CN117435990B - 一种超声滚压加工温度检测分析方法 - Google Patents
一种超声滚压加工温度检测分析方法 Download PDFInfo
- Publication number
- CN117435990B CN117435990B CN202311357218.8A CN202311357218A CN117435990B CN 117435990 B CN117435990 B CN 117435990B CN 202311357218 A CN202311357218 A CN 202311357218A CN 117435990 B CN117435990 B CN 117435990B
- Authority
- CN
- China
- Prior art keywords
- temperature
- ultrasonic
- data
- data set
- workpiece
- 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
- 238000005096 rolling process Methods 0.000 title claims abstract description 119
- 238000012545 processing Methods 0.000 title claims abstract description 43
- 238000004458 analytical method Methods 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000001816 cooling Methods 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims abstract description 35
- 230000000630 rising effect Effects 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims description 24
- 230000007613 environmental effect Effects 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 239000000110 cooling liquid Substances 0.000 claims description 10
- 238000005507 spraying Methods 0.000 claims description 10
- 238000009423 ventilation Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 239000000523 sample Substances 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 4
- 230000002035 prolonged effect Effects 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 abstract description 2
- 238000006731 degradation reaction Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 9
- 230000009467 reduction Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种超声滚压加工温度检测分析方法，涉及超声滚压技术领域，该方法发明中，实时采集声滚压机的实时运行数据和环境数据，并组成实时运行数据集，以获取超声滚压机的工艺数据信息，来组成第一数据集，和超声滚压机工作环境中的温度数据，来组成第二数据集，再对第一数据集和第二数据集进行计算，获取：升温指数Swzs，并与预设的温度预警阈值S和温度预警阈值T进行对比，获取等级温度预警策略方案，来对超声滚压机进行具体控制，来减少了因加工过程中出现的短时间内温度突然升高而导致的紧急降温情况，从而促进减少了由于时间延迟带来的加工件损坏和质量下降的风险。
Description
技术领域
本发明涉及超声滚压技术领域，具体为一种超声滚压加工温度检测分析方法。
背景技术
在现代汽车制造业中，超声滚压加工已经成为至关重要的工艺，超声滚压加工被广泛应用于改善汽车零部件的性能和质量，这一技术通过在金属表面引入高频振动和滚压力，实现了局部塑性变形，进而提升了零部件的硬度、耐磨性和整体性能，然而，尽管超声滚压加工在汽车制造中具有显著的潜力，其中，温度监控问题一直是核心问题之一。
在超声滚压加工的实际操作中，温度监控的不足经常导致加工过程中温度发生迅速升温的时候超出了安全范围，由于温度监控的滞后性，从而可能对零部件的质量产生负面影响，以轴承表面的温度控制为例，现行的监测方法通常难以准确捕捉到温度在短时间内的急剧上升情况，因此无法及时采取必要的降温措施，这一问题可能导致零部件表面硬度的降低，进而影响其整体耐磨性，同时还会增加后续加工工序的难度，甚至导致零部件在实际使用中的寿命缩短。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种超声滚压加工温度检测分析方法，解决了背景技术中提到的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种超声滚压加工温度检测分析方法，包括以下步骤：
S1、实时采集：通过设置的传感器组实时采集工作车间中进行加工流程的，超声滚压机的实时运行数据和环境数据，组成实时运行数据集；
S2、数据处理：对采集的实时运行数据集进行处理和分类，以获取超声滚压机的工艺数据信息，组成第一数据集，和超声滚压机工作环境中的温度数据，组成第二数据集；
S3、升温计算：对第一数据集和第二数据集进行计算，获取：升温指数Swzs；
所述升温指数Swzs通过以下公式获取：
Swzs＝[(A*Gyxs*200％)+(B*Wdxs)]*150％+C
式中，Gyxs表示滚压工艺系数，Wdxs表示环境系数，A和B分别表示滚压工艺系数Gyxs和环境系数Wdxs的比例系数；
所述滚压工艺系数Gyxs通过第一数据集计算获取；
所述环境系数Wdxs通过第二数据集计算获取；
S4、升温评估：通过预设的温度预警阈值S与温度预警阈值T和升温指数Swzs进行对比，获取等级温度预警策略方案；
S5、决策执行：通过等级温度预警策略方案的内容，对超声滚压机进行具体控制，包括调整超声滚压机的工艺数据和调整冷却数据，来进行温度控制。
优选的，传感器组包括压力传感器、温度传感器、温度探头传感器、振动传感器和转速传感器；
通过压力传感器、振动传感器组和转速传感器来获取超声滚压机的实时运行数据；
通过温度传感器组和温度探头传感器来获取超声滚压机的实时环境数据。
优选的，通过对采集的实时运行数据集进行处理，包括去除重复项、处理缺失值和修复异常值；
再对实时运行数据集进行分类，包括对数据进行排序、归档和转换格式，以确保数据的排序结构和分类结构，进而获取超声滚压机的工艺数据信息和超声滚压机工作环境中的温度数据。
优选的，对分类后的超声滚压机的工艺数据信息进行特征提取，以组成第一数据集；
第一数据集包括：振动频率Zdpl、振动幅度Zdfd、滚压力值Gylz和滚压速度Gysd；
对分类后的超声滚压机工作环境中的温度数据进行特征提取，以组成第二数据集；
第二数据集包括：工件表面温度Bmwd、环境温度Hjwd和工件核心温度Hxwd。
优选的，对第一数据集和第二数据集进行归一化处理，使第一数据集和第二数据集在相同的量纲下进行计算，以获取：滚压工艺系数Gyxs和环境系数Wdxs；
再对滚压工艺系数Gyxs和环境系数Wdxs进行计算，获取：升温指数Swzs。
优选的，滚压工艺系数Gyxs通过以下公式获取：
Gyxs＝[(e*Zdpl)+(f*Zdfd)+(g*Gylz)+(h*Gysd)*150％]*150％+J
式中，e、f、g和h分别表示振动频率Zdpl、振动幅度Zdfd、滚压力值Gylz和滚压速度Gysd的比例系数；
其中，0.14≤e≤0.23，0.15≤f≤0.25，0.16≤g≤0.25，0.15≤h≤0.27，且e+f+g+h≤1.0，J表示修正常数。
优选的，环境系数Wdxs通过以下公式获取：
Wdxs＝[(k*Bmwd)*150％+(m*Hjwd)+(p*Hxwd)*150％]*10％+Q
式中，k、m和p分别表示工件表面温度Bmwd、环境温度Hjwd和工件核心温度Hxwd的比例系数；
其中，0.18≤k≤0.32，0.16≤m≤0.29，0.21≤p≤0.39，且，k+m+p≤1.0，Q表示修正常数。
优选的，通过预设的温度预警值S和温度预警值T与升温指数Swzs进行对比，获取多个等级的温度预警策略方案，进而预测出一段时间内的温度上升率，来调整工艺参数和环境参数，达到对加工件进行保护的目的。
优选的，多个等级的温度预警策略方案通过以下对比方式获取：
升温指数Swzs＜温度预警值S，获取一级温度评价，超声滚压机运行状态正常，加工件温度正常，环境温度正常，超声滚压机的运行参数和环境温度控制设施运行参数不做调整；
温度预警值S≤升温指数Swzs温度预警值T，获取二级温度评价，预测半个小时内，超声滚压机运行状态、加工件温度和环境温度会发生异常，对发出异常状态的超声滚压机、加工件和环境温度启动额外降温措施，包括提高水冷、气冷、喷洒冷却液和通风设备的功率来进行提高降温效果；
升温指数Swzs＞温度预警值T，获取三级温度评价，预测十分钟内，超声滚压机运行状态、加工件温度和环境温度会发生异常，对发出异常状态的超声滚压机、加工件和环境温度启动快速降温措施，包括最大功率的运行设备，使得水冷工作压力达到3bar、气冷工作温度达到20摄氏度、喷洒冷却液达到50mL/min和通风风扇达到1000rpm来进行控制温度，同时，控制超声滚压机的运行参数，包括减小滚动速度至300mm/s，控制加工件流水线的运行速度控制至8m/min，以延长加工件在设定区域的停留时间，控制加工件的温度至90摄氏度以下。
优选的，根据等级温度预警策略方案内容，对超声滚压机进行具体控制，包括调整超声滚压机的工艺数据和调整冷却数据；
调整超声滚压机工艺数据：针对不同的温度评价等级，对超声滚压机的工艺参数进行相应调整，包括减小滚动速度至300mm/s，控制加工件流水线的运行速度控制至8m/min，以减少超声滚压过程中产生的热量，从而额外控制加工件的温度；
调整冷却数据：在二级温度评价情况下，增加冷却液的喷洒量至40ml/min和喷洒频率10次/min，加大通风风扇转速至800rpm的功率，控制加工件温度，直到处在一级温度评价范围内。
(三)有益效果
本发明提供了一种超声滚压加工温度检测分析方法，具备以下有益效果：
(1)本方法发明中，实时采集声滚压机的实时运行数据和环境数据，并组成实时运行数据集，并处理和分类，来组成第一数据集和第二数据集，再对进行计算，获取：升温指数Swzs，并与预设的温度预警阈值S和温度预警阈值T进行对比，获取等级温度预警策略方案，来对超声滚压机进行具体控制，来减少了因加工过程中可能出现的短时间内温度突然升高而导致的紧急降温情况，从而促进减少了由于时间延迟带来的加工件损坏和质量下降的风险。
(2)通过预设的温度预警值S和温度预警值T与升温指数Swzs进行对比，获取多个等级的温度预警策略方案，来调整工艺参数和环境参数，有效地保持加工件的制造环境处于稳定状态，促进减少温度升高到需要紧急降温的情况，来促进避免由于时间差造成的加工件损坏，进而减少损坏率，提高产品质量，达到节约维护成本和加工时间，提高生产效率的效果。
附图说明
图1为本发明一种超声滚压加工温度检测分析方法步骤示意图。
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、完整的描述，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。
在现代汽车制造业中，超声滚压加工已经成为至关重要的工艺，超声滚压加工被广泛应用于改善汽车零部件的性能和质量，这一技术通过在金属表面引入高频振动和滚压力，实现了局部塑性变形，进而提升了零部件的硬度、耐磨性和整体性能，然而，尽管超声滚压加工在汽车制造中具有显著的潜力，其中，温度监控问题一直是核心问题之一。
在超声滚压加工的实际操作中，温度监控的不足经常导致加工过程中温度发生迅速升温的时候超出了安全范围，由于温度监控的滞后性，从而可能对零部件的质量产生负面影响，以轴承表面的温度控制为例，现行的监测方法通常难以准确捕捉到温度在短时间内的急剧上升情况，因此无法及时采取必要的降温措施，这一问题可能导致零部件表面硬度的降低，进而影响其整体耐磨性，同时还会增加后续加工工序的难度，甚至导致零部件在实际使用中的寿命缩短。
实施例1
本发明提供一种超声滚压加工温度检测分析方法，请参阅图1，包括以下步骤：
S1、实时采集：通过设置的传感器组实时采集工作车间中进行加工流程的，超声滚压机的实时运行数据和环境数据，组成实时运行数据集；
S2、数据处理：对采集的实时运行数据集进行处理和分类，以获取超声滚压机的工艺数据信息，组成第一数据集，和超声滚压机工作环境中的温度数据，组成第二数据集；
S3、升温计算：对第一数据集和第二数据集进行计算，获取：升温指数Swzs；
所述升温指数Swzs通过以下公式获取：
Swzs＝[(A*Gyxs*200％)+(B*Wdxs)]*150％+C
式中，Gyxs表示滚压工艺系数，Wdxs表示环境系数，A和B分别表示滚压工艺系数Gyxs和环境系数Wdxs的比例系数；
其中，0.33≤A≤0.52，0.31≤B≤0.48，且，A+B≤1.0；
所述滚压工艺系数Gyxs通过第一数据集计算获取；
所述环境系数Wdxs通过第二数据集计算获取；
S4、升温评估：通过预设的温度预警阈值S与温度预警阈值T和升温指数Swzs进行对比，获取等级温度预警策略方案；
S5、决策执行：通过等级温度预警策略方案的内容，对超声滚压机进行具体控制，包括调整超声滚压机的工艺数据和调整冷却数据，来进行温度控制。
本方法发明中，通过S1至S5，达到了实时采集声滚压机的实时运行数据和环境数据，并组成实时运行数据集，并处理和分类，以获取超声滚压机的工艺数据信息，来组成第一数据集，和超声滚压机工作环境中的温度数据，来组成第二数据集，再对第一数据集和第二数据集进行计算，获取：升温指数Swzs，并与预设的温度预警阈值S和温度预警阈值T进行对比，获取等级温度预警策略方案，通过等级温度预警策略方案的内容，对超声滚压机进行具体控制，来减少了因加工过程中可能出现的短时间内温度突然升高而导致的紧急降温情况，从而促进减少了由于时间延迟带来的加工件损坏和质量下降的风险。
实施例2
本实施例是在实施例1中进行的解释说明，请参照图1，具体的：传感器组包括压力传感器、温度传感器、温度探头传感器、振动传感器和转速传感器；
通过压力传感器、振动传感器组和转速传感器来获取超声滚压机的实时运行数据；
通过温度传感器组和温度探头传感器来获取超声滚压机的实时环境数据；
压力传感器：通过在安装在超声滚压机的滚轮或滚压头部位，来进行测量超声滚压机在加工过程中施加在加工件上的压力，能够实时检测压力的变化，从而提供滚压力数据；
温度传感器和温度探头传感器：通过设置在超声滚压机的上侧和加工流水线的上侧和内部，来进行测量超声滚压机、加工件的温度和机器周边一定范围内的环境温度；
振动传感器：通过安装在超声滚压机的结构稳定性较弱的部位，包括滚轮和机身位置，来进行捕捉加工过程中机械振动的频率和幅度；
转速传感器：通过安装在超声滚压机的主轴或转动部件上，来进行监测转速的变化，以获取实时的超声滚压机的运行速度数据。
通过对采集的实时运行数据集进行处理，包括去除重复项、处理缺失值和修复异常值，以确保数据的质量和一致性；
重复项的产生包括：传感器发生振动重复采集或传感器发生网络波动；
缺失值的处理包括：采用插值法进行填补，包括线性插值和基于相邻数据的插值方法；
修复异常值包括：平均值修复法、插值修复法和回归模型修复法；
再对实时运行数据集进行分类，包括对数据进行排序、归档和转换格式，以确保数据的排序结构和分类结构，进而获取超声滚压机的工艺数据信息和超声滚压机工作环境中的温度数据；
实时运行数据集中的不同数据类型，包括：超声滚压机的振动频率、滚压力、滚压速度以及工作环境中的温度数据；
通过时间戳进行排序，确保数据按照时间先后顺序排列；
通过将超声滚压机的工艺数据按照不同工艺阶段或加工参数进行分类归档，同时，针对工作环境中的温度数据，根据不同区域或位置进行归档管理。
对分类后的超声滚压机的工艺数据信息进行特征提取，以组成第一数据集；
第一数据集包括：振动频率Zdpl、振动幅度Zdfd、滚压力值Gylz和滚压速度Gysd；
对分类后的超声滚压机工作环境中的温度数据进行特征提取，以组成第二数据集；
第二数据集包括：工件表面温度Bmwd、环境温度Hjwd和工件核心温度Hxwd。
对第一数据集和第二数据集进行归一化处理，使第一数据集和第二数据集在相同的量纲下进行计算，以获取：滚压工艺系数Gyxs和环境系数Wdxs；
再对滚压工艺系数Gyxs和环境系数Wdxs进行计算，获取：升温指数Swzs。
实施例3
本实施例是在实施例1中进行的解释说明，请参照图1，具体的：滚压工艺系数Gyxs通过以下公式获取：
Gyxs＝[(e*Zdpl)+(f*Zdfd)+(g*Gylz)+(h*Gysd)*150％]*150％+J
式中，e、f、g和h分别表示振动频率Zdpl、振动幅度Zdfd、滚压力值Gylz和滚压速度Gysd的比例系数；
其中，0.14≤e≤0.23，0.15≤f≤0.25，0.16≤g≤0.25，0.15≤h≤0.27，且e+f+g+h≤1.0，J表示修正常数。
环境系数Wdxs通过以下公式获取：
Wdxs＝[(k*Bmwd)*150％+(m*Hjwd)+(p*Hxwd)*150％]*10％+Q
式中，k、m和p分别表示工件表面温度Bmwd、环境温度Hjwd和工件核心温度Hxwd的比例系数；
其中，0.18≤k≤0.32，0.16≤m≤0.29，0.21≤p≤0.39，且，k+m+p≤1.0，Q表示修正常数。
实施例4
本实施例是在实施例1中进行的解释说明，请参照图1，具体的：通过预设的温度预警值S和温度预警值T与升温指数Swzs进行对比，获取多个等级的温度预警策略方案，进而预测出一段时间内的温度上升率，来调整工艺参数和环境参数，达到对加工件进行保护的目的，促进减少出现温度升高到需要紧急降温的情况，和由于时间差造成的加工件损坏。
多个等级的温度预警策略方案通过以下对比方式获取：
升温指数Swzs＜温度预警值S，获取一级温度评价，超声滚压机运行状态正常，加工件温度正常，环境温度正常，超声滚压机的运行参数和环境温度控制设施运行参数不做调整；
温度预警值S≤升温指数Swzs温度预警值T，获取二级温度评价，预测半个小时内，超声滚压机运行状态、加工件温度和环境温度会发生异常，对发出异常状态的超声滚压机、加工件和环境温度启动额外降温措施，包括提高设备的功率，使得水冷工作压力达到2.5bar、气冷工作温度达到25摄氏度、喷洒冷却液40ml/min和通风风扇达到800rpm来进行提高降温效果；
升温指数Swzs＞温度预警值T，获取三级温度评价，预测十分钟内，超声滚压机运行状态、加工件温度和环境温度会发生异常，对发出异常状态的超声滚压机、加工件和环境温度启动快速降温措施，包括最大功率的运行设备，使得水冷工作压力达到3bar、气冷工作温度达到20摄氏度、喷洒冷却液达到50mL/min和通风风扇达到1000rpm来进行控制温度，同时，控制超声滚压机的运行参数，包括减小滚动速度至300mm/s以下、控制振动频率至40Hz以下和滚压幅度控制至1.5mm以下，控制加工件流水线的运行速度至8m/min以下，以延长加工件在设定区域的停留时间，有效降低加工件的温度。
根据等级温度预警策略方案内容，实现自动对超声滚压机进行具体控制，包括调整超声滚压机的工艺数据和调整冷却数据，使得超声滚压机在高效加工的同时能够有效控制加工件和超声滚压机的温度，保证产品质量和生产安全；
调整超声滚压机工艺数据：针对不同的温度评价等级，对超声滚压机的工艺参数进行相应调整，包括，根据三级温度评价，包括减小滚动速度来控制至300mm/s，控制加工件流水线的运行速度降低至8m/min，以减少超声滚压过程中产生的热量，从而额外降低加工件的温度；
调整冷却数据：在二级温度评价情况下，增加冷却液的喷洒量至40ml/min和喷洒频率10次/min，加大通风风扇转速至800rpm的功率，控制加工件温度，直到处在一级温度评价范围内，达到经过一段时间的调整，加工件温度逐渐降低并稳定在正常工作温度范围内，从而提高加工件的质量和生产效率的稳定性和可靠性。
本实施例中，通过预设的温度预警值S和温度预警值T与升温指数Swzs进行对比，获取多个等级的温度预警策略方案，来调整工艺参数和环境参数，有效地保持加工件的制造环境处于稳定状态，促进降低温度升高到需要紧急降温的情况，来促进避免由于时间差造成的加工件损坏，进而减少损坏率，提高产品质量，达到节约维护成本和加工时间，提高生产效率的效果。
具体示例：一种某某汽车零件加工工厂使用的一种超声滚压加工温度检测分析方法，将使用一些具体的参数和值来演示如何计算：升温指数Swzs、滚压工艺系数Gyxs和环境系数Wdxs；
假设拥有以下参数值：
振动频率Zdpl：100、振动幅度Zdfd：2.5、滚压力值Gylz：5，和滚压速度Gysd：0.5，比例系数：e：0.21、f：0.23、g：0.23和h：0.18，修正常数J：5；
根据滚压工艺系数Gyxs的计算公式获取：
[(0.21*100)+(0.23*2.5)+(0.18*5)+(0.18*0.5)*1.5]*1.5+5＝38.91；
工件表面温度Bmwd：150、环境温度Hjwd：35和工件核心温度Hxwd：160，比例系数：k：0.29、m：0.25和p：0.37，修正常数Q：5；
根据环境系数Wdxs的计算获取：
[(0.29*150)+(0.25*35)+(0.37*160)*1.5]*0.1+5＝19.01；
比例系数：A：0.49和B：0.43，修正常数C：5；
根据升温指数Swzs的计算公式获取：
[(0.49*38.91*2)+(0.43*19.01)]*1.5+5＝74.45；
以上计算公式取值均取小数点后两位；
将阈值S设置为50，阈值T设置为99，将升温指数Swzs和阈值S和阈值T对比，获取：温度预警值S≤升温指数Swzs温度预警值T，获取二级温度评价，预测半个小时内，超声滚压机运行状态、加工件温度和环境温度会发生异常，对发出异常状态的超声滚压机、加工件和环境温度启动额外降温措施，包括提高设备的功率，使得水冷工作压力达到2.5bar、气冷工作温度达到25摄氏度、喷洒冷却液40ml/min和通风风扇达到800rpm来进行提高降温效果。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种超声滚压加工温度检测分析方法，其特征在于：包括以下步骤：
S1、实时采集：通过设置的传感器组实时采集工作车间中进行加工流程的超声滚压机的实时运行数据和环境数据，组成实时运行数据集；
S2、数据处理：对采集的实时运行数据集进行处理和分类，以获取超声滚压机的工艺数据信息，组成第一数据集，和超声滚压机工作环境中的温度数据，组成第二数据集；
对分类后的超声滚压机的工艺数据信息进行特征提取，以组成第一数据集；
第一数据集包括：振动频率Zdpl、振动幅度Zdfd、滚压力值Gylz和滚压速度Gysd；
对分类后的超声滚压机工作环境中的温度数据进行特征提取，以组成第二数据集；
第二数据集包括：工件表面温度Bmwd、环境温度Hjwd和工件核心温度Hxwd；
S3、升温计算：对第一数据集和第二数据集进行计算，获取：升温指数Swzs；
所述升温指数Swzs通过以下公式获取：
Swzs＝[(A*Gyxs*200％)+(B*Wdxs)]*150％+C
式中，Gyxs表示滚压工艺系数，Wdxs表示环境系数，A和B分别表示滚压工艺系数Gyxs和环境系数Wdxs的比例系数；
所述滚压工艺系数Gyxs通过第一数据集计算获取；
滚压工艺系数Gyxs通过以下公式获取：
Gyxs＝[(e*Zdpl)+(f*Zdfd)+(g*Gylz)+(h*Gysd)*150％]*150％+J
式中，e、f、g和h分别表示振动频率Zdpl、振动幅度Zdfd、滚压力值Gylz和滚压速度Gysd的比例系数；
其中，0.14≤e≤0.23，0.15≤f≤0.25，0.16≤g≤0.25，0.15≤h≤0.27，且e+f+g+h≤1.0，J表示修正常数；
所述环境系数Wdxs通过第二数据集计算获取；
环境系数Wdxs通过以下公式获取：
Wdxs＝[(k*Bmwd)*150％+(m*Hjwd)+(p*Hxwd)*150％]*10％+Q
式中，k、m和p分别表示工件表面温度Bmwd、环境温度Hjwd和工件核心温度Hxwd的比例系数；
其中，0.18≤k≤0.32，0.16≤m≤0.29，0.21≤p≤0.39，且，k+m+p≤1.0，Q表示修正常数；
S4、升温评估：通过预设的温度预警阈值S与温度预警阈值T和升温指数Swzs进行对比，获取等级温度预警策略方案；
通过预设的温度预警值S和温度预警值T与升温指数Swzs进行对比，获取多个等级的温度预警策略方案，进而预测出一段时间内的温度上升率，来调整工艺参数和环境参数，达到对加工件进行保护的目的；
S5、决策执行：通过等级温度预警策略方案的内容，对超声滚压机进行具体控制，包括调整超声滚压机的工艺数据和调整冷却数据，来进行温度控制。
2.根据权利要求1所述的一种超声滚压加工温度检测分析方法，其特征在于：传感器组包括压力传感器、温度传感器、温度探头传感器、振动传感器和转速传感器；
通过压力传感器、振动传感器组和转速传感器来获取超声滚压机的实时运行数据；
通过温度传感器组和温度探头传感器来获取超声滚压机的实时环境数据。
3.根据权利要求1所述的一种超声滚压加工温度检测分析方法，其特征在于：通过对采集的实时运行数据集进行处理，包括去除重复项、处理缺失值和修复异常值；
再对实时运行数据集进行分类，包括对数据进行排序、归档和转换格式，以确保数据的排序结构和分类结构，进而获取超声滚压机的工艺数据信息和超声滚压机工作环境中的温度数据。
4.根据权利要求1所述的一种超声滚压加工温度检测分析方法，其特征在于：对第一数据集和第二数据集进行归一化处理，使第一数据集和第二数据集在相同的量纲下进行计算，以获取：滚压工艺系数Gyxs和环境系数Wdxs；
再对滚压工艺系数Gyxs和环境系数Wdxs进行计算，获取：升温指数Swzs。
5.根据权利要求1所述的一种超声滚压加工温度检测分析方法，其特征在于：多个等级的温度预警策略方案通过以下对比方式获取：
升温指数Swzs＜温度预警值S，获取一级温度评价，超声滚压机运行状态正常，加工件温度正常，环境温度正常，超声滚压机的运行参数和环境温度控制设施运行参数不做调整；
温度预警值S≤升温指数Swzs温度预警值T，获取二级温度评价，预测半个小时内，超声滚压机运行状态、加工件温度和环境温度会发生异常，对发出异常状态的超声滚压机、加工件和环境温度启动额外降温措施，包括提高设备的功率，使得水冷工作压力达到2.5bar、气冷工作温度达到25摄氏度、喷洒冷却液40ml/min和通风风扇达到800rpm来进行提高降温效果；
升温指数Swzs＞温度预警值T，获取三级温度评价，预测十分钟内，超声滚压机运行状态、加工件温度和环境温度会发生异常，对发出异常状态的超声滚压机、加工件和环境温度启动快速降温措施，包括最大功率的运行设备，使得水冷工作压力达到3bar、气冷工作温度达到20摄氏度、喷洒冷却液达到50mL/min和通风风扇达到1000rpm来进行控制温度，同时，控制超声滚压机的运行参数，包括减小滚动速度至300mm/s，控制加工件流水线的运行速度至8m/min，以延长加工件在设定区域的停留时间，控制加工件的温度至90摄氏度以下。
6.根据权利要求1所述的一种超声滚压加工温度检测分析方法，其特征在于：根据等级温度预警策略方案内容，对超声滚压机进行具体控制，包括调整超声滚压机的工艺数据和调整冷却数据；
调整超声滚压机工艺数据：针对不同的温度评价等级，对超声滚压机的工艺参数进行相应调整，包括，根据三级温度评价，包括减小滚动速度来控制至300mm/s，控制加工件流水线的运行速度至控制至8m/min，以减少超声滚压过程中产生的热量，从而额外控制加工件的温度；
调整冷却数据：在二级温度评价情况下，增加冷却液的喷洒量至40ml/min和喷洒频率10次/min，加大通风风扇转速至800rpm的功率，控制加工件温度，直到处在一级温度评价范围内。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311357218.8A CN117435990B (zh) | 2023-10-19 | 2023-10-19 | 一种超声滚压加工温度检测分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311357218.8A CN117435990B (zh) | 2023-10-19 | 2023-10-19 | 一种超声滚压加工温度检测分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117435990A CN117435990A (zh) | 2024-01-23 |
| CN117435990B true CN117435990B (zh) | 2024-05-31 |
Family
ID=89547243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311357218.8A Active CN117435990B (zh) | 2023-10-19 | 2023-10-19 | 一种超声滚压加工温度检测分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117435990B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102628796A (zh) * | 2012-01-13 | 2012-08-08 | 首都师范大学 | 超声红外无损检测中热图序列缺陷信号的自动识别方法 |
| CN110849928A (zh) * | 2019-10-17 | 2020-02-28 | 浙江工业大学 | 一种超声滚压加工温度测量分析方法 |
| CN112921589A (zh) * | 2021-01-07 | 2021-06-08 | 珠海格力电器股份有限公司 | 一种烘干降温时长的分析方法及装置 |
| CN115261849A (zh) * | 2022-07-27 | 2022-11-01 | 江苏大学 | 一种激光沉积-超声表面滚压成形非晶合金的装置和方法 |
| CN115344074A (zh) * | 2022-10-18 | 2022-11-15 | 杭州科工电子科技有限公司 | 一种基于大数据的锂电池恒温控制系统 |
| CN116117170A (zh) * | 2022-11-10 | 2023-05-16 | 江苏大学 | 一种增材制造铝锂合金实时逐级调控系统及方法 |
| CN116181416A (zh) * | 2023-04-26 | 2023-05-30 | 河北工程大学 | 一种冲击地压多参量超前预警系统及方法 |
| WO2023155941A1 (zh) * | 2023-05-12 | 2023-08-24 | 皖西学院 | 一种纯电动汽车中永磁电机过温的保护方法 |
| CN116859815A (zh) * | 2023-09-04 | 2023-10-10 | 深圳市水务技术服务有限公司 | 一种用于水库泵站的实时监控预警系统及方法 |
-
2023
- 2023-10-19 CN CN202311357218.8A patent/CN117435990B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102628796A (zh) * | 2012-01-13 | 2012-08-08 | 首都师范大学 | 超声红外无损检测中热图序列缺陷信号的自动识别方法 |
| CN110849928A (zh) * | 2019-10-17 | 2020-02-28 | 浙江工业大学 | 一种超声滚压加工温度测量分析方法 |
| CN112921589A (zh) * | 2021-01-07 | 2021-06-08 | 珠海格力电器股份有限公司 | 一种烘干降温时长的分析方法及装置 |
| CN115261849A (zh) * | 2022-07-27 | 2022-11-01 | 江苏大学 | 一种激光沉积-超声表面滚压成形非晶合金的装置和方法 |
| CN115344074A (zh) * | 2022-10-18 | 2022-11-15 | 杭州科工电子科技有限公司 | 一种基于大数据的锂电池恒温控制系统 |
| CN116117170A (zh) * | 2022-11-10 | 2023-05-16 | 江苏大学 | 一种增材制造铝锂合金实时逐级调控系统及方法 |
| CN116181416A (zh) * | 2023-04-26 | 2023-05-30 | 河北工程大学 | 一种冲击地压多参量超前预警系统及方法 |
| WO2023155941A1 (zh) * | 2023-05-12 | 2023-08-24 | 皖西学院 | 一种纯电动汽车中永磁电机过温的保护方法 |
| CN116859815A (zh) * | 2023-09-04 | 2023-10-10 | 深圳市水务技术服务有限公司 | 一种用于水库泵站的实时监控预警系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| Al-25%Si合金过热处理后的凝固行为和组织研究;李艳霞 等;铸造;20130410(第04期);全文 * |
| Nitride Layer on TC4 Alloy Prepared by Ultrasonic Surface Rolling and Plasma Nitriding and Its Effect on Corrosion Resistance in LiBr Solution;Wenming Tian 等;ELECTROCHEMICAL SCIENCE;20221231;第1-10页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117435990A (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110421408B (zh) | 一种刀具磨损状态的监测方法 | |
| CN109909804A (zh) | 基于主轴驱动电流和工步的刀具磨损破损在线监测方法 | |
| CN106649755B (zh) | 一种多维度实时变电设备数据的阈值自适应设置异常检测方法 | |
| US20200272125A1 (en) | Machining defect occurrence prediction system for machine tool | |
| CN108427841B (zh) | 一种数控机床刀具剩余寿命实时预测方法 | |
| CN110648480B (zh) | 一种基于变化速率的单变量报警系统及方法 | |
| US20180259951A1 (en) | State diagnostic device | |
| CN111113150B (zh) | 一种机床刀具状态的监控方法 | |
| CN114135477B (zh) | 一种机泵设备状态监测动态阈值预警方法 | |
| CN117435990B (zh) | 一种超声滚压加工温度检测分析方法 | |
| CN115351601A (zh) | 一种基于迁移学习的刀具磨损监测方法 | |
| CN112326241A (zh) | 一种基于融合退化指标的核电主泵轴承故障预警方法 | |
| CN114235423A (zh) | 一种燃气轮机滑油供给系统故障的检测方法 | |
| CN109240253B (zh) | 一种在线设备诊断及预防性维护方法及系统 | |
| Danai | Machine tool monitoring and control | |
| CN113199304A (zh) | 一种基于扩展卡尔曼滤波与切削力模型的换刀监测方法 | |
| JP7268722B2 (ja) | 異常検知装置、及び異常検知方法 | |
| CN115829335B (zh) | 一种面向铝型材加工的生产线执行风险评估系统 | |
| Noh et al. | Implementation of remote monitoring system for prediction of tool wear and failure using ART2 | |
| CN110617228B (zh) | 一种基于软监测的流量预测方法 | |
| CN111623105B (zh) | 一种工业机器人rv减速器健康程度量化评价方法 | |
| CN117891225B (zh) | 一种金属徽章饰品加工设备智能控制方法及系统 | |
| CN112000858B (zh) | 一种车间数据异常识别的方法 | |
| CN114252270A (zh) | 一种燃气轮机排温异常的在线预警方法 | |
| CN118122785A (zh) | 一种线材轧制生产制造智能监测系统 |
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 |