CN117161892B - 一种基于抛光材料属性检测的抛光组件智能控制系统 - Google Patents
一种基于抛光材料属性检测的抛光组件智能控制系统 Download PDFInfo
- Publication number
- CN117161892B CN117161892B CN202311388431.5A CN202311388431A CN117161892B CN 117161892 B CN117161892 B CN 117161892B CN 202311388431 A CN202311388431 A CN 202311388431A CN 117161892 B CN117161892 B CN 117161892B
- Authority
- CN
- China
- Prior art keywords
- polishing
- upper polishing
- time
- disk
- speed
- 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
- 238000005498 polishing Methods 0.000 title claims abstract description 818
- 239000000463 material Substances 0.000 title claims abstract description 43
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000012549 training Methods 0.000 claims abstract description 53
- 238000010801 machine learning Methods 0.000 claims abstract description 39
- 238000005299 abrasion Methods 0.000 claims abstract description 13
- 230000008859 change Effects 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 95
- 230000008569 process Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 239000007788 liquid Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000007517 polishing process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
Abstract
本发明涉及抛光组件智能控制技术领域，本发明公开了一种基于抛光材料属性检测的抛光组件智能控制系统，包括数据采集模块、模型训练模块和分析控制模块；采集上抛光盘的历史抛光训练参数，训练预测出上抛光时间的机器学习模型，基于机器学习模型预测出实时的上抛光时间，获取时间衰变值并与预设的安全时间衰变阈值对比分析，判断上抛光盘的抛光速率级别，并生成上抛光盘控制指令；本发明对现有技术考虑更加全面，能够基于抛光盘的材料磨损变化属性检测对抛光组件提供准确的数据支持，并准确的生成上抛光盘的控制指令，减少工件抛光时间，加快抛光组件的抛光速率。
Description
技术领域
本发明涉及抛光组件智能控制技术领域，更具体地说，本发明涉及一种基于抛光材料属性检测的抛光组件智能控制系统。
背景技术
在对各种平面工件的研磨抛光加工中，需要使用到平面研磨抛光机，平面研磨抛光机对平面工件加工时，需要将平面工件放置在游星轮内，抛光机控制端驱动抛光组件内的上抛光盘下移与平面工件的上表面接触，然后通过驱动上抛光盘旋转，使得上抛光盘与平面工件的上表面边挤压边旋转，进而对平面工件的上表面起到研磨抛光的效果，为了加快平面工件的研磨抛光速率，减少单个平面工件的研磨抛光时长，需要对抛光组件中的上抛光盘进行优化智能控制。
申请公开号CN101972970A的中国专利公开了一种精密双面抛光机控制系统，采用自动、实时监控、递归、智能预警的运行模式，与以往加工设备的压力控制相比，提高之处在于压力的转换是渐变的，消除了压力切换时的冲击现象，排除了工件受力的突变现象，有利于操作人员摸索总结工艺参数。
现有技术存在以下不足：
抛光组件中的上抛光盘在对工件上表面抛光加工时，通过在抛光机控制端内预设运行参数，控制上抛光盘按照预设的参数对工件进行抛光作业，由于上抛光盘的抛光材料在抛光时会持续的发生磨损现象，使得抛光材料的厚度会变薄，从而使得抛光组件无法按照预设的参数对工件进行抛光作业，造成抛光作业时长变长，降低了抛光速率。
鉴于此，本发明提出一种基于抛光材料属性检测的抛光组件智能控制系统以解决上述问题。
发明内容
为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：一种基于抛光材料属性检测的抛光组件智能控制系统，应用于抛光机控制端，包括；
数据采集模块，采集上抛光盘的历史抛光训练参数，历史抛光训练参数为上抛光盘的抛光材料处于正常磨损的情况下采集，历史抛光训练数据包括上抛光综合参数以及上抛光时间，上抛光综合参数包括上抛光系数、上抛光速度和上抛光压力；
模型训练模块，基于历史抛光训练参数，训练预测出上抛光时间的机器学习模型，采集实时的上抛光综合参数，基于训练完成的机器学习模型预测出上抛光时间；
分析控制模块，采集实时的上抛光时间，将实时的上抛光时间与预测出的上抛光时间对比，获取时间衰变值，将时间衰变值与预设的安全时间衰变阈值对比分析，生成上抛光盘的抛光速率级别，根据上抛光盘的抛光速率级别，生成上抛光盘控制指令。
进一步的，影响上抛光系数的参数包括上接触面积、上抛光粗糙度、上抛光温度变化差值和上抛光厚度变化差值。
进一步的，上接触面积的获取方法包括：
利用激光扫描仪扫描得到工件放置在下抛光盘上的平铺图像，标记图像圆心，以圆心为起点，测量圆心到工件的最近距离和最远距离，记为上大圆半径和上小圆半径，将上大圆半径和上小圆半径以圆心为基点旋转一周，得到大圆图像和小圆图像，并计算大圆图像面积和小圆图像面积差值，则面积差值即为上接触面积；
上接触面积的表达式为：；
式中，为上大圆半径，/>为上小圆半径，/>为上接触面积，/>为圆周率。
进一步的，上抛光粗糙度的获取方法包括：
利用上抛光盘内的振动传感器监测上抛光盘旋转圈的上最大振动幅度和上振动次数，得到/>个最大振动幅度和上振动次数，计算上抛光盘旋转1圈时子上粗糙度；去掉子上粗糙度的最大值和最小值，将剩余/>个子上粗糙度相加后求平均值，则平均值为上抛光粗糙度；
子上粗糙度的表达式为：；
式中，为子上粗糙度，/>、/>为权重因子，/>为上最大振动幅度，/>为上振动次数；
上抛光粗糙度的表达式为：；
式中，为上抛光粗糙度，/>为第/>个子上粗糙度。
进一步的，上抛光厚度变化差值的获取方法包括：
通过设计图纸获得上抛光盘半径和上抛光盘密度，通过称重传感器获取上抛光盘在时刻下的重量，记为上抛光盘初始重量，上抛光盘转动一段时间后，在/>时刻下获取上抛光盘的重量，记为上抛光盘末端重量，根据公式计算上抛光盘在/>和/>时刻对应的上抛光盘初始高度和上抛光盘末端高度，并将上抛光盘初始高度和上抛光盘末端高度差值比较后，获得上抛光厚度变化差值；
上抛光盘初始高度的表达式为：；
式中，为上抛光盘初始高度，/>为上抛光盘初始重量，/>为上抛光盘半径，/>为上抛光盘密度；
上抛光盘末端高度的表达式为：；
式中，为上抛光盘末端高度，/>为上抛光盘末端重量；
上抛光厚度变化差值的表达式为：；
式中，为上抛光厚度变化差值。
进一步的，上抛光系数的表达式为：
；
式中，为上抛光系数，/>、/>、/>、/>为权重因子。
进一步的，预测出上抛光时间的机器学习模型的训练方法包括：
将采集到的上抛光综合参数转换为对应的一组特征向量；
将每组特征向量作为所述机器学习模型的输入，所述机器学习模型以每组上抛光综合参数对应的上抛光时间作为输出，以每组上抛光综合参数实际对应的上抛光时间作为预测目标，以最小化所述机器学习模型损失函数值作为训练目标；当机器学习模型损失函数值小于等于预设的目标损失值时停止训练。
进一步的，时间衰变值的获取方法包括：
当实时的上抛光时间小于等于预测出的上抛光时间时，不生成时间衰变值；
当实时的上抛光时间大于预测出的上抛光时间时，生成时间衰变值；
时间衰变值的表达式为：
；
式中，为时间衰变值，/>为预测的上抛光时间，/>为实时的上抛光时间。
进一步的，上抛光盘的抛光速率级别包括一级抛光速率、二级抛光速率和三级抛光速率，一级抛光速率、二级抛光速率和三级抛光速率的生成方法包括：
当时，则上抛光盘为三级抛光速率；
当时，预设安全时间衰变阈值，记为/>；
当时，则上抛光盘为一级抛光速率；
当时，则上抛光盘为二级抛光速率。
进一步的，上抛光盘控制指令包括停机检修指令与参数调整指令，停机检修指令与参数调整指令的生成方法包括：
当上抛光盘为一级抛光速率时，抛光机控制端生成停机检修指令；
当上抛光盘为二级抛光速率时，抛光机控制端生成参数调整指令，参数调整指令包括：增大上抛光系数、增大上抛光速度和增大上抛光压力其中的一种或多种，其中，若要增大上抛光系数，则需要降低上抛光温度变化差值；
当上抛光盘为三级抛光速率时，抛光机控制端不生成控制指令；
参数调整指令的生成方法包括：
预设上抛光系数、上抛光速度和上抛光压力对应的安全阈值，分别记为安全上抛光系数、安全上抛光速度和安全上抛光压力；
增大上抛光压力的优先级高于增大上抛光速度的优先级，增大上抛光速度的优先级高于增大上抛光系数的优先级；
当上抛光系数、上抛光速度和上抛光压力均没有到达各自对应的安全上抛光系数、安全上抛光速度和安全上抛光压力时，首先增大上抛光压力，直至上抛光盘的抛光速率为三级抛光速率时，上抛光压力停止增大；
当上抛光压力增大到安全上抛光压力时，且上抛光盘的抛光速率为二级抛光速率时，其次增大上抛光速度，直至上抛光盘的抛光速率为三级抛光速率时，上抛光速度停止增大；
当上抛光速度增大到安全上抛光速度时，且上抛光盘的抛光速率为二级抛光速率时，最后增大上抛光系数，直至上抛光盘的抛光速率为三级抛光速率时，上抛光系数停止增大；
当上抛光系数、上抛光速度和上抛光压力均增大到上抛光系数、安全上抛光速度和安全上抛光压力时，上抛光盘的抛光速率为三级抛光速率。
一种基于抛光材料属性检测的抛光组件智能控制方法，基于一种基于抛光材料属性检测的抛光组件智能控制系统实现，包括：
采集上抛光盘的历史抛光训练参数，历史抛光训练参数为上抛光盘的抛光材料处于正常磨损的情况下采集，历史抛光训练数据包括上抛光综合参数以及上抛光时间，上抛光综合参数包括上抛光系数、上抛光速度和上抛光压力；
基于历史抛光训练参数，训练预测出上抛光时间的机器学习模型，采集实时的上抛光综合参数，基于训练完成的机器学习模型预测出上抛光时间；
采集实时的上抛光时间，将实时的上抛光时间与预测出的上抛光时间对比，获取时间衰变值，将时间衰变值与预设的安全时间衰变阈值对比分析，生成上抛光盘的抛光速率级别，根据上抛光盘的抛光速率级别，生成上抛光盘控制指令。
一种计算机设备，包括：处理器和存储器；
其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行所述的一种基于抛光材料属性检测的抛光组件智能控制方法。
一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行所述的一种基于抛光材料属性检测的抛光组件智能控制方法。
本发明一种基于抛光材料属性检测的抛光组件智能控制系统的技术效果和优点：
本发明通过采集历史抛光训练数据对机器学习模型进行训练，基于训练完成的机器学习模型预测出实时的上抛光时间，并结合预测出的上抛光时间获取时间衰变值，将时间衰变值与预设的安全时间衰变阈值对比分析，判断上抛光盘的抛光速率级别，并根据上抛光盘的抛光速率级别生成上抛光盘控制指令，对抛光组件中的上抛光盘进行智能化控制，减少上抛光盘对工件的上抛光时间，进而加快抛光组件的抛光工作速率，相对现有技术考虑更加全面，能够基于抛光盘的材料磨损变化属性检测对抛光组件提供准确的数据支持，并准确的生成上抛光盘的控制指令，减少工件抛光时间，加快抛光组件的抛光速率。
附图说明
图1为本发明实施例1一种基于抛光材料属性检测的抛光组件智能控制系统的示意图；
图2为本发明实施例1中上接触面积获取方法的示意图；
图3为本发明实施例2一种基于抛光材料属性检测的抛光组件智能控制方法的示意图；
图4为本发明实施例3提供的一种电子设备的结构示意图；
图5为本发明实施例4提供的一种计算机可读存储介质的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
请参阅图1所示，本实施例所述一种基于抛光材料属性检测的抛光组件智能控制系统，应用于抛光机控制端，包括;
数据采集模块，在实验环境下，采集上抛光盘的历史抛光训练参数，历史抛光训练参数为上抛光盘的抛光材料处于正常磨损的情况下采集，历史抛光训练数据包括上抛光综合参数以及上抛光时间，上抛光综合参数包括上抛光系数、上抛光速度和上抛光压力；
上抛光系数是反映上抛光盘与工件接触抛光速率快慢的判断依据，上抛光系数越大，则上抛光盘对工件的抛光速率越快；影响上抛光系数的参数包括上接触面积、上抛光粗糙度、上抛光温度变化差值和上抛光厚度变化差值；
上接触面积是指上抛光盘在转动时与工件上表面接触面的面积，当接触面的面积越大时，上抛光系数越大，说明上抛光盘对工件的抛光速率越快；
上接触面积的获取方法包括：
如图2所示，利用激光扫描仪扫描得到工件放置在下抛光盘上的平铺图像，标记图像圆心，以圆心为起点，测量圆心到工件的最近距离和最远距离，记为上大圆半径和上小圆半径，将上大圆半径和上小圆半径以圆心为基点旋转一周，得到大圆图像和小圆图像，并计算大圆图像面积和小圆图像面积差值，则面积差值即为上接触面积；
上接触面积的表达式为：；
式中，为上大圆半径，/>为上小圆半径，/>为上接触面积，/>为圆周率；
上抛光粗糙度是指上抛光盘表面的凹凸程度，当凹凸程度越大时，上抛光盘的振动幅度会越大，上抛光系数越小，说明上抛光盘对工件的抛光速率越慢；
上抛光粗糙度的获取方法包括：
利用上抛光盘内的振动传感器监测上抛光盘旋转圈的上最大振动幅度和上振动次数，得到/>个最大振动幅度和上振动次数，计算上抛光盘旋转1圈时子上粗糙度；去掉子上粗糙度的最大值和最小值，将剩余/>个子上粗糙度相加后求平均值，则平均值为上抛光粗糙度；当上最大振动幅度越大时，则子上粗糙度越大，且上抛光粗糙度也会越大；当上振动次数越大时，则子上粗糙度越小，且上抛光粗糙度也会越小；通过最大振动幅度和上振动次数获取子上粗糙度，能够降低大量的振动幅度数据带来的计算量，并结合上抛光盘旋转1圈为基准，从而方便对子上粗糙度的整合汇总，提高上抛光粗糙度的计算准确度；
子上粗糙度的表达式为：；
式中，为子上粗糙度，/>、/>为权重因子，/>为上最大振动幅度，/>上振动次数；将设定的权重因子和采集的上抛光综合参数代入公式，任意两个公式构成二元一次方程组，将计算得到的权重因子进行筛选并取均值，得到/>、/>的均值；
另外，需要说明的是，权重因子的大小是为了将各个数据进行量化得到的一个具体的数值，便于后续比较，关于权重因子的大小，取决于上抛光综合参数的多少及本领域技术人员对每一组上抛光综合参数初步设定对应的权重因子；
上抛光粗糙度的表达式为：；
式中，为上抛光粗糙度，/>为第/>个子上粗糙度；
上抛光温度变化差值是指上抛光盘与工件接触面的表面温度与内部温度的温度差值，当温度差值越大时，上抛光系数越小，说明上抛光盘对工件的抛光速率越慢；
上抛光温度变化差值的获取方法包括：
使用温度传感器分别获取上抛光盘的个表面温度和/>个内部温度，将/>个表面温度和/>个内部温度相加后计算上抛光盘表面温度平均值以及上抛光盘内部温度平均值；
根据表面温度平均值和内部温度平均值计算上抛光温度变化差值；
上抛光温度变化差值的表达式为：；
式中，为上抛光温度变化差值，/>为上抛光盘内部温度平均值，/>为上抛光盘表面温度平均值；
上抛光厚度变化差值是指上抛光盘在对工件抛光加工后，上抛光盘厚度的磨损幅度，当磨损幅度越大时，上抛光系数越小，说明上抛光盘对工件的抛光速率越慢；
上抛光厚度变化差值的获取方法包括：
通过设计图纸获得上抛光盘半径和上抛光盘密度，通过称重传感器获取上抛光盘在时刻下的重量，记为上抛光盘初始重量，上抛光盘转动一段时间后，在/>时刻下获取上抛光盘的重量，记为上抛光盘末端重量，根据公式计算上抛光盘在/>和/>时刻对应的上抛光盘初始高度和上抛光盘末端高度，并将上抛光盘初始高度和上抛光盘末端高度差值比较后，获得上抛光厚度变化差值；
上抛光盘初始高度的表达式为：；
式中，为上抛光盘初始高度，/>为上抛光盘初始重量，/>为上抛光盘半径，为上抛光盘密度；
上抛光盘末端高度的表达式为：；
式中，为上抛光盘末端高度，/>为上抛光盘末端重量；
上抛光厚度变化差值的表达式为：；
式中，为上抛光厚度变化差值；
上抛光系数的表达式为：；
式中，为上抛光系数，/>、/>、/>、/>为权重因子；
式中权重因子、/>、/>、/>的设定逻辑与上述权重因子/>、/>的设定逻辑一致；
上抛光速度是指上抛光盘与工件接触面完成抛光工序所用的工作转速，当工作转速越大时，说明上抛光盘对工件的抛光速率越快；
上抛光压力是指上抛光盘与工件接触面完成抛光工序所用的接触压力，当接触压力越大时，说明上抛光盘对工件的抛光速率越快；上抛光压力通过上抛光盘上安装的压力传感器获取；
上抛光时间是指抛光组件中上抛光盘的完成抛光工序所用的工作时长；通过抛光机的计时模块获取；
模型训练模块，基于历史抛光训练参数，训练预测出上抛光时间的机器学习模型，采集实时的上抛光综合参数，基于训练完成的机器学习模型预测出上抛光时间；
预测出上抛光时间的机器学习模型的训练方法包括：
将采集到的上抛光综合参数转换为对应的一组特征向量；
将每组特征向量作为所述机器学习模型的输入，所述机器学习模型以每组上抛光综合参数对应的上抛光时间作为输出，以每组上抛光综合参数实际对应的上抛光时间作为预测目标，以最小化所述机器学习模型损失函数值作为训练目标；当机器学习模型损失函数值小于等于预设的目标损失值时停止训练；
所述机器学习模型损失函数值为均方误差；
均方误差是常用的损失函数之一，通过将损失函数公=/>最小化为目标来训练模型，使得所述机器学习模型更好地拟合数据，从而提高模型的性能和准确率；
损失函数中为机器学习模型损失函数值，/>为特征向量组号；/>为特征向量组数；/>为第/>组特征向量所对应的上抛光时间，/>为第/>组特征向量实时所对应的上抛光时间；
所述机器学习模型的其他模型参数，目标损失值、优化算法、训练集测试集验证集比例以及损失函数的优化等均通过实际的工程实现，不断地进行实验调优后获得；
分析控制模块，采集实时的上抛光时间，将实时的上抛光时间与预测出的上抛光时间对比，获取时间衰变值，将时间衰变值与预设的安全时间衰变阈值对比分析，生成上抛光盘的抛光速率级别，根据上抛光盘的抛光速率级别，生成上抛光盘控制指令；
采集实时的上抛光综合参数，并将实时的上抛光综合参数作为机器学习模型的输入，并通过机器学习模型输出实时的上抛光综合参数对应的上抛光时间，并结合实时的上抛光时间和预测出的上抛光时间，获取时间衰变值；
时间衰变值的获取方法包括：
当实时的上抛光时间小于等于预测出的上抛光时间时，说明上抛光盘完成抛光作业实际所用时长没超过预测的作业所用时长，不生成时间衰变值，则上抛光盘的抛光速率快；
当实时的上抛光时间大于预测出的上抛光时间时，说明上抛光盘完成抛光作业实际所用时长超过预测的作业所用时长，生成时间衰变值；
时间衰变值的表达式为：
；
式中，为时间衰变值，/>为预测的上抛光时间，/>为实时的上抛光时间；
上抛光盘的抛光速率级别包括一级抛光速率、二级抛光速率和三级抛光速率，一级抛光速率、二级抛光速率和三级抛光速率的生成方法包括：
当时，则上抛光盘为三级抛光速率；
当时，预设安全时间衰变阈值，记为/>；
当时，则上抛光盘为一级抛光速率；
当时，则上抛光盘为二级抛光速率；
由于上抛光盘实际运行中始终会存在磨损现象，使得实时的上抛光时间始终会大于等于预测的上抛光时间，此时，当时间衰变值越大时，则表明上抛光盘的抛光速率越慢，因此，一级抛光速率对应的抛光速率慢，二级抛光速率对应的抛光速率中，三级抛光速率对应的抛光速率快；
安全时间衰变阈值是判断时间衰变值处于参数调整范围还是停机检修范围的依据；安全衰变率阈值的设定根据抛光组件的具体性能参数和使用年限有关，当具体性能参数越强、使用年限越短时，安全衰变率阈值也越小，反之则相反；
上抛光盘控制指令包括停机检修指令与参数调整指令，停机检修指令与参数调整指令的生成方法包括：
当上抛光盘为一级抛光速率时，抛光机控制端生成停机检修指令；
当上抛光盘为二级抛光速率时，抛光机控制端生成参数调整指令，参数调整指令包括：增大上抛光系数、增大上抛光速度和增大上抛光压力其中的一种或多种，其中，若要增大上抛光系数，则需要降低上抛光温度变化差值；
当上抛光盘为三级抛光速率时，抛光机控制端不生成控制指令；
参数调整指令的生成方法包括：
预设上抛光系数、上抛光速度和上抛光压力对应的安全阈值，分别记为安全上抛光系数、安全上抛光速度和安全上抛光压力；
由于上抛光盘对工件抛光加工当中，会发生持续磨损的现象，使得上抛光盘的厚度变化最明显，当上抛光盘厚度变薄时，则上抛光盘对工件产生的上抛光压力会直接减小，因此，增大上抛光压力的优先级最高，而增大上抛光系数需要通过降低上抛光温度变化差值，若要降低上抛光温度变化差值，则要通过抛光机控制端控制抛光液供液设备改变供液参数对上抛光盘进行降温，这种操作属于间接转换，因此，增大上抛光系数的优先级最低；
综上，增大上抛光压力的优先级高于增大上抛光速度的优先级，增大上抛光速度的优先级高于增大上抛光系数的优先级；
当上抛光系数、上抛光速度和上抛光压力均没有到达各自对应的安全上抛光系数、安全上抛光速度和安全上抛光压力时，首先增大上抛光压力，直至上抛光盘的抛光速率为三级抛光速率时，上抛光压力停止增大；
当上抛光压力增大到安全上抛光压力时，且上抛光盘的抛光速率为二级抛光速率时，其次增大上抛光速度，直至上抛光盘的抛光速率为三级抛光速率时，上抛光速度停止增大；
当上抛光速度增大到安全上抛光速度时，且上抛光盘的抛光速率为二级抛光速率时，最后增大上抛光系数，直至上抛光盘的抛光速率为三级抛光速率时，上抛光系数停止增大；
当上抛光系数、上抛光速度和上抛光压力均增大到上抛光系数、安全上抛光速度和安全上抛光压力时，上抛光盘的抛光速率为三级抛光速率，因为在上抛光盘为二级抛光速率基础上调节，此时上抛光盘为可调节状态，满足经过调节后上抛光盘的抛光速率成为三级抛光速率的条件，若为一级抛光速率时，抛光机需要停机检修，此时上抛光盘为不可调节状态；
示例性的，增大上抛光速度通过抛光机控制端向上抛光盘对应电机发出速度控制指令，增大上抛光盘对应电机的运转速度，从而使得上抛光时间减少；增大上抛光压力通过抛光机控制端向上抛光盘对应电缸发出压力控制指令，增大上抛光盘对应电缸的下降幅度，从而使得上抛光时间减少；
由上抛光系数的表达式可知，上抛光盘对工件抛光加工当中，上抛光面积、上抛光粗糙度和上抛光厚度变化差值的大小不可改变，若要增大上抛光系数，则需要降低上抛光温度变化差值，降低上抛光温度变化差值通过抛光机控制端向抛光机的抛光液供液设备发出增加供液流速和供液流量的流量控制指令，此时流入到上抛光盘和工件之间的抛光液流量增加，利用抛光液与上抛光盘之间的温度差，对上抛光盘起到水冷降温的作用，从而增大上抛光系数，使得上抛光时间减少；
本实施例中，通过采集历史抛光训练数据对机器学习模型进行训练，基于训练完成的机器学习模型预测出实时的上抛光时间，并结合预测出的上抛光时间获取时间衰变值，将时间衰变值与预设的安全时间衰变阈值对比分析，判断上抛光盘的抛光速率级别，并根据上抛光盘的抛光速率级别生成上抛光盘控制指令，对抛光组件中的上抛光盘进行智能化控制，减少上抛光盘对工件的上抛光时间，进而加快抛光组件的抛光工作速率，相对现有技术考虑更加全面，能够基于抛光盘的材料磨损变化属性检测对抛光组件提供准确的数据支持，并准确的生成上抛光盘的控制指令，减少工件抛光时间，加快抛光组件的抛光工作速率。
实施例2
如图3所示，本实施例未详细叙述部分见实施例1描述内容，提供一种基于抛光材料属性检测的抛光组件智能控制方法，包括：
在实验环境下采集上抛光盘的历史抛光训练参数，历史抛光训练参数为上抛光盘的抛光材料处于正常磨损的情况下采集，历史抛光训练数据包括上抛光综合参数以及上抛光时间，上抛光综合参数包括上抛光系数、上抛光速度和上抛光压力；
基于历史抛光训练参数，训练预测出上抛光时间的机器学习模型，采集实时的上抛光综合参数，基于训练完成的机器学习模型预测出上抛光时间；
采集实时的上抛光时间，将实时的上抛光时间与预测出的上抛光时间对比，获取时间衰变值，将时间衰变值与预设的安全时间衰变阈值对比分析，生成上抛光盘的抛光速率级别，根据上抛光盘的抛光速率级别，生成上抛光盘控制指令。
实施例3
请参阅图4所示，本实施例公开提供了一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各方法所提供的任一项所述一种基于抛光材料属性检测的抛光组件智能控制方法。
由于本实施例所介绍的电子设备为实施本申请实施例2中一种基于抛光材料属性检测的抛光组件智能控制系统所采用的电子设备，故而基于本申请实施例中所介绍的一种基于抛光材料属性检测的抛光组件智能控制方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中一种基于抛光材料属性检测的抛光组件智能控制方法所采用的电子设备，都属于本申请所欲保护的范围。
实施例4
请参阅图5所示，本实施例公开提供了一种计算机可读存储介质，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各方法所提供的任一项所述一种基于抛光材料属性检测的抛光组件智能控制方法。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于抛光材料属性检测的抛光组件智能控制系统，应用于抛光机控制端，其特征在于，包括;
数据采集模块，采集上抛光盘的历史抛光训练参数，历史抛光训练参数为上抛光盘的抛光材料处于正常磨损的情况下采集，历史抛光训练数据包括上抛光综合参数以及上抛光时间，上抛光综合参数包括上抛光系数、上抛光速度和上抛光压力；
模型训练模块，基于历史抛光训练参数，训练预测出上抛光时间的机器学习模型，采集实时的上抛光综合参数，基于训练完成的机器学习模型预测出上抛光时间；
分析控制模块，采集实时的上抛光时间，将实时的上抛光时间与预测出的上抛光时间对比，获取时间衰变值，将时间衰变值与预设的安全时间衰变阈值对比分析，生成上抛光盘的抛光速率级别，根据上抛光盘的抛光速率级别，生成上抛光盘控制指令；
影响所述上抛光系数的参数包括上接触面积、上抛光粗糙度、上抛光温度变化差值和上抛光厚度变化差值；
所述预测出上抛光时间的机器学习模型的训练方法包括：
将采集到的上抛光综合参数转换为对应的一组特征向量；
将每组特征向量作为所述机器学习模型的输入，所述机器学习模型以每组上抛光综合参数对应的上抛光时间作为输出，以每组上抛光综合参数实际对应的上抛光时间作为预测目标，以最小化所述机器学习模型损失函数值作为训练目标；当机器学习模型损失函数值小于等于预设的目标损失值时停止训练；
所述时间衰变值的获取方法包括：
当实时的上抛光时间小于等于预测出的上抛光时间时，不生成时间衰变值；
当实时的上抛光时间大于预测出的上抛光时间时，生成时间衰变值；
时间衰变值的表达式为：
；
式中，为时间衰变值，/>为预测的上抛光时间，/>为实时的上抛光时间。
2.根据权利要求1所述的一种基于抛光材料属性检测的抛光组件智能控制系统，其特征在于，所述上接触面积的获取方法包括：
利用激光扫描仪扫描得到工件放置在下抛光盘上的平铺图像，标记图像圆心，以圆心为起点，测量圆心到工件的最近距离和最远距离，记为上大圆半径和上小圆半径，将上大圆半径和上小圆半径以圆心为基点旋转一周，得到大圆图像和小圆图像，并计算大圆图像面积和小圆图像面积差值，则面积差值即为上接触面积；
上接触面积的表达式为：；
式中，为上大圆半径，/>为上小圆半径，/>为上接触面积，/>为圆周率。
3.根据权利要求2所述的一种基于抛光材料属性检测的抛光组件智能控制系统，其特征在于，所述上抛光粗糙度的获取方法包括：
利用上抛光盘内的振动传感器监测上抛光盘旋转圈的上最大振动幅度和上振动次数，得到/>个上最大振动幅度和上振动次数，计算上抛光盘旋转1圈时子上粗糙度；去掉子上粗糙度的最大值和最小值，将剩余/>个子上粗糙度相加后求平均值，则平均值为上抛光粗糙度；
子上粗糙度的表达式为：；
式中，为子上粗糙度，/>、/>为权重因子，/>为上最大振动幅度，/>为上振动次数；
上抛光粗糙度的表达式为：；
式中，为上抛光粗糙度，/>为第/>个子上粗糙度。
4.根据权利要求3所述的一种基于抛光材料属性检测的抛光组件智能控制系统，其特征在于，所述上抛光厚度变化差值的获取方法包括：
通过设计图纸获得上抛光盘半径和上抛光盘密度，通过称重传感器获取上抛光盘在时刻下的重量，记为上抛光盘初始重量，上抛光盘转动一段时间后，在/>时刻下获取上抛光盘的重量，记为上抛光盘末端重量，根据公式计算上抛光盘在/>和/>时刻对应的上抛光盘初始高度和上抛光盘末端高度，并将上抛光盘初始高度和上抛光盘末端高度差值比较后，获得上抛光厚度变化差值；
上抛光盘初始高度的表达式为：；
式中，为上抛光盘初始高度，/>为上抛光盘初始重量，/>为上抛光盘半径，/>为上抛光盘密度；
上抛光盘末端高度的表达式为：；
式中，为上抛光盘末端高度，/>为上抛光盘末端重量；
上抛光厚度变化差值的表达式为：；
式中，为上抛光厚度变化差值。
5.根据权利要求4所述的一种基于抛光材料属性检测的抛光组件智能控制系统，其特征在于，所述上抛光系数的表达式为：
；
式中，为上抛光系数，/>为上抛光温度变化差值，/>、/>、/>、/>为权重因子。
6.根据权利要求5所述的一种基于抛光材料属性检测的抛光组件智能控制系统，其特征在于，所述上抛光盘的抛光速率级别包括一级抛光速率、二级抛光速率和三级抛光速率，一级抛光速率、二级抛光速率和三级抛光速率的生成方法包括：
当时，则上抛光盘为三级抛光速率；
当时，预设安全时间衰变阈值，记为/>；
当时，则上抛光盘为一级抛光速率；
当时，则上抛光盘为二级抛光速率。
7.根据权利要求6所述的一种基于抛光材料属性检测的抛光组件智能控制系统，其特征在于，所述上抛光盘控制指令包括停机检修指令与参数调整指令，停机检修指令与参数调整指令的生成方法包括：
当上抛光盘为一级抛光速率时，抛光机控制端生成停机检修指令；
当上抛光盘为二级抛光速率时，抛光机控制端生成参数调整指令，参数调整指令包括：增大上抛光系数、增大上抛光速度和增大上抛光压力其中的一种或多种，其中，若要增大上抛光系数，则需要降低上抛光温度变化差值；
当上抛光盘为三级抛光速率时，抛光机控制端不生成控制指令；
参数调整指令的生成方法包括：
预设上抛光系数、上抛光速度和上抛光压力对应的安全阈值，分别记为安全上抛光系数、安全上抛光速度和安全上抛光压力；
增大上抛光压力的优先级高于增大上抛光速度的优先级，增大上抛光速度的优先级高于增大上抛光系数的优先级；
当上抛光系数、上抛光速度和上抛光压力均没有到达各自对应的安全上抛光系数、安全上抛光速度和安全上抛光压力时，首先增大上抛光压力，直至上抛光盘的抛光速率为三级抛光速率时，上抛光压力停止增大；
当上抛光压力增大到安全上抛光压力时，且上抛光盘的抛光速率为二级抛光速率时，其次增大上抛光速度，直至上抛光盘的抛光速率为三级抛光速率时，上抛光速度停止增大；
当上抛光速度增大到安全上抛光速度时，且上抛光盘的抛光速率为二级抛光速率时，最后增大上抛光系数，直至上抛光盘的抛光速率为三级抛光速率时，上抛光系数停止增大；
当上抛光系数、上抛光速度和上抛光压力均增大到上抛光系数、安全上抛光速度和安全上抛光压力时，上抛光盘的抛光速率为三级抛光速率。
8.一种基于抛光材料属性检测的抛光组件智能控制方法，基于权利要求1-7中任一项所述的一种基于抛光材料属性检测的抛光组件智能控制系统实现，其特征在于，包括：
采集上抛光盘的历史抛光训练参数，历史抛光训练参数为上抛光盘的抛光材料处于正常磨损的情况下采集，历史抛光训练数据包括上抛光综合参数以及上抛光时间，上抛光综合参数包括上抛光系数、上抛光速度和上抛光压力；
基于历史抛光训练参数，训练预测出上抛光时间的机器学习模型，采集实时的上抛光综合参数，基于训练完成的机器学习模型预测出上抛光时间；
采集实时的上抛光时间，将实时的上抛光时间与预测出的上抛光时间对比，获取时间衰变值，将时间衰变值与预设的安全时间衰变阈值对比分析，生成上抛光盘的抛光速率级别，根据上抛光盘的抛光速率级别，生成上抛光盘控制指令。
9.一种计算机设备，其特征在于，包括：处理器和存储器；
其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行权利要求8所述的一种基于抛光材料属性检测的抛光组件智能控制方法。
10.一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行权利要求8所述的一种基于抛光材料属性检测的抛光组件智能控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311388431.5A CN117161892B (zh) | 2023-10-25 | 2023-10-25 | 一种基于抛光材料属性检测的抛光组件智能控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311388431.5A CN117161892B (zh) | 2023-10-25 | 2023-10-25 | 一种基于抛光材料属性检测的抛光组件智能控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117161892A CN117161892A (zh) | 2023-12-05 |
| CN117161892B true CN117161892B (zh) | 2024-01-26 |
Family
ID=88937739
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311388431.5A Active CN117161892B (zh) | 2023-10-25 | 2023-10-25 | 一种基于抛光材料属性检测的抛光组件智能控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117161892B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117773750B (zh) * | 2023-12-15 | 2024-05-31 | 苏州晶淼半导体设备有限公司 | 一种用于清洗的多机械臂协同控制系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019116600A1 (ja) * | 2017-12-14 | 2019-06-20 | 硬化クローム工業株式会社 | 冷却ロール、およびそれを用いた熱可塑性樹脂シートの製造方法 |
| CN111468989A (zh) * | 2020-03-30 | 2020-07-31 | 黄河水利职业技术学院 | 一种五轴联动数控机械手抛光控制系统及方法 |
| CN111892801A (zh) * | 2020-08-11 | 2020-11-06 | 马鞍山吉祥光电科技有限公司 | 一种路灯灯具反射器材料的制备方法 |
| CN116522806A (zh) * | 2023-07-03 | 2023-08-01 | 泉州装备制造研究所 | 抛光工艺参数优化方法、抛光系统、电子设备及存储介质 |
| WO2023151523A1 (zh) * | 2022-02-09 | 2023-08-17 | 深圳市爱云信息科技有限公司 | 基于数字孪生DaaS平台的深度学习编程方法及系统 |
| CN116690402A (zh) * | 2023-08-09 | 2023-09-05 | 浙江晶盛机电股份有限公司 | 抛光机工艺参数调节方法、装置、计算机设备和存储介质 |
| CN116852239A (zh) * | 2023-07-07 | 2023-10-10 | 苏州拓坤光电科技有限公司 | 一种用于抛光装置的运维控制方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101305187B (zh) * | 2005-10-13 | 2010-12-08 | 井泵技术有限公司 | 井下流体产量优化系统及方法 |
| WO2020137802A1 (ja) * | 2018-12-28 | 2020-07-02 | 株式会社荏原製作所 | パッド温度調整装置、パッド温度調整方法、研磨装置、および研磨システム |
| US20230256561A1 (en) * | 2022-02-17 | 2023-08-17 | Taiwan Semiconductor Manufacturing Company Ltd. | Method of chemical mechanical polish operation and chemical mechanical polishing system |
-
2023
- 2023-10-25 CN CN202311388431.5A patent/CN117161892B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019116600A1 (ja) * | 2017-12-14 | 2019-06-20 | 硬化クローム工業株式会社 | 冷却ロール、およびそれを用いた熱可塑性樹脂シートの製造方法 |
| CN111468989A (zh) * | 2020-03-30 | 2020-07-31 | 黄河水利职业技术学院 | 一种五轴联动数控机械手抛光控制系统及方法 |
| CN111892801A (zh) * | 2020-08-11 | 2020-11-06 | 马鞍山吉祥光电科技有限公司 | 一种路灯灯具反射器材料的制备方法 |
| WO2023151523A1 (zh) * | 2022-02-09 | 2023-08-17 | 深圳市爱云信息科技有限公司 | 基于数字孪生DaaS平台的深度学习编程方法及系统 |
| CN116522806A (zh) * | 2023-07-03 | 2023-08-01 | 泉州装备制造研究所 | 抛光工艺参数优化方法、抛光系统、电子设备及存储介质 |
| CN116852239A (zh) * | 2023-07-07 | 2023-10-10 | 苏州拓坤光电科技有限公司 | 一种用于抛光装置的运维控制方法及系统 |
| CN116690402A (zh) * | 2023-08-09 | 2023-09-05 | 浙江晶盛机电股份有限公司 | 抛光机工艺参数调节方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117161892A (zh) | 2023-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117161892B (zh) | 一种基于抛光材料属性检测的抛光组件智能控制系统 | |
| US5759085A (en) | Process for avoiding overstressing a workpiece during grinding | |
| CN105676778A (zh) | 基于传感器监测的智能制造方法和系统以及加工机床 | |
| Wang et al. | Mirror milling chatter identification using Q-factor and SVM | |
| KR102302798B1 (ko) | 공작기계 이상상태 모니터링 시스템 및 방법 | |
| CN105678025A (zh) | 基于动应力测试和稳定性试验水轮机运行优化方法及系统 | |
| JP2010084770A (ja) | 風力タービンの状態を監視する方法およびシステム | |
| CN113775606B (zh) | 用于液压油散热系统的控制方法、控制装置及处理器 | |
| JP2018151736A (ja) | 数値制御装置及びｃａｄ／ｃａｍ−ｃｎｃ統合システム | |
| CN117140591A (zh) | 超洁净环境下圆晶转运机械臂的吸附力检测系统及方法 | |
| CN116944717A (zh) | 智能激光刀模自动过热保护的方法及系统 | |
| CN109702648B (zh) | 一种砂轮负载现象在位监测系统及方法 | |
| CN113803219A (zh) | 风电机组的降载控制方法和装置 | |
| Manjunath et al. | Monitoring and Predicting the Surface Generation and Surface Roughness in Ultraprecision Machining: A Critical Review. Machines 2021, 9, 369 | |
| JP2008207264A (ja) | ワークのバリ取り方法 | |
| KR102438040B1 (ko) | 서포트 벡터머신을 이용한 기어펌프의 고장 분류방법 | |
| Aguiar et al. | Predicting surface roughness in grinding using neural networks | |
| JP7098494B2 (ja) | 状態監視装置およびこれを用いた風力発電装置 | |
| CN115204658A (zh) | 一种水电机组供油设备健康状态评估方法和系统 | |
| CN110509178B (zh) | 一种用于半导体基板的化学机械抛光方法、装置 | |
| CN102621151A (zh) | 光纤切割刀片刀刃检测装置 | |
| US20220022345A1 (en) | Determining the flow velocity in a coolant circuit | |
| Rajagopal et al. | A Review on Advanced Monitoring and Identifying the Status of Grinding Machine Using Machine Learning Algorithms | |
| Chen et al. | Tapping process fault identification by LSTM neural network based on torque signal singularity feature | |
| Li et al. | Bearing fault diagnosis using support vector classifier based on sine cosine algorithm |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: East workshop on the first floor, No. 22, Aigehao Road, Weitang Town, Xiangcheng District, Suzhou City, Jiangsu Province, 215100 Patentee after: Suzhou Bohongyuan Equipment Co.,Ltd. Country or region after: China Address before: East workshop on the first floor, No. 22, Aigehao Road, Weitang Town, Xiangcheng District, Suzhou City, Jiangsu Province, 215100 Patentee before: SUZHOU BOHONGYUAN MACHINERY MANUFACTURING Co.,Ltd. Country or region before: China |