CN117123640B - 用于模具加工设备的送料定位精度检测方法及系统 - Google Patents
用于模具加工设备的送料定位精度检测方法及系统 Download PDFInfo
- Publication number
- CN117123640B CN117123640B CN202311399785.XA CN202311399785A CN117123640B CN 117123640 B CN117123640 B CN 117123640B CN 202311399785 A CN202311399785 A CN 202311399785A CN 117123640 B CN117123640 B CN 117123640B
- Authority
- CN
- China
- Prior art keywords
- feeding
- target
- preset
- speed
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 123
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 111
- 239000000463 material Substances 0.000 claims abstract description 101
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012937 correction Methods 0.000 claims description 20
- 230000007246 mechanism Effects 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 4
- 239000013077 target material Substances 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 3
- 229910052782 aluminium Inorganic materials 0.000 description 7
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 239000010935 stainless steel Substances 0.000 description 3
- 229910001220 stainless steel Inorganic materials 0.000 description 3
- 229910000838 Al alloy Inorganic materials 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004026 adhesive bonding Methods 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012797 qualification 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
- 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
- B21D43/00—Feeding, positioning or storing devices combined with, or arranged in, or specially adapted for use in connection with, apparatus for working or processing sheet metal, metal tubes or metal profiles; Associations therewith of cutting devices
- B21D43/02—Advancing work in relation to the stroke of the die or tool
- B21D43/04—Advancing work in relation to the stroke of the die or tool by means in mechanical engagement with the work
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Shaping Metal By Deep-Drawing, Or The Like (AREA)
Abstract
本公开提供了一种用于模具加工设备的送料定位精度检测方法及系统，涉及模具加工技术，方法包括：获取模具加工需求，包括板料类型及其克重需求；确定目标板料；获取预设上料方案；结合目标模具的单位加工时长确定预设送料速度；获取目标监测记录，包括目标上料监测记录和目标送料监测记录；对比目标上料监测记录与预设上料方案得到第一对比数据，对比目标送料监测记录与预设送料速度得到第二对比数据；分析第一对比数据与第二对比数据得到送料定位精度。能够解决现有的模具加工设备送料定位检测方法存在检测精度和准确性较低的技术问题，可以提高模具加工设备送料定位检测的精度和准确性，从而进一步提高冲压件的生产精度和质量。
Description
技术领域
本公开涉及模具加工技术，并且更具体地，涉及一种用于模具加工设备的送料定位精度检测方法及系统。
背景技术
冲压件是利用模具压力使板料产生变形，从而获得具有一定形状、尺寸和性能的零件塑性加工工艺的一种产品，通常用于金属加工和制造领域。
在模具加工过程中，送料定位是一个非常重要的环节，它关系到冲压件的生产精度、质量和效率。现有的送料定位检测方法由于外界环境的干扰以及检测指标设置的精细化程度不足，导致送料定位的检测精度和准确性较低，影响了冲压件的生产精度和质量。
现有的模具加工设备送料定位检测方法存在的不足之处在于：检测精度和准确性较低。
发明内容
因此，为了解决上述技术问题，本公开的实施例采用的技术方案如下：
用于模具加工设备的送料定位精度检测方法，包括以下步骤：获取模具加工需求，所述模具加工需求包括通过模具加工设备加工目标模具时板料的类型及其克重的需求；根据所述模具加工需求确定目标板料，所述目标板料是指称取到的所述克重、所述类型的板料；获取预设上料方案，所述预设上料方案是指将所述目标板料放置于所述模具加工设备的料带上的方案；结合所述目标模具的单位加工时长确定预设送料速度，所述预设送料速度是指所述模具加工设备的送料机构将所述目标板料运送至目标点位的速度；获取目标监测记录，所述目标监测记录包括目标上料监测记录和目标送料监测记录，所述目标上料监测记录是指基于所述预设上料方案将所述目标板料放置于所述料带的实际数据，所述目标送料监测记录是指基于所述预设送料速度将所述目标板料运送至所述目标点位的实际速度数据；对比所述目标上料监测记录与所述预设上料方案得到第一对比数据，对比所述目标送料监测记录与所述预设送料速度得到第二对比数据；分析所述第一对比数据与所述第二对比数据得到所述模具加工设备的送料定位精度。
用于模具加工设备的送料定位精度检测系统，包括：模具加工需求获取模块，所述模具加工需求获取模块用于获取模具加工需求，所述模具加工需求包括通过模具加工设备加工目标模具时板料的类型及其克重的需求；目标板料确定模块，所述目标板料确定模块用于根据所述模具加工需求确定目标板料，所述目标板料是指称取到的所述克重、所述类型的板料；预设上料方案获取模块，所述预设上料方案获取模块用于获取预设上料方案，所述预设上料方案是指将所述目标板料放置于所述模具加工设备的料带上的方案；预设送料速度确定模块，所述预设送料速度确定模块用于结合所述目标模具的单位加工时长确定预设送料速度，所述预设送料速度是指所述模具加工设备的送料机构将所述目标板料运送至目标点位的速度；目标监测记录获取模块，所述目标监测记录获取模块用于获取目标监测记录，所述目标监测记录包括目标上料监测记录和目标送料监测记录，所述目标上料监测记录是指基于所述预设上料方案将所述目标板料放置于所述料带的实际数据，所述目标送料监测记录是指基于所述预设送料速度将所述目标板料运送至所述目标点位的实际速度数据；对比数据得到模块，所述对比数据得到模块用于对比所述目标上料监测记录与所述预设上料方案得到第一对比数据，对比所述目标送料监测记录与所述预设送料速度得到第二对比数据；送料定位精度得到模块，所述送料定位精度得到模块用于分析所述第一对比数据与所述第二对比数据得到所述模具加工设备的送料定位精度。
由于采用了上述技术方法，本公开相对于现有技术来说，取得的技术进步有如下几点：
可以解决现有的模具加工设备送料定位检测方法存在检测精度和准确性较低的技术问题，首先获取目标模具的模具加工需求，其中包括板料类型和克重需求；然后根据模具加工需求确定目标板料；并进一步根据目标板料和模具加工设备确定板料上料方案，获得预设上料方案；根据模具加工设备的送料机构确定目标板料的送料速度，得到预设送料速度；基于所述预设上料方案对目标板料进行上料，并对上料过程中料带上的目标板料实际数据进行监测并记录，得到目标上料监测记录，基于所述预设送料速度对目标板料的实际运送速度进行监测并记录，得到目标送料监测记录；将所述目标上料监测记录与所述预设上料方案进行对比得到第一对比数据，将目标送料监测记录与所述预设送料速度进行对比得到第二对比数据；最后对所述第一对比数据与所述第二对比数据进行分析获得模具加工设备的送料定位精度。通过上述方法可以提高模具加工设备送料定位检测的精度和准确性，从而进一步提高冲压件的生产精度和质量。
附图说明
为了更清楚地说明本公开的实施例的技术方案，下面将对实施例的描述中所需要使用的附图作简单的介绍。
图1为本申请提供了一种用于模具加工设备的送料定位精度检测方法的流程示意图；
图2为本申请提供了一种用于模具加工设备的送料定位精度检测方法中得到模具加工设备的送料定位精度的流程示意图；
图3为本申请提供了一种用于模具加工设备的送料定位精度检测系统的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整的描述。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
基于上述描述，如图1所示，本公开提供了一种用于模具加工设备的送料定位精度检测方法，包括：
获取模具加工需求，所述模具加工需求包括通过模具加工设备加工目标模具时板料的类型及其克重的需求；
送料定位是指在模具加工和制造过程中，将工件或材料准确地送到所需加工位置的操作，精确的送料定位可以降低冲压件的废品率，提高冲压件的生产精度、质量和效率。本申请提供的方法用于对模具加工设备的送料定位进行精度检测，来达到提高送料定位检测精度和准确性的效果，所述方法具体实施于一种用于模具加工设备的送料定位精度检测系统。
在本申请实施例中，首先，获取目标模具，其中目标模具是指待进行冲压加工的冲压件，例如：汽车车门、引擎盖、底盘等部件。然后根据所述目标模具和模具加工设备确定模具加工需求，其中模具加工设备包括送料设备和冲压加工设备，所述模具加工需求包括通过模具加工设备加工目标模具时的板料类型和克重需求。其中板料是指用于加工模具的原料，包括不锈钢板、铝板、铜板等多种类型；获取目标模具加工时的板料配比和板料总重量，根据板料总重量和板料所占比例计算获得板料克重。例如：在汽车保险杠冲压过程中，不锈钢板料占比70%、铝合金板料占比30%，板料总重量为50千克，则不锈钢板料克重为35千克，铝合金板料克重为15千克。通过获得模具加工需求，为下一步确定目标板料提供了数据支持。
根据所述模具加工需求确定目标板料，所述目标板料是指称取到的所述克重、所述类型的板料；
在本申请实施例中：根据所述模具加工需求确定加工目标模具实际所需的目标板料，其中所述目标板料是指实际称取的板料类型和板料克重，例如：铝板20千克、钢板10千克、铜板5千克。通过确定目标板料的克重和类型，为下一步进行目标模具加工时目标板料的送料和上料分析提供了支持。
获取预设上料方案，所述预设上料方案是指将所述目标板料放置于所述模具加工设备的料带上的方案；
在本申请实施例中，获取目标板料的预设上料方案，其中所述预设上料方案是指在进行目标模具加工时，将目标板料放置在模具加工设备中板料输送料带上的方案，其中预设上料方案通过料带上的板料的单位长度克重来表示，其中单位长度克重是指料带上板料在单位长度下的平均克重，不同单位长度克重表征不同的上料方案，在不同单位长度克重下对送料机构中料带输送板料的输送稳定性影响不同，所述预设上料方案本领域技术人员可根据送料机构和板料类型的实际情况进行合理设置。例如：可根据实际情况设置铝板单位长度克重为20克每厘米，即表征在送料机构的料带上，平均每厘米放置20克的铝板原料。通过获得预设上料方案，为下一步进行板料上料方案比对提供了依据。
结合所述目标模具的单位加工时长确定预设送料速度，所述预设送料速度是指所述模具加工设备的送料机构将所述目标板料运送至目标点位的速度；
在本申请实施例中，获取所述目标模具的单位加工时长，其中所述单位加工时长是指加工目标模具单位时长内所需板料的重量，例如：所需铝板为1千克每分钟。然后根据所述单位加工时长和所述预设上料方案确定目标板料的运送速度，所述预设送料速度为所述模具加工设备的送料机构将目标板料运送至目标点位的速度，其中目标点位是指加工目标板料的位置。例如：预设上料方案中铝板单位长度克重为20克每厘米，单位加工时长为1千克每分钟，则可计算得出预设送料速度为50厘米每分钟。通过确定预设送料速度，为下一步进行送料机构的送料速度比对提供了依据。
获取目标监测记录，所述目标监测记录包括目标上料监测记录和目标送料监测记录，所述目标上料监测记录是指基于所述预设上料方案将所述目标板料放置于所述料带的实际数据，所述目标送料监测记录是指基于所述预设送料速度将所述目标板料运送至所述目标点位的实际速度数据；
在本申请实施例中，根据所述预设上料方案将所述目标板料放置于送料机构的料带上进行运送，并对目标板料运送过程中的单位长度克重进行数据采集并记录，获得目标上料监测记录，其中目标上料监测记录是指料带上的实际单位长度克重的平均值。
根据所述预设送料速度将所述目标板料放置于送料机构的料带上进行运送，并对料带上目标板料运输至目标点位的输送速度进行采集并记录，获得目标送料监测记录。进一步得到目标监测记录，其中所述目标监测记录包括目标上料监测记录和目标送料监测记录。通过获得目标监测记录，可以实时获取料带上目标板料的运送状态，为下一步进行送料机构的目标板料运送稳定性分析提供了支持。
对比所述目标上料监测记录与所述预设上料方案得到第一对比数据，对比所述目标送料监测记录与所述预设送料速度得到第二对比数据；
在一个实施例中，所述方法还包括：
所述料带上装设有超声波厚度传感器；
所述超声波厚度传感器基于预设间隔对所述料带上的所述目标板料进行厚度检测，得到板料厚度序列；
对所述板料厚度序列中的多个厚度数据进行处理，得到综合厚度偏差；
将所述综合厚度偏差作为所述第一对比数据。
在本申请实施例中，其中送料机构的料带上装设有超声波厚度传感器，超声波厚度传感器是一种用于测量材料厚度的设备，利用超声波传播速度的原理来进行厚度测量，具有非接触性、高精度、多功能性、自动化等优点，通过非接触性检测可以避免在目标板料厚度检测过程中粘黏板料，提高目标板料厚度检测的准确性。
获取预设间隔，所述预设间隔是指目标板料厚度检测的时间间隔，所述预设间隔本领域技术人员可根据实际检测需求进行设置，其中预设间隔越短，厚度检测的精度和准确率越高。然后通过所述超声波厚度传感器根据预设间隔对料带上的目标板料进行厚度检测，并对厚度检测结果进行记录，然后按照检测时间的从早到晚的先后顺序将厚度检测结果进行排列，获得板料厚度序列。
然后将所述板料厚度序列中的多个厚度数据依次减去所述预设上料方案中的单位长度克重对应的标准板料厚度数据，其中所述标准板料厚度数据可根据单位长度克重和板料密度进行计算得出，获得多个厚度偏差，其中所述厚度偏差是指所述厚度数据与所述标准板料厚度数据的厚度尺寸偏差值，并对多个厚度偏差进行求平均值计算，将多个厚度偏差的平均值作为综合厚度偏差。然后将所述综合厚度偏差作为第一对比数据，其中所述第一对比数据越小，则表征目标板料的上料准确性、稳定性和均匀性越好。通过获得第一对比数据，可以及时获取目标板料的实时上料状态，为下一步进行送料定位精度预测提供了数据支持。
在一个实施例中，所述方法还包括：
所述方法应用于一种用于模具加工设备的送料定位精度检测系统，所述系统与速度传感器通信连接；
将所述速度传感器监测到的送料速度时序作为所述目标送料监测记录；
获取第一时间；
在所述目标送料监测记录匹配所述第一时间的第一实际速度；
计算得到第一速度偏差，所述第一速度偏差为所述第一实际速度与所述预设送料速度之间的偏差值；
将加权所述第一速度偏差得到的综合送料偏差作为所述第二对比数据。
在本申请实施例中，所述方法具体实施于一种用于模具加工设备的送料定位精度检测系统，所述系统通过信号传输的方式与速度传感器进行数据交互，其中速度传感器是一种用于测量料带上目标板料送料速度的设备，通过监测目标板料的位移变化或其他相关参数来确定送料速度，其中包括霍尔效应传感器、激光多普勒速度传感器、电感式速度传感器等类型，本领域技术人员可根据实际情况选择适配的速度传感器。
通过所述速度传感器按照所述预设间隔对料带上目标板料的实时运送速度进行数据采集，获得多个运行速度数据，其中所述运行速度数据带有数据采集时间节点标识，并将多个运行速度数据按照数据采集时间节点的先后顺序进行排列，构建送料速度时序。然后将所述送料速度时序作为所述目标送料监测记录。
获取第一时间，所述第一时间是指所述送料速度时序中任意一个速度采集时间节点，然后根据所述第一时间在所述目标送料监测记录中匹配所述第一时间的第一实际速度，获得第一实际速度。将所述第一实际速度减去所述预设送料速度，获得送料速度偏差，并将所述送料速度偏差作为第一速度偏差。然后依次对所述送料速度时序中多个速度采集时间节点的送料速度偏差进行计算，获得多个送料速度偏差，其中所述送料速度偏差带有数据采集时间节点标识。
基于所述数据采集时间节点对多个送料速度偏差进行权重设置，其中哪个数据采集时间节点对冲压件质量的影响程度越大，则对应的送料速度偏差的权重越大，具体的权重设置方法可通过现有的变异系数法进行赋权，变异系数法为本领域技术人员常用的赋权方法，在此不进行展开说明，获得多个送料速度偏差对应的多个权重。根据所述多个权重对多个送料速度偏差进行加权计算，并将多个送料速度偏差的加权计算结果作为综合送料偏差，然后将所述综合送料偏差作为第二对比数据，其中第二对比数据用于表征送料机构连续运送目标板料的稳定性，其中第二对比数据越小，则目标板料连续运送的稳定性和连续控制准确性越好。通过获得第二对比数据，为进行送料定位精度预测提供了数据支持。
分析所述第一对比数据与所述第二对比数据得到所述模具加工设备的送料定位精度。
如图2所示，在一个实施例中，所述方法还包括：
从调取到的历史送料定位精度记录中随机提取第一历史记录；
将所述第一历史记录中的第一历史对比数据、第二历史对比数据和第一历史送料定位精度作为第一数据组；
对所述第一数据组进行监督学习并检验，得到智能精度预测模型；
通过所述智能精度预测模型对所述第一对比数据与所述第二对比数据进行分析，得到所述送料定位精度。
在本申请实施例中，首先，对模具加工设备的历史送料定位数据进行查询，调取历史送料定位精度记录，其中所述历史送料定位精度记录包括多个第一历史对比数据、多个第二历史对比数据和多个历史送料定位精度。然后在所述历史送料定位精度记录中随机提取一历史记录作为第一历史记录，其中所述第一历史记录为所述历史送料定位精度记录中任意一个送料定位精度记录。并将所述第一历史记录中的第一历史对比数据、第二历史对比数据和第一历史送料定位精度进行提取，构建第一数据组。然后根据所述历史送料定位精度记录依次完成多个数据组的构建，获得多个数据组。
基于BP神经网络构建智能精度预测模型的网络结构，其中智能精度预测模型为机器学习中可以进行迭代优化的神经网络模型，所述智能精度预测模型的输入数据为第一对比数据、第二对比数据，输出结果为送料定位精度。然后根据多个数据组对所述智能精度预测模型进行监督训练，首先，将所述第一数据组输入所述智能精度预测模型，获得智能精度预测模型的第一输出结果；然后将所述第一输出结果与所述第一数据组中的第一历史送料定位精度进行比对；当比对结果一致时，则根据下一组数据组对所述智能精度预测模型进行监督训练；当结果不一致时，则获取所述第一输出结果与所述第一数据组中的第一历史送料定位精度的结果输出误差，并根据结果输出误差对所述智能精度预测模型中的参数进行校正，然后进行下一组数据组的监督训练。获取所述智能精度预测模型的输出准确率指标，其中所述输出准确率指标本领域技术人员可根据实际需求进行设置，其中实际所需的精度和准确率越高，则输出准确率指标越大，例如：设置输出准确率指标为95%。通过多个数据组对所述智能精度预测模型进行迭代监督训练，直到所述智能精度预测模型的输出结果准确率大于或等于所述输出准确率指标时，获得训练完成的智能精度预测模型。
然后将所述第一对比数据与所述第二对比数据输入训练完成的智能精度预测模型进行送料定位精度预测，输出送料定位精度。通过基于神经网络构建智能精度预测模型进行送料定位精度预测，可以提高送料定位精度获得的准确率和效率，同时也可以进一步提高送料定位精度修正的质量和效率。
在一个实施例中，所述方法还包括：
所述系统与激光干涉仪通信连接；
通过所述激光干涉仪对所述模具加工设备进行定位监测，得到实际监测定位精度；
根据预设修正函数，以所述实际监测定位精度对所述送料定位精度进行修正，所述预设修正函数的表达式如下：
；
；
其中，是指所述预设修正函数，即，以所述实际监测定位精度对所述送料定位精度进行修正后得到的结果，/>是指所述送料定位精度，/>是指所述实际监测定位精度，a是指预测反馈调节系数，b是指实测反馈调节系数，且，a+b=1，/>，/>，/>分别为所述目标上料监测记录和所述目标送料监测记录的测量误差反馈调节系数、计算误差反馈调节系数、预测误差反馈调节系数，/>，/>，/>分别为第一系数、第二系数和第三系数，且，/>。
在本申请实施例中，所述激光干涉仪通过信号传输的方式将采集得到的目标板料定位数据传输至所述系统，其中激光干涉仪是一种以波长作为标准进行度量和定位的仪器，具有采集精度高、适用面广等优点，用于对模具加工设备中料带上目标板料位置进行实时定位。然后通过所述激光干涉仪对所述模具加工设备中料带上的目标板料位置进行实时定位并保存定位数据，获得实时监测定位精度，其中所述实时监测定位精度具有定位时间节点标识。
构建预设修正函数，其中所述预设修正函数表达式为：
；
；
在所述预设修正函数表达式中，是指所述预设修正函数，即根据所述实际监测定位精度对所述送料定位精度进行修正后得到的结果；/>是指所述送料定位精度；是指所述实际监测定位精度；a是指预测反馈调节系数，b是指实测反馈调节系数，且，a+b=1，其中/>；在a的表达式中，/>，/>，/>分别为所述目标上料监测记录和所述目标送料监测记录的测量误差反馈调节系数、计算误差反馈调节系数、预测误差反馈调节系数，/>，/>，/>分别为第一系数、第二系数和第三系数，其中测量误差反馈调节系数、计算误差反馈调节系数、预测误差反馈调节系数中哪个反馈调节系数对预测反馈调节系数的影响程度越大，则对应的系数越大，例如：当测量误差反馈调节系数对预测反馈调节系数的影响程度越大，则/>的值越大，可通过现有的变异系数法进行/>，，/>的设置，且/>。通过构建预设修正函数，为进行送料定位精度修正提供了依据，可以提高送料定位精度修正的效率和准确率。
然后基于所述预设修正函数，根据所述实际监测定位精度对所述送料定位精度进行修正，获得送料定位精度修正结果。通过对送料定位精度进行修正，可以减小送料定位精度获得过程中的数据测量误差、数据计算误差和精度预测误差，从而可以提高送料定位精度获得的准确性。
通过上述方法可以解决现有的模具加工设备送料定位检测方法存在检测精度和准确性较低的技术问题，可以提高模具加工设备送料定位检测的精度和准确性，从而进一步提高冲压件的生产精度和质量。
在一个实施例中，所述方法还包括：
调取历史脱料记录，所述历史脱料记录中的第一记录包括第一脱料损失率；
基于所述第一脱料损失率对所述预设上料方案进行调整。
在本申请实施例中，对模具加工设备的历史脱料数据进行查询，其中脱料是指冲压完成后将冲压件从模具中取出的步骤，调取历史脱料记录，其中所述历史脱料记录包括历史上料方案、历史脱料损失率等数据，其中所述历史脱料损失率用于表征冲压件的脱料损失情况，所述脱料损失率为不合格脱料冲压件的数量与总脱料冲压件数量的比值，其中脱料损失率越大，表征冲压件的脱料质量越低。
获取预设脱料损失率阈值，所述预设脱料损失率阈值本领域技术人员可根据实际需求进行设置，其中脱料合格要求越高，则预设脱料损失率阈值越小。根据所述预设脱料损失率阈值对所述历史脱料记录中的历史脱料损失率进行判断，当所述历史脱料损失率大于或等于所述预设脱料损失率阈值时，则表征此时脱料质量不满足预设脱料质量要求，则根据所述脱料损失率对所述预设上料方案进行调整，例如：当脱料损失率较高时，可能是因为预设上料方案中单位长度克重较大，则可根据脱料损失率与脱料损失率阈值的偏差值对预设上料方案中单位长度克重进行适当减小，来降低脱料损失率。
通过根据历史脱料损失率对预设上料方案进行调整，可以提高预设上料方案设置的准确性，从而可以提高送料定位精度获得的准确性。
在一个实施例中，如图3所示提供了一种用于模具加工设备的送料定位精度检测系统，包括：
模具加工需求获取模块，所述模具加工需求获取模块用于获取模具加工需求，所述模具加工需求包括通过模具加工设备加工目标模具时板料的类型及其克重的需求；
目标板料确定模块，所述目标板料确定模块用于根据所述模具加工需求确定目标板料，所述目标板料是指称取到的所述克重、所述类型的板料；
预设上料方案获取模块，所述预设上料方案获取模块用于获取预设上料方案，所述预设上料方案是指将所述目标板料放置于所述模具加工设备的料带上的方案；
预设送料速度确定模块，所述预设送料速度确定模块用于结合所述目标模具的单位加工时长确定预设送料速度，所述预设送料速度是指所述模具加工设备的送料机构将所述目标板料运送至目标点位的速度；
目标监测记录获取模块，所述目标监测记录获取模块用于获取目标监测记录，所述目标监测记录包括目标上料监测记录和目标送料监测记录，所述目标上料监测记录是指基于所述预设上料方案将所述目标板料放置于所述料带的实际数据，所述目标送料监测记录是指基于所述预设送料速度将所述目标板料运送至所述目标点位的实际速度数据；
对比数据得到模块，所述对比数据得到模块用于对比所述目标上料监测记录与所述预设上料方案得到第一对比数据，对比所述目标送料监测记录与所述预设送料速度得到第二对比数据；
送料定位精度得到模块，所述送料定位精度得到模块用于分析所述第一对比数据与所述第二对比数据得到所述模具加工设备的送料定位精度。
在一个实施例中，所述系统还包括：
板料厚度序列得到模块，所述板料厚度序列得到模块用于所述超声波厚度传感器基于预设间隔对所述料带上的所述目标板料进行厚度检测，得到板料厚度序列；
综合厚度偏差得到模块，所述综合厚度偏差得到模块用于对所述板料厚度序列中的多个厚度数据进行处理，得到综合厚度偏差；
第一对比数据确定模块，所述第一对比数据确定模块用于将所述综合厚度偏差作为所述第一对比数据。
在一个实施例中，所述系统还包括：
目标送料监测记录确定模块，所述目标送料监测记录确定模块用于将所述速度传感器监测到的送料速度时序作为所述目标送料监测记录；
第一时间获取模块，所述第一时间获取模块用于获取第一时间；
第一实际速度匹配模块，所述第一实际速度匹配模块用于在所述目标送料监测记录匹配所述第一时间的第一实际速度；
第一速度偏差计算模块，所述第一速度偏差计算模块用于计算得到第一速度偏差，所述第一速度偏差为所述第一实际速度与所述预设送料速度之间的偏差值；
第二对比数据获得模块，所述第二对比数据获得模块用于将加权所述第一速度偏差得到的综合送料偏差作为所述第二对比数据。
在一个实施例中，所述系统还包括：
第一历史记录提取模块，所述第一历史记录提取模块用于从调取到的历史送料定位精度记录中随机提取第一历史记录；
第一数据组设定模块，所述第一数据组设定模块用于将所述第一历史记录中的第一历史对比数据、第二历史对比数据和第一历史送料定位精度作为第一数据组；
智能精度预测模型得到模块，所述智能精度预测模型得到模块用于对所述第一数据组进行监督学习并检验，得到智能精度预测模型；
送料定位精度得到模块，所述送料定位精度得到模块用于通过所述智能精度预测模型对所述第一对比数据与所述第二对比数据进行分析，得到所述送料定位精度。
在一个实施例中，所述系统还包括：
实际监测定位精度得到模块，所述实际监测定位精度得到模块用于通过所述激光干涉仪对所述模具加工设备进行定位监测，得到实际监测定位精度；
预设修正函数表达式模块，所述预设修正函数表达式模块用于根据预设修正函数，以所述实际监测定位精度对所述送料定位精度进行修正，所述预设修正函数的表达式如下：
；
；
预设修正函数参数模块，所述预设修正函数参数模块是指其中，是指所述预设修正函数，即，以所述实际监测定位精度对所述送料定位精度进行修正后得到的结果，是指所述送料定位精度，/>是指所述实际监测定位精度，a是指预测反馈调节系数，b是指实测反馈调节系数，且，a+b=1，/>，/>，/>分别为所述目标上料监测记录和所述目标送料监测记录的测量误差反馈调节系数、计算误差反馈调节系数、预测误差反馈调节系数，/>，/>，/>分别为第一系数、第二系数和第三系数，且，/>。
在一个实施例中，所述系统还包括：
历史脱料记录调取模块，所述历史脱料记录调取模块用于调取历史脱料记录，所述历史脱料记录中的第一记录包括第一脱料损失率；
预设上料方案调整模块，所述预设上料方案调整模块用于基于所述第一脱料损失率对所述预设上料方案进行调整。
综上所述，与现有技术相比，本公开的实施例具有以下技术效果：
（1）解决了现有的模具加工设备送料定位检测方法存在检测精度和准确性较低的技术问题，可以提高模具加工设备送料定位检测的精度和准确性，从而进一步提高冲压件的生产精度和质量。
（2）基于神经网络构建智能精度预测模型进行送料定位精度预测，可以提高送料定位精度获得的准确率和效率，同时也可以进一步提高送料定位精度修正的质量和效率。
（3）通过构建预设修正函数，为进行送料定位精度修正提供了依据，可以提高送料定位精度修正的效率和准确率；通过对送料定位精度进行修正，可以减小送料定位精度获得过程中的数据测量误差、数据计算误差和精度预测误差，从而可以提高送料定位精度获得的准确性。
以上所述实施例仅表达了本公开的几种实施方式，但并不能因此而理解为对发明专利范围的限制。因此，在不脱离如由所附权利要求限定的本公开构思的范围的情况下，本领域普通技术人员可做出各种类型的替换、修改和变更，并且这些替换、修改和变更都属于本公开的保护范围。
Claims (3)
1.用于模具加工设备的送料定位精度检测方法，其特征在于，包括：
获取模具加工需求，所述模具加工需求包括通过模具加工设备加工目标模具时板料的类型及其克重的需求；
根据所述模具加工需求确定目标板料，所述目标板料是指称取到的所述克重、所述类型的板料；
获取预设上料方案，所述预设上料方案是指将所述目标板料放置于所述模具加工设备的料带上的方案；
结合所述目标模具的单位加工时长确定预设送料速度，所述预设送料速度是指所述模具加工设备的送料机构将所述目标板料运送至目标点位的速度；
获取目标监测记录，所述目标监测记录包括目标上料监测记录和目标送料监测记录，所述目标上料监测记录是指基于所述预设上料方案将所述目标板料放置于所述料带的实际数据，所述目标送料监测记录是指基于所述预设送料速度将所述目标板料运送至所述目标点位的实际速度数据；
对比所述目标上料监测记录与所述预设上料方案得到第一对比数据，对比所述目标送料监测记录与所述预设送料速度得到第二对比数据；
分析所述第一对比数据与所述第二对比数据得到所述模具加工设备的送料定位精度；
其中，所述料带上装设有超声波厚度传感器，所述对比所述目标上料监测记录与所述预设上料方案得到第一对比数据，包括：
所述超声波厚度传感器基于预设间隔对所述料带上的所述目标板料进行厚度检测，得到板料厚度序列；
对所述板料厚度序列中的多个厚度数据进行处理，得到综合厚度偏差；
将所述综合厚度偏差作为所述第一对比数据；
其中，所述方法应用于一种用于模具加工设备的送料定位精度检测系统，所述系统与速度传感器通信连接，所述对比所述目标送料监测记录与所述预设送料速度得到第二对比数据，包括：
将所述速度传感器监测到的送料速度时序作为所述目标送料监测记录；
获取第一时间；
在所述目标送料监测记录匹配所述第一时间的第一实际速度；
计算得到第一速度偏差，所述第一速度偏差为所述第一实际速度与所述预设送料速度之间的偏差值；
将加权所述第一速度偏差得到的综合送料偏差作为所述第二对比数据；
其中，所述分析所述第一对比数据与所述第二对比数据得到所述模具加工设备的送料定位精度，包括：
从调取到的历史送料定位精度记录中随机提取第一历史记录；
将所述第一历史记录中的第一历史对比数据、第二历史对比数据和第一历史送料定位精度作为第一数据组；
对所述第一数据组进行监督学习并检验，得到智能精度预测模型；
通过所述智能精度预测模型对所述第一对比数据与所述第二对比数据进行分析，得到所述送料定位精度；
其中，所述系统与激光干涉仪通信连接，在所述得到所述送料定位精度之后，还包括：
通过所述激光干涉仪对所述模具加工设备进行定位监测，得到实际监测定位精度；
根据预设修正函数，以所述实际监测定位精度对所述送料定位精度进行修正，所述预设修正函数的表达式如下：
；
；
其中，是指所述预设修正函数，即，以所述实际监测定位精度对所述送料定位精度进行修正后得到的结果，/>是指所述送料定位精度，/>是指所述实际监测定位精度，a是指预测反馈调节系数，b是指实测反馈调节系数，且，a+b=1，/>，/>，/>分别为所述目标上料监测记录和所述目标送料监测记录的测量误差反馈调节系数、计算误差反馈调节系数、预测误差反馈调节系数，/>，/>，/>分别为第一系数、第二系数和第三系数，且，。
2.根据权利要求1所述方法，其特征在于，所述方法还包括：
调取历史脱料记录，所述历史脱料记录中的第一记录包括第一脱料损失率；
基于所述第一脱料损失率对所述预设上料方案进行调整。
3.用于模具加工设备的送料定位精度检测系统，其特征在于，用于执行权利要求1-2中所述的用于模具加工设备的送料定位精度检测方法中任意一项方法的步骤，包括：
模具加工需求获取模块，所述模具加工需求获取模块用于获取模具加工需求，所述模具加工需求包括通过模具加工设备加工目标模具时板料的类型及其克重的需求；
目标板料确定模块，所述目标板料确定模块用于根据所述模具加工需求确定目标板料，所述目标板料是指称取到的所述克重、所述类型的板料；
预设上料方案获取模块，所述预设上料方案获取模块用于获取预设上料方案，所述预设上料方案是指将所述目标板料放置于所述模具加工设备的料带上的方案；
预设送料速度确定模块，所述预设送料速度确定模块用于结合所述目标模具的单位加工时长确定预设送料速度，所述预设送料速度是指所述模具加工设备的送料机构将所述目标板料运送至目标点位的速度；
目标监测记录获取模块，所述目标监测记录获取模块用于获取目标监测记录，所述目标监测记录包括目标上料监测记录和目标送料监测记录，所述目标上料监测记录是指基于所述预设上料方案将所述目标板料放置于所述料带的实际数据，所述目标送料监测记录是指基于所述预设送料速度将所述目标板料运送至所述目标点位的实际速度数据；
对比数据得到模块，所述对比数据得到模块用于对比所述目标上料监测记录与所述预设上料方案得到第一对比数据，对比所述目标送料监测记录与所述预设送料速度得到第二对比数据；
送料定位精度得到模块，所述送料定位精度得到模块用于分析所述第一对比数据与所述第二对比数据得到所述模具加工设备的送料定位精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311399785.XA CN117123640B (zh) | 2023-10-26 | 2023-10-26 | 用于模具加工设备的送料定位精度检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311399785.XA CN117123640B (zh) | 2023-10-26 | 2023-10-26 | 用于模具加工设备的送料定位精度检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117123640A CN117123640A (zh) | 2023-11-28 |
| CN117123640B true CN117123640B (zh) | 2023-12-29 |
Family
ID=88858641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311399785.XA Active CN117123640B (zh) | 2023-10-26 | 2023-10-26 | 用于模具加工设备的送料定位精度检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117123640B (zh) |
-
2023
- 2023-10-26 CN CN202311399785.XA patent/CN117123640B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN117123640A (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110789128B (zh) | 一种增材制造制件成形质量预测与控制系统及方法 | |
| CN110682159A (zh) | 一种刀具磨损状态识别方法及装置 | |
| CN116307289A (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 | |
| CN115289971B (zh) | 一种锻坯尺寸监测方法及监测装置 | |
| CN117123640B (zh) | 用于模具加工设备的送料定位精度检测方法及系统 | |
| CN110222825B (zh) | 一种水泥成品比表面积预测方法及系统 | |
| CN115305526A (zh) | 基于x射线测量的铜箔厚度面密度一致性自适应控制方法 | |
| CN104199417A (zh) | 一种半导体镀膜工艺的统计过程监控方法 | |
| CN109598309B (zh) | 一种金属包装冲压机的检测系统及其监测方法 | |
| CN116703254B (zh) | 模具机械零部件生产信息管理系统 | |
| CN111693125B (zh) | 一种高精度动态称重设备的称台长度计算方法及其系统 | |
| CN115582522A (zh) | 一种高精度铬合金连续铸造成型监测方法及系统 | |
| CN114800049B (zh) | 一种光栅尺加工运行信号误差补偿系统 | |
| CN115703131A (zh) | 冷轧薄板屈服延伸率在线检测装置的使用方法 | |
| CN111914208B (zh) | 一种基于相对品质指数预警的检测系统及其方法 | |
| CN115985411A (zh) | 基于高斯过程回归模型的高分子熔融指数软测量方法 | |
| CN115239618A (zh) | 一种连铸坯高精度定尺在线预测方法及系统 | |
| CN116187830B (zh) | 基于熵权-理想解法的带钢冷连轧自动化率综合评价方法 | |
| CN117245874B (zh) | 注塑品质检测方法、装置、注塑机、设备及存储介质 | |
| CN114200102B (zh) | 确定与带钢电磁特性相关的物理参数的测量装置及方法 | |
| CN117831659B (zh) | 宽厚板质量在线检测的方法、装置、电子设备及存储介质 | |
| CN117078118B (zh) | 一种数控机床生产工件质量智能检测系统 | |
| CN117341261A (zh) | 一种伺服直驱螺旋压力机智能控制方法及系统 | |
| CN115017993A (zh) | 一种热轧线agc缸磁尺故障预测方法 | |
| CN118034196A (zh) | 工业生产的工艺参数调整方法、调整设备及存储介质 |
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 |