CN117140204A - 一种用于机械加工的目标固定方法 - Google Patents

一种用于机械加工的目标固定方法 Download PDF

Info

Publication number
CN117140204A
CN117140204A CN202311421880.5A CN202311421880A CN117140204A CN 117140204 A CN117140204 A CN 117140204A CN 202311421880 A CN202311421880 A CN 202311421880A CN 117140204 A CN117140204 A CN 117140204A
Authority
CN
China
Prior art keywords
target
flaw
detection surface
track
curvature
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
Application number
CN202311421880.5A
Other languages
English (en)
Other versions
CN117140204B (zh
Inventor
王晓锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong Hongming Machinery Technology Co ltd
Original Assignee
Nantong Hongming Machinery Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nantong Hongming Machinery Technology Co ltd filed Critical Nantong Hongming Machinery Technology Co ltd
Priority to CN202311421880.5A priority Critical patent/CN117140204B/zh
Publication of CN117140204A publication Critical patent/CN117140204A/zh
Application granted granted Critical
Publication of CN117140204B publication Critical patent/CN117140204B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • B24B1/00—Processes of grinding or polishing; Use of auxiliary equipment in connection with such processes
    • 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
    • B24B41/00—Component parts such as frames, beds, carriages, headstocks
    • B24B41/06—Work supports, e.g. adjustable steadies
    • 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
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/12—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving optical means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Robotics (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

本发明公开了一种用于机械加工的目标固定方法，涉及机械加工技术领域，方法包括：交互获得目标设计信息；构建目标数字模型；预设曲率变化阈值，获得检测面划分约束；基于所述检测面划分约束构建图像局部采集模块，获得目标检测面图像集；获得目标瑕疵磨削轨迹集；并基于所述瑕疵轨迹相似性序列生成检测面动态固定序列；根据所述检测面动态固定序列控制目标加工装置对所述目标加工件进行夹持固定，根据所述目标瑕疵磨削轨迹集控制所述目标加工装置对所述目标加工件进行机械加工，解决了现有技术中存在的磨削方法由于无法对高曲率不规则产品进行有效处理而导致需要使用人工手动磨削的问题，实现了关于高曲率不规则加工件表面瑕疵的有效去除。

Description

一种用于机械加工的目标固定方法
技术领域
本发明涉及机械加工技术领域，具体涉及一种用于机械加工的目标固定方法。
背景技术
在机械加工领域，对工件进行高精度加工是关键，对目标加工件的固定是高精度加工的重要组成部分。传统的工件固定方法，如使用压板、螺栓等，对于大型或小型工件均存在一定的局限性。大型工件由于其尺寸和重量，往往需要借助专门设备进行装夹，操作复杂且精度难以保证。小型工件虽然可以通过常规的机械方法进行固定，但在高精度加工中仍然存在误差和挑战。
现有技术中存在的磨削方法由于无法对高曲率不规则产品进行有效处理而导致需要使用人工进行手动磨削的问题，导致最终关于高曲率不规则加工件表面瑕疵无法有效去除，增加复杂曲面瑕疵加工对于人工的依赖度，进而无法提高加工效率。
发明内容
本申请提供了一种用于机械加工的目标固定方法，解决了现有技术中存在的磨削方法由于无法对高曲率不规则产品进行有效处理而导致需要使用人工进行手动磨削的问题，实现了关于高曲率不规则加工件表面瑕疵的有效去除，减少复杂曲面瑕疵加工对于人工的依赖度，进而提高整体加工效率。
鉴于上述问题，本申请提供了一种用于机械加工的目标固定方法。
第一方面，本申请提供了一种用于机械加工的目标固定方法，方法包括：通过交互获得目标设计信息，其中，所述目标设计信息为目标加工件的生产设计参数；构建目标数字模型，其中，所述目标数字模型以所述目标设计信息为基准构建；预设曲率变化阈值，并根据所述预设曲率变化阈值遍历所述目标数字模型以对所述目标加工件进行表面曲率变化分析，获得检测面划分约束，其中，所述检测面划分约束包括K个划分检测面，所述K个划分检测面具有K个划分特征标识，K为正整数；基于所述检测面划分约束构建图像局部采集模块，并基于所述图像局部采集模块控制CCD相机对所述目标加工件进行检测面定位和图像采集，获得目标检测面图像集，其中，所述目标检测面图像集包括K张局部检测面图像，所述K张局部检测面图像与所述K个划分检测面一一映射；将所述目标检测面图像集同步至瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得目标瑕疵磨削轨迹集；对所述目标瑕疵磨削轨迹集进行工艺相似性分析，获得瑕疵轨迹相似性序列，并基于所述瑕疵轨迹相似性序列生成检测面动态固定序列；根据所述检测面动态固定序列控制目标加工装置对所述目标加工件进行夹持固定，根据所述目标瑕疵磨削轨迹集控制所述目标加工装置对所述目标加工件进行机械加工。
第二方面，本申请提供了一种用于机械加工的目标固定系统，系统包括：
目标设计信息模块：交互获得目标设计信息，其中，所述目标设计信息为目标加工件的生产设计参数；数字模型构建模块：构建目标数字模型，其中，所述目标数字模型以所述目标设计信息为基准构建；曲率变化阈值模块：预设曲率变化阈值，并根据所述预设曲率变化阈值遍历所述目标数字模型以对所述目标加工件进行表面曲率变化分析，获得检测面划分约束，其中，所述检测面划分约束包括K个划分检测面，所述K个划分检测面具有K个划分特征标识，K为正整数；目标检测面图像集模块：基于所述检测面划分约束构建图像局部采集模块，并基于所述图像局部采集模块控制CCD相机对所述目标加工件进行检测面定位和图像采集，获得目标检测面图像集，其中，所述目标检测面图像集包括K张局部检测面图像，所述K张局部检测面图像与所述K个划分检测面一一映射；目标瑕疵磨削轨迹集模块：将所述目标检测面图像集同步至瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得目标瑕疵磨削轨迹集；检测面动态固定序列模块：对所述目标瑕疵磨削轨迹集进行工艺相似性分析，获得瑕疵轨迹相似性序列，并基于所述瑕疵轨迹相似性序列生成检测面动态固定序列；机械加工模块：根据所述检测面动态固定序列控制目标加工装置对所述目标加工件进行夹持固定，根据所述目标瑕疵磨削轨迹集控制所述目标加工装置对所述目标加工件进行机械加工。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的一种用于机械加工的目标固定方法，通过交互获得目标设计信息，再构建目标数字模型，对曲率变化阈值预设，并根据预设曲率变化阈值遍历目标数字模型以对目标加工件进行表面曲率变化分析，获得检测面划分约束，再基于检测面划分约束构建图像局部采集模块，并基于图像局部采集模块控制CCD相机对目标加工件进行检测面定位和图像采集，获得目标检测面图像集，然后将目标检测面图像集同步至瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得目标瑕疵磨削轨迹集，再对目标瑕疵磨削轨迹集进行工艺相似性分析，获得瑕疵轨迹相似性序列，并基于瑕疵轨迹相似性序列生成检测面动态固定序列，最后根据检测面动态固定序列控制目标加工装置对目标加工件进行夹持固定，根据目标瑕疵磨削轨迹集控制目标加工装置对目标加工件进行机械加工，解决了现有技术中存在的姿态检测工作由于不够严谨且完备性不足而导致实时性差的问题，解决了现有技术中存在的磨削方法由于无法对高曲率不规则产品进行有效处理而导致需要使用人工进行手动磨削的问题，实现了关于高曲率不规则加工件表面瑕疵的有效去除，减少复杂曲面瑕疵加工对于人工的依赖度，进而提高整体加工效率。
附图说明
图1为本申请提供了一种用于机械加工的目标固定方法流程示意图；
图2为本申请提供了一种用于机械加工的目标固定系统结构示意图。
附图标记说明：目标设计信息模块11，数字模型构建模块12，曲率变化阈值模块13，目标检测面图像集模块14，目标瑕疵磨削轨迹集模块15，检测面动态固定序列模块16，机械加工模块17。
具体实施方式
本申请通过提供一种用于机械加工的目标固定方法，通过交互获得目标设计信息，再构建目标数字模型，对曲率变化阈值预设，并根据预设曲率变化阈值遍历目标数字模型以对目标加工件进行表面曲率变化分析，获得检测面划分约束，再基于检测面划分约束构建图像局部采集模块，并基于图像局部采集模块控制CCD相机对目标加工件进行检测面定位和图像采集，获得目标检测面图像集，然后将目标检测面图像集同步至瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得目标瑕疵磨削轨迹集，再对目标瑕疵磨削轨迹集进行工艺相似性分析，获得瑕疵轨迹相似性序列，并基于瑕疵轨迹相似性序列生成检测面动态固定序列，最后根据检测面动态固定序列控制目标加工装置对目标加工件进行夹持固定，根据目标瑕疵磨削轨迹集控制目标加工装置对目标加工件进行机械加工。解决了现有技术中存在的磨削方法由于无法对高曲率不规则产品进行有效处理而导致需要使用人工进行手动磨削的问题，实现了关于高曲率不规则加工件表面瑕疵的有效去除，减少复杂曲面瑕疵加工对于人工的依赖度，进而提高整体加工效率。
实施例一
如图1所示，本申请提供了一种用于机械加工的目标固定方法，方法包括：
交互获得目标设计信息，其中，所述目标设计信息为目标加工件的生产设计参数；
目标设计信息为目标加工件的生产设计参数，即目标加工件的大小尺寸、形状材质等基础信息，通过目标加工件的交互平台对目标加工件的生产设计参数进行获取，在目标加工件交互平台的用户界面中，输入目标加工件的名称，并可将目标加工件的图像和描述信息进行输入，目标加工件交互平台会根据输入的目标加工件名称、目标加工件图像和目标加工件描述，生成目标加工件的生产设计参数，包括原材料类型、目标尺寸大小、表面粗糙度和硬度等，并将生产设计参数作为目标设计信息进行输出，以报告形式发送给目标用户。通过采用交互式的方法对目标加工件的目标设计信息进行获取，能够提高目标加工件目标设计信息的获取效率，优化生产流程，降低生产生成成本，提高生产效率。
构建目标数字模型，其中，所述目标数字模型以所述目标设计信息为基准构建；
将目标设计信息进行获取，并将目标设计信息输入至三维建模软件中，根据目标设计信息中的目标加工件的尺寸信息进行三维数字模型生成，三位数字建模软件包括但不限于CATIA、SolidWorks、ANSYS等主流软件。再根据目标设计信息中的目标加工件的材质信息进行材料属性设置，并对设置完成的目标加工件模型进行模型简化，去除不必要的成分，并进一步通过三维建模软件对目标加工件的三维模型进行网格划分，方便后续进行精细化建模和调整。在建模完成后需要对构建的目标加工件数字模型进行验证，确保目标加工件数字模型的准确性和可靠性，根据实际情况进行相应的测试和验证，验证方法包括但不限于实验测试、有限元分析等。最后在验证完成，确保构建的目标加工件数字模型的可靠性后，将构建的目标加工件的数字模型进行输出，得到目标数字模型，为后续设计分析和优化等操作提供了有力的支持和便利。
预设曲率变化阈值，并根据所述预设曲率变化阈值遍历所述目标数字模型以对所述目标加工件进行表面曲率变化分析，获得检测面划分约束，其中，所述检测面划分约束包括K个划分检测面，所述K个划分检测面具有K个划分特征标识，K为正整数；
由于一些目标加工件并非为规则形状，可能存在大量的卷曲或弯折，当目标加工件的卷曲或弯折部分出现瑕疵并需要对瑕疵进行处理时，会出现刀具无法对过大曲率的表面切削进行精准控制的情况，需要将曲率过大的弯曲面分解为多个曲率较小的拼接面，对多个曲率较小的拼接面进行切削，就可以完成对过大曲率弯曲面的瑕疵处理。对曲率变化阈值进行设置，得到预设曲率变化阈值，当曲面的曲率超过预设曲率变化阈值时，则表示该曲面的曲率过大，需要对该曲面进行分解，划分出多个曲率较小曲面；当曲面的曲率不超过预设曲率变化阈值时，则表示该曲面可以进行瑕疵处理，不需要进行分解划分。对目标数字模型中的所有表面进行表变曲率变化分析，将目标数字模型表面中高于预设曲率变化值的曲面部分进行获取，得到需要进行划分的曲面，将需要划分的曲面作为检测面进行输出，得到检测面，并根据检测面进行检测面划分约束获取，其中检测面划分约束为对检测面进行划分所得到的划分检测面的数量，且每个划分检测面具有每个划分检测面相对应的划分特征标识，根据划分检测面的划分特征标识对检测面进行划分，并得到相应的划分检测面，有多少个划分检测面即有多少个划分特征标识。检测面划分约束的获取，为后续基于检测面划分约束构建图像局部采集模块，并基于图像局部采集模块控制CCD相机对目标加工件进行检测面定位和图像采集，获得目标检测面图像集提供数据基础。
基于所述检测面划分约束构建图像局部采集模块，并基于所述图像局部采集模块控制CCD相机对所述目标加工件进行检测面定位和图像采集，获得目标检测面图像集，其中，所述目标检测面图像集包括K张局部检测面图像，所述K张局部检测面图像与所述K个划分检测面一一映射；
根据划分检测面进行图像采集，对划分检测面的瑕疵进行识别判断。构建图像局部采集模块，图像局部采集模块能够根据检测面划分约束对目标加工件的检测面进行定位，并根据目标加工件的定位信息进行目标加工件的检测面图像采集，获取目标检测面图像集。其中，CCD相机是一种由半导体成像器件构成的图像采集设备，具有高灵敏度、抗光强、畸变小等优点，通过CCD相机对检测面的进行图像采集，获取目标检测面图像集。图像局部采集模块根据检测面划分约束中的划分检测面个数进行图像采集目标确定，且获取检测面划分约束中多个划分检测面的多个划分特征标识，构建划分检测面空间，并根据划分特征标识确定多个划分检测面的空间位置，并将空间位置进行输出，得到检测面位置信息，将全部划分检测面的位置信息进行获取，全部划分检测面的位置信息构成检测面位置信息，即得到检测面位置信息，完成对检测面定位。通过检测面位置信息，图像局部采集模块控制CCD相机对检测面进行定位，并对检测面进行图像采集，得到目标检测面图像集。其中，对检测面进行图像采集时，图像局部采集模块控制CCD相机对每个划分检测面进行单独采集，并得到多张局部检测图像，有多少个划分检测面就有多少个局部检测面图像，且构建局部检测图像与划分检测面之间的一一映射关系，将所有获取的局部检测面图像进行组合，得到目标检测面图像集，目标检测面图像集的构建，为后续将目标检测面图像集同步至瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得目标瑕疵磨削轨迹集提供数据基础。
将所述目标检测面图像集同步至瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得目标瑕疵磨削轨迹集；
瑕疵轨迹分析子网络是一种基于深度学习算法进行构建并训练的检测分析模型，根据瑕疵轨迹分析子网络，能够对目标检测面图像集进行瑕疵检测，如裂痕、凹痕等瑕疵，并获取瑕疵检测结果，根据瑕疵检测结果对瑕疵进行标识，获取具有瑕疵标识的目标加工件的瑕疵。由于目标加工件的瑕疵存在不同情况，有些瑕疵的处理精度较低，不需要对其进行精准的控制便可以进行瑕疵处理，而对于一些瑕疵需要进行精准的控制，对精确度要求较高，如果不对瑕疵处理进行顺序设置，则会出现相邻瑕疵精准度要求过大的情况，对于瑕疵磨削刀具的控制会增加一定的调整时间，且调整幅度过大，出现精准度不够的情况，所以需要对瑕疵进行分析判断，利用瑕疵轨迹分析子网络根据瑕疵的严重性和瑕疵处理的所需精确度等情况进行分析，按照一定标准对瑕疵进行先后顺序排列，并根据排列顺序，获取瑕疵对应的位置，并根据瑕疵的排列顺序和对应的位置获取瑕疵磨削轨迹，将多个瑕疵磨削轨迹进行数据集构建，得到目标瑕疵磨削轨迹集，通过瑕疵轨迹分析子网络对瑕疵进行识别和瑕疵磨削轨迹分析，获取目标瑕疵磨削轨迹集，能够提高目标瑕疵磨削轨迹集的准确性和效率，进一步提高目标加工件的生产质量。
对所述目标瑕疵磨削轨迹集进行工艺相似性分析，获得瑕疵轨迹相似性序列，并基于所述瑕疵轨迹相似性序列生成检测面动态固定序列；
在对目标加工件进行机械加工时，需将目标加工件的表面分为未达到预设曲率变化阈值的曲面和超过预设曲率变化阈值的曲面，在对未达到预设曲率变化阈值的曲面进行机械加工时按照正常加工方式处理即可，在对超过预设曲率变化阈值的曲面进行加工时，需要将超过预设曲率变化阈值的曲面划分为多个划分检测面，分别对划分检测面进行加工。在对一个划分检测面完成加工后，即完成瑕疵磨削轨迹，在对下一个划分检测面按照瑕疵磨削轨迹进行加工时，需要根据下一个划分检测面与刚刚完成加工的划分检测面之间的差异度进行分析，如果两个划分检测面之间的瑕疵磨削轨迹差别过大，则对于加工设备的调整需要更多时间，并且会增加频繁调整参数而带来的误差，导致极大的增加目标加工件的加工误差，所以需要对每个就划分检测面所对应的目标瑕疵磨削轨迹集进行相似性分析。对各个划分检测面的目标瑕疵磨削轨迹集中的轨迹控制参数进行提取，并对控制参数按照先后操作顺序进行排列，获取控制参数排列结果，将各个划分检测面的目标瑕疵磨削轨迹集的控制参数排列结果进行相似性分析，即工艺相似性分析，获取工艺相似性分析结果，并工艺相似性分析结果，将目标瑕疵磨削轨迹按照工艺相似性分析结果从高到低进行排列，获取瑕疵轨迹相似性序列，并根据瑕疵轨迹相似性序列对夹持固定设备进行控制。在对夹持固定设备进行控制时，夹持固定设备无法获取瑕疵轨迹相似性序列的控制信息，需要将瑕疵轨迹相似性序列转化为夹持固定设备的控制序列，通过转换器将瑕疵轨迹相似性序列转化为夹持固定设备的控制序列，得到检测面动态固定序列，为后续根据检测面动态固定序列控制目标加工装置对目标加工件进行夹持固定，根据目标瑕疵磨削轨迹集控制目标加工装置对目标加工件进行机械加工提供数据基础。
根据所述检测面动态固定序列控制目标加工装置对所述目标加工件进行夹持固定，根据所述目标瑕疵磨削轨迹集控制所述目标加工装置对所述目标加工件进行机械加工。
目标加工装置在获取检测面动态固定序列后，对检测面动态固定序列中的第一项划分检测面进行获取，并控制目标加工装置将该第一项划分检测面通过转动朝向目标加工装置，使目标加工装置可直接按照目标瑕疵磨削轨迹集对该划分检测面进行机械加工，在完成该划分检测面的机械加工时，目标加工装置按照检测面动态固定序列中第一项的后一项划分检测面进行获取，作为第二项划分检测面，并将第二项划分检测面通过转动朝向目标加工装置，目标加工装置对第二项划分检测面进行按照目标瑕疵磨削轨迹集进行机械加工，以此类推按照检测面动态固定序列依次将检测面动态固定序列中的项所对应的划分检测面转向目标加工设备，目标加工设备按照目标瑕疵磨削轨迹集对该划分检测面进行加工，通过检测面动态固定序列控制目标加工装置对目标加工件进行夹持固定，能够减少目标加工装置因不断调整加工位置，对控制参数进行大幅度的调整而导致的加工精度低的问题，极大的提高了对目标加工件机械加工的精确度。
进一步而言，所述方法还包括：
交互获得目标加工装置的历史加工日志，并基于所述历史加工日志提取获得辅助加工记录，其中，所述辅助加工记录包括多个样本加工件，其中，所述多个样本加工件具有多组辅助加工区域标识；
获得多个样本设计信息，其中，所述多个样本设计信息为所述多个样本加工件的生产设计参数；
以所述多个样本设计信息为基准，构建多个样本数字模型，并根据所述多组辅助加工区域标识对所述多个样本数字模型进行区块标识，获得多个样本区块标识模型；
基于所述多个样本区块标识模型进行表面曲率分析，获得多组样本曲率参数，其中，所述多组样本曲率参数映射于所述多组辅助加工区域标识；
序列化所述多组样本曲率参数，并进行极值调用，获得样本曲率极值；
将所述样本曲率极值作为所述预设曲率变化阈值；
根据所述预设曲率变化阈值遍历所述目标数字模型，获得检测面划分约束。
曲率变化阈值根据之前的加工记录进行设定，通过目标加工件的交互平台对目标加工装置的历史加工日志进行获取，历史加工日志是将之前的加工情况全部进行记录而构成的历史信息集，基于历史加工日志将人工辅助加工记录进行提取，获得辅助加工记录，辅助加工记录表示在机器加工完成之后，依然存在瑕疵等问题，需要工人进行辅助加工，通过手工磨削等方式进行二次加工。辅助加工记录包括多个样本加工件，样本加工件为通过辅助加工而作为样本的加工件，且多个样本加工件中，通过辅助加工对瑕疵进行处理的区域进行辅助加工区域标识。再对多个样本加工件的生产设计参数进行获取，得到多个样本设计信息，以多个样本设计信息为基准，构建多个样本数字模型，并根据多组辅助加工区域标识对多个样本数字模型进行区块标识，获得多个样本区块标识模型，基于多个样本区块标识模型进行表面曲率分析，获取表面曲率分析结果，将表面曲率分析结果进行输出，得到多组样本曲率参数，并将多组样本曲率参数映射于多组辅助加工区域标识，并将多组样本曲率参数按照曲率参数大小进行排列，曲率高的在前，获取多组样本曲率序列，并进行极值调用，获得样本曲率极值，其中样本曲率极值表示样本曲率的最小值，当瑕疵面的曲率超过最小值时，目标加工装置就无法对该瑕疵面进行瑕疵处理，即将样本曲率极值作为预设曲率变化阈值，并根据预设曲率变化阈值对目标数字模型进行遍历，将超过预设曲率变化阈值的曲面进行获取，得到检测面划分约束。检测面划分约束的获取，为后续基于检测面划分约束构建图像局部采集模块，并基于图像局部采集模块控制CCD相机对目标加工件进行检测面定位和图像采集，获得目标检测面图像集提供数据基础。
进一步而言，所述方法还包括：
根据所述目标设计信息对所述目标数字模型进行原始构成面划分，获得M个原始构成面，其中，M为小于K的正整数；
对所述目标数字模型进行曲率调用，获得所述M个原始构成面的M组构成面曲率数据；
采用所述预设曲率变化阈值一次遍历所述M组构成面曲率数据，筛选获得N组构成面曲率数据，其中，所述N组构成面曲率数据中，每组构成面曲率数据都存在一个或多个构成面曲率数据不满足所述预设曲率变化阈值，N为小于M的正整数；
基于所述N组构成面曲率数据在所述M个原始构成面对应调用获得N个原始构成面；
从所述M个原始构成面中剔除所述N个原始构成面，并添加至所述检测面划分约束；
预设第一检测面划分阈值，并基于所述第一检测面划分阈值对所述N个原始构成面进行网格化划分，进而获得N组网格构成面；
对所述目标数字模型进行曲率调用，获得所述N组网格构成面的N组网格曲率数据集；
采用所述预设曲率变化阈值二次遍历所述N组网格曲率数据集，筛选获得H组网格曲率数据，其中，所述H组网格曲率数据对应的H个网格构成面的构成面曲率数据不完全满足所述预设曲率变化阈值，H为正整数；
从所述N组网格构成面中剔除所述H个网格构成面，并添加至所述检测面划分约束；
预设第二检测面划分阈值，对H个网格构成面进行进一步网格化划分，直至所获任一细化网格构成面的任一曲率数据都符合所述预设曲率变化阈值，获得所述检测面划分约束。
在对目标加工件表面的曲面进行判定时，如果表面曲面大于预设曲率变化阈值，则表示该曲面无法进行机械加工，需要将该曲面进行划分，划分的标准为划分之后的曲面的曲率不会超过预设曲率变化阈值，即划分检测面的曲率小于预设曲率变化阈值，按照该标准对检测面划分约束进行设定。根据目标设计信息对目标数字模型进行原始构成面的划分，获取划分结果，划分结果为多个原始构成面，原始构成面的个数小于最终的划分检测面的个数。对目标数字模型的曲率进行调用，对多个构成面所对应的曲率进行获取，得到获得多个构成面曲率数据，通过预设曲率变化阈值对多组构成面曲率数据进行遍历，获得多个构成面曲率数据，由于每组构成面曲率数据都存在一个或多个构成面曲率数据不满足预设曲率变化阈值的情况，所以遍历结果获得的构成面曲率数据个数小于原始构成面的个数。基于多个构成面曲率数据在多个原始构成面中，对应获取相应数量的原始构成面，并从多个原始构成面中将对应获得的原始构成面剔除，并添加至检测面划分约束中，对第一检测面划分阈值进行预设，并根据第一检测面划分阈值对多个原始构成面按照网格进行划分，获取网格划分结果，网格划分结果为相对应原始构成面的网格构成面。对目标数字模型进行曲率调用，获得多组网格构成面对应的多组网格曲率数据集，采用预设曲率变化阈值二次遍历多组网格曲率数据集，对网格曲率数据对应的网格构成面的构成面曲率数据不完全满足预设曲率变化阈值进行筛选，得到多组网格曲率数据。从网格构成面中将多组网格曲率数据对应的多个网格构成面剔除，获取提出结果，并将提出结果添加至检测面划分约束。并对第二检测面划分阈值进行预设，对多个网格构成面进行进一步网格化划分，直至所有网格构成面的任一曲率数据都符合预设曲率变化阈值，通过不断对网格构成面进行划分，能够保证划分的网格构成面的曲率都符合预设曲率变化阈值，进而提高加工效率。
进一步而言，所述方法还包括：
预构建加工件固定空间，根据所述加工件固定空间对所述检测面划分约束的K个划分检测面进行空间位置特征标识，获得K组划分特征标识-空间位置特征标识；
根据所述K组划分特征标识-空间位置特征标识构建所述图像局部采集模块，基于所述图像局部采集模块控制CCD相机进行感兴趣区域对焦；
将所述目标加工件夹持固定于所述加工件固定空间，采用所述CCD相机对所述目标加工件进行检测面定位和图像采集，获得所述目标检测面图像集。
在通过图像局部采集模块对目标加工件进行CCD相机的检测面定位和图像采集的控制时，需要对加工件的坐标系进行构建，通过坐标系对检测面划分约束的划分检测面进行定位，获取划分检测面的位置信息。对加工件的三维空间坐标系进行构建，获取构建结果，构建结果为固定空间，将加工件在固定空间中进行表示，根据加工件固定空间对划分检测面进行定位，获取空间位置特征，并根据定位对划分检测面进行空间位置特征标识，获得空间位置特征标识结果，空间位置特征标识结果为划分特征标识-空间位置特征标识。并根据多个划分特征标识-空间位置特征标识对图像局部采集模块进行构建，将多个划分特征标识-空间位置特征标识输入定位图像局部采集模块中，定位图像局部采集模块可对多个划分特征标识-空间位置特征标识进行识别，通过图像局部采集模块对CCD相机进行控制，控制CCD相机对感兴趣区域进行对焦，感兴趣区域即为带有多个划分特征标识-空间位置特征标识的区域，将目标加工件夹持固定于加工件固定空间，并采用CCD相机对目标加工件进行检测面定位和图像采集，获得图像采集结果，图像采集结果为目标检测面图像集。目标检测面图像集的获取，为后续将目标检测面图像集同步至瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得目标瑕疵磨削轨迹集提供数据基础。
进一步而言，所述方法还包括：
所述瑕疵轨迹分析子网络包括控制参数分析模块和控制轨迹生成模块；
根据所述目标加工件，获得多个历史加工件的多个样本瑕疵图像信息；
根据所述多个样本瑕疵图像信息获得多组加工控制参数，并基于所述多个样本瑕疵图像信息和所述多组加工控制参数构建并训练所述控制参数分析模块；
基于所述目标检测面图像集调用第一局部检测面图像，并将所述第一局部检测面图像输入所述瑕疵轨迹分析子网络的控制参数分析模块进行瑕疵识别及瑕疵加工控制分析，获得第一控制参数集，其中，所述第一控制参数集包括多组第一局部瑕疵-局部瑕疵加工参数-局部瑕疵位置标识；
所述控制轨迹生成模块基于所述第一控制参数集提取获得第一局部瑕疵加工参数集和第一局部瑕疵位置标识集；
所述控制轨迹生成模块根据预设控制指标权重分配对所述第一局部瑕疵加工参数集进行加权计算和计算结果序列化，获得第一加工参数序列；
根据所述第一加工参数序列对所述第一局部瑕疵位置标识集进行连接处理，生成第一瑕疵磨削轨迹；
以此类推，将所述目标检测面图像集同步至所述瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得所述目标瑕疵磨削轨迹集，其中，所述目标瑕疵磨削轨迹集包括K个瑕疵磨削轨迹，所述K个瑕疵磨削轨迹对应于K个加工参数序列。
瑕疵轨迹分析子网络包括控制参数分析模块和控制轨迹生成模块，参数分析模块为对瑕疵轨迹进行控制的参数进行分析的模块；控制轨迹生成模块为根据瑕疵位置进行处理瑕疵的先后顺序的路径进行生成的模块。根据目标加工件，对多个历史加工件的多个样本瑕疵图像信息进行获取，历史加工件的多个样本瑕疵图像信息为之前加工件的瑕疵图像信息，将之前加工件的瑕疵图像信息作为样本。根据多个样本瑕疵图像信息获得多组样本信息的加工控制参数，并基于多个样本瑕疵图像信息和多组样本信息的加工控制参数构建控制参数分析模块，并对控制参数分析模块进行训练，将样本瑕疵图像进行输入，获取控制参数分析模块处理结果，并将控制参数分析模块处理结果进行输出，与加工控制参数进行对比，并获取对比结果，并根据对比结果对控制参数分析模块进行调整。基于目标检测面图像集对任一局部检测面图像进行提取，获取第一局部检测面图像，并将第一局部检测面图像输入瑕疵轨迹分析子网络的控制参数分析模块进行瑕疵识别和瑕疵加工控制分析，获取分析结果，分析结果为第一控制参数集，第一控制参数集包括多组第一局部瑕疵-局部瑕疵加工参数-局部瑕疵位置标识，其中，局部瑕疵加工参数包括削磨深度，削磨深度是指削磨过程中每次切削的厚度；削磨速度，削磨速度是指刀具或工件在切削时的移动速度；进给量，进给量是指每次切削时刀具或工件在切削方向上的移动距离；切削速度，切削速度是指刀具与工件相对运动时切削点的线速度。控制轨迹生成模块根据第一控制参数集提取对第一局部瑕疵加工参数集和第一局部瑕疵位置标识集进行获取，控制轨迹生成模块根据预设控制指标权重分配对第一局部瑕疵加工参数集进行加权计算，获取加权计算结果，并将加权计算结果按照从大到小的顺序进行排列，得到第一加工参数序列。其中，对瑕疵越复杂分配的权重就越大，所需要处理的控制参数就越多。根据第一加工参数序列将第一局部瑕疵位置标识集进行线段连接，获取连接结果，连接结果为第一瑕疵磨削轨迹，同理可得，将目标检测面图像集同步至瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得目标瑕疵磨削轨迹集，且目标瑕疵磨削轨迹集中的瑕疵磨削轨迹，和瑕疵磨削轨迹对应的加工参数序列的数量与划分检测面相同。目标瑕疵磨削轨迹集的获取，为后续对目标瑕疵磨削轨迹集进行工艺相似性分析，获得瑕疵轨迹相似性序列，并基于瑕疵轨迹相似性序列生成检测面动态固定序列提供数据基础。
进一步而言，所述方法还包括：
以所述第一加工参数序列为基准，遍历所述目标瑕疵磨削轨迹集中的K-1个加工参数序列，获得K-1个加工参数序列组合；
预构建轨迹相似度计算函数，并将所述K-1个加工参数序列组合输入所述轨迹相似度计算函数，获得K-1个轨迹相似度指数；
基于所述目标瑕疵削磨轨迹集获得对应于所述K-1个加工参数序列的K-1个瑕疵磨削轨迹；
根据所述K-1个轨迹相似度指数序列化所述K-1个瑕疵磨削轨迹，获得所述瑕疵轨迹相似性序列；
根据所述瑕疵轨迹相似性序列生成所述检测面动态固定序列。
在对下一个划分检测面按照瑕疵磨削轨迹进行加工时，如果两个划分检测面之间的瑕疵磨削轨迹差别过大，则对于加工设备的调整需要更多时间，所以需要对每个就划分检测面所对应的目标瑕疵磨削轨迹集进行相似性分析，将目标瑕疵磨削轨迹集对应的控制序列进行对比分析，判断控制序列的相似度，并根据控制序列的相似度进行检测面动态固定序列的生成。以第一加工参数序列为基准，对目标瑕疵磨削轨迹集中的所有加工参数序列进行遍历，获得相应数量的加工参数序列组合，预构建轨迹相似度计算函数，通过轨迹相似度计算函数，将加工参数序列进行对应代入，获取轨迹相似度指数，并将加工参数序列组合输入轨迹相似度计算函数，获得轨迹相似度指数。根据目标瑕疵削磨轨迹集获得对应于加工参数序列数量的瑕疵磨削轨迹，并根据轨迹相似度指数将瑕疵磨削轨迹从高到低进行排列，进行序列化并获取序列化结果，得到瑕疵轨迹相似性序列，最后根据瑕疵轨迹相似性序列生成检测面动态固定序列，检测面动态固定序列的获取，为后续根据检测面动态固定序列控制目标加工装置对目标加工件进行夹持固定，根据目标瑕疵磨削轨迹集控制目标加工装置对目标加工件进行机械加工提供数据基础。
进一步而言，所述方法还包括：
对轨迹相似度计算函数进行预构建，其中，为轨迹相似度，/>表示第一组加工参数序列的第i个权重处理加工参数，/>表示第二组加工参数序列的第i个权重处理加工参数，若如果进行相似度计算的两组削磨控制参数的数据量不同，则以数据量较少的一组为准进行相似度计算，通过轨迹相似度计算函数计算轨迹相似度，可以快速且有效地比较两组加工参数序列组合的相似性。
实施例二
基于与前述实施例中一种用于机械加工的目标固定方法相同的发明构思，如图2所示，本申请提供了一种用于机械加工的目标固定系统，所述系统包括：
目标设计信息模块11：所述目标设计信息模块11用于交互获得目标设计信息，其中，所述目标设计信息为目标加工件的生产设计参数；
数字模型构建模块12：所述数字模型构建模块12用于构建目标数字模型，其中，所述目标数字模型以所述目标设计信息为基准构建；
曲率变化阈值模块13：所述曲率变化阈值模块13用于预设曲率变化阈值，并根据所述预设曲率变化阈值遍历所述目标数字模型以对所述目标加工件进行表面曲率变化分析，获得检测面划分约束，其中，所述检测面划分约束包括K个划分检测面，所述K个划分检测面具有K个划分特征标识，K为正整数；
目标检测面图像集模块14：所述目标检测面图像集模块14用于基于所述检测面划分约束构建图像局部采集模块，并基于所述图像局部采集模块控制CCD相机对所述目标加工件进行检测面定位和图像采集，获得目标检测面图像集，其中，所述目标检测面图像集包括K张局部检测面图像，所述K张局部检测面图像与所述K个划分检测面一一映射；
目标瑕疵磨削轨迹集模块15：所述目标瑕疵磨削轨迹集模块15用于将所述目标检测面图像集同步至瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得目标瑕疵磨削轨迹集；
检测面动态固定序列模块16：所述检测面动态固定序列模块16用于对所述目标瑕疵磨削轨迹集进行工艺相似性分析，获得瑕疵轨迹相似性序列，并基于所述瑕疵轨迹相似性序列生成检测面动态固定序列；
机械加工模块17：所述机械加工模块17用于根据所述检测面动态固定序列控制目标加工装置对所述目标加工件进行夹持固定，根据所述目标瑕疵磨削轨迹集控制所述目标加工装置对所述目标加工件进行机械加工。
进一步的，曲率变化阈值模块13包括以下执行步骤：
交互获得目标加工装置的历史加工日志，并基于所述历史加工日志提取获得辅助加工记录，其中，所述辅助加工记录包括多个样本加工件，其中，所述多个样本加工件具有多组辅助加工区域标识；
获得多个样本设计信息，其中，所述多个样本设计信息为所述多个样本加工件的生产设计参数；
以所述多个样本设计信息为基准，构建多个样本数字模型，并根据所述多组辅助加工区域标识对所述多个样本数字模型进行区块标识，获得多个样本区块标识模型；
基于所述多个样本区块标识模型进行表面曲率分析，获得多组样本曲率参数，其中，所述多组样本曲率参数映射于所述多组辅助加工区域标识；
序列化所述多组样本曲率参数，并进行极值调用，获得样本曲率极值；
将所述样本曲率极值作为所述预设曲率变化阈值；
根据所述预设曲率变化阈值遍历所述目标数字模型，获得检测面划分约束。
进一步的，曲率变化阈值模块13包括以下执行步骤：
根据所述目标设计信息对所述目标数字模型进行原始构成面划分，获得M个原始构成面，其中，M为小于K的正整数；
对所述目标数字模型进行曲率调用，获得所述M个原始构成面的M组构成面曲率数据；
采用所述预设曲率变化阈值一次遍历所述M组构成面曲率数据，筛选获得N组构成面曲率数据，其中，所述N组构成面曲率数据中，每组构成面曲率数据都存在一个或多个构成面曲率数据不满足所述预设曲率变化阈值，N为小于M的正整数；
基于所述N组构成面曲率数据在所述M个原始构成面对应调用获得N个原始构成面；
从所述M个原始构成面中剔除所述N个原始构成面，并添加至所述检测面划分约束；
预设第一检测面划分阈值，并基于所述第一检测面划分阈值对所述N个原始构成面进行网格化划分，进而获得N组网格构成面；
对所述目标数字模型进行曲率调用，获得所述N组网格构成面的N组网格曲率数据集；
采用所述预设曲率变化阈值二次遍历所述N组网格曲率数据集，筛选获得H组网格曲率数据，其中，所述H组网格曲率数据对应的H个网格构成面的构成面曲率数据不完全满足所述预设曲率变化阈值，H为正整数；
从所述N组网格构成面中剔除所述H个网格构成面，并添加至所述检测面划分约束；
预设第二检测面划分阈值，对H个网格构成面进行进一步网格化划分，直至所获任一细化网格构成面的任一曲率数据都符合所述预设曲率变化阈值，获得所述检测面划分约束。
进一步的，目标检测面图像集模块14包括以下执行步骤：
预构建加工件固定空间，根据所述加工件固定空间对所述检测面划分约束的K个划分检测面进行空间位置特征标识，获得K组划分特征标识-空间位置特征标识；
根据所述K组划分特征标识-空间位置特征标识构建所述图像局部采集模块，基于所述图像局部采集模块控制CCD相机进行感兴趣区域对焦；
将所述目标加工件夹持固定于所述加工件固定空间，采用所述CCD相机对所述目标加工件进行检测面定位和图像采集，获得所述目标检测面图像集。
进一步的，目标瑕疵磨削轨迹集模块15包括以下执行步骤：
所述瑕疵轨迹分析子网络包括控制参数分析模块和控制轨迹生成模块；
根据所述目标加工件，获得多个历史加工件的多个样本瑕疵图像信息；
根据所述多个样本瑕疵图像信息获得多组加工控制参数，并基于所述多个样本瑕疵图像信息和所述多组加工控制参数构建并训练所述控制参数分析模块；
基于所述目标检测面图像集调用第一局部检测面图像，并将所述第一局部检测面图像输入所述瑕疵轨迹分析子网络的控制参数分析模块进行瑕疵识别及瑕疵加工控制分析，获得第一控制参数集，其中，所述第一控制参数集包括多组第一局部瑕疵-局部瑕疵加工参数-局部瑕疵位置标识；
所述控制轨迹生成模块基于所述第一控制参数集提取获得第一局部瑕疵加工参数集和第一局部瑕疵位置标识集；
所述控制轨迹生成模块根据预设控制指标权重分配对所述第一局部瑕疵加工参数集进行加权计算和计算结果序列化，获得第一加工参数序列；
根据所述第一加工参数序列对所述第一局部瑕疵位置标识集进行连接处理，生成第一瑕疵磨削轨迹；
以此类推，将所述目标检测面图像集同步至所述瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得所述目标瑕疵磨削轨迹集，其中，所述目标瑕疵磨削轨迹集包括K个瑕疵磨削轨迹，所述K个瑕疵磨削轨迹对应于K个加工参数序列。
进一步的，目标瑕疵磨削轨迹集模块15包括以下执行步骤：
以所述第一加工参数序列为基准，遍历所述目标瑕疵磨削轨迹集中的K-1个加工参数序列，获得K-1个加工参数序列组合；
预构建轨迹相似度计算函数，并将所述K-1个加工参数序列组合输入所述轨迹相似度计算函数，获得K-1个轨迹相似度指数；
基于所述目标瑕疵削磨轨迹集获得对应于所述K-1个加工参数序列的K-1个瑕疵磨削轨迹；
根据所述K-1个轨迹相似度指数序列化所述K-1个瑕疵磨削轨迹，获得所述瑕疵轨迹相似性序列；
根据所述瑕疵轨迹相似性序列生成所述检测面动态固定序列。
进一步的，目标瑕疵磨削轨迹集模块15包括以下执行步骤：
其中，为轨迹相似度，/>表示第一组加工参数序列的第i个权重处理加工参数，表示第二组加工参数序列的第i个权重处理加工参数。
本说明书通过前述对一种用于机械加工的目标固定方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种用于机械加工的目标固定方法，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种用于机械加工的目标固定方法，其特征在于，所述方法包括：
交互获得目标设计信息，其中，所述目标设计信息为目标加工件的生产设计参数；
构建目标数字模型，其中，所述目标数字模型以所述目标设计信息为基准构建；
预设曲率变化阈值，并根据所述预设曲率变化阈值遍历所述目标数字模型以对所述目标加工件进行表面曲率变化分析，获得检测面划分约束，其中，所述检测面划分约束包括K个划分检测面，所述K个划分检测面具有K个划分特征标识，K为正整数；
基于所述检测面划分约束构建图像局部采集模块，并基于所述图像局部采集模块控制CCD相机对所述目标加工件进行检测面定位和图像采集，获得目标检测面图像集，其中，所述目标检测面图像集包括K张局部检测面图像，所述K张局部检测面图像与所述K个划分检测面一一映射；
将所述目标检测面图像集同步至瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得目标瑕疵磨削轨迹集；
对所述目标瑕疵磨削轨迹集进行工艺相似性分析，获得瑕疵轨迹相似性序列，并基于所述瑕疵轨迹相似性序列生成检测面动态固定序列；
根据所述检测面动态固定序列控制目标加工装置对所述目标加工件进行夹持固定，根据所述目标瑕疵磨削轨迹集控制所述目标加工装置对所述目标加工件进行机械加工。
2.如权利要求1所述的方法，其特征在于，预设曲率变化阈值，并根据所述预设曲率变化阈值遍历所述目标数字模型以对所述目标加工件进行表面曲率变化分析，获得检测面划分约束，其中，所述检测面划分约束包括K个划分检测面，所述K个划分检测面具有K个划分特征标识，所述方法还包括：
交互获得目标加工装置的历史加工日志，并基于所述历史加工日志提取获得辅助加工记录，其中，所述辅助加工记录包括多个样本加工件，其中，所述多个样本加工件具有多组辅助加工区域标识；
获得多个样本设计信息，其中，所述多个样本设计信息为所述多个样本加工件的生产设计参数；
以所述多个样本设计信息为基准，构建多个样本数字模型，并根据所述多组辅助加工区域标识对所述多个样本数字模型进行区块标识，获得多个样本区块标识模型；
基于所述多个样本区块标识模型进行表面曲率分析，获得多组样本曲率参数，其中，所述多组样本曲率参数映射于所述多组辅助加工区域标识；
序列化所述多组样本曲率参数，并进行极值调用，获得样本曲率极值；
将所述样本曲率极值作为所述预设曲率变化阈值；
根据所述预设曲率变化阈值遍历所述目标数字模型，获得检测面划分约束。
3.如权利要求2所述的方法，其特征在于，根据所述预设曲率变化阈值遍历所述目标数字模型，获得检测面划分约束，所述方法还包括：
根据所述目标设计信息对所述目标数字模型进行原始构成面划分，获得M个原始构成面，其中，M为小于K的正整数；
对所述目标数字模型进行曲率调用，获得所述M个原始构成面的M组构成面曲率数据；
采用所述预设曲率变化阈值一次遍历所述M组构成面曲率数据，筛选获得N组构成面曲率数据，其中，所述N组构成面曲率数据中，每组构成面曲率数据都存在一个或多个构成面曲率数据不满足所述预设曲率变化阈值，N为小于M的正整数；
基于所述N组构成面曲率数据在所述M个原始构成面对应调用获得N个原始构成面；
从所述M个原始构成面中剔除所述N个原始构成面，并添加至所述检测面划分约束；
预设第一检测面划分阈值，并基于所述第一检测面划分阈值对所述N个原始构成面进行网格化划分，进而获得N组网格构成面；
对所述目标数字模型进行曲率调用，获得所述N组网格构成面的N组网格曲率数据集；
采用所述预设曲率变化阈值二次遍历所述N组网格曲率数据集，筛选获得H组网格曲率数据，其中，所述H组网格曲率数据对应的H个网格构成面的构成面曲率数据不完全满足所述预设曲率变化阈值，H为正整数；
从所述N组网格构成面中剔除所述H个网格构成面，并添加至所述检测面划分约束；
预设第二检测面划分阈值，对H个网格构成面进行进一步网格化划分，直至所获任一细化网格构成面的任一曲率数据都符合所述预设曲率变化阈值，获得所述检测面划分约束。
4.如权利要求1所述的方法，其特征在于，基于所述检测面划分约束构建图像局部采集模块，并基于所述图像局部采集模块控制CCD相机对所述目标加工件进行检测面定位和图像采集，所述方法还包括：
预构建加工件固定空间，根据所述加工件固定空间对所述检测面划分约束的K个划分检测面进行空间位置特征标识，获得K组划分特征标识-空间位置特征标识；
根据所述K组划分特征标识-空间位置特征标识构建所述图像局部采集模块，基于所述图像局部采集模块控制CCD相机进行感兴趣区域对焦；
将所述目标加工件夹持固定于所述加工件固定空间，采用所述CCD相机对所述目标加工件进行检测面定位和图像采集，获得所述目标检测面图像集。
5.如权利要求1所述的方法，其特征在于，将所述目标检测面图像集同步至瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得目标瑕疵磨削轨迹集，所述方法还包括：
所述瑕疵轨迹分析子网络包括控制参数分析模块和控制轨迹生成模块；
根据所述目标加工件，获得多个历史加工件的多个样本瑕疵图像信息；
根据所述多个样本瑕疵图像信息获得多组加工控制参数，并基于所述多个样本瑕疵图像信息和所述多组加工控制参数构建并训练所述控制参数分析模块；
基于所述目标检测面图像集调用第一局部检测面图像，并将所述第一局部检测面图像输入所述瑕疵轨迹分析子网络的控制参数分析模块进行瑕疵识别及瑕疵加工控制分析，获得第一控制参数集，其中，所述第一控制参数集包括多组第一局部瑕疵-局部瑕疵加工参数-局部瑕疵位置标识；
所述控制轨迹生成模块基于所述第一控制参数集提取获得第一局部瑕疵加工参数集和第一局部瑕疵位置标识集；
所述控制轨迹生成模块根据预设控制指标权重分配对所述第一局部瑕疵加工参数集进行加权计算和计算结果序列化，获得第一加工参数序列；
根据所述第一加工参数序列对所述第一局部瑕疵位置标识集进行连接处理，生成第一瑕疵磨削轨迹；
以此类推，将所述目标检测面图像集同步至所述瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得所述目标瑕疵磨削轨迹集，其中，所述目标瑕疵磨削轨迹集包括K个瑕疵磨削轨迹，所述K个瑕疵磨削轨迹对应于K个加工参数序列。
6.如权利要求5所述的方法，其特征在于，对所述目标瑕疵磨削轨迹集进行工艺相似性分析，获得瑕疵轨迹相似性序列，并基于所述瑕疵轨迹相似性序列生成检测面动态固定序列，所述方法还包括：
以所述第一加工参数序列为基准，遍历所述目标瑕疵磨削轨迹集中的K-1个加工参数序列，获得K-1个加工参数序列组合；
预构建轨迹相似度计算函数，并将所述K-1个加工参数序列组合输入所述轨迹相似度计算函数，获得K-1个轨迹相似度指数；
基于所述目标瑕疵削磨轨迹集获得对应于所述K-1个加工参数序列的K-1个瑕疵磨削轨迹；
根据所述K-1个轨迹相似度指数序列化所述K-1个瑕疵磨削轨迹，获得所述瑕疵轨迹相似性序列；
根据所述瑕疵轨迹相似性序列生成所述检测面动态固定序列。
7.如权利要求6所述的方法，其特征在于，预构建轨迹相似度计算函数，所述轨迹相似度计算函数如下：
其中，为轨迹相似度，/>表示第一组加工参数序列的第i个权重处理加工参数，/>表示第二组加工参数序列的第i个权重处理加工参数。
8.一种用于机械加工的目标固定系统，其特征在于，所述系统包括：
目标设计信息模块：交互获得目标设计信息，其中，所述目标设计信息为目标加工件的生产设计参数；
数字模型构建模块：构建目标数字模型，其中，所述目标数字模型以所述目标设计信息为基准构建；
曲率变化阈值模块：预设曲率变化阈值，并根据所述预设曲率变化阈值遍历所述目标数字模型以对所述目标加工件进行表面曲率变化分析，获得检测面划分约束，其中，所述检测面划分约束包括K个划分检测面，所述K个划分检测面具有K个划分特征标识，K为正整数；
目标检测面图像集模块：基于所述检测面划分约束构建图像局部采集模块，并基于所述图像局部采集模块控制CCD相机对所述目标加工件进行检测面定位和图像采集，获得目标检测面图像集，其中，所述目标检测面图像集包括K张局部检测面图像，所述K张局部检测面图像与所述K个划分检测面一一映射；
目标瑕疵磨削轨迹集模块：将所述目标检测面图像集同步至瑕疵轨迹分析子网络进行瑕疵识别和瑕疵磨削轨迹分析，获得目标瑕疵磨削轨迹集；
检测面动态固定序列模块：对所述目标瑕疵磨削轨迹集进行工艺相似性分析，获得瑕疵轨迹相似性序列，并基于所述瑕疵轨迹相似性序列生成检测面动态固定序列；
机械加工模块：根据所述检测面动态固定序列控制目标加工装置对所述目标加工件进行夹持固定，根据所述目标瑕疵磨削轨迹集控制所述目标加工装置对所述目标加工件进行机械加工。
CN202311421880.5A 2023-10-31 2023-10-31 一种用于机械加工的目标固定方法 Active CN117140204B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311421880.5A CN117140204B (zh) 2023-10-31 2023-10-31 一种用于机械加工的目标固定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311421880.5A CN117140204B (zh) 2023-10-31 2023-10-31 一种用于机械加工的目标固定方法

Publications (2)

Publication Number Publication Date
CN117140204A true CN117140204A (zh) 2023-12-01
CN117140204B CN117140204B (zh) 2023-12-26

Family

ID=88899156

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311421880.5A Active CN117140204B (zh) 2023-10-31 2023-10-31 一种用于机械加工的目标固定方法

Country Status (1)

Country Link
CN (1) CN117140204B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03149171A (ja) * 1989-10-31 1991-06-25 Toyoda Mach Works Ltd 産業用ロボットの工具軌跡制御装置
JPH0569317A (ja) * 1991-09-17 1993-03-23 Nippon Steel Corp 鋼片の疵研削方法
JPH079320A (ja) * 1993-06-30 1995-01-13 Nippon Steel Corp 自動疵手入れ方法およびその装置
JPH07237106A (ja) * 1994-02-28 1995-09-12 Nippon Steel Corp 遠隔操作疵手入れ方法およびその装置
JP2002326148A (ja) * 2001-04-27 2002-11-12 Canon Inc 複合曲面研磨方法
CN111460332A (zh) * 2020-04-26 2020-07-28 成都信息工程大学 一种基于用户生活轨迹的社会关系评估方法
DE102020108680A1 (de) * 2020-03-30 2021-09-30 Audi Aktiengesellschaft Verfahren und Anordnung zur Oberflächenbearbeitung eines Werkstücks
CN113924188A (zh) * 2019-04-11 2022-01-11 格比2产品公司 磨削方法
CN114924527A (zh) * 2022-05-20 2022-08-19 上海交通大学 适用于圆柱磨抛工具的机器人力控磨抛轨迹规划方法及系统
CN115016394A (zh) * 2022-07-18 2022-09-06 西安交通大学 一种基于瑕疵类型的瑕疵刀位点识别方法
CN115906528A (zh) * 2022-12-30 2023-04-04 山东理工大学 一种焊接结构模型的自动预处理方法、系统、设备和存储介质
CN116323099A (zh) * 2020-10-14 2023-06-23 杰富意钢铁株式会社 伤痕磨削系统、伤痕磨削方法及使用其的钢制品的制造方法
CN116423300A (zh) * 2023-05-12 2023-07-14 华侨大学 曲面石材的恒压强磨抛方法、装置、设备及可读存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03149171A (ja) * 1989-10-31 1991-06-25 Toyoda Mach Works Ltd 産業用ロボットの工具軌跡制御装置
JPH0569317A (ja) * 1991-09-17 1993-03-23 Nippon Steel Corp 鋼片の疵研削方法
JPH079320A (ja) * 1993-06-30 1995-01-13 Nippon Steel Corp 自動疵手入れ方法およびその装置
JPH07237106A (ja) * 1994-02-28 1995-09-12 Nippon Steel Corp 遠隔操作疵手入れ方法およびその装置
JP2002326148A (ja) * 2001-04-27 2002-11-12 Canon Inc 複合曲面研磨方法
CN113924188A (zh) * 2019-04-11 2022-01-11 格比2产品公司 磨削方法
DE102020108680A1 (de) * 2020-03-30 2021-09-30 Audi Aktiengesellschaft Verfahren und Anordnung zur Oberflächenbearbeitung eines Werkstücks
CN111460332A (zh) * 2020-04-26 2020-07-28 成都信息工程大学 一种基于用户生活轨迹的社会关系评估方法
CN116323099A (zh) * 2020-10-14 2023-06-23 杰富意钢铁株式会社 伤痕磨削系统、伤痕磨削方法及使用其的钢制品的制造方法
US20230330802A1 (en) * 2020-10-14 2023-10-19 Jfe Steel Corporation Flaw grinding system, flaw grinding method, and steel-product manufacturing method employing the flaw grinding method
CN114924527A (zh) * 2022-05-20 2022-08-19 上海交通大学 适用于圆柱磨抛工具的机器人力控磨抛轨迹规划方法及系统
CN115016394A (zh) * 2022-07-18 2022-09-06 西安交通大学 一种基于瑕疵类型的瑕疵刀位点识别方法
CN115906528A (zh) * 2022-12-30 2023-04-04 山东理工大学 一种焊接结构模型的自动预处理方法、系统、设备和存储介质
CN116423300A (zh) * 2023-05-12 2023-07-14 华侨大学 曲面石材的恒压强磨抛方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
CN117140204B (zh) 2023-12-26

Similar Documents

Publication Publication Date Title
CN110253019B (zh) 一种激光选区熔化的质量监控与控制方法
CN109085178B (zh) 一种用于增材制造的缺陷指纹精确在线监测和反馈方法
CN114708587B (zh) 一种基于图像识别的数控机床工件加工余量确定方法
CN110328674A (zh) 一种激光切割机器人
CN114102274A (zh) 3d打印零件加工方法
CN108399609B (zh) 一种三维点云数据的修补方法、装置和机器人
CN115035092A (zh) 基于图像的瓶体检测方法、装置、设备及存储介质
CN116224930A (zh) 一种数控磨床产品的加工控制方法及系统
CN114651276A (zh) 制造方法
WO2015035850A1 (zh) 测量飞行器表面波纹度的系统以及相应方法
CN117140204B (zh) 一种用于机械加工的目标固定方法
CN112557445A (zh) 一种基于增材制造的缺陷在线检测方法、装置和系统
CN116909208B (zh) 基于人工智能的壳体加工路径优化方法及系统
CN116258838B (zh) 一种用于管片模具合模系统的智能视觉引导方法
US10549349B2 (en) Method and apparatus for controlling a 3D-printing device and 3D-printing device
CN111435400A (zh) 一种零件的修复方法、修复装置及3d打印机
Chowdary et al. An investigation for improvement of the 3D‐digitization process: a reverse engineering approach
CN113532320B (zh) 一种基于图像的光斑衍射环分析方法、存储介质及芯片
CN115115578B (zh) 一种增材制造过程中的缺陷检测方法及系统
Yin et al. Automatic measurement system of section geometry parameters for composite filter rods based on machine vision
CN111612071B (zh) 一种从曲面零件阴影图生成深度图的深度学习方法
CN110021027B (zh) 一种基于双目视觉的切边点计算方法
US11656597B2 (en) Method and system for recognizing deburring trajectory
CN117788476B (zh) 一种基于数字孪生技术的工件缺陷检测方法、装置
Teubl et al. Development of an ML model for the classification of surface quality in a milling process

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