CN117289651A - 一种模具制造的数控加工方法及控制系统 - Google Patents
一种模具制造的数控加工方法及控制系统 Download PDFInfo
- Publication number
- CN117289651A CN117289651A CN202311580031.4A CN202311580031A CN117289651A CN 117289651 A CN117289651 A CN 117289651A CN 202311580031 A CN202311580031 A CN 202311580031A CN 117289651 A CN117289651 A CN 117289651A
- Authority
- CN
- China
- Prior art keywords
- data
- representing
- model
- point cloud
- numerical control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims description 45
- 238000003754 machining Methods 0.000 title claims description 22
- 238000012545 processing Methods 0.000 claims abstract description 57
- 230000000007 visual effect Effects 0.000 claims abstract description 21
- 238000003672 processing method Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 28
- 230000009466 transformation Effects 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000003062 neural network model Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 12
- 238000013519 translation Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 238000013450 outlier detection Methods 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 10
- 210000002569 neuron Anatomy 0.000 claims description 9
- 238000005520 cutting process Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/401—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种模具制造的数控加工方法及控制系统,具体涉及数控加工技术领域,包括三维重建模块、预测对比模块、反馈控制模块、数控调整模块以及可视化操作模块,通过对已制造模具的三维模型对比预测模具模型能够减少复杂结构的多次工艺优化和试验加工,利用反馈控制系统进行模型数据优化和检查判断,通过可视化界面联动数控控制系统实时监测模型加工过程,通过精确的控制系统实现高精度的加工操作,实现加工过程的可重复性,提高生产效率和一致性,利用可视化界面联动数控控制系统实时监测模型加工过程,提高生产效率和设备利用率,通过两种模型对比获取精确的刀具路径规划、高精度的定位和运动控制,实现对模具的高精度加工。
Description
技术领域
本发明涉及数控加工技术领域,更具体地说,本发明涉及一种模具制造的数控加工方法及控制系统。
背景技术
随着信息化技术的发展,模具制造的数控加工逐渐实现数字化和网络化管理,通过网络化管理实现生产计划的准确性和生产过程的实时监控,提高生产效率和响应速度。
目前模具制造参数的设定精度和调试困难,需要多次试加工才能得到较好的加工效果,对于复杂结构的模具,需要进行多次工艺优化和试验加工,也缺乏数控系统的监测和自动化。
通过对已制造模具的三维模型对比预测模具模型能够减少复杂结构的多次工艺优化和试验加工,利用反馈控制系统进行模型数据优化和检查判断,通过可视化界面联动数控控制系统实时监测模型加工过程。
发明内容
本发明针对现有技术中存在的技术问题,提供一种模具制造的数控加工方法及控制系统,通过三维重建模块、预测对比模块以及反馈控制模块,以解决上述背景技术中提出的问题。
本发明解决上述技术问题的技术方案如下:包括三维重建模块、预测对比模块、反馈控制模块、数控调整模块以及可视化操作模块;
三维重建模块:搜集已经制造模具所有数据和信息并利用三维扫描仪对模具进行扫描,生成点云数据进行模具三维模型重建并导出至临时存储单位;
预测对比模块:收集模具相关数据并进行预处理,利用神经网络模型预测模具三维模型并对比扫描模具三维模型,将两个模型差异值传输至反馈控制模块;
反馈控制模块:调用预测对比模块将模型差异值作为反馈信号输入至控制系统,对加工程序进行反馈和控制;
数控调整模块:通过控制系统的通信接口接收调用反馈控制模块的模型差异调整量,检查判断模型数据合法性;
可视化操作模块:导入加载模具三维重建模型和模具预测模型进行预览,提供参数设置界面,联动数控控制系统,实现对机床状态的监控与保护;
在一个优选地实施方式中,所述三维重建模块搜集已经制造模具所有数据和信息,包括原始设计图纸、加工程序、数控设备的运动轨迹数据,利用三维扫描仪对模具进行扫描,生成点云数据,所述点云数据由大量离散点组成的三维数据集合,用于表现被扫描物体的形状和细节,导入点云数据至三维建模并进行点云处理,所述点云处理为点云滤波和点云配准,利用高斯滤波计算距离较近的点更高的权重,距离较远的点较低的权重,通过对邻域内点云加权平均实现平滑降噪,所述高斯滤波加权平均公式为:
其中表示平滑后的结果,/>表示第i个邻域点的值,/>表示第i个邻域点到当前点的距离,/>表示高斯分布的标准差,利用ICP迭代算法进行点云配准,其具体步骤为:选择参考点云和待配准的初始点云,设定迭代停止条件为点云对应,根据最近点原则,寻找待配准点云中与参考点云相对应的最近点对,通过对应点对计算刚体变换矩阵,所述计算刚体变换矩阵包括平移向量和旋转矩阵,其中平移向量具体公式为:
其中表示参考点云中的第i个对应点,/>表示待配准点云中的第i个对应点,/>表示点对数量,其中旋转矩阵具体公式为:
其中为正交矩阵,表示旋转变换的特性,/>表示平移向量,组合平移向量T和旋转矩阵R,形成刚体变换矩阵,变换待配准点云至参考点云坐标系,重复迭代对应点对寻找和刚体变换操作,直至满足迭代停止条件,利用点云配准和融合,生成完整的三维模型并导出至临时存储单位。
在一个优选地实施方式中,所述预测对比模块通过模具系统收集模具相关数据,包括模具设计参数、材料特性、制造工艺参数以及使用实际情况,利用传感器检测模型使用过程不同条件性能数据,利用离群点检测统计方法计算每个数据点与其平均值的偏差程度判断离群点,所述离群点检测统计方法为Z-score算法,其具体公式为:
其中表示Z-score值,/>表示原始值,/>表示原始数据的均值,/>表示原始数据的标准差,预设数据离群阈值,超过阈值将数据缺失值替换为数据特征集平均值,通过皮尔逊相关系数选择最相关和最具有预测能力特征值,所述皮尔逊相关系数具体公式为:
其中表示皮尔逊系数,/>表示变量x、y的协方差,/>表示变量x、y的标准差值,皮尔逊相关系数取值范围为-1到1之间,其绝对值越接近1表示相关性越强,越接近0表示相关性越弱,将数据集划分为训练集、验证集和测试集,利用神经网络模型通过多个神经元节点组成网络结构,输入特征数据集进行加权求和并通过激活函数进行非线性转化,所述神经网络模型为多层感知机,其具体公式为:
其中表示每个元素h_i表示隐藏层的第i个神经元的输出,/>表示每个元素x_i表示输入层的第i个神经元的输入,/>表示隐藏层的权重矩阵,/>表示隐藏层的偏置向量,调用三维重建模块对比预测模型数据,将两个模型差异值传输至反馈控制模块。
在一个优选地实施方式中,所述反馈控制模块调用预测对比模块将模型差异值作为反馈信号输入至控制系统,利用反馈控制算法根据差异值计算调整模具加工参数,所述反馈控制算法为PID控制算法,通过比例项、积分项、微分项组成,通过对差异值进行加权计算得到相应的调整量,其中比例项根据差异值的大小,以比例关系对输出进行补偿,当差异值较大时,比例项产生较大的调整量,积分项用于处理系统存在的静态误差以及长期累积的误差,通过对差异值进行积分,补偿系统连续性误差,并逐渐减小差异值,微分项用于处理差异值的瞬时变化趋势,通过对差异值的微分,预测系统未来的变化趋势,并对输出进行相应的调整,包括减小震荡和过冲现象,其具体公式为:
其中表示加工参数的调整量输出,/>分别表示调节参数,用于调整每个部分对输出的影响程度,/>表示差异值的积分项,用于处理长期累积的误差,/>表示差异值的微分项,用于处理瞬时变化的趋势。
在一个优选地实施方式中,所述数控调整模块通过控制系统的通信接口接收调用反馈控制模块的模型差异调整量,根据不同的传输方式和数控加工设备的要求将差异调整量转换为G代码数据格式,利用阈值检查判断接收到的调整量是否在有效范围内,超出范围进行拒绝调整请求以及自动调整到最大或最小值,利用设备自身数据检查判断调整量是否与其他参数以及设备状态之间存在约束关系,验证调整请求的来源并检查用户角色权限,权限不足情况下进行管理员授权请求,应用处理调整量于数控加工设备的相关参数,包括切削速度、进给速度、轴向位置,通过通信总线将更新后的参数传输给数控加工设备,用于实现实时控制。
在一个优选地实施方式中,所述可视化操作模块建立可视化界面,导入加载模具三维重建模型和模具预测模型进行预览,操作人员根据模具需求调整加工策略,生成相应加工G代码,所述G代码用于数控机床的控制语言,指定数控机床在加工过程中的各种操作和动作,利用可视化界面实时显示加工状态信息,包括刀具位置、加工进度,并实时监控进行调整,提供具体操作指导,包括步骤说明、操作流程、按钮功能说明,提供参数设置界面,用于设置刀具路径、切削参数、进给速度加工参数,调用数控调整模块对输入的数据进行检查与验证,检测到危险操作潜在的错误操作,并及时提供警告以及提示信息,当设定参数超出安全范围,提醒操作人员进行修正,联动数控控制系统,实现对机床状态的监控与保护,采取相应措施,包括自动停止加工和调整切削参数。
在一个优选地实施方式中,具体包括以下步骤:
101.搜集已经制造模具所有数据和信息,生成点云数据通过高斯滤波实现平滑降噪,利用ICP迭代算法进行点云配准,通过对应点对计算刚体变换矩阵生成完整的三维模型并导出至临时存储单位;
102.收集模具相关数据利用离群点检测统计方法判断离群点,通过皮尔逊相关系数选择特征值,利用神经网络模型生成预测模具模型,调用三维重建模块对比预测模型数据,将两个模型差异值传输至反馈控制模块;
103.调用预测对比模块将模型差异值作为反馈信号输入至控制系统,利用反馈控制算法根据差异值计算调整模具加工参数;
104.通过控制系统的通信接口接收调用反馈控制模块的模型差异调整量,并转换调整量数据格式,检查判断数据合法性;
105.导入加载模具三维重建模型和模具预测模型进行预览,利用可视化界面实时显示加工状态信息,联动数控控制系统,实现对机床状态的监控与保护;
本发明的有益效果是:通过精确的控制系统实现高精度的加工操作,根据不同的加工要求和工艺参数进行优化,实现加工过程的可重复性,提高生产效率和一致性,利用可视化界面联动数控控制系统实时监测模型加工过程,及时发现和解决问题,提高生产效率和设备利用率,通过两种模型对比获取精确的刀具路径规划、高精度的定位和运动控制,实现对模具的高精度加工,通过自动化加工操作和优化的切削工艺,减少材料的浪费和损耗。
附图说明
图1为本发明系统流程图;
图2为本发明系统结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
在本申请的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请的描述中,术语“例如”一词用来表示“用作例子、例证或说明”。本申请中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本发明。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本发明的描述变得晦涩。因此,本发明并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
实施例1
本实施例提供了如图1所示一种模具制造的数控加工方法,具体包括以下步骤:
101.搜集已经制造模具所有数据和信息,生成点云数据通过高斯滤波实现平滑降噪,利用ICP迭代算法进行点云配准,通过对应点对计算刚体变换矩阵生成完整的三维模型并导出至临时存储单位;
102.收集模具相关数据利用离群点检测统计方法判断离群点,通过皮尔逊相关系数选择特征值,利用神经网络模型生成预测模具模型,调用三维重建模块对比预测模型数据,将两个模型差异值传输至反馈控制模块;
103.调用预测对比模块将模型差异值作为反馈信号输入至控制系统,利用反馈控制算法根据差异值计算调整模具加工参数;
104.通过控制系统的通信接口接收调用反馈控制模块的模型差异调整量,并转换调整量数据格式,检查判断数据合法性;
105.导入加载模具三维重建模型和模具预测模型进行预览,利用可视化界面实时显示加工状态信息,联动数控控制系统,实现对机床状态的监控与保护。
实施例2
本实施例提供了如图2所示一种模具制造的数控加工控制系统,具体包括:包括三维重建模块、预测对比模块、反馈控制模块、数控调整模块以及可视化操作模块;
三维重建模块:搜集已经制造模具所有数据和信息并利用三维扫描仪对模具进行扫描,生成点云数据进行模具三维模型重建并导出至临时存储单位;
预测对比模块:收集模具相关数据并进行预处理,利用神经网络模型预测模具三维模型并对比扫描模具三维模型,将两个模型差异值传输至反馈控制模块;
反馈控制模块:调用预测对比模块将模型差异值作为反馈信号输入至控制系统,对加工程序进行反馈和控制;
数控调整模块:通过控制系统的通信接口接收调用反馈控制模块的模型差异调整量,检查判断模型数据合法性;
可视化操作模块:导入加载模具三维重建模型和模具预测模型进行预览,提供参数设置界面,联动数控控制系统,实现对机床状态的监控与保护。
101.搜集已经制造模具所有数据和信息,生成点云数据通过高斯滤波实现平滑降噪,利用ICP迭代算法进行点云配准,通过对应点对计算刚体变换矩阵生成完整的三维模型并导出至临时存储单位;
本实施例中,具体需要说明的是三维重建模块,所述三维重建模块搜集已经制造模具所有数据和信息,包括原始设计图纸、加工程序、数控设备的运动轨迹数据,利用三维扫描仪对模具进行扫描,生成点云数据,所述点云数据由大量离散点组成的三维数据集合,用于表现被扫描物体的形状和细节,导入点云数据至三维建模并进行点云处理,所述点云处理为点云滤波和点云配准,利用高斯滤波计算距离较近的点更高的权重,距离较远的点较低的权重,通过对邻域内点云加权平均实现平滑降噪,所述高斯滤波加权平均公式为:
其中表示平滑后的结果,/>表示第i个邻域点的值,/>表示第i个邻域点到当前点的距离,/>表示高斯分布的标准差,利用ICP迭代算法进行点云配准,其具体步骤为:选择参考点云和待配准的初始点云,设定迭代停止条件为点云对应,根据最近点原则,寻找待配准点云中与参考点云相对应的最近点对,通过对应点对计算刚体变换矩阵,所述计算刚体变换矩阵包括平移向量和旋转矩阵,其中平移向量具体公式为:
其中表示参考点云中的第i个对应点,/>表示待配准点云中的第i个对应点,/>表示点对数量,其中旋转矩阵具体公式为:
其中为正交矩阵,表示旋转变换的特性,/>表示平移向量,组合平移向量T和旋转矩阵R,形成刚体变换矩阵,变换待配准点云至参考点云坐标系,重复迭代对应点对寻找和刚体变换操作,直至满足迭代停止条件,利用点云配准和融合,生成完整的三维模型并导出至临时存储单位。
102.收集模具相关数据利用离群点检测统计方法判断离群点,通过皮尔逊相关系数选择特征值,利用神经网络模型生成预测模具模型,调用三维重建模块对比预测模型数据,将两个模型差异值传输至反馈控制模块;
本实施例中,具体需要说明的是预测对比模块,所述预测对比模块通过模具系统收集模具相关数据,包括模具设计参数、材料特性、制造工艺参数以及使用实际情况,利用传感器检测模型使用过程不同条件性能数据,利用离群点检测统计方法计算每个数据点与其平均值的偏差程度判断离群点,所述离群点检测统计方法为Z-score算法,其具体公式为:
其中表示Z-score值,/>表示原始值,/>表示原始数据的均值,/>表示原始数据的标准差,预设数据离群阈值,超过阈值将数据缺失值替换为数据特征集平均值,通过皮尔逊相关系数选择最相关和最具有预测能力特征值,所述皮尔逊相关系数具体公式为:
其中表示皮尔逊系数,/>表示变量x、y的协方差,/>表示变量x、y的标准差值,皮尔逊相关系数取值范围为-1到1之间,其绝对值越接近1表示相关性越强,越接近0表示相关性越弱,将数据集划分为训练集、验证集和测试集,利用神经网络模型通过多个神经元节点组成网络结构,输入特征数据集进行加权求和并通过激活函数进行非线性转化,所述神经网络模型为多层感知机,其具体公式为:
其中表示每个元素h_i表示隐藏层的第i个神经元的输出,/>表示每个元素x_i表示输入层的第i个神经元的输入,/>表示隐藏层的权重矩阵,/>表示隐藏层的偏置向量,调用三维重建模块对比预测模型数据,将两个模型差异值传输至反馈控制模块。
103.调用预测对比模块将模型差异值作为反馈信号输入至控制系统,利用反馈控制算法根据差异值计算调整模具加工参数;
本实施例中,具体需要说明的是反馈控制模块,所述反馈控制模块调用预测对比模块将模型差异值作为反馈信号输入至控制系统,利用反馈控制算法根据差异值计算调整模具加工参数,所述反馈控制算法为PID控制算法,通过比例项、积分项、微分项组成,通过对差异值进行加权计算得到相应的调整量,其中比例项根据差异值的大小,以比例关系对输出进行补偿,当差异值较大时,比例项产生较大的调整量,积分项用于处理系统存在的静态误差以及长期累积的误差,通过对差异值进行积分,补偿系统连续性误差,并逐渐减小差异值,微分项用于处理差异值的瞬时变化趋势,通过对差异值的微分,预测系统未来的变化趋势,并对输出进行相应的调整,包括减小震荡和过冲现象,其具体公式为:
其中表示加工参数的调整量输出,/>分别表示调节参数,用于调整每个部分对输出的影响程度,/>表示差异值的积分项,用于处理长期累积的误差,/>表示差异值的微分项,用于处理瞬时变化的趋势。
104.通过控制系统的通信接口接收调用反馈控制模块的模型差异调整量,并转换调整量数据格式,检查判断数据合法性;
本实施例中,具体需要说明的是数控调整模块,所述数控调整模块通过控制系统的通信接口接收调用反馈控制模块的模型差异调整量,根据不同的传输方式和数控加工设备的要求将差异调整量转换为G代码数据格式,利用阈值检查判断接收到的调整量是否在有效范围内,超出范围进行拒绝调整请求以及自动调整到最大或最小值,利用设备自身数据检查判断调整量是否与其他参数以及设备状态之间存在约束关系,验证调整请求的来源并检查用户角色权限,权限不足情况下进行管理员授权请求,应用处理调整量于数控加工设备的相关参数,包括切削速度、进给速度、轴向位置,通过通信总线将更新后的参数传输给数控加工设备,用于实现实时控制。
105.导入加载模具三维重建模型和模具预测模型进行预览,利用可视化界面实时显示加工状态信息,联动数控控制系统,实现对机床状态的监控与保护;
本实施例中,具体需要说明的是可视化操作模块,所述可视化操作模块建立可视化界面,导入加载模具三维重建模型和模具预测模型进行预览,操作人员根据模具需求调整加工策略,生成相应加工G代码,所述G代码用于数控机床的控制语言,指定数控机床在加工过程中的各种操作和动作,利用可视化界面实时显示加工状态信息,包括刀具位置、加工进度,并实时监控进行调整,提供具体操作指导,包括步骤说明、操作流程、按钮功能说明,提供参数设置界面,用于设置刀具路径、切削参数、进给速度加工参数,调用数控调整模块对输入的数据进行检查与验证,检测到危险操作潜在的错误操作,并及时提供警告以及提示信息,当设定参数超出安全范围,提醒操作人员进行修正,联动数控控制系统,实现对机床状态的监控与保护,采取相应措施,包括自动停止加工和调整切削参数。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (7)
1.一种模具制造的数控加工方法,其特征在于:具体包括以下步骤:
101.搜集已经制造模具所有数据和信息,生成点云数据通过高斯滤波实现平滑降噪,利用ICP迭代算法进行点云配准,通过对应点对计算刚体变换矩阵生成完整的三维模型并导出至临时存储单位;
102.收集模具相关数据利用离群点检测统计方法判断离群点,通过皮尔逊相关系数选择特征值,利用神经网络模型生成预测模具模型,调用三维重建模块对比预测模型数据,将两个模型差异值传输至反馈控制模块;
103.调用预测对比模块将模型差异值作为反馈信号输入至控制系统,利用反馈控制算法根据差异值计算调整模具加工参数;
104.通过控制系统的通信接口接收调用反馈控制模块的模型差异调整量,并转换调整量数据格式,检查判断数据合法性;
105.导入加载模具三维重建模型和模具预测模型进行预览,利用可视化界面实时显示加工状态信息,联动数控控制系统,实现对机床状态的监控与保护。
2.根据权利要求1所述的一种模具制造的数控加工方法,其特征在于:所述步骤101中,模具所有数据和信息,包括原始设计图纸、加工程序、数控设备的运动轨迹数据,扫描模具生成点云数据并进行点云处理,所述点云处理为点云滤波和点云配准,利用高斯滤波计算距离较近的点更高的权重,距离较远的点较低的权重,通过对邻域内点云加权平均实现平滑降噪,所述高斯滤波加权平均公式为:
,
其中表示平滑后的结果,/>表示第i个邻域点的值,/>表示第i个邻域点到当前点的距离,/>表示高斯分布的标准差,利用ICP迭代算法进行点云配准,其具体步骤为:选择参考点云和待配准的初始点云,设定迭代停止条件为点云对应,根据最近点原则,寻找待配准点云中与参考点云相对应的最近点对,通过对应点对计算刚体变换矩阵,所述计算刚体变换矩阵包括平移向量和旋转矩阵,其中平移向量具体公式为:
,
其中表示参考点云中的第i个对应点,/>表示待配准点云中的第i个对应点,/>表示点对数量,其中旋转矩阵具体公式为:
,
其中为正交矩阵,表示旋转变换的特性,/>表示平移向量,组合平移向量T和旋转矩阵R,形成刚体变换矩阵。
3.根据权利要求1所述的一种模具制造的数控加工方法,其特征在于:所述步骤102中,收集模具相关数据,包括模具设计参数、材料特性、制造工艺参数以及使用实际情况,利用离群点检测统计方法计算每个数据点与其平均值的偏差程度判断离群点,所述离群点检测统计方法为Z-score算法,其具体公式为:
,
其中表示Z-score值,/>表示原始值,/>表示原始数据的均值,/>表示原始数据的标准差,通过皮尔逊相关系数选择最相关和最具有预测能力特征值,所述皮尔逊相关系数具体公式为:
,
其中表示皮尔逊系数,/>表示变量x、y的协方差,/>表示变量x、y的标准差值,皮尔逊相关系数取值范围为-1到1之间,其绝对值越接近1表示相关性越强,越接近0表示相关性越弱,利用神经网络模型通过多个神经元节点组成网络结构,输入特征数据集进行加权求和并通过激活函数进行非线性转化,所述神经网络模型为多层感知机,其具体公式为:
,
其中表示每个元素h_i表示隐藏层的第i个神经元的输出,/>表示每个元素x_i表示输入层的第i个神经元的输入,/>表示隐藏层的权重矩阵,/>表示隐藏层的偏置向量,调用三维重建模块对比预测模型数据,将两个模型差异值传输至反馈控制模块。
4.根据权利要求1所述的一种模具制造的数控加工方法,其特征在于:所述步骤103中,利用反馈控制算法根据差异值计算调整模具加工参数,所述反馈控制算法为PID控制算法,其具体公式为:
,
其中表示加工参数的调整量输出,/>分别表示调节参数,用于调整每个部分对输出的影响程度,/>表示差异值的积分项,用于处理长期累积的误差,/>表示差异值的微分项,用于处理瞬时变化的趋势。
5.根据权利要求1所述的一种模具制造的数控加工方法,其特征在于:所述步骤104中,通过控制系统的通信接口接收调用反馈控制模块的模型差异调整量,利用阈值检查判断接收到的调整量是否在有效范围内,超出范围进行拒绝调整请求以及自动调整到最大或最小值,利用设备自身数据检查判断调整量是否与其他参数以及设备状态之间存在约束关系,验证调整请求的来源并检查用户角色权限,通过通信总线将更新后的参数传输给数控加工设备,用于实现实时控制。
6.根据权利要求1所述的一种模具制造的数控加工方法,其特征在于:所述步骤105中,建立可视化界面,导入加载模具三维重建模型和模具预测模型进行预览,操作人员根据模具需求调整加工策略,生成相应加工G代码,利用可视化界面实时显示加工状态信息,包括刀具位置、加工进度,并实时监控进行调整,提供具体操作指导,包括步骤说明、操作流程、按钮功能说明,联动数控控制系统,实现对机床状态的监控与保护,采取相应措施,包括自动停止加工和调整切削参数。
7.一种模具制造的数控加工控制系统应用于如权利要求1-7任一所述的一种模具制造的数控加工方法,其特征在于:
三维重建模块:搜集已经制造模具所有数据和信息并利用三维扫描仪对模具进行扫描,生成点云数据进行模具三维模型重建并导出至临时存储单位;
预测对比模块:收集模具相关数据并进行预处理,利用神经网络模型预测模具三维模型并对比扫描模具三维模型,将两个模型差异值传输至反馈控制模块;
反馈控制模块:调用预测对比模块将模型差异值作为反馈信号输入至控制系统,对加工程序进行反馈和控制;
数控调整模块:通过控制系统的通信接口接收调用反馈控制模块的模型差异调整量,检查判断模型数据合法性;
可视化操作模块:导入加载模具三维重建模型和模具预测模型进行预览,提供参数设置界面,联动数控控制系统,实现对机床状态的监控与保护。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311580031.4A CN117289651B (zh) | 2023-11-24 | 2023-11-24 | 一种模具制造的数控加工方法及控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311580031.4A CN117289651B (zh) | 2023-11-24 | 2023-11-24 | 一种模具制造的数控加工方法及控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117289651A true CN117289651A (zh) | 2023-12-26 |
CN117289651B CN117289651B (zh) | 2024-04-16 |
Family
ID=89241145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311580031.4A Active CN117289651B (zh) | 2023-11-24 | 2023-11-24 | 一种模具制造的数控加工方法及控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117289651B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104748683A (zh) * | 2015-04-10 | 2015-07-01 | 四川理工学院 | 一种数控机床工件在线自动测量装置及测量方法 |
CN107127755A (zh) * | 2017-05-12 | 2017-09-05 | 华南理工大学 | 一种三维点云的实时采集装置及机器人打磨轨迹规划方法 |
CN109767463A (zh) * | 2019-01-09 | 2019-05-17 | 重庆理工大学 | 一种三维点云自动配准方法 |
CN111077844A (zh) * | 2019-12-12 | 2020-04-28 | 南京航空航天大学 | 一种基于实测数据特征引导的零件精确加工方法 |
CN114018155A (zh) * | 2021-11-19 | 2022-02-08 | 上海交通大学 | 化铣激光刻型轮廓精度检测方法及系统 |
CN116700149A (zh) * | 2023-07-05 | 2023-09-05 | 沈阳中科数控技术股份有限公司 | 一种数控加工刀具路径的自适应滤波优化方法 |
CN116851930A (zh) * | 2023-04-28 | 2023-10-10 | 华南智能机器人创新研究院 | 一种三维五轴曲面激光切割轨迹生成方法及装置 |
-
2023
- 2023-11-24 CN CN202311580031.4A patent/CN117289651B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104748683A (zh) * | 2015-04-10 | 2015-07-01 | 四川理工学院 | 一种数控机床工件在线自动测量装置及测量方法 |
CN107127755A (zh) * | 2017-05-12 | 2017-09-05 | 华南理工大学 | 一种三维点云的实时采集装置及机器人打磨轨迹规划方法 |
CN109767463A (zh) * | 2019-01-09 | 2019-05-17 | 重庆理工大学 | 一种三维点云自动配准方法 |
CN111077844A (zh) * | 2019-12-12 | 2020-04-28 | 南京航空航天大学 | 一种基于实测数据特征引导的零件精确加工方法 |
CN114018155A (zh) * | 2021-11-19 | 2022-02-08 | 上海交通大学 | 化铣激光刻型轮廓精度检测方法及系统 |
CN116851930A (zh) * | 2023-04-28 | 2023-10-10 | 华南智能机器人创新研究院 | 一种三维五轴曲面激光切割轨迹生成方法及装置 |
CN116700149A (zh) * | 2023-07-05 | 2023-09-05 | 沈阳中科数控技术股份有限公司 | 一种数控加工刀具路径的自适应滤波优化方法 |
Non-Patent Citations (1)
Title |
---|
王开鑫;王世峰;孙琪;刘传义;陈森;: "点云分割匹配的三维重建算法", 长春理工大学学报(自然科学版), no. 04, pages 49 - 56 * |
Also Published As
Publication number | Publication date |
---|---|
CN117289651B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6163526B2 (ja) | バッチプロセスのオンラインプロセスランの分析を実行する方法 | |
Rao et al. | Assessment of dimensional integrity and spatial defect localization in additive manufacturing using spectral graph theory | |
KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
US20160116892A1 (en) | Method and system of cause analysis and correction for manufacturing data | |
JPH07191737A (ja) | 工場制御装置および制御方法 | |
He et al. | Development of a fuzzy-neuro system for parameter resetting of injection molding | |
CN102707617A (zh) | 一种模糊PID算法ActiveX控件的实现方法 | |
CN115302759A (zh) | 增材制造监测及调控方法、系统及存储介质 | |
CN116501005A (zh) | 一种数字孪生联动的工厂运行管理方法及系统 | |
CN117289651B (zh) | 一种模具制造的数控加工方法及控制系统 | |
CN110829411B (zh) | 一种计及交流潮流的柔性配电网运行域观测方法 | |
CN111931360A (zh) | 一种励磁系统参数在线辨识方法和装置 | |
Kersten et al. | Application-based discussion of verified simulations of interval enclosure techniques | |
CN116541748A (zh) | 基于人工智能技术的电网故障诊断方法和系统 | |
CN114880930A (zh) | 一种基于在线学习的实体设备数字孪生建模仿真预测方法 | |
CN113901649A (zh) | 一种频率仿真中负荷参数辨识方法、系统及存储介质 | |
Valappil et al. | Accounting for batch reactor uncertainty in the nonlinear MPC of end‐use properties | |
CN117171922B (zh) | 一种钢结构制作中平行矫正的方法及系统 | |
Di Angelo et al. | An advanced GCode analyser for predicting the build time for additive manufacturing components | |
CN113910561B (zh) | 用于自动监控至少一个生产过程的方法 | |
Walker et al. | Digital Twin Technology for CNC Machining: A Review | |
Tiwari et al. | Learning digital emulators for closed architecture machine tool controllers | |
CN117621090B (zh) | 一种工业机器人的控制方法、系统及工业机器人 | |
Tijani | Non-Parametric Modeling of Motion Control Systems Using an Hybrid MODE-NARX Algorithm | |
CN112649656B (zh) | 一种基于神经网络的提高电流传感器精度的信息处理方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |