CN117148741B - 轴承加工参数智能调控方法及系统 - Google Patents
轴承加工参数智能调控方法及系统 Download PDFInfo
- Publication number
- CN117148741B CN117148741B CN202311437489.4A CN202311437489A CN117148741B CN 117148741 B CN117148741 B CN 117148741B CN 202311437489 A CN202311437489 A CN 202311437489A CN 117148741 B CN117148741 B CN 117148741B
- Authority
- CN
- China
- Prior art keywords
- control
- result
- bearing
- constraint
- optimizing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 title claims description 141
- 238000012544 monitoring process Methods 0.000 claims abstract description 68
- 238000013507 mapping Methods 0.000 claims abstract description 66
- 238000003754 machining Methods 0.000 claims abstract description 63
- 238000005520 cutting process Methods 0.000 claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 238000005457 optimization Methods 0.000 claims description 49
- 238000001514 detection method Methods 0.000 claims description 40
- 230000007613 environmental effect Effects 0.000 claims description 31
- 238000011156 evaluation Methods 0.000 claims description 28
- 239000002173 cutting fluid Substances 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 13
- 239000000463 material Substances 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000013508 migration Methods 0.000 claims description 8
- 230000005012 migration Effects 0.000 claims description 8
- 238000013433 optimization analysis Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 230000001276 controlling effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 206010063385 Intellectualisation Diseases 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012549 training Methods 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了轴承加工参数智能调控方法及系统，涉及智能控制技术领域，交互待加工轴承信息和加工设备信息，输入轴承切削加工的数字化模型配置切割控制参数和映射辅助参数，进行轴承加工控制并接收反馈监测信息，结合映射辅助参数确定数据偏移结果并输入初始化的优化模型，输出优化控制结果进行加工控制，解决了现有技术中由于控制分析方法不够智能化且分析深度不足，使得参数控制与加工需求的适配性不足，影响加工控制精准度，使得轴承加工质量受限的技术问题，通过进行参数寻优加工控制与反馈调优控制，将数学模型与实践应用相结合，提升加工调控方式的智能化，实施及时有效的加工调优控制，提高加工控制精确度并保障轴承加工质量。
Description
技术领域
本发明涉及智能控制技术领域，具体涉及轴承加工参数智能调控方法及系统。
背景技术
轴承作为机械装备承载和传动的核心基础零部件，于航空航天、重型机械等领域有着广泛的应用，针对轴承的智能制造方面，加工参数的合理性与适配性为轴承工件的决定性因素。目前，主要通过或通过专家经验介入的方式进行轴承加工控制调整，当前的调控方式还存在一定的技术局限性，由于控制分析方法不够智能化且分析深度不足，使得参数控制与加工需求的适配性不足，影响加工控制精准度，使得轴承加工质量受限。
发明内容
本申请提供了轴承加工参数智能调控方法及系统，用于针对解决现有技术中存在的由于控制分析方法不够智能化且分析深度不足，使得参数控制与加工需求的适配性不足，影响加工控制精准度，使得轴承加工质量受限的技术问题。
鉴于上述问题，本申请提供了轴承加工参数智能调控方法及系统。
第一方面，本申请提供了轴承加工参数智能调控方法，所述方法包括：
通过模拟仿真，构建轴承切削加工的数字化模型；
交互获得待加工轴承信息和加工设备信息，其中，所述待加工轴承信息包括轴承尺寸、轴承材质，所述加工设备信息包括设备运行特征；
将所述待加工轴承信息和所述加工设备信息输入至所述数字化模型，通过所述数字化模型配置切割控制参数和映射辅助参数，其中，所述映射辅助参数包括切削液参数、刀具参数；
通过所述切割控制参数和所述映射辅助参数控制对所述待加工轴承执行加工控制，并通过监测传感器接收反馈监测信息，其中，所述反馈监测信息包括刀具监测信息、位置监测信息、切削液监测信息；
将所述映射辅助参数和所述反馈监测信息进行数据偏移比对，获得数据偏移结果；
基于所述切割控制参数和所述映射辅助参数执行优化模型的模型初始化，并将所述数据偏移结果输入所述优化模型，输出优化控制结果；
通过所述优化控制结果执行待加工轴承的继续加工控制。
第二方面，本申请提供了轴承加工参数智能调控系统，所述系统包括：
模型构建模块，所述模型构建模块用于通过模拟仿真，构建轴承切削加工的数字化模型；
信息交互模块，所述信息交互模块用于交互获得待加工轴承信息和加工设备信息，其中，所述待加工轴承信息包括轴承尺寸、轴承材质，所述加工设备信息包括设备运行特征；
参数配置模块，所述参数配置模块用于将所述待加工轴承信息和所述加工设备信息输入至所述数字化模型，通过所述数字化模型配置切割控制参数和映射辅助参数，其中，所述映射辅助参数包括切削液参数、刀具参数；
控制反馈模块，所述控制反馈模块用于通过所述切割控制参数和所述映射辅助参数控制对所述待加工轴承执行加工控制，并通过监测传感器接收反馈监测信息，其中，所述反馈监测信息包括刀具监测信息、位置监测信息、切削液监测信息；
偏移比对模块，所述偏移比对模块用于将所述映射辅助参数和所述反馈监测信息进行数据偏移比对，获得数据偏移结果；
优化分析模块，所述优化分析模块用于基于所述切割控制参数和所述映射辅助参数执行优化模型的模型初始化，并将所述数据偏移结果输入所述优化模型，输出优化控制结果；
优化控制模块，所述优化控制模块用于通过所述优化控制结果执行待加工轴承的继续加工控制。
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轴承加工参数智能调控方法，通过模拟仿真构建轴承切削加工的数字化模型；交互获得待加工轴承信息和加工设备信息，所述待加工轴承信息包括轴承尺寸、轴承材质，所述加工设备信息包括设备运行特征；输入所述数字化模型配置切割控制参数和映射辅助参数，对所述待加工轴承执行加工控制，并通过监测传感器接收反馈监测信息，包括刀具监测信息、位置监测信息与切削液监测信息，对所述映射辅助参数和所述反馈监测信息进行数据偏移比对，获得数据偏移结果，基于所述切割控制参数和所述映射辅助参数执行优化模型的模型初始化，将所述数据偏移结果输入初始化后的所述优化模型，输出优化控制结果，执行待加工轴承的继续加工控制，解决了现有技术中存在的由于控制分析方法不够智能化且分析深度不足，使得参数控制与加工需求的适配性不足，影响加工控制精准度，使得轴承加工质量受限的技术问题，通过进行参数寻优加工控制与反馈调优控制，将数学模型与实践应用相结合，提升加工调控方式的智能化，实施及时有效的加工调优控制，提高加工控制精确度并保障轴承加工质量。
附图说明
图1为本申请提供了轴承加工参数智能调控方法流程示意图；
图2为本申请提供了轴承加工参数智能调控方法中切割控制参数和映射辅助参数配置流程示意图；
图3为本申请提供了轴承加工参数智能调控方法中数据库更新流程示意图；
图4为本申请提供了轴承加工参数智能调控系统结构示意图。
附图标记说明：模型构建模块11，信息交互模块12，参数配置模块13，控制反馈模块14，偏移比对模块15，优化分析模块16，优化控制模块17。
具体实施方式
本申请通过提供轴承加工参数智能调控方法及系统，构建轴承切削加工的数字化模型，交互获得待加工轴承信息和加工设备信息，输入数字化模型配置切割控制参数和映射辅助参数，进行轴承加工控制与监测并接收反馈监测信息，结合映射辅助参数进行数据偏移比对，获得数据偏移结果并输入初始化后的优化模型，输出优化控制结果，执行待加工轴承的继续加工控制，用于解决现有技术中存在的由于控制分析方法不够智能化且分析深度不足，使得参数控制与加工需求的适配性不足，影响加工控制精准度，使得轴承加工质量受限的技术问题。
实施例1
如图1所示，本申请提供了轴承加工参数智能调控方法，所述方法包括：
步骤S100：通过模拟仿真，构建轴承切削加工的数字化模型；
具体而言，轴承作为机械装备承载和传动的核心基础零部件，于航空航天、重型机械等领域有着广泛的应用，针对轴承的智能制造方面，加工参数的合理性与适配性为轴承工件的决定性因素。本申请提供的轴承加工参数智能调控方法，通过进行参数寻优加工控制与反馈调优控制，数学模型与实践应用相结合，实施及时有效的加工调优控制，提高加工控制精确度，保障轴承加工质量。
具体的，对轴承加工的工艺基础信息进行采集，包括加工设备、流程节点等，以此为基准进行轴承加工的模拟仿真。示例性的，连接可视化仿真平台，基于此结合所述工艺基础信息进行仿真，生成轴承切削加工的所述数字化模型。所述数字化模型与车间的实际轴承加工相符，基于所述数字化模型进行仿真分析以进行参数配置，可在保障分析准确度的基础上减少相对损耗。
步骤S200：交互获得待加工轴承信息和加工设备信息，其中，所述待加工轴承信息包括轴承尺寸、轴承材质，所述加工设备信息包括设备运行特征；
步骤S300：将所述待加工轴承信息和所述加工设备信息输入至所述数字化模型，通过所述数字化模型配置切割控制参数和映射辅助参数，其中，所述映射辅助参数包括切削液参数、刀具参数；
具体而言，调取生产工单并进行加工任务识别，检索待加工轴承的轴承尺寸与轴承材质并进行信息提取，作为所述待加工轴承信息；同时对加工设备进行运行特征分析，示例性的，调用加工设备的出厂规格设置与历史运行数据，基于所述出厂规格设置确定配置运行特征，分析历史运行数据以确定实际运行特征与服役损耗，基于此确定所述设备运行特征，以确保所述设备运行特征的实际契合度。将所述待加工轴承信息与所述加工设备信息作为进行加工参数配置的基本依据。
进一步的，以所述待加工轴承信息与所述加工设备信息为基准，分别以特征约束配置与模型配置作为执行方式，进行切割控制参数与所述映射辅助参数的配置，所述切割控制参数为主控制参数，包括切割路径，切割量，步进距离等，所述映射辅助参数包括切削液参数、刀具参数，可有效保障配置参数的目标加工适配度。
进一步而言，如图2所示，本申请步骤S300还包括：
步骤S310-1：基于所述待加工轴承信息提取工件质量约束特征；
步骤S320-1：交互加工需求数据，对所述加工需求数据进行需求特征提取，生成生产率约束特征和加工成本约束特征；
步骤S330-1：分布所述工件质量约束特征、所述生产率约束特征和所述加工成本约束特征的特征权重，其中，每一个约束特征对应的特征权重均为活动权重；
步骤S340-1：依据所述特征权重对所述工件质量约束特征、所述生产率约束特征和所述加工成本约束特征进行调整，并执行多特征目标的控制寻优；
步骤S350-1：根据控制寻优结果配置所述切割控制参数和所述映射辅助参数。
进一步而言，本申请步骤S340还包括：
步骤S341-1：判断控制寻优的寻优结果是否唯一；
步骤S342-1：当存在多个寻优结果时，提取所述特征权重中的固定权重比例；
步骤S343-1：依据所述固定权重比例执行所述多个寻优结果的寻优筛选；
步骤S344-1：将寻优筛选结果作为所述控制寻优结果。
进一步而言，本申请步骤S350-1还包括：
步骤S351-1：配置打样样品，基于所述优化控制结果执行所述打样样品的样品加工；
步骤S352-1：对所述打样样品进行遍历检测，输出遍历检测结果；
步骤S353-1：基于所述遍历检测结果进行所述工件质量约束特征、所述生产率约束特征和所述加工成本约束特征的约束评价，输出约束评价结果；
步骤S354-1：根据所述约束评价结果生成控制补偿信息；
步骤S355-1：通过所述控制补偿信息执行所述控制寻优结果的控制优化。
进一步而言，本申请步骤S353-1还包括：
步骤S3531-1：设置所述工件质量约束特征的特征认证区间；
步骤S3532-1：当所述遍历检测结果满足所述特征认证区间时，则执行所述遍历检测结果的结果分析，其中，所述结果分析包括中值集中分析和结果趋势分析；
步骤S3533-1：基于所述结果分析生成所述约束评价结果。
具体而言，由于存在多元化的切削参数影响因素，基于生产率、加工成本与工件质量进行多目标约束，于约束限定下进行参数寻优，以保障配置参数与加工需求的匹配性。具体的，基于所述待加工轴承信息，确定符合加工需求的表面质量特征，例如表面粗糙度、纹理、表面缺陷等衡量表面质量的特征值，作为所述工件质量约束特征。调用所述加工需求数据，确定加工时间限制，与加工成本限制，即符合加工需求的最大加工时间与最高加工成本，作为所述生产率约束特征与所述加工成本约束特征，其中，以最短加工时间、最低加工成本为最优。进一步的，对所述工件质量约束特征、所述生产率约束特征与所述加工成本约束特征进行权重配置，示例性的，将约束特征基于加工需求的影响程度作为权重配置依据，结合专家组进行评定，获取所述特征权重，各约束特征对应的特征权重均为活动权重，基于活动范围进行自适应调整，其分布权重之和为1。
进一步的，基于所述特征权重，对所述工件质量约束特征、所述生产率约束特征与所述加工成本约束特征进行调整，示例性的，可调整约束特征的特征值宽容区间，特征权重越高，对应的宽容区间越小，即可调控范围越小，以提高约束特征的加工需求适配度。进而以调整后的所述工件质量约束特征、所述生产率约束特征和所述加工成本约束特征为响应目标，以控制参数值为变量，即作为优化因子，构建目标函数，进行多特征目标的控制寻优，其中，成本越低、质量越高且生产率越高，对应的控制寻优参数适应度越高，进一步对控制寻优的寻优结果进行判定。
具体的，判断控制寻优的寻优结果是否唯一，当只存在一个寻优结果，将其作为所述控制寻优结果；当存在多个寻优结果时，提取所述特征权重中的固定权重比例，即不可调整的权重对于总权重值的占比，例如，所述工件质量约束特征中，各具体特征指标的权重和为定值。将所述固定权重比例作为限定标准，于所述多个寻优结果中进行结果筛选，将满足筛选标准的寻优筛选结果作为所述控制寻优结果，以保障所述控制寻优结果的优选性。
进一步的，基于所述控制寻优结果进行样品加工与检测校准。具体的，所述打样样品为待进行所述控制寻优结果验证的轴承加工样品，基于所述优化控制结果，对所述打样样品进行样品加工，对加工完成的所述打样样品进行遍历检测，确定所述打样样品的加工质量，作为所述遍历检测结果。进一步的，基于所述遍历检测结果，对所述工件质量约束特征、所述生产率约束特征与所述加工成本约束特征进行约束评价。
具体的，设置所述工件质量约束特征的特征认证区间，即质量等级的分级区间，例如，针对所述加工质量约束特征，如表面粗糙度、表面缺陷等处于不同的特征值范围，对应的质量等级不同，包括不合格、合格、优等。基于所述特征认证区间，对所述遍历检测结果进行遍历匹配，若满足所述特征认证区间，则对所述遍历匹配结果进行分析，对处于不同等级特征认证区间内的数据进行中值集中分析与结果趋势分析，将对应的分析结果作为所述约束评价结果。进一步的，基于所述约束评价结果生成所述控制补偿信息，即基于加工实践分析确定的对于所述控制寻优结果的调整信息，包括调整参数、调整方向与调整尺度，以机型所述控制寻优结果的控制优化。通过进行样品加工进行调优分析，进一步提高所述控制寻优结果的加工精确度，以避免实际加工中存在的不合理加工状况。进一步的，所述控制寻优结果为多特征目标下寻优的最优加工参数，对其进行归属整合确定所述切割控制参数和所述映射辅助参数，以进行所述待加工轴承的优化加工控制。
进一步而言，本申请步骤S300还包括：
步骤S310-2：布设环境监测传感器，基于所述环境监测传感器对环境数据采集，构建环境数据集合；
步骤S320-2：基于所述环境数据集合构建基础环境因子；
步骤S330-2：通过所述环境数据集合和所述基础环境因子进行环境稳定性评价，生成环境稳定性关联系数；
步骤S340-2：通过所述基础环境因子和所述环境稳定性关联系数对所述数字化模型补偿，根据补偿后的所述数字化模型配置切割控制参数和映射辅助参数。
具体而言，一方面，通过进行约束特征的限定寻优进行参数配置；另一方面，可通过模型分析直接进行参数配置。具体的，不同加工环境对于加工效果存在一定的影响，布设所述环境监测传感器，例如于所述加工设备的运行空间中进行适配位置分布，如振动传感器、温湿度传感器等，对所述加工设备的加工环境进行监测，获取存在轴承加工影响的环境信息，如基于振动状态、环境湿度值等的具体感知数据，作为所述环境数据集合。基于所述环境数据集合提炼的特征指标，集成以构建所述环境影响因子。
进一步的，基于所述环境数据集合与所述基础环境因素进行环境稳定性评价，示例性的，将所述基础环境因子作为特征评价标准，于所述环境数据集合中提取基于所述基础环境因子的不同特征值组合，进行环境稳定性分析，针对不同特征值组合的环境稳定性分析结果与递变趋势，确定不同特征值范围对于环境稳定性的影响度，作为所述环境稳定性关联系数。将所述基础环境因子与所述环境稳定性关联系数嵌入所述数字化模型中，以此为分析约束进行所述数字化模型补偿，以提高所述数字化模型的分析准确度。将所述待加工轴承信息和所述加工设备信息输入补偿后的所述数字化模型中，通过进行拟真分析输出所述切割控制参数与所述映射辅助参数，即与加工需求适配的优选性加工参数。
步骤S400：通过所述切割控制参数和所述映射辅助参数控制对所述待加工轴承执行加工控制，并通过监测传感器接收反馈监测信息，其中，所述反馈监测信息包括刀具监测信息、位置监测信息、切削液监测信息；
步骤S500：将所述映射辅助参数和所述反馈监测信息进行数据偏移比对，获得数据偏移结果；
步骤S600：基于所述切割控制参数和所述映射辅助参数执行优化模型的模型初始化，并将所述数据偏移结果输入所述优化模型，输出优化控制结果；
步骤S700：通过所述优化控制结果执行待加工轴承的继续加工控制。
具体而言，所述切割控制参数与所述映射辅助参数为寻优分析确定的优化加工参数，以此为基准对所述待加工轴承执行加工控制，基于布设的所述监测传感器同步进行加工监测，基于监测源进行监测信息的规整，获取所述刀具监测信息、所述位置监测信息与所述切削液监测信息，作为所述反馈监测信息。进一步的，对所述映射辅助参数与所述反馈监测信息进行匹配，针对匹配结果进行偏移比对，通过进行对应匹配数据的差值确定控制偏差量，作为所述数据偏移结果，所述数据偏移结果带有正负号标识，用于表征偏移方向。
进一步的，基于所述切割控制参数与所述映射辅助参数，对所述优化模型进行模型初始化调整，使得所述优化模型与当前的切割控制实况相符。所述优化模型为构建的用于进行控制优化分析与校准的模型，示例性的，以轴承加工为限定场景，基于大数据调用样本数据偏移结果与样本优化控制结果，进行两组样本数据的映射关联，生成构建样本，基于所述构建样本进行神经网络训练生成所述优化模型。所述优化模型的分析处理针对性不足，基于所述切割控制参数与所述映射辅助参数进行调整。进一步将所述数据偏移结果输入初始化后的所述优化模型中，进行分析决策输出所述优化控制结果，即基于所述数据偏移结果确定的校准控制参数。基于所述优化控制结果对所述待加工轴承继续进行加工控制，确保轴承加工过程的控制精准度，保障加工质量。
进一步而言，如图3所示，本申请还存在步骤S800，包括：
步骤S810：配置数据库的进化特征；
步骤S820：当待加工轴承的检测结果满足预定需求时，则记录与之对应的所述切割控制参数和所述映射辅助参数；
步骤S830：判断连续检测结果是否能触发所述进化特征；
步骤S840：当可以触发所述进化特征时，则对所述连续检测结果对应的所述切割控制参数和所述映射辅助参数提取参数配置特征；
步骤S850：并基于所述参数配置特征对所述数据库进化更新，基于进化更新后的所述数据库进行后续轴承的加工优化。
具体而言，所述数据库存录有经检验的不同加工需求下的合理化加工控制参数，包括所述切割控制参数和所述映射辅助参数。配置所述数据库的进化特征，即进行数据库优化更新的执行标准，例如将加工参数的新颖性、合理性与可行性作为所述进化特征。当所述加工轴承的监测结果满足所述预定需求时，表明处于正常加工状态，存在加工合理性，则进行对应的所述切割控制参数与所述映射辅助参数的记录。进一步调用预定时间区间内的加工的所述连续检测结果，判定是否触发所述进化特征，若可以触发所述进化特征，即所述连续检测结果是否具有可行性，且所述数据库中未曾收录，对所述连续检测结果对应的所述切割控制参数与所述映射辅助参数进行参数配置特征提取，例如基于加工环境与切削参数的数据关系等。将所述参数配置特征作为更新目标，对所述数据库进行更新进化，可有效保障所述数据库的时效性，基于所述更新后的所述数据库进行后续轴承的加工优化，确保加工执行的有效性。
实施例2
基于与前述实施例中轴承加工参数智能调控方法相同的发明构思，如图4所示，本申请提供了轴承加工参数智能调控系统，所述系统包括：
模型构建模块11，所述模型构建模块11用于通过模拟仿真，构建轴承切削加工的数字化模型；
信息交互模块12，所述信息交互模块12用于交互获得待加工轴承信息和加工设备信息，其中，所述待加工轴承信息包括轴承尺寸、轴承材质，所述加工设备信息包括设备运行特征；
参数配置模块13，所述参数配置模块13用于将所述待加工轴承信息和所述加工设备信息输入至所述数字化模型，通过所述数字化模型配置切割控制参数和映射辅助参数，其中，所述映射辅助参数包括切削液参数、刀具参数；
控制反馈模块14，所述控制反馈模块14用于通过所述切割控制参数和所述映射辅助参数控制对所述待加工轴承执行加工控制，并通过监测传感器接收反馈监测信息，其中，所述反馈监测信息包括刀具监测信息、位置监测信息、切削液监测信息；
偏移比对模块15，所述偏移比对模块15用于将所述映射辅助参数和所述反馈监测信息进行数据偏移比对，获得数据偏移结果；
优化分析模块16，所述优化分析模块16用于基于所述切割控制参数和所述映射辅助参数执行优化模型的模型初始化，并将所述数据偏移结果输入所述优化模型，输出优化控制结果；
优化控制模块17，所述优化控制模块17用于通过所述优化控制结果执行待加工轴承的继续加工控制。
进一步而言，所述参数配置模块，还包括：
质量约束特征提取模块，所述质量约束特征提取模块用于基于所述待加工轴承信息提取工件质量约束特征；
需求特征提取模块，所述需求特征提取模块用于交互加工需求数据，对所述加工需求数据进行需求特征提取，生成生产率约束特征和加工成本约束特征；
权重分布模块，所述权重分布模块用于分布所述工件质量约束特征、所述生产率约束特征和所述加工成本约束特征的特征权重，其中，每一个约束特征对应的特征权重均为活动权重；
特征调整模块，所述特征调整模块用于依据所述特征权重对所述工件质量约束特征、所述生产率约束特征和所述加工成本约束特征进行调整，并执行多特征目标的控制寻优；
映射辅助参数配置模块，所述映射辅助参数配置模块用于根据控制寻优结果配置所述切割控制参数和所述映射辅助参数。
进一步而言，所述特征调整模块，还包括：
结果判断模块，所述结果判断模块用于判断控制寻优的寻优结果是否唯一；
比例提取模块，所述比例提取模块用于当存在多个寻优结果时，提取所述特征权重中的固定权重比例；
寻优筛选模块，所述寻优筛选模块用于依据所述固定权重比例执行所述多个寻优结果的寻优筛选；
控制寻优结果获取模块，所述控制寻优结果获取模块用于将寻优筛选结果作为所述控制寻优结果。
进一步而言，所述参数配置模块，还包括：
环境数据采集模块，所述环境数据采集模块用于布设环境监测传感器，基于所述环境监测传感器对环境数据采集，构建环境数据集合；
基础环境因子构建模块，所述基础环境因子构建模块用于基于所述环境数据集合构建基础环境因子；
环境稳定性评价模块，所述环境稳定性评价模块用于通过所述环境数据集合和所述基础环境因子进行环境稳定性评价，生成环境稳定性关联系数；
模型补偿模块，所述模型补偿模块用于通过所述基础环境因子和所述环境稳定性关联系数对所述数字化模型补偿，根据补偿后的所述数字化模型配置切割控制参数和映射辅助参数。
进一步而言，所述映射辅助参数配置模块，还包括：
样品加工模块，所述样品加工模块用于配置打样样品，基于所述优化控制结果执行所述打样样品的样品加工；
样品检测模块，所述样品检测模块用于对所述打样样品进行遍历检测，输出遍历检测结果；
约束评价模块，所述约束评价模块用于基于所述遍历检测结果进行所述工件质量约束特征、所述生产率约束特征和所述加工成本约束特征的约束评价，输出约束评价结果；
控制补偿信息生成模块，所述控制补偿信息生成模块用于根据所述约束评价结果生成控制补偿信息；
结果优化模块，所述结果优化模块用于通过所述控制补偿信息执行所述控制寻优结果的控制优化。
进一步而言，所述约束评价模块，还包括：
特征认证区间设置模块，所述特征认证区间设置模块用于设置所述工件质量约束特征的特征认证区间；
结果分析模块，所述结果分析模块用于当所述遍历检测结果满足所述特征认证区间时，则执行所述遍历检测结果的结果分析，其中，所述结果分析包括中值集中分析和结果趋势分析；
约束评价结果生成模块，所述约束评价结果生成模块用于基于所述结果分析生成所述约束评价结果。
进一步而言，所述系统还包括：
进化特征配置模块，所述进化特征配置模块用于配置数据库的进化特征；
参数记录模块，所述参数记录模块用于当待加工轴承的检测结果满足预定需求时，则记录与之对应的所述切割控制参数和所述映射辅助参数；
触发判断模块，所述触发判断模块用于判断连续检测结果是否能触发所述进化特征；
参数配置特征提取模块，所述参数配置特征提取模块用于当可以触发所述进化特征时，则对所述连续检测结果对应的所述切割控制参数和所述映射辅助参数提取参数配置特征；
数据库更新模块，所述数据库更新模块用于并基于所述参数配置特征对所述数据库进化更新，基于进化更新后的所述数据库进行后续轴承的加工优化。
本说明书通过前述对轴承加工参数智能调控方法的详细描述，本领域技术人员可以清楚的知道本实施例中轴承加工参数智能调控方法及系统，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 (5)
1.轴承加工参数智能调控方法，其特征在于，所述方法包括：
通过模拟仿真，构建轴承切削加工的数字化模型；
交互获得待加工轴承信息和加工设备信息，其中，所述待加工轴承信息包括轴承尺寸、轴承材质，所述加工设备信息包括设备运行特征；
将所述待加工轴承信息和所述加工设备信息输入至所述数字化模型，通过所述数字化模型配置切割控制参数和映射辅助参数，其中，所述映射辅助参数包括切削液参数、刀具参数；
通过所述切割控制参数和所述映射辅助参数控制对所述待加工轴承执行加工控制，并通过监测传感器接收反馈监测信息，其中，所述反馈监测信息包括刀具监测信息、位置监测信息、切削液监测信息；
将所述映射辅助参数和所述反馈监测信息进行数据偏移比对，获得数据偏移结果；
基于所述切割控制参数和所述映射辅助参数执行优化模型的模型初始化，并将所述数据偏移结果输入所述优化模型，输出优化控制结果；
通过所述优化控制结果执行待加工轴承的继续加工控制；
所述方法还包括：
基于所述待加工轴承信息提取工件质量约束特征；
交互加工需求数据，对所述加工需求数据进行需求特征提取，生成生产率约束特征和加工成本约束特征；
分布所述工件质量约束特征、所述生产率约束特征和所述加工成本约束特征的特征权重，其中，每一个约束特征对应的特征权重均为活动权重；
依据所述特征权重对所述工件质量约束特征、所述生产率约束特征和所述加工成本约束特征进行调整，并执行多特征目标的控制寻优；
根据控制寻优结果配置所述切割控制参数和所述映射辅助参数；
判断控制寻优的寻优结果是否唯一；
当存在多个寻优结果时，提取所述特征权重中的固定权重比例；
依据所述固定权重比例执行所述多个寻优结果的寻优筛选；
将寻优筛选结果作为所述控制寻优结果；
配置打样样品，基于所述优化控制结果执行所述打样样品的样品加工；
对所述打样样品进行遍历检测，输出遍历检测结果；
基于所述遍历检测结果进行所述工件质量约束特征、所述生产率约束特征和所述加工成本约束特征的约束评价，输出约束评价结果；
根据所述约束评价结果生成控制补偿信息；
通过所述控制补偿信息执行所述控制寻优结果的控制优化。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
布设环境监测传感器，基于所述环境监测传感器对环境数据采集，构建环境数据集合；
基于所述环境数据集合构建基础环境因子；
通过所述环境数据集合和所述基础环境因子进行环境稳定性评价，生成环境稳定性关联系数；
通过所述基础环境因子和所述环境稳定性关联系数对所述数字化模型补偿，根据补偿后的所述数字化模型配置切割控制参数和映射辅助参数。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
设置所述工件质量约束特征的特征认证区间；
当所述遍历检测结果满足所述特征认证区间时，则执行所述遍历检测结果的结果分析，其中，所述结果分析包括中值集中分析和结果趋势分析；
基于所述结果分析生成所述约束评价结果。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
配置数据库的进化特征；
当待加工轴承的检测结果满足预定需求时，则记录与之对应的所述切割控制参数和所述映射辅助参数；
判断连续检测结果是否能触发所述进化特征；
当可以触发所述进化特征时，则对所述连续检测结果对应的所述切割控制参数和所述映射辅助参数提取参数配置特征；
并基于所述参数配置特征对所述数据库进化更新，基于进化更新后的所述数据库进行后续轴承的加工优化。
5.轴承加工参数智能调控系统，其特征在于，所述系统包括：
模型构建模块，所述模型构建模块用于通过模拟仿真，构建轴承切削加工的数字化模型；
信息交互模块，所述信息交互模块用于交互获得待加工轴承信息和加工设备信息，其中，所述待加工轴承信息包括轴承尺寸、轴承材质，所述加工设备信息包括设备运行特征；
参数配置模块，所述参数配置模块用于将所述待加工轴承信息和所述加工设备信息输入至所述数字化模型，通过所述数字化模型配置切割控制参数和映射辅助参数，其中，所述映射辅助参数包括切削液参数、刀具参数；
控制反馈模块，所述控制反馈模块用于通过所述切割控制参数和所述映射辅助参数控制对所述待加工轴承执行加工控制，并通过监测传感器接收反馈监测信息，其中，所述反馈监测信息包括刀具监测信息、位置监测信息、切削液监测信息；
偏移比对模块，所述偏移比对模块用于将所述映射辅助参数和所述反馈监测信息进行数据偏移比对，获得数据偏移结果；
优化分析模块，所述优化分析模块用于基于所述切割控制参数和所述映射辅助参数执行优化模型的模型初始化，并将所述数据偏移结果输入所述优化模型，输出优化控制结果；
优化控制模块，所述优化控制模块用于通过所述优化控制结果执行待加工轴承的继续加工控制；
其中，所述参数配置模块，还包括：
质量约束特征提取模块，所述质量约束特征提取模块用于基于所述待加工轴承信息提取工件质量约束特征；
需求特征提取模块，所述需求特征提取模块用于交互加工需求数据，对所述加工需求数据进行需求特征提取，生成生产率约束特征和加工成本约束特征；
权重分布模块，所述权重分布模块用于分布所述工件质量约束特征、所述生产率约束特征和所述加工成本约束特征的特征权重，其中，每一个约束特征对应的特征权重均为活动权重；
特征调整模块，所述特征调整模块用于依据所述特征权重对所述工件质量约束特征、所述生产率约束特征和所述加工成本约束特征进行调整，并执行多特征目标的控制寻优；
映射辅助参数配置模块，所述映射辅助参数配置模块用于根据控制寻优结果配置所述切割控制参数和所述映射辅助参数；
所述特征调整模块，还包括：
结果判断模块，所述结果判断模块用于判断控制寻优的寻优结果是否唯一；
比例提取模块，所述比例提取模块用于当存在多个寻优结果时，提取所述特征权重中的固定权重比例；
寻优筛选模块，所述寻优筛选模块用于依据所述固定权重比例执行所述多个寻优结果的寻优筛选；
控制寻优结果获取模块，所述控制寻优结果获取模块用于将寻优筛选结果作为所述控制寻优结果；
所述映射辅助参数配置模块，还包括：
样品加工模块，所述样品加工模块用于配置打样样品，基于所述优化控制结果执行所述打样样品的样品加工；
样品检测模块，所述样品检测模块用于对所述打样样品进行遍历检测，输出遍历检测结果；
约束评价模块，所述约束评价模块用于基于所述遍历检测结果进行所述工件质量约束特征、所述生产率约束特征和所述加工成本约束特征的约束评价，输出约束评价结果；
控制补偿信息生成模块，所述控制补偿信息生成模块用于根据所述约束评价结果生成控制补偿信息；
结果优化模块，所述结果优化模块用于通过所述控制补偿信息执行所述控制寻优结果的控制优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311437489.4A CN117148741B (zh) | 2023-11-01 | 2023-11-01 | 轴承加工参数智能调控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311437489.4A CN117148741B (zh) | 2023-11-01 | 2023-11-01 | 轴承加工参数智能调控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117148741A CN117148741A (zh) | 2023-12-01 |
| CN117148741B true CN117148741B (zh) | 2024-02-13 |
Family
ID=88899259
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311437489.4A Active CN117148741B (zh) | 2023-11-01 | 2023-11-01 | 轴承加工参数智能调控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117148741B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103793577A (zh) * | 2014-02-25 | 2014-05-14 | 武汉科技大学 | 一种机械加工过程中少切削液加工工艺优化控制方法 |
| CN107480354A (zh) * | 2017-07-28 | 2017-12-15 | 东北大学 | 一种考虑不确定参数的车削加工参数优化方法 |
| CN112182877A (zh) * | 2020-09-27 | 2021-01-05 | 江苏恒宝智能系统技术有限公司 | 一种复合材料智能化切削加工优化方法及系统 |
| CN113741377A (zh) * | 2021-09-29 | 2021-12-03 | 上海理工大学 | 一种基于切削特征遴选的加工过程智能监控系统及方法 |
| CN114758064A (zh) * | 2022-03-21 | 2022-07-15 | 重庆邮电大学 | 一种基于数字孪生的机床切削工艺参数优化方法 |
| CN116777040A (zh) * | 2023-04-25 | 2023-09-19 | 上海理工大学 | 硬态车削工艺多目标参数优化方法 |
| CN116822099A (zh) * | 2023-08-30 | 2023-09-29 | 张家港Aaa精密制造股份有限公司 | 一种提高轴承加工精度的方法及系统 |
-
2023
- 2023-11-01 CN CN202311437489.4A patent/CN117148741B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103793577A (zh) * | 2014-02-25 | 2014-05-14 | 武汉科技大学 | 一种机械加工过程中少切削液加工工艺优化控制方法 |
| CN107480354A (zh) * | 2017-07-28 | 2017-12-15 | 东北大学 | 一种考虑不确定参数的车削加工参数优化方法 |
| CN112182877A (zh) * | 2020-09-27 | 2021-01-05 | 江苏恒宝智能系统技术有限公司 | 一种复合材料智能化切削加工优化方法及系统 |
| CN113741377A (zh) * | 2021-09-29 | 2021-12-03 | 上海理工大学 | 一种基于切削特征遴选的加工过程智能监控系统及方法 |
| CN114758064A (zh) * | 2022-03-21 | 2022-07-15 | 重庆邮电大学 | 一种基于数字孪生的机床切削工艺参数优化方法 |
| CN116777040A (zh) * | 2023-04-25 | 2023-09-19 | 上海理工大学 | 硬态车削工艺多目标参数优化方法 |
| CN116822099A (zh) * | 2023-08-30 | 2023-09-29 | 张家港Aaa精密制造股份有限公司 | 一种提高轴承加工精度的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117148741A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5402367A (en) | Apparatus and method for model based process control | |
| DE102016011532B4 (de) | Maschinenlernvorrichtung und Maschinenlernverfahren zum Optimieren der Häufigkeit einer Werkzeugkorrektur einer Werkzeugmaschine und Werkzeugmaschine mit der Maschinenlernvorrichtung | |
| CN111695734A (zh) | 一种基于数字孪生及深度学习的多工艺规划综合评估系统及方法 | |
| Cus et al. | Approach to optimization of cutting conditions by using artificial neural networks | |
| US20150026107A1 (en) | System and apparatus that identifies, captures, classifies and deploys tribal knowledge unique to each operator in a semi-automated manufacturing set-up to execute automatic technical superintending operations to improve manufacturing system performance and the methods therefor | |
| CN107305370A (zh) | 设定与产品的异常相关的变量的判定值的生产系统 | |
| CN108733027A (zh) | 加工不良原因推定装置 | |
| CN116224930B (zh) | 一种数控磨床产品的加工控制方法及系统 | |
| Thombansen et al. | Design framework for model-based self-optimizing manufacturing systems | |
| JP2019082894A (ja) | 加工条件調整装置及び機械学習装置 | |
| CN117148741B (zh) | 轴承加工参数智能调控方法及系统 | |
| RU2200341C2 (ru) | Способ и устройство для идентификации или, соответственно, предварительного вычисления параметров промышленного процесса, изменяющегося во времени | |
| Haber et al. | Toward intelligent machining: hierarchical fuzzy control for the end milling process | |
| CN111390647A (zh) | 刀具寿命预测系统及其方法 | |
| JP5288271B2 (ja) | 圧延プロセスにおける圧延トルク関数を規定する複数のモデルパラメータを最適化する方法 | |
| WO2000025273A1 (en) | Factory traffic monitoring and analysis apparatus and method | |
| CN117592223B (zh) | 一种面向航空航天材料的孔加工刀具智能设计方法 | |
| CN110340884B (zh) | 测定动作参数调整装置、机器学习装置以及系统 | |
| CN117048113B (zh) | 铝箔餐盒冲压的动态精度检测方法及系统 | |
| Ament et al. | A process oriented approach to automated quality control | |
| Oborski | Integration of machine operators with shop floor control system for Industry 4.0 | |
| Hoang et al. | Self-adjusting on-line cutting condition for high-speed milling process | |
| CN114722611A (zh) | 一种密集型母线槽的装配参数自适应优化方法及系统 | |
| CN106959668A (zh) | 一种机械制造设备切削状态辨识与数据处理方法方法 | |
| Zawada-Tomkiewicz et al. | Monitoring System with a Vision Smart Sensor |
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 |