制方法,步骤322包括:
步骤3221:获取每一进程类在所述进程类序列中的排序位置,根据序列位置分别为每一进程类建立初始权重;
步骤3222:获取所述进程序列中排序位置最末的目标进程类,将所述目标进程类记作训练中心,分别获取每一进程类与所述训练中心之间的待训练量,根据所述待训练量,建立修正权重;
步骤3223:根据每一进程类对应的初始权重和修正权重建立训练权重;
步骤3224:利用所述训练权重训练对应的子工作进程,得到训练工作进程。
该实例中,排序位置最末的目标进程类表示子系统数量最多的进程类,在进行相互适应训练的过程时目标进程类的改变量最小;
该实例中,训练中心表示在子工作进程进行相互适应训练后,所得到的新子工作进程均在训练中心的范围内;
该实例中,初始权重与排序位置有关,排序位置越靠前,初始权重越大;
该实例中,修正权重表示进程类进行需要调整的权重。
上述技术方案的工作原理以及有益效果:为了保证相互适应训练的有效性,先根据进程类在进程类序列中的排序位置为其建立初始权重,以及建立每一进程类与训练中心之间的修正权重,利用这两个权重可以建立训练权重,最后利用训练权重来训练对应的子工作进程,从而得到了训练工作进程。
实施例9
在实施例2的基础上,所述基于高精密内高压成型系统的智能伺服控制方法,还包括:
统计所述数据类的实际数量,当所述实际数量与预设数量不一致时,确定所述实时数据丢失,生成反馈信息传输到指定终端进行显示。
上述技术方案的工作原理以及有益效果:为了方便用户了解高精密内高压成型系统的工作情况,当数据采集工作出现失误时,生成反馈信息并进行显示,便于用户及时修理高精密内高压成型系统。
实施例10
在实施例2的基础上,所述基于高精密内高压成型系统的智能伺服控制方法,还包括:
根据所述工作数据组建立所述高精密内高压成型系统每一器件对应的工作信息,将所述工作信息传输到指定终端进行显示。
上述技术方案的工作原理以及有益效果:为了方便用户了解每一高精密内高压成型系统中每一器件的工作状态,根据工作数据组建立多个工作信息并进行显示。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于高精密内高压成型系统的智能伺服控制方法,其特征在于,包括:
步骤1:采集高精密内高压成型系统工作时产生的实时数据,建立工作数据组;
步骤2:解析所述工作数据组得到所述高精密内高压成型系统中每一子系统对应的工作速度,根据所述工作速度建立每一子系统的子工作进程;
步骤3:根据每一子系统对应的子工作进程建立所述高精密内高压成型系统的总工作进程,提取子工作进程与总工作进程不一致的目标子系统;
步骤4:对所述目标子系统进行伺服控制,直到所述高精密内高压成型系统中的所有子系统进行同步工作为止。
2.如权利要求1所述的一种基于高精密内高压成型系统的智能伺服控制方法,其特征在于,所述步骤1,包括:
步骤11:在所述高精密内高压成型系统工作时,采集所述高精密内高压成型系统产生的实时数据;
步骤12:对所述实时数据进行数据清洗得到目标数据,获取所述目标数据中包含的数据节点,根据所述数据节点在所述目标数据中的位置将所述目标数据划分为若干条工作数据;
步骤13:分别获取每一工作数据对应的数据来源,根据所述数据来源对所述工作数据进行聚类分析,得到若干个数据类;
步骤14:分别获取每一数据来源对应的数据属性,建立属性标签,将所述属性标签标记在对应的数据类中,得到工作数据组。
3.如权利要求1所述的一种基于高精密内高压成型系统的智能伺服控制方法,其特征在于,所述步骤2,包括:
步骤21:获取所述高精密内高压成型系统对应的系统型号,根据所述系统型号选取对应的第一系统模型,分别获取每一工作数据组对应的数据特征,根据所述数据特征建立目标模型特征,利用所述目标模型特征修正所述第一系统模型,得到第二系统模型;
步骤22:将所述工作数据组输入到所述第二系统模型中得到第三系统模型,运行所述第三系统模型得到所述第三系统模型中不同的模型区域对应的运行结果;
步骤23:获取每一模型区域对应的区域特征,根据所述区域特征确定每一模型区域对应的高精密内高压成型系统的子系统,解析所述运行结果,得到对应子系统的工作速度;
步骤24:获取每一子系统对应的执行工作,结合所述工作速度得到建立每一子系统对应的工作进程。
4.如权利要求1所述的一种基于高精密内高压成型系统的智能伺服控制方法,其特征在于,所述步骤3,包括:
步骤31:统计不同子系统对应的子工作进程,建立第一工作进程统计列表,在所述第一工作进程统计列表中标记工作进程最快的第一子系统和工作进程最慢的第二子系统,根据所述第一子系统对应的第一工作进程和第二子系统对应的第二工作进程建立总工作进程合理范围;
步骤32:将所述第一工作进程统计列表中的子工作进程进行相互适应训练,得到训练工作进程,当所述训练工作进程不在总工作进程合理范围内时,获取所述训练工作进程与第一工作进程之间的第一进程差和所述训练工作进程与第二工作进程之间的第二进程差;
步骤33:当所述第一进程差大于第二进程差时,在所述第一工作进程统计列表中剔除所述第二工作进程,得到第二工作进程统计列表,对所述第二工作进程统计列表中的子进程进行相互适应训练得到所述高精密内高压成型系统的总工作进程;
当所述第一进程差小于第二进程差时,在所述第一工作进程统计列表中剔除所述第一工作进程,得到第三工作进程统计列表,对所述第三工作进程统计列表中的子进程进行相互适应训练得到所述高精密内高压成型系统的总工作进程;
步骤34:利用所述总工作进程遍历所述第一工作进程统计列表中的每一子工作进程,提取与所述总工作进程不一致的目标子工作进程,得到所述目标子工作进程对应的目标子系统。
5.如权利要求1所述的一种基于高精密内高压成型系统的智能伺服控制方法,其特征在于,所述步骤4,包括:
步骤41:获取每一目标子系统对应的工作特征,得到每一目标子系统对应的工作速度范围,以及获取每一目标子系统所述高精密内高压成型系统中不同子系统之间的工作关联特征,的每一目标子系统与不同子系统之间的关联程度;
步骤42:获取第三系统模型在所述第三系统模型中获取每一子系统对应的子系统模型,将所述工作速度范围标记在对应的子系统模型中,以及将所述关联程度标记在对应的子系统模型中,得到第四系统模型;
步骤43:在所述第四系统模型中在所述工作速度范围内分别调节每一子系统模型对应的子模拟工作速度,建立若干种工作方式,分别运行每一种工作方式,建立运行结果;
步骤44:解析所述运行结果,得到在不同模拟工作速度下不同子系统模型之间的协调程度,提取协调程度最高的目标工作方式,根据所述目标工作方式中每一子系统模型对应的模拟工作速度,调节所述高精密内高压成型系统中每一子系统对应的工作速度。
6.如权利要求4所述的一种基于高精密内高压成型系统的智能伺服控制方法,其特征在于,还包括:
当所述训练工作进程在总工作进程合理范围内时,利用所述训练工作进程遍历所述第一工作进程统计列表中的每一子工作进程,提取与所述训练工作进程不一致的目标子工作进程,得到所述目标子工作进程对应的目标子系统。
7.如权利要求4所述的一种基于高精密内高压成型系统的智能伺服控制方法,其特征在于,所述步骤32,包括:
步骤321:根据所述第一工作进程统计列表得到每一工作进程对应的子系统数量,将子系统数量一致的工作进程记作一个进程类,根据子系统数量由低到高的顺序将所述进程类进行排序,得到进程类序列;
步骤322:根据每一进程类在所述进程类序列中的排序位置,为每一进程类建立训练权重,利用所述训练权重训练对应的子工作进程,得到训练工作进程;
步骤323:当所述训练工作进程不在总工作进程合理范围内时,获取所述训练工作进程与第一工作进程之间的第一进程差和所述训练工作进程与第二工作进程之间的第二进程差。
8.如权利要求7所述的一种基于高精密内高压成型系统的智能伺服控制方法,其特征在于,步骤322包括:
步骤3221:获取每一进程类在所述进程类序列中的排序位置,根据序列位置分别为每一进程类建立初始权重;
步骤3222:获取所述进程序列中排序位置最末的目标进程类,将所述目标进程类记作训练中心,分别获取每一进程类与所述训练中心之间的待训练量,根据所述待训练量,建立修正权重;
步骤3223:根据每一进程类对应的初始权重和修正权重建立训练权重;
步骤3224:利用所述训练权重训练对应的子工作进程,得到训练工作进程。
9.如权利要求2所述的一种基于高精密内高压成型系统的智能伺服控制方法,其特征在于,还包括:
统计所述数据类的实际数量,当所述实际数量与预设数量不一致时,确定所述实时数据丢失,生成反馈信息传输到指定终端进行显示。
10.如权利要求2所述的一种基于高精密内高压成型系统的智能伺服控制方法,其特征在于,还包括:
根据所述工作数据组建立所述高精密内高压成型系统每一器件对应的工作信息,将所述工作信息传输到指定终端进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311122434.4A CN117032088B (zh) | 2023-09-01 | 2023-09-01 | 基于高精密内高压成型系统的智能伺服控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311122434.4A CN117032088B (zh) | 2023-09-01 | 2023-09-01 | 基于高精密内高压成型系统的智能伺服控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117032088A true CN117032088A (zh) | 2023-11-10 |
CN117032088B CN117032088B (zh) | 2024-04-09 |
Family
ID=88637328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311122434.4A Active CN117032088B (zh) | 2023-09-01 | 2023-09-01 | 基于高精密内高压成型系统的智能伺服控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117032088B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117225973A (zh) * | 2023-11-15 | 2023-12-15 | 广东思豪内高压科技有限公司 | 基于内高压成型机的压力智能控制方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101446818A (zh) * | 2008-12-12 | 2009-06-03 | 齐齐哈尔华工机床制造有限公司 | 金属冲击试样自动化加工装置的自动控制系统 |
CN102172704A (zh) * | 2011-01-21 | 2011-09-07 | 西安交通大学 | 一种大吨位管材内高压成形装置 |
CN104898574A (zh) * | 2015-05-27 | 2015-09-09 | 湖北三环锻压设备有限公司 | 一种基于p500控制器的剪切线多轴数控系统 |
CN105159240A (zh) * | 2015-07-23 | 2015-12-16 | 上海极熵数据科技有限公司 | 自动化工业设备的作业调度系统 |
CN105570238A (zh) * | 2016-01-07 | 2016-05-11 | 南通大学 | 无阀液压伺服同步系统 |
WO2016121010A1 (ja) * | 2015-01-28 | 2016-08-04 | 株式会社日立製作所 | 作業機械の操作システム |
CN108919760A (zh) * | 2018-07-05 | 2018-11-30 | 长安大学 | 一种基于数字孪生的智能车间自治生产过程动态联动控制方法 |
CN109228507A (zh) * | 2018-09-29 | 2019-01-18 | 太原重工股份有限公司 | 用于框架式jco成型机的多缸同步控制系统 |
CN112987629A (zh) * | 2021-05-14 | 2021-06-18 | 南京恒久机器制造有限公司 | 一种高速智能激光切割机远程电气数字化控制系统及方法 |
CN113656175A (zh) * | 2021-08-18 | 2021-11-16 | 北京百度网讯科技有限公司 | 基于分布式系统训练模型的方法、设备及程序产品 |
CN115889562A (zh) * | 2022-12-22 | 2023-04-04 | 重庆江东机械有限责任公司 | 一种内高压成形动态密封控制系统及内高压成形工艺 |
DE102021006400B3 (de) * | 2021-12-29 | 2023-05-11 | Salzgitter Hydroforming GmbH & Co. KG | Innenhochdruckumform-Werkzeugvorrichtung und Verfahren zur Herstellung eines Hohlkörpers durch Innenhochdruckumformen |
-
2023
- 2023-09-01 CN CN202311122434.4A patent/CN117032088B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101446818A (zh) * | 2008-12-12 | 2009-06-03 | 齐齐哈尔华工机床制造有限公司 | 金属冲击试样自动化加工装置的自动控制系统 |
CN102172704A (zh) * | 2011-01-21 | 2011-09-07 | 西安交通大学 | 一种大吨位管材内高压成形装置 |
WO2016121010A1 (ja) * | 2015-01-28 | 2016-08-04 | 株式会社日立製作所 | 作業機械の操作システム |
CN104898574A (zh) * | 2015-05-27 | 2015-09-09 | 湖北三环锻压设备有限公司 | 一种基于p500控制器的剪切线多轴数控系统 |
CN105159240A (zh) * | 2015-07-23 | 2015-12-16 | 上海极熵数据科技有限公司 | 自动化工业设备的作业调度系统 |
CN105570238A (zh) * | 2016-01-07 | 2016-05-11 | 南通大学 | 无阀液压伺服同步系统 |
CN108919760A (zh) * | 2018-07-05 | 2018-11-30 | 长安大学 | 一种基于数字孪生的智能车间自治生产过程动态联动控制方法 |
CN109228507A (zh) * | 2018-09-29 | 2019-01-18 | 太原重工股份有限公司 | 用于框架式jco成型机的多缸同步控制系统 |
CN112987629A (zh) * | 2021-05-14 | 2021-06-18 | 南京恒久机器制造有限公司 | 一种高速智能激光切割机远程电气数字化控制系统及方法 |
CN113656175A (zh) * | 2021-08-18 | 2021-11-16 | 北京百度网讯科技有限公司 | 基于分布式系统训练模型的方法、设备及程序产品 |
DE102021006400B3 (de) * | 2021-12-29 | 2023-05-11 | Salzgitter Hydroforming GmbH & Co. KG | Innenhochdruckumform-Werkzeugvorrichtung und Verfahren zur Herstellung eines Hohlkörpers durch Innenhochdruckumformen |
CN115889562A (zh) * | 2022-12-22 | 2023-04-04 | 重庆江东机械有限责任公司 | 一种内高压成形动态密封控制系统及内高压成形工艺 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117225973A (zh) * | 2023-11-15 | 2023-12-15 | 广东思豪内高压科技有限公司 | 基于内高压成型机的压力智能控制方法 |
CN117225973B (zh) * | 2023-11-15 | 2024-04-09 | 广东思豪内高压科技有限公司 | 基于内高压成型机的压力智能控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117032088B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117032088B (zh) | 基于高精密内高压成型系统的智能伺服控制方法 | |
CN109978403B (zh) | 一种产品装配过程的质量管控方法、装置及设备 | |
CN101718977B (zh) | 用于汽车纵梁冲孔加工的cam系统及控制方法和构建方法 | |
CN112446526B (zh) | 生产排程系统及方法 | |
CN109785180A (zh) | 一种面向数字孪生车间的场景感知系统及方法 | |
CN102707669B (zh) | 用于汽车纵梁冲孔加工的cam系统的构建方法 | |
CN112528502B (zh) | 生产车间的管控方法、管控系统及相关装置 | |
CN103842921A (zh) | 生产计划装置以及生产计划方法 | |
CN112231966B (zh) | 一种基于数字孪生的协作机器人可装配性预测系统及方法 | |
CN112435095A (zh) | 一种纸箱生产车间订单生产管理装置 | |
CN115269958A (zh) | 互联网可靠性数据信息采集分析系统 | |
CN112598142B (zh) | 一种风电机组检修工作质量审查辅助方法与系统 | |
CN106204788A (zh) | 振动感知传感网工业缝制设备自动计数方法 | |
TWI253551B (en) | Method and system for synchronizing control limit and equipment performance | |
CN116700149A (zh) | 一种数控加工刀具路径的自适应滤波优化方法 | |
CN117056592A (zh) | 基于医疗大数据的个性化诊疗推荐系统及方法 | |
CN114169100B (zh) | 一种超大变量叶轮机械高效设计优化方法及系统及应用 | |
CN108445855B (zh) | 基于K-means的注塑机配方参数优化方法 | |
CN105243490B (zh) | 一种基于git软件的统计系统及方法 | |
CN110895542B (zh) | 高风险sql语句筛选方法及装置 | |
CN109543930B (zh) | 基于机台多级别稳态生产速率的派工方法及系统 | |
CN106610630A (zh) | 一种参数化加工对象的装置 | |
CN111124782A (zh) | 一种智能配置计算机集群的方法及装置 | |
CN116384715B (zh) | 一种数字化机器人产业链的机器人运维管理方法 | |
Khan et al. | Finding correlations between 3-d surfaces: A study in asymmetric incremental sheet forming |
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 |