CN117087023A - 一种双工位线切割机及其控制方法 - Google Patents
一种双工位线切割机及其控制方法 Download PDFInfo
- Publication number
- CN117087023A CN117087023A CN202311343324.0A CN202311343324A CN117087023A CN 117087023 A CN117087023 A CN 117087023A CN 202311343324 A CN202311343324 A CN 202311343324A CN 117087023 A CN117087023 A CN 117087023A
- Authority
- CN
- China
- Prior art keywords
- cutting
- tension
- time sequence
- training
- double
- 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
- 238000005520 cutting process Methods 0.000 title claims abstract description 340
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012300 Sequence Analysis Methods 0.000 claims abstract description 19
- 230000005856 abnormality Effects 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 122
- 238000012549 training Methods 0.000 claims description 70
- 230000002159 abnormal effect Effects 0.000 claims description 28
- 238000000605 extraction Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 238000002075 inversion recovery Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 6
- 238000009763 wire-cut EDM Methods 0.000 abstract description 6
- 238000003754 machining Methods 0.000 abstract description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 33
- 239000010453 quartz Substances 0.000 description 31
- 238000012545 processing Methods 0.000 description 21
- 230000008859 change Effects 0.000 description 18
- 238000012544 monitoring process Methods 0.000 description 13
- 238000004519 manufacturing process Methods 0.000 description 12
- 239000000463 material Substances 0.000 description 11
- 239000004065 semiconductor Substances 0.000 description 11
- 239000013078 crystal Substances 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000008713 feedback mechanism Effects 0.000 description 4
- 238000003908 quality control method Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000002019 doping agent Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28D—WORKING STONE OR STONE-LIKE MATERIALS
- B28D5/00—Fine working of gems, jewels, crystals, e.g. of semiconductor material; apparatus or devices therefor
- B28D5/04—Fine working of gems, jewels, crystals, e.g. of semiconductor material; apparatus or devices therefor by tools other than rotary type, e.g. reciprocating tools
- B28D5/045—Fine working of gems, jewels, crystals, e.g. of semiconductor material; apparatus or devices therefor by tools other than rotary type, e.g. reciprocating tools by cutting with wires or closed-loop blades
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B27/00—Other grinding machines or devices
- B24B27/06—Grinders for cutting-off
- B24B27/0633—Grinders for cutting-off using a cutting wire
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B27/00—Other grinding machines or devices
- B24B27/06—Grinders for cutting-off
- B24B27/0675—Grinders for cutting-off methods therefor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B51/00—Arrangements for automatic control of a series of individual steps in grinding a workpiece
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28D—WORKING STONE OR STONE-LIKE MATERIALS
- B28D5/00—Fine working of gems, jewels, crystals, e.g. of semiconductor material; apparatus or devices therefor
- B28D5/0058—Accessories specially adapted for use with machines for fine working of gems, jewels, crystals, e.g. of semiconductor material
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28D—WORKING STONE OR STONE-LIKE MATERIALS
- B28D5/00—Fine working of gems, jewels, crystals, e.g. of semiconductor material; apparatus or devices therefor
- B28D5/0058—Accessories specially adapted for use with machines for fine working of gems, jewels, crystals, e.g. of semiconductor material
- B28D5/0064—Devices for the automatic drive or the program control of the machines
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种双工位线切割机及其控制方法,其通过张力传感器采集预定时间段内多个预定时间点的双工位线切割的张力值;对所述多个预定时间点的双工位线切割的张力值进行时序分析以得到张力时序语义特征;以及,基于所述张力时序语义特征,确定切割工序是否存在异常。这样,能够实现对双工位线切割机的智能控制,避免传统的人工检测控制方式带来的低效率和低加工质量问题,改善传统双工位线切割机的控制效果,从而获得更好的加工质量,提高加工效率。
Description
技术领域
本发明涉及智能化控制技术领域,尤其涉及一种双工位线切割机及其控制方法。
背景技术
石英碇是一种用于半导体制造的关键材料,常用于制作光学器件、晶体振荡器和传感器等。在石英碇的加工过程中,线切割是一个关键步骤。双工位线切割机是一种用于半导体石英材料加工的设备,其能够通过同时进行多个线切割工序,将石英碇进行高效地切割以形成所需的形状和尺寸,减少了切割时间,提高了加工效率和生产能力,降低了生产成本。
然而,现有的双工位线切割机在进行切割工作过程中,往往缺乏实时监测和反馈机制,无法实时获取切割过程中的关键参数和质量指标,导致无法及时发现切割过程中的异常情况,影响切割质量和效率。此外,传统的切割机控制方案通常是通过操作人员依靠经验来进行切割工序的检测,这种方式存在主观性和不稳定性,同时增加了人力成本和操作风险。
因此,期望一种优化的双工位线切割机的控制方案。
发明内容
本发明实施例提供一种双工位线切割机及其控制方法,其通过张力传感器采集预定时间段内多个预定时间点的双工位线切割的张力值;对所述多个预定时间点的双工位线切割的张力值进行时序分析以得到张力时序语义特征;以及,基于所述张力时序语义特征,确定切割工序是否存在异常。这样,能够实现对双工位线切割机的智能控制,避免传统的人工检测控制方式带来的低效率和低加工质量问题,改善传统双工位线切割机的控制效果,从而获得更好的加工质量,提高加工效率。
本发明实施例还提供了一种双工位线切割机的控制方法,其包括:
通过张力传感器采集预定时间段内多个预定时间点的双工位线切割的张力值;
对所述多个预定时间点的双工位线切割的张力值进行时序分析以得到张力时序语义特征;以及
基于所述张力时序语义特征,确定切割工序是否存在异常。
本发明实施例还提供了一种双工位线切割机,所述双工位线切割机以如所述的双工位线切割机的控制方法进行运转。
与现有技术相比,本申请提供了一种双工位线切割机及其控制方法,其通过张力传感器采集预定时间段内多个预定时间点的双工位线切割的张力值;对所述多个预定时间点的双工位线切割的张力值进行时序分析以得到张力时序语义特征;以及,基于所述张力时序语义特征,确定切割工序是否存在异常。这样,能够实现对双工位线切割机的智能控制,避免传统的人工检测控制方式带来的低效率和低加工质量问题,改善传统双工位线切割机的控制效果,从而获得更好的加工质量,提高加工效率。
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的附图。在附图中:
图1为本发明实施例中提供的一种双工位线切割机的控制方法的流程图。
图2为本发明实施例中提供的一种双工位线切割机的控制方法的系统架构的示意图。
图3为本发明实施例中提供的一种双工位线切割机的控制系统的框图。
图4为本发明实施例中提供的一种双工位线切割机的控制方法的应用场景图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
除非另有说明,本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的,不是旨在限制本申请的范围。
在本申请实施例记载中,需要说明的是,除非另有说明和限定,术语“连接”应做广义理解,例如,可以是电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
需要说明的是,本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换,以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。
实施例1
石英碇(Quartz Ingot)是一种用于半导体制造的关键材料,也被称为石英单晶或石英坯料,是由高纯度的石英(二氧化硅,SiO2)原料通过熔融和晶体生长过程制成的单晶体材料。
石英碇具有许多优异的物理和化学特性,使其成为半导体工业中不可或缺的材料之一。以下是一些石英碇的主要特点:
1. 高纯度:石英碇通常具有极高的纯度,可以达到99.9999%以上。高纯度的石英碇对于半导体制造非常重要,因为杂质和掺杂物的存在可能会影响半导体器件的性能和可靠性。
2. 热稳定性:石英碇具有良好的热稳定性,能够在高温环境下保持其结构的稳定性和机械强度。这使得石英碇成为制造高温工艺器件的理想材料。
3. 光学透明性:石英碇在可见光和紫外光范围内具有优异的透明性。这使得石英碇广泛应用于光学器件制造,如光学窗口、透镜、棱镜等。
4. 机械强度:石英碇具有很高的机械强度和硬度,能够抵抗外部冲击和划伤。这使得石英碇在加工过程中更加耐用,有助于提高制造效率和降低成本。
5. 低热膨胀系数:石英碇的热膨胀系数相对较低,意味着在温度变化时,它的尺寸变化较小。这对于制造精密尺寸要求的器件非常重要,如晶体振荡器和传感器等。
石英碇通常通过Czochralski法(Czochralski method)或浮区法(Float Zonemethod)等方法生长制备。在制备过程中,石英碇的形状和尺寸可以根据具体需求进行调整和定制,以满足不同应用的要求。
石英碇作为一种关键材料,广泛应用于半导体制造领域,特别是光学器件、晶体振荡器、传感器等高精度和高可靠性的应用中。其优异的物理和化学特性使得石英碇成为半导体工业中不可或缺的材料之一。
双工位线切割机是一种专用于半导体石英材料加工的设备,用于将石英碇切割成所需尺寸和形状的小片或晶体。双工位线切割机通常由多个工作站组成,每个工作站都具有切割刀具和相应的控制系统。
首先,待加工的石英碇被装载到切割机的工作台上,并通过定位系统精确定位。这确保了切割的准确性和一致性。然后,双工位线切割机通常具有多个切割工作站,每个工作站都配备有切割刀具。石英碇在每个工作站上依次经过切割刀具,通过切割刀具的运动和控制系统的调节,实现对石英碇的切割。切割刀具可以是钢丝、金刚石线或其他适用的切割工具。接着,在切割过程中,切割参数如切割速度、切割张力等可能需要根据具体要求进行调整,这些参数的调整可以通过控制系统进行自动化或手动操作来实现。然后,现代的双工位线切割机通常配备有监测和控制系统,用于实时监测切割过程中的关键参数和质量指标。这些系统可以监测切割张力、切割速度、切割深度等,并根据预设的标准进行自动调整和控制,以确保切割质量和效率。最后,完成切割后,切割好的石英碇小片或晶体会被从切割机上卸载下来,并进行后续的处理和加工,如清洗、检验和排序等。
双工位线切割机在半导体石英材料加工中具有重要的作用,可以实现高效、精确和稳定的切割过程,为后续的器件制造提供高质量的石英碇材料。随着技术的进步,双工位线切割机的自动化程度和智能化水平也在不断提高,以满足不断发展的半导体工业的需求。
传统的双工位线切割机往往缺乏实时监测和反馈机制,无法实时获取切割过程中的关键参数和质量指标,这导致无法及时发现切割过程中的异常情况,如切割张力不均匀或超出设定范围,从而影响切割质量和效率。
传统的切割机控制方案通常是通过操作人员依靠经验来进行切割工序的检测和调整,这种方式存在主观性和不稳定性,操作人员的技术水平和经验可能会对切割质量产生影响。同时,人工检测和调整的过程也增加了人力成本和操作风险。
传统的双工位线切割机在监测和反馈方面存在一定的滞后性,由于缺乏实时监测和反馈机制,异常情况可能在切割过程中被忽略或延迟发现,导致问题的扩大和加工质量的下降。
由于缺乏实时监测和反馈机制,传统的双工位线切割机在切割质量和效率方面存在一定的不稳定性,切割参数的调整和优化依赖于人工经验,难以保证每个切割工序的一致性和稳定性,从而影响整体加工质量和效率。
现有的双工位线切割机在实时监测和反馈、人工经验依赖、监测和反馈时效性以及切割质量和效率稳定性方面存在一些弊端。为了解决这些问题,需要引入新的智能控制方案,实现实时监测、自动化调整和优化,提高切割质量和效率。
因此,在本申请中,提供一种优化的双工位线切割机的控制方案。
在本发明的一个实施例中,图1为本发明实施例中提供的一种双工位线切割机的控制方法的流程图。图2为本发明实施例中提供的一种双工位线切割机的控制方法的系统架构的示意图。如图1和图2所示,根据本发明实施例的双工位线切割机的控制方法100,包括:110,通过张力传感器采集预定时间段内多个预定时间点的双工位线切割的张力值;120,对所述多个预定时间点的双工位线切割的张力值进行时序分析以得到张力时序语义特征;以及,130,基于所述张力时序语义特征,确定切割工序是否存在异常。
在所述步骤110中,使用张力传感器对多个预定时间点的双工位线切割过程进行实时监测,张力传感器会测量切割过程中的张力值,并将其采集下来。这些预定时间点的选择应该能够充分覆盖切割过程的不同阶段和条件。这样,确保张力传感器的准确性和可靠性,以确保采集到的张力值具有较高的精度和稳定性。同时,根据具体的切割过程和要求,合理选择预定时间点的数量和间隔。其中,通过实时采集切割过程中的张力值,可以获取关键的切割参数信息,为后续的时序分析和异常检测提供基础数据。
在所述步骤120中,对采集到的多个预定时间点的双工位线切割的张力值进行时序分析。可以使用信号处理和数据分析的方法,如滤波、时域分析、频域分析等,提取出张力时序的特征。其中,选择合适的时序分析方法,以提取出能够反映切割过程特征和质量状况的张力时序语义特征,这些特征可以包括频率成分、幅值变化、波形形状等。通过时序分析和提取张力时序语义特征,可以从切割过程中获取更深入的信息,识别出切割过程中的特定模式和异常情况。
在所述步骤130中,根据所提取的张力时序语义特征,利用预先设定的规则或机器学习算法,判断切割工序是否存在异常。异常可能包括张力过高或过低、波形异常、频率异常等。其中,建立准确的异常检测模型,需要根据实际情况进行训练和优化。同时,需要设定合适的判断阈值和容错范围,以减少误判和漏判的情况。通过基于张力时序语义特征的异常检测,可以实时监测切割工序的质量状况,及时发现并处理切割过程中的异常情况,提高切割质量和效率。
通过采集张力值、进行时序分析和基于时序语义特征进行异常检测,双工位线切割机的控制方法可以实现实时监测和自动化调整,提高切割质量和效率,并降低成本和风险。
相应地,考虑到在多线切割的过程中,切割张力是一个重要的参数。切割张力的合理控制可以保证加工质量和工艺稳定性。如果切割工序存在异常,例如切割张力不均匀或超出设定范围,可能会导致产品质量下降或设备故障。
基于此,本申请的技术构思为通过张力传感器采集双工位线切割的张力值,并在后端引入数据处理和分析算法来进行双工位线切割的张力值的时序分析,以基于双工位线切割的张力时序分布来判断切割工序是否存在异常,通过这样的方式,能够实现对双工位线切割机的智能控制,避免传统的人工检测控制方式带来的低效率和低加工质量问题,改善传统双工位线切割机的控制效果,从而获得更好的加工质量,提高加工效率。
具体地,在所述步骤110中,通过张力传感器采集预定时间段内多个预定时间点的双工位线切割的张力值。在本申请的技术方案中,首先,获取由张力传感器采集的预定时间段内多个预定时间点的双工位线切割的张力值。
张力传感器可以实时采集切割过程中的张力值,提供了对切割张力的准确监测,切割过程中的张力值可以反映切割刀具与石英碇之间的相互作用力,对切割过程的稳定性和质量起到重要影响。通过采集多个预定时间点的张力值,可以获得切割过程中的关键参数信息,例如,张力的变化趋势、波动范围、峰值等,这些参数对于判断切割过程的稳定性和一致性具有重要意义。采集到的多个预定时间点的张力值可以形成切割过程的时序数据,这些时序数据可以用于进一步的分析和处理,以揭示切割过程中的潜在模式和异常情况。
通过对时序数据的分析,可以提取出张力时序的语义特征,如频率成分、幅值变化、波形形状等,这些特征可以用于判断切割过程是否存在异常情况,例如张力突变、频率异常等。基于这些特征,可以建立异常检测模型或规则,对切割工序进行实时监测和判断。通过张力传感器采集预定时间段内多个预定时间点的双工位线切割的张力值,可以提供实时监测和关键参数信息,为最后确定切割工序是否存在异常提供重要依据。这有助于提高切割质量和效率,降低成本和风险。
具体地,在所述步骤120中,对所述多个预定时间点的双工位线切割的张力值进行时序分析以得到张力时序语义特征,包括:将所述多个预定时间点的双工位线切割的张力值按照时间维度排列为切割张力值时序输入向量;对所述切割张力值时序输入向量进行基于线性插值的上采样以得到上采样切割张力值时序输入向量;对所述上采样切割张力值时序输入向量进行张力局部时序特征提取以得到切割张力值局部时序特征向量的序列;以及,对所述切割张力值局部时序特征向量的序列进行全时序关联编码以得到上下文切割张力时序语义关联特征向量作为所述张力时序语义特征。
首先,将张力值按照时间维度排列为时序输入向量,可以保留切割过程中的时间顺序信息。这样做有助于更准确地分析切割过程中的变化趋势和波动情况,通过上采样,可以进一步增加时序数据的密度,提高分析的精度。
然后,对上采样后的切割张力值时序输入向量进行局部时序特征提取,可以从更细微的时间尺度上捕捉切割过程中的特征。例如,可以提取局部的振动频率、振幅变化等特征。这些局部时序特征可以更好地反映切割过程中的细节和动态变化。
接着,通过对切割张力值局部时序特征向量的序列进行全时序关联编码,可以将不同时间点的特征进行关联和整合。这样可以捕捉到切割过程中不同时间段之间的关系和相互作用。全时序关联编码可以帮助提取更高层次的时序语义特征,更全面地描述切割过程的特点。
最后,通过全时序关联编码,可以得到上下文切割张力时序语义关联特征向量。这些特征向量包含了切割过程中的时序语义信息,可以用于判断切割工序是否存在异常。通过分析这些特征向量,可以发现异常模式、异常时刻等,实现对切割过程的异常检测和质量控制。
将切割张力值按时间维度排列为时序输入向量,并进行上采样、局部时序特征提取和全时序关联编码,可以提高时序分析的精度,并获得更全面和准确的切割张力时序语义关联特征,从而实现更有效的异常检测和质量控制。
在本申请的一个实施例中,对所述上采样切割张力值时序输入向量进行张力局部时序特征提取以得到切割张力值局部时序特征向量的序列,包括:对所述上采样切割张力值时序输入向量进行向量切分以得到切割张力值局部时序输入向量的序列;将所述切割张力值局部时序输入向量的序列分别通过基于一维卷积层的时序特征提取器以得到所述切割张力值局部时序特征向量的序列。
接着,考虑到由于所述双工位线切割的张力值在时间维度上有着时序的动态变化规律,为了能够对于切割张力的均匀性以及时序分布进行更准确地时序分析,以提高对切割工序异常检测的精准度,在本申请的技术方案中,需要将所述多个预定时间点的双工位线切割的张力值按照时间维度排列为切割张力值时序输入向量,以此来整合所述双工位线切割的张力值在时间维度上的时序分布信息。
然后,为了能够提高对切割过程中细微变化的捕捉能力,在本申请的技术方案中,进一步对所述切割张力值时序输入向量进行基于线性插值的上采样以得到上采样切割张力值时序输入向量,以增加数据的密度和平滑度,从而便于后续更好地表示切割张力的时序特征。应可以理解,通过线性插值的上采样,可以将原始的所述切割张力值时序输入向量中的数据点进行插值,生成更多的数据点。这样,有助于增加时间维度上的分辨率,使得切割张力的变化更加细致可见。同时,线性插值可以在采样点之间进行平滑插值,减少噪声和突变的影响,提高数据的连续性和稳定性。也就是说,上采样后的所述切割张力值时序输入向量可以提供更详细和准确的切割张力变化信息,为后续的特征提取和建模过程提供更丰富的数据。这有助于增强模型对切割过程中的异常情况的感知能力,提高判断切割工序是否存在异常的准确性。
进一步地,在对于所述切割张力值进行时序变化特征提取时,为了能够更好地捕捉到所述切割张力值在切割过程中的时序变化信息,进一步对所述上采样切割张力值时序输入向量进行向量切分以得到切割张力值局部时序输入向量的序列,以便于后续提取不同时间段内的局部细节特征信息。通过将所述上采样切割张力值时序输入向量进行向量切分,可以将其分解成多个较短的局部时序输入向量。每个局部时序输入向量对应着切割过程中的一个特定时间段,它包含了该时间段内的切割张力值时序分布信息。这样做有助于提取所述切割张力值的时序局部变化特征,使得模型能够更加关注切割过程中的局部变化和细节,有助于模型更好地理解切割过程中的张力动态变化,并捕捉切割张力的时序关联性。
接着,将所述切割张力值局部时序输入向量的序列分别通过基于一维卷积层的时序特征提取器中进行特征提取,以提取出所述双工位线切割的张力值在时间维度上的各个时间段内的局部时序变化特征信息,从而得到切割张力值局部时序特征向量的序列。
一维卷积层可以有效地捕捉切割张力值在时间维度上的局部时序变化特征。卷积操作可以在不同时间段内进行滑动窗口的特征提取,从而提取出局部时序变化的模式和趋势,有助于揭示切割过程中的局部特征,例如突变、周期性变化等。一维卷积层可以通过卷积核的滑动窗口操作,将输入的局部时序特征向量进行降维和提取抽象特征。卷积核的参数学习能力可以自动学习到切割过程中的重要特征,而丢弃不相关的信息,这样可以减少数据的冗余性,提高特征的表达能力。
通过一维卷积层的特征提取,可以得到切割张力值在时间维度上的各个时间段内的局部时序变化特征信息。这些特征信息可以形成切割张力值局部时序特征向量的序列,用于后续的特征分析和处理,这样可以将时间维度上的特征表示与其他维度的特征进行结合,得到更全面和准确的切割过程特征。
通过提取切割张力值的局部时序特征,可以更细致地分析切割过程中的局部特征变化,有助于更准确地检测异常情况,例如突变、异常波动等。通过结合全时序关联编码和局部时序特征,可以提高异常检测和质量控制的能力,从而改善切割过程的稳定性和一致性。
通过使用基于一维卷积层的时序特征提取器对切割张力值的局部时序输入向量序列进行特征提取,可以提取出切割张力值在时间维度上的局部时序变化特征信息,从而增强异常检测和质量控制的能力,并改善切割过程的稳定性和一致性。
在本申请的一个实施例中,对所述切割张力值局部时序特征向量的序列进行全时序关联编码以得到上下文切割张力时序语义关联特征向量,包括:将所述切割张力值局部时序特征向量的序列通过基于LSTM模型的上下文编码器以得到所述上下文切割张力时序语义关联特征向量。
基于LSTM(长短期记忆)模型的上下文编码器是一种递归神经网络模型,用于对时序数据进行建模和编码。在处理时序数据时具有优秀的记忆能力和长期依赖建模能力,适用于捕捉切割张力值序列中的上下文关联特征。
LSTM模型通过使用门控单元来控制信息的流动和记忆的更新,从而解决了传统循环神经网络(RNN)中的梯度消失和梯度爆炸问题,能够有效地捕捉时序数据中的长期依赖关系,并具有较好的记忆能力。
在上下文编码器中,每个切割张力值局部时序特征向量作为一个时间步骤的输入,依次输入到LSTM模型中,LSTM模型会根据当前时刻的输入和前一时刻的隐藏状态,计算当前时刻的隐藏状态和输出。隐藏状态包含了过去时刻的信息,并传递给下一时刻,从而实现对上下文关联特征的建模。通过多个时间步骤的迭代,LSTM模型可以将切割张力值局部时序特征向量的序列编码成一个上下文切割张力时序语义关联特征向量,特征向量包含了切割过程中不同时间段之间的关系和相互作用,具有更高层次的时序语义信息。
基于LSTM模型的上下文编码器可以帮助捕捉切割张力值序列中的上下文关联特征,提取更全面和准确的时序语义信息。这些特征可以用于后续的异常检测、质量控制和其他分析任务,从而改善切割过程的稳定性和一致性。
然后,考虑由于所述双工位线切割的张力值在所述预定时间段内整体上具有着时序的动态变化信息,也就是说,所述双工位线切割的张力值在各个时间段内的局部时序变化特征之间具有着基于整体的关联关系。因此,在本申请的技术方案中,进一步将所述切割张力值局部时序特征向量的序列通过基于LSTM模型的上下文编码器中进行编码,以提取出所述切割张力值在各个时间段内的局部时序特征基于时序全局的上下文关联特征信息,从而得到上下文切割张力时序语义关联特征向量。特别地,这里,所述上下文切割张力时序语义关联特征向量包含了切割过程中有关于切割张力值的整体语义信息,能够更好地表达切割张力的时序关联特征。也就是说,将所述切割张力值的局部时序特征进行整合和建模,以捕捉切割张力的时序语义关联性。
具体地,在所述步骤130中,基于所述张力时序语义特征,确定切割工序是否存在异常,包括:将所述上下文切割张力时序语义关联特征向量通过分类器以得到分类结果,所述分类结果用于表示切割工序是否存在异常。
通过使用分类器对切割过程进行分类,可以判断切割工序是否存在异常。分类器可以学习正常和异常样本之间的差异,并根据输入的特征向量来判断当前的切割过程是否符合正常情况,有助于及时发现异常情况,如切割张力过高或过低、切割速度异常等,从而及时采取措施进行调整或停止切割过程,以避免质量问题或设备损坏。
通过将上下文切割张力时序语义关联特征向量输入分类器,可以实现实时监测切割过程的异常情况。分类器可以在切割过程中实时对特征向量进行分类,快速判断当前的切割工序是否正常,有助于及时发现问题并采取相应的措施,从而提高切割过程的稳定性和一致性。
继而,再将所述上下文切割张力时序语义关联特征向量通过分类器以得到分类结果,所述分类结果用于表示切割工序是否存在异常。也就是说,以所述切割张力值的时序全局关联特征信息来进行分类处理,从而判断切割工序是否存在异常,通过这样的方式,能够实现对双工位线切割机的智能控制,避免传统的人工检测控制方式带来的低效率和低加工质量问题,改善传统双工位线切割机的控制效果。
在本申请的一个实施例中,所述双工位线切割机的控制方法,还包括训练步骤:用于对所述基于一维卷积层的时序特征提取器、所述基于LSTM模型的上下文编码器和所述分类器进行训练。所述训练步骤,包括:获取训练数据,所述训练数据包括预定时间段内多个预定时间点的双工位线切割的训练张力值,以及,所述切割工序是否存在异常的真实值;将所述多个预定时间点的双工位线切割的训练张力值按照时间维度排列为训练切割张力值时序输入向量;对所述训练切割张力值时序输入向量进行基于线性插值的上采样以得到训练上采样切割张力值时序输入向量;对所述训练上采样切割张力值时序输入向量进行向量切分以得到训练切割张力值局部时序输入向量的序列;将所述训练切割张力值局部时序输入向量的序列分别通过所述基于一维卷积层的时序特征提取器以得到训练切割张力值局部时序特征向量的序列;将所述训练切割张力值局部时序特征向量的序列通过所述基于LSTM模型的上下文编码器以得到训练上下文切割张力时序语义关联特征向量;将所述训练上下文切割张力时序语义关联特征向量通过所述分类器以得到分类损失函数值;基于所述分类损失函数值并通过梯度下降的反向传播来对所述基于一维卷积层的时序特征提取器、所述基于LSTM模型的上下文编码器和所述分类器进行训练,其中,在所述训练过程的每一轮迭代中,对所述训练工程状态-需整改问题语义间交互特征向量进行基于维度表征和反演式恢复的特征精度对齐。
特别地,在本申请的技术方案中,将所述训练切割张力值局部时序输入向量的序列分别通过基于一维卷积层的时序特征提取器以得到训练切割张力值局部时序特征向量的序列时,每个所述训练切割张力值局部时序特征向量表达所述切割张力值在分段时域内的局部时序关联特征,也就是,其每个特征值具有时序维度下的基于一维卷积层的一维卷积核的局部时序关联尺度的特征表达超分辨率,而在将所述训练切割张力值局部时序特征向量的序列通过基于LSTM模型的上下文编码器以得到训练上下文切割张力时序语义关联特征向量时,会进一步进行分段时域下的局部时序关联特征在全局时域内的近程-远程双向上下文关联编码,以获得基于全局时序上下文的向量级关联表达,这就导致所述训练上下文切割张力时序语义关联特征向量具有基于特征值粒度和向量粒度的多维度上下文的超分辨率表达特性,从而在通过分类器进行分类回归时,所述训练上下文切割张力时序语义关联特征向量的多维度上下文时序关联特征表示存在关联精度差异的问题,从而影响所述训练上下文切割张力时序语义关联特征向量通过分类器训练时的训练效果,由此,本申请的申请人在训练过程中,对所述训练上下文切割张力时序语义关联特征向量,例如记为V进行基于维度表征和反演式恢复的特征精度对齐,具体表示为:在所述训练过程的每一轮迭代中,以如下优化公式对所述训练上下文切割张力时序语义关联特征向量进行基于维度表征和反演式恢复的特征精度对齐以得到优化训练上下文切割张力时序语义关联特征向量;
其中,所述优化公式为:
vi'=V0L1+(V0L)2×vi+ α×(V0×vivi∈Vvi)
其中,vi是所述训练上下文切割张力时序语义关联特征向量V的第i个位置的特征值,V0表示所述训练上下文切割张力时序语义关联特征向量V的零范数,L是所述训练上下文切割张力时序语义关联特征向量V的长度,且α是权重超参数,vi'是所述优化训练上下文切割张力时序语义关联特征向量的第i个位置的特征值。
这里,针对基于时序上下文关联维度的对于参数时序特征的高维特征空间编码与多维度上下文特征关联编辑之间的精度矛盾,所述基于维度表征和反演式恢复的特征精度对齐通过将多维度上下文特征关联编辑视为以参数时序特征分布的高维特征空间编码的反演式嵌入生成,来通过对作为编码表示的特征值配备尺度表征的稀疏分布均衡,并基于向量计数来进行关联细节的反演式恢复,以实现精度差异在训练过程中的自适应对齐,提升所述训练上下文切割张力时序语义关联特征向量通过分类器进行分类回归训练时的训练效果。这样,能够基于切割张力的时序变化情况来进行切割工序的监测,以判断切割工序是否存在异常,从而获得更好的加工质量,提高加工效率。
在本申请的一个实施例中,提供一种双工位线切割机,其特征在于,所述双工位线切割机以如所述的双工位线切割机的控制方法进行运转。
综上,基于本发明实施例的双工位线切割机及其控制方法100被阐明,通过张力传感器采集双工位线切割的张力值,并在后端引入数据处理和分析算法来进行双工位线切割的张力值的时序分析,以基于双工位线切割的张力时序分布来判断切割工序是否存在异常,通过这样的方式,能够实现对双工位线切割机的智能控制,避免传统的人工检测控制方式带来的低效率和低加工质量问题,改善传统双工位线切割机的控制效果,从而获得更好的加工质量,提高加工效率。
实施例2
图3为本发明实施例中提供的一种双工位线切割机的控制系统的框图。如图3所示,所述双工位线切割机的控制系统,包括:数据采集模块210,用于通过张力传感器采集预定时间段内多个预定时间点的双工位线切割的张力值;时序分析模块220,用于对所述多个预定时间点的双工位线切割的张力值进行时序分析以得到张力时序语义特征;以及,切割工序确定模块230,用于基于所述张力时序语义特征,确定切割工序是否存在异常。
本领域技术人员可以理解,上述双工位线切割机的控制系统中的各个步骤的具体操作已经在上面参考图1到图2的双工位线切割机的控制方法的描述中得到了详细介绍,并因此,将省略其重复描述。
如上所述,根据本发明实施例的双工位线切割机的控制系统100可以实现在各种终端设备中,例如用于双工位线切割机的控制的服务器等。在一个示例中,根据本发明实施例的双工位线切割机的控制系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如,该双工位线切割机的控制系统100可以是该终端设备的操作系统中的一个软件模块,或者可以是针对于该终端设备所开发的一个应用程序;当然,该双工位线切割机的控制系统100同样可以是该终端设备的众多硬件模块之一。
替换地,在另一示例中,该双工位线切割机的控制系统100与该终端设备也可以是分立的设备,并且该双工位线切割机的控制系统100可以通过有线和/或无线网络连接到该终端设备,并且按照约定的数据格式来传输交互信息。
图4为本发明实施例中提供的一种双工位线切割机的控制方法的应用场景图。如图4所示,在该应用场景中,首先,通过张力传感器采集预定时间段内多个预定时间点的双工位线切割的张力值(例如,如图4中所示意的C);然后,将获取的张力值输入至部署有双工位线切割机的控制算法的服务器(例如,如图4中所示意的S)中,其中所述服务器能够基于双工位线切割机的控制算法对所述张力值进行处理,以确定切割工序是否存在异常。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种双工位线切割机的控制方法,其特征在于,包括:
通过张力传感器采集预定时间段内多个预定时间点的双工位线切割的张力值;
对所述多个预定时间点的双工位线切割的张力值进行时序分析以得到张力时序语义特征;以及
基于所述张力时序语义特征,确定切割工序是否存在异常;
其中,所述对所述多个预定时间点的双工位线切割的张力值进行时序分析以得到张力时序语义特征,包括:
将所述多个预定时间点的双工位线切割的张力值按照时间维度排列为切割张力值时序输入向量;
对所述切割张力值时序输入向量进行基于线性插值的上采样以得到上采样切割张力值时序输入向量;
对所述上采样切割张力值时序输入向量进行张力局部时序特征提取以得到切割张力值局部时序特征向量的序列;以及
对所述切割张力值局部时序特征向量的序列进行全时序关联编码以得到上下文切割张力时序语义关联特征向量作为所述张力时序语义特征。
2.根据权利要求1所述的双工位线切割机的控制方法,其特征在于,对所述上采样切割张力值时序输入向量进行张力局部时序特征提取以得到切割张力值局部时序特征向量的序列,包括:
对所述上采样切割张力值时序输入向量进行向量切分以得到切割张力值局部时序输入向量的序列;
将所述切割张力值局部时序输入向量的序列分别通过基于一维卷积层的时序特征提取器以得到所述切割张力值局部时序特征向量的序列。
3.根据权利要求2所述的双工位线切割机的控制方法,其特征在于,对所述切割张力值局部时序特征向量的序列进行全时序关联编码以得到上下文切割张力时序语义关联特征向量,包括:将所述切割张力值局部时序特征向量的序列通过基于LSTM模型的上下文编码器以得到所述上下文切割张力时序语义关联特征向量。
4.根据权利要求3所述的双工位线切割机的控制方法,其特征在于,基于所述张力时序语义特征,确定切割工序是否存在异常,包括:将所述上下文切割张力时序语义关联特征向量通过分类器以得到分类结果,所述分类结果用于表示切割工序是否存在异常。
5.根据权利要求4所述的双工位线切割机的控制方法,其特征在于,还包括训练步骤:用于对所述基于一维卷积层的时序特征提取器、所述基于LSTM模型的上下文编码器和所述分类器进行训练。
6.根据权利要求5所述的双工位线切割机的控制方法,其特征在于,所述训练步骤,包括:
获取训练数据,所述训练数据包括预定时间段内多个预定时间点的双工位线切割的训练张力值,以及,所述切割工序是否存在异常的真实值;
将所述多个预定时间点的双工位线切割的训练张力值按照时间维度排列为训练切割张力值时序输入向量;
对所述训练切割张力值时序输入向量进行基于线性插值的上采样以得到训练上采样切割张力值时序输入向量;
对所述训练上采样切割张力值时序输入向量进行向量切分以得到训练切割张力值局部时序输入向量的序列;
将所述训练切割张力值局部时序输入向量的序列分别通过所述基于一维卷积层的时序特征提取器以得到训练切割张力值局部时序特征向量的序列;
将所述训练切割张力值局部时序特征向量的序列通过所述基于LSTM模型的上下文编码器以得到训练上下文切割张力时序语义关联特征向量;
将所述训练上下文切割张力时序语义关联特征向量通过所述分类器以得到分类损失函数值;
基于所述分类损失函数值并通过梯度下降的反向传播来对所述基于一维卷积层的时序特征提取器、所述基于LSTM模型的上下文编码器和所述分类器进行训练,其中,在所述训练过程的每一轮迭代中,对所述训练工程状态-需整改问题语义间交互特征向量进行基于维度表征和反演式恢复的特征精度对齐。
7.根据权利要求6所述的双工位线切割机的控制方法,其特征在于,在所述训练过程的每一轮迭代中,以如下优化公式对所述训练上下文切割张力时序语义关联特征向量进行基于维度表征和反演式恢复的特征精度对齐以得到优化训练上下文切割张力时序语义关联特征向量;
其中,所述优化公式为:
vi'=V0L1+(V0L)2×vi+ α×(V0×vivi∈Vvi)
其中,vi是所述训练上下文切割张力时序语义关联特征向量V的第i个位置的特征值,V0表示所述训练上下文切割张力时序语义关联特征向量V的零范数,L是所述训练上下文切割张力时序语义关联特征向量V的长度,且α是权重超参数,vi'是所述优化训练上下文切割张力时序语义关联特征向量的第i个位置的特征值。
8.一种双工位线切割机,其特征在于,所述双工位线切割机以如权利要求1至7任一所述的双工位线切割机的控制方法进行运转。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311343324.0A CN117087023B (zh) | 2023-10-17 | 2023-10-17 | 一种双工位线切割机及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311343324.0A CN117087023B (zh) | 2023-10-17 | 2023-10-17 | 一种双工位线切割机及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117087023A true CN117087023A (zh) | 2023-11-21 |
CN117087023B CN117087023B (zh) | 2024-06-25 |
Family
ID=88783648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311343324.0A Active CN117087023B (zh) | 2023-10-17 | 2023-10-17 | 一种双工位线切割机及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117087023B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001335241A (ja) * | 2000-05-26 | 2001-12-04 | Teijin Ltd | 繊維加工機械の運転管理方法及び管理装置 |
CN106273019A (zh) * | 2016-08-25 | 2017-01-04 | 西安理工大学 | 一种往复式金刚石线锯切割机张力控制机构及其控制方法 |
CN114918499A (zh) * | 2022-05-31 | 2022-08-19 | 太原理工大学 | 一种微细电火花微纳协调控制线电极运丝系统及装置 |
CN116275329A (zh) * | 2023-03-29 | 2023-06-23 | 南通大学 | 一种电火花线切割加工质量在线监测与评估系统及方法 |
CN116619584A (zh) * | 2023-05-12 | 2023-08-22 | 华侨大学 | 一种多线切割装备闭环张力控制系统及控制方法 |
CN116765925A (zh) * | 2023-06-12 | 2023-09-19 | 深圳市捷辉创科技有限公司 | 基于cnc的模具切割加工控制系统及其方法 |
CN116805365A (zh) * | 2023-05-30 | 2023-09-26 | 中铁建工集团有限公司 | 一种高精度的工地落石检测方法及装置 |
CN116825650A (zh) * | 2023-03-07 | 2023-09-29 | 江西蓝微电子科技有限公司 | 一种铜银钯合金键合引线及其制备方法 |
CN116851856A (zh) * | 2023-03-27 | 2023-10-10 | 浙江万能弹簧机械有限公司 | 纯水线切割加工工艺及其系统 |
CN116879910A (zh) * | 2023-09-06 | 2023-10-13 | 杭州智屹科技有限公司 | 激光扫描测距装置及其方法 |
-
2023
- 2023-10-17 CN CN202311343324.0A patent/CN117087023B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001335241A (ja) * | 2000-05-26 | 2001-12-04 | Teijin Ltd | 繊維加工機械の運転管理方法及び管理装置 |
CN106273019A (zh) * | 2016-08-25 | 2017-01-04 | 西安理工大学 | 一种往复式金刚石线锯切割机张力控制机构及其控制方法 |
CN114918499A (zh) * | 2022-05-31 | 2022-08-19 | 太原理工大学 | 一种微细电火花微纳协调控制线电极运丝系统及装置 |
CN116825650A (zh) * | 2023-03-07 | 2023-09-29 | 江西蓝微电子科技有限公司 | 一种铜银钯合金键合引线及其制备方法 |
CN116851856A (zh) * | 2023-03-27 | 2023-10-10 | 浙江万能弹簧机械有限公司 | 纯水线切割加工工艺及其系统 |
CN116275329A (zh) * | 2023-03-29 | 2023-06-23 | 南通大学 | 一种电火花线切割加工质量在线监测与评估系统及方法 |
CN116619584A (zh) * | 2023-05-12 | 2023-08-22 | 华侨大学 | 一种多线切割装备闭环张力控制系统及控制方法 |
CN116805365A (zh) * | 2023-05-30 | 2023-09-26 | 中铁建工集团有限公司 | 一种高精度的工地落石检测方法及装置 |
CN116765925A (zh) * | 2023-06-12 | 2023-09-19 | 深圳市捷辉创科技有限公司 | 基于cnc的模具切割加工控制系统及其方法 |
CN116879910A (zh) * | 2023-09-06 | 2023-10-13 | 杭州智屹科技有限公司 | 激光扫描测距装置及其方法 |
Non-Patent Citations (1)
Title |
---|
王鹏程: "《特种加工技术》", 江苏大学出版社, pages: 149 * |
Also Published As
Publication number | Publication date |
---|---|
CN117087023B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110561193B (zh) | 一种基于特征融合的刀具磨损评估及监控的方法与系统 | |
CN107561997B (zh) | 一种基于大数据决策树的电力设备状态监测方法 | |
CN112232447A (zh) | 一种电力设备状态监测数据的完整样本集的构建方法 | |
CN110263474A (zh) | 一种数控机床的刀具寿命实时预测方法 | |
CN113569903A (zh) | 数控机床刀具磨损预测方法、系统、设备、介质、终端 | |
CN116307289B (zh) | 一种纺织品加工工序参数检测预测方法、系统及存储介质 | |
TWI584134B (zh) | 製程異因分析方法與製程異因分析系統 | |
CN111633467A (zh) | 一种基于一维深度卷积自动编码器的刀具磨损状态监测方法 | |
CN107067100A (zh) | 风电功率异常数据辨识方法及辨识装置 | |
CN104657526A (zh) | 工具机的加工品质的预测方法 | |
CN115099693B (zh) | 一种烧结钕铁硼磁钢材料的生产控制方法及系统 | |
CN113486571A (zh) | 一种机加工设备剩余使用寿命预测方法 | |
CN117087023B (zh) | 一种双工位线切割机及其控制方法 | |
CN114048958A (zh) | 基于深度卷积残差收缩网络的刀具磨损预测方法和系统 | |
CN114326593A (zh) | 一种刀具寿命预测系统及方法 | |
CN111538755B (zh) | 一种基于归一化互相关与单位根检验的设备运行状态异常检测方法 | |
CN117258932A (zh) | 智能砂磨机的温度监测系统及方法 | |
CN116703254A (zh) | 模具机械零部件生产信息管理系统 | |
CN114065651A (zh) | 一种用于旋转类设备的故障时间预测方法 | |
Campuzano et al. | Characterisation and optimal design of a new double sampling c chart | |
CN116776086B (zh) | 基于自注意力机制自编码器的信号故障判别方法及装置 | |
CN112508176A (zh) | 一种起重机械故障预测方法 | |
CN111813063A (zh) | 一种监控生产设备的方法和装置 | |
CN110796187A (zh) | 不良分类方法及装置 | |
CN116931497B (zh) | 一种基于人工智能的裁剪机控制系统 |
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 |