CN117572821A - 汽车内饰仪表台用雕刻机的自适应运控预警方法及系统 - Google Patents
汽车内饰仪表台用雕刻机的自适应运控预警方法及系统 Download PDFInfo
- Publication number
- CN117572821A CN117572821A CN202311556385.5A CN202311556385A CN117572821A CN 117572821 A CN117572821 A CN 117572821A CN 202311556385 A CN202311556385 A CN 202311556385A CN 117572821 A CN117572821 A CN 117572821A
- Authority
- CN
- China
- Prior art keywords
- fault identification
- mapping
- engraving machine
- fault
- early warning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000013507 mapping Methods 0.000 claims abstract description 127
- 230000000007 visual effect Effects 0.000 claims abstract description 66
- 238000012795 verification Methods 0.000 claims abstract description 32
- 238000005457 optimization Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 33
- 238000003754 machining Methods 0.000 claims description 29
- 238000001514 detection method Methods 0.000 claims description 18
- 239000002994 raw material Substances 0.000 claims description 16
- 230000035945 sensitivity Effects 0.000 claims description 14
- 230000003213 activating effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 24
- 238000012544 monitoring process Methods 0.000 abstract description 10
- 230000002159 abnormal effect Effects 0.000 abstract description 5
- 230000001360 synchronised effect Effects 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 27
- 230000003044 adaptive effect Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000010147 laser engraving Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002023 wood 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
- G05B19/404—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 compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33133—For each action define function for compensation, enter parameters
-
- 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
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本申请提供了汽车内饰仪表台用雕刻机的自适应运控预警方法及系统，涉及运控预警技术领域，所述方法包括：通过控制参数建立雕刻机的运行映射节点，然后完成映射数据库的映射优化，建立可视化采集节点，基于故障识别生成第一故障识别结果，然后进行复现验证，生成第二故障识别结果，根据第一故障结果和第二故障结果进行自适应的运控预警管理。本申请主要解决了无法实现实时监测数据同步反馈，异常情况无法及时示警和反馈，导致增加人员负担和制造过程风险。可以有效地减少汽车内饰零件的制造缺陷，提高制造效率和质量。同时，也可以降低操作人员的负担，减少制造过程的不确定性和风险。
Description
技术领域
本申请涉及运控预警技术领域，具体涉及汽车内饰仪表台用雕刻机的自适应运控预警方法及系统。
背景技术
在汽车内饰制造过程中，激光雕刻机被广泛应用于各种材料的加工，包括塑料、皮革、木材等。然而，由于加工过程中各种因素的影响，如材料厚度、硬度、纹理等，以及激光功率、雕刻深度、速度等参数的设置，可能导致雕刻效果的不稳定，甚至出现雕刻缺陷。此外，由于汽车内饰零件的多样性，每个零件的材质、尺寸和形状都有所不同，因此需要对激光雕刻机进行频繁的调整和校准，以确保稳定的雕刻效果。这不仅增加了操作人员的负担，也增加了制造过程的不确定性和风险。
在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
无法实现实时监测数据同步反馈，异常情况无法及时示警和反馈，导致增加人员负担和制造过程风险。
发明内容
本申请主要解决了无法实现实时监测数据同步反馈，异常情况无法及时示警和反馈，导致增加人员负担和制造过程风险。
鉴于上述问题，本申请提供了汽车内饰仪表台用雕刻机的自适应运控预警方法及系统，第一方面，本申请提供了汽车内饰仪表台用雕刻机的自适应运控预警方法，所述方法包括：建立雕刻机的运行映射节点，其中，所述运行映射节点为复现节点，通过解析雕刻机的控制参数，完成所述运行映射节点的建立；通过大数据匹配雕刻机的故障与加工特征映射数据库，并根据所述雕刻机的临时配置特征和原材特征完成映射数据库的映射优化；建立可视化采集节点，所述可视化采集节点通过控制参数的间隔特征建立；在雕刻机运行过程中，以所述可视化采集节点执行雕刻原材的可视化数据采集，基于采集结果和映射优化结果进行故障识别，生成第一故障识别结果；以所述运行映射节点进行复现验证，生成第二故障识别结果；根据所述第一故障识别结果和所述第二故障识别结果进行自适应运控预警管理。
第二方面，本申请提供了汽车内饰仪表台用雕刻机的自适应运控预警系统，所述系统包括：映射节点建立模块，所述映射节点建立模块用于建立雕刻机的运行映射节点，其中，所述运行映射节点为复现节点，通过解析雕刻机的控制参数，完成所述运行映射节点的建立；映射优化模块，所述映射优化模块用于通过大数据匹配雕刻机的故障与加工特征映射数据库，并根据所述雕刻机的临时配置特征和原材特征完成映射数据库的映射优化；可视化采集节点建立模块，所述可视化采集节点建立模块用于建立可视化采集节点，所述可视化采集节点通过控制参数的间隔特征建立；第一故障识别结果生成模块，所述第一故障识别结果生成模块用于在雕刻机运行过程中，以所述可视化采集节点执行雕刻原材的可视化数据采集，基于采集结果和映射优化结果进行故障识别，生成第一故障识别结果；第二故障识别结果生成模块，所述第二故障识别结果生成模块用于以所述运行映射节点进行复现验证，生成第二故障识别结果；运控预警管理模块，所述运控预警管理模块用于根据所述第一故障识别结果和所述第二故障识别结果进行自适应运控预警管理。
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：
本申请提供了汽车内饰仪表台用雕刻机的自适应运控预警方法及系统，涉及运控预警技术领域，所述方法包括：通过控制参数建立雕刻机的运行映射节点，然后完成映射数据库的映射优化，建立可视化采集节点，基于故障识别生成第一故障识别结果，然后进行复现验证，生成第二故障识别结果，根据第一故障结果和第二故障结果进行自适应的运控预警管理。
本申请主要解决了无法实现实时监测数据同步反馈，异常情况无法及时示警和反馈，导致增加人员负担和制造过程风险。可以有效地减少汽车内饰零件的制造缺陷，提高制造效率和质量。同时，也可以降低操作人员的负担，减少制造过程的不确定性和风险。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供了汽车内饰仪表台用雕刻机的自适应运控预警方法流程示意图；
图2为本申请实施例提供了汽车内饰仪表台用雕刻机的自适应运控预警方法中，生成第二故障识别结果的方法流程示意图；
图3为本申请实施例提供了汽车内饰仪表台用雕刻机的自适应运控预警方法中，进行自适应运控预警管理的方法流程示意图；
图4为本申请实施例提供了汽车内饰仪表台用雕刻机的自适应运控预警系统的结构示意图。
附图标记说明：映射节点建立模块10，映射优化模块20，可视化采集节点建立模块30，第一故障识别结果生成模块40，第二故障识别结果生成模块50，运控与预警管理模块60。
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，都属于本申请保护的范围。
本申请主要解决了无法实现实时监测数据同步反馈，异常情况无法及时示警和反馈，导致增加人员负担和制造过程风险。可以有效地减少汽车内饰零件的制造缺陷，提高制造效率和质量。同时，也可以降低操作人员的负担，减少制造过程的不确定性和风险。
为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述方案进行详细介绍：
实施例一
如图1所示汽车内饰仪表台用雕刻机的自适应运控预警方法，所述方法包括：
建立雕刻机的运行映射节点，其中，所述运行映射节点为复现节点，通过解析雕刻机的控制参数，完成所述运行映射节点的建立；
具体而言，建立雕刻机的运行映射节点，其中，所述运行映射节点为复现节点，通过解析雕刻机的控制参数，完成所述运行映射节点的建立，收集雕刻机的控制参数：首先需要收集雕刻机的控制参数，这些参数可能包括激光功率、雕刻深度、速度、焦点位置等等。这些参数将用于控制雕刻机的运行。定义复现节点的结构：根据雕刻机的控制需求，定义复现节点的结构。复现节点应该包含所有必要的参数和功能，以实现雕刻机的控制和运行。解析控制参数：对收集到的控制参数进行解析，提取出每个参数的值，并将这些值映射到复现节点中的相应参数。建立运行映射关系：在复现节点中，根据解析得到的参数值，建立运行映射关系。这可能涉及到将参数值映射到节点内部的计算或逻辑，以实现对雕刻机的控制。测试和验证：建立运行映射节点后，需要进行测试和验证，以确保其能够正确地复现雕刻机的运行。这可能涉及到对雕刻机进行一系列的控制操作，并观察复现节点的输出是否与雕刻机的实际运行一致。通过以上步骤，可以建立针对雕刻机的运行映射节点，实现复现节点的建立。这将为雕刻机的控制提供更加灵活和高效的方式，提高生产效率和产品质量。
通过大数据匹配雕刻机的故障与加工特征映射数据库，并根据所述雕刻机的临时配置特征和原材特征完成映射数据库的映射优化；
具体而言，通过大数据匹配雕刻机的故障与加工特征映射数据库，并根据所述雕刻机的临时配置特征和原材特征完成映射数据库的映射优化，收集数据：首先需要收集大量的雕刻机故障数据和加工特征数据。这可能涉及到对雕刻机的运行过程进行监控，收集运行数据，或者通过历史记录和经验来获取故障数据。同时，也需要对使用的材料进行详细的特征分析，包括材料的种类、硬度、纹理等。数据匹配与映射：利用收集到的数据，通过大数据分析和匹配技术，将雕刻机的故障与加工特征进行关联和映射。这可能涉及到对数据的预处理、特征提取、模式识别等步骤。通过这种映射，可以发现故障与加工特征之间的潜在关系，为预防和解决故障提供指导。建立映射数据库：将匹配得到的故障与加工特征映射关系存储在数据库中，形成映射数据库。这个数据库可以作为一个查询和参考的工具，用于在后续的加工过程中识别和预防故障。优化映射数据库：根据实际的生产环境和加工需求，对映射数据库进行优化。这可能涉及到对数据的清洗、补充、修正等步骤，以确保数据库的准确性和实用性。同时，也可以根据新的数据和经验对数据库进行更新和扩展。应用映射数据库：将优化后的映射数据库应用于实际的雕刻机控制中。通过结合雕刻机的临时配置特征和原材特征，可以快速查询和优化映射数据库中的对应关系，为雕刻机的运行提供更加精确的控制指令，从而提高生产效率和产品质量。通过以上步骤，可以建立针对雕刻机的故障与加工特征映射数据库，并根据实际情况进行优化和更新。这将为雕刻机的控制提供更加智能和高效的支持，降低故障发生的风险，提高生产效率和产品质量。
建立可视化采集节点，所述可视化采集节点通过控制参数的间隔特征建立；
具体而言，建立可视化采集节点，所述可视化采集节点通过控制参数的间隔特征建立，定义可视化采集节点的功能和结构：可视化采集节点应该具备对控制参数进行采集、处理和可视化的功能。可以根据需要，设计节点的输入、输出和内部结构，确保节点能够满足控制参数间隔特征的建立需求。采集控制参数：通过节点采集雕刻机的控制参数，这可能涉及到从雕刻机的控制器或现场设备中获取参数信息。例如，可以采集激光功率、雕刻深度、速度等控制参数。处理控制参数：在可视化采集节点中，对采集到的控制参数进行处理。这可能包括对参数进行转换、计算或整理，以便于后续的分析和可视化。建立间隔特征：根据控制参数的间隔特征，在可视化采集节点中建立相应的特征。例如，可以通过计算相邻参数值之间的差异或比例，或者根据参数的变化趋势等，来建立相应的间隔特征。通过以上步骤，可以建立针对雕刻机的可视化采集节点，实现通过控制参数的间隔特征建立相应的可视化表示。这将为雕刻机的控制提供更加直观和便捷的支持，提高生产效率和产品质量。
在雕刻机运行过程中，以所述可视化采集节点执行雕刻原材的可视化数据采集，基于采集结果和映射优化结果进行故障识别，生成第一故障识别结果；
具体而言，在雕刻机运行过程中，以所述可视化采集节点执行雕刻原材的可视化数据采集，基于采集结果和映射优化结果进行故障识别，生成第一故障识别结果，数据采集：通过可视化采集节点，执行雕刻原材的可视化数据采集。这可能涉及到对雕刻机的运行过程进行实时监控，并采集与雕刻质量相关的数据，如雕刻深度、速度、功率等。同时，也需要采集与故障识别相关的数据，如原材特征、临时配置特征等。数据处理与分析：将采集到的数据进行处理和分析。这可能包括对数据进行清洗、整理、转换和计算等步骤，以便于后续的故障识别和映射优化。基于采集结果和映射优化结果进行故障识别：结合可视化采集节点采集到的数据和映射优化结果，进行故障识别。这可能涉及到对数据的模式识别、特征提取、异常检测等步骤，以确定是否存在故障或潜在问题。生成第一故障识别结果：根据故障识别和分析的结果，生成第一故障识别结果。这可能包括故障的类型、位置、程度等信息，以及相应的建议和处理措施等。通过以上步骤，可以实现基于可视化采集节点执行雕刻原材的可视化数据采集，基于采集结果和映射优化结果进行故障识别，生成第一故障识别结果。这将为雕刻机的运行提供更加智能和高效的支持，降低故障发生的风险，提高生产效率和产品质量。
以所述运行映射节点进行复现验证，生成第二故障识别结果；
具体而言，以所述运行映射节点进行复现验证，生成第二故障识别结果，运行映射节点复现验证：利用运行映射节点，对雕刻机的运行过程进行复现验证。这可能涉及到将运行映射节点的参数映射到雕刻机的控制系统中，以实现对雕刻机的精确控制和监测。数据采集与处理：通过运行映射节点采集与故障识别相关的数据，如雕刻过程的参数、状态等。这些数据可以通过实时监测系统或从雕刻机控制器中获取。故障识别与分析：对采集到的数据进行处理和分析，以识别是否存在故障或潜在问题。这可能涉及到对数据的模式识别、特征提取、异常检测等步骤，以确定故障的类型、位置、程度等信息。生成第二故障识别结果：根据故障识别和分析的结果，生成第二故障识别结果。这可能包括故障的类型、位置、程度等信息，以及相应的建议和处理措施等。通过以上步骤，可以实现以所述运行映射节点进行复现验证，生成第二故障识别结果。这将为雕刻机的故障识别提供更加全面和可靠的支持，提高生产效率和产品质量。
根据所述第一故障识别结果和所述第二故障识别结果进行自适应运控预警管理。
具体而言，根据所述第一故障识别结果和所述第二故障识别结果进行自适应运控预警管理，接收第一故障识别结果和第二故障识别结果：从可视化采集节点和运行映射节点接收第一故障识别结果和第二故障识别结果。分析故障识别结果：对比和分析第一故障识别结果和第二故障识别结果，以确定故障的共识和差异。这有助于提取故障的共性特征和个性特征，为预警管理提供参考。确定预警级别：根据故障的共识和差异，确定相应的预警级别。预警级别可以根据故障的严重性、影响范围等因素进行划分，如一级预警、二级预警等。生成预警信息：根据预警级别和故障识别结果，生成相应的预警信息。预警信息应该包括故障类型、位置、程度等信息，以及相应的处理建议和措施等。发送预警信息：将生成的预警信息发送给相关人员或系统，以进行及时的应对和处理。这可以通过电子邮件、短信、电话等方式进行通知，或者通过工业自动化平台进行推送。通过以上步骤，可以实现根据所述第一故障识别结果和所述第二故障识别结果进行自适应运控预警管理。这将为雕刻机的运行提供更加全面和智能的支持，降低故障发生的风险，提高生产效率和产品质量。
进一步而言，本申请方法还包括：
获得雕刻机运行前的对刀坐标，并将所述对刀坐标作为零点坐标；
根据所述运行映射节点的控制参数确定理论加工尺寸，并通过所述零点坐标进行加工尺寸的坐标转换，生成复现检测约束，所述复现检测约束包括坐标约束和重复宽容约束；
通过所述复现检测约束完成复现验证，生成第二故障识别结果。
具体而言，获得雕刻机运行前的对刀坐标，并将该对刀坐标作为零点坐标。然后，根据运行映射节点的控制参数确定理论加工尺寸，并通过零点坐标进行加工尺寸的坐标转换，生成复现检测约束。复现检测约束包括坐标约束和重复宽容约束。最后，通过复现检测约束完成复现验证，生成第二故障识别结果。获得雕刻机运行前的对刀坐标：这可以通过在机器启动前进行手动输入或者通过机器自带的对刀功能来实现。对刀坐标可以是一个或多个参考点，用于确定加工过程的基本位置。将所述对刀坐标作为零点坐标：一旦获得对刀坐标，就可以将其设定为零点坐标，作为加工过程的基本参考点。根据所述运行映射节点的控制参数确定理论加工尺寸：运行映射节点通常会根据预设的控制参数来确定理论加工尺寸。这些参数可能包括刀具类型、刀具半径、加工深度等。通过所述零点坐标进行加工尺寸的坐标转换：这一步主要是将理论加工尺寸转换为实际的机械坐标系中的位置。这可以通过将理论加工尺寸与零点坐标进行数学运算来实现。生成复现检测约束：复现检测约束包括坐标约束和重复宽容约束。坐标约束主要是限制加工过程中的位置精度，而重复宽容约束则主要是保证重复加工的稳定性。通过所述复现检测约束完成复现验证：复现验证主要是检查实际加工过程是否满足预设的复现检测约束。如果实际加工过程满足约束条件，那么复现验证就通过，否则就需要进行调整或修复。生成第二故障识别结果：根据复现验证的结果，可以生成第二故障识别结果。如果验证未通过，可能表明存在故障或潜在问题，此时第二故障识别结果将指示需要进一步调查和修复的问题。
进一步而言，如图2所示，本申请方法还包括：
在所述运行映射节点激活距离传感器，其中，所述距离传感器为依据坐标约束配置的进行距离验证的传感器；
获得所述距离传感器的反馈距离信号，其中，所述反馈距离信号包括第一距离信号和第二距离信号，通过所述坐标约束进行所述反馈距离信号验证，生成坐标偏移数据；
通过所述重复宽容约束对所述第一距离信号和所述第二距离信号进行复现偏差验证，生成复现偏差数据；
根据所述坐标偏移数据和所述复现偏差数据生成所述第二故障识别结果。
具体而言，在运行映射节点中激活距离传感器，获取距离传感器的反馈距离信号，并通过坐标约束和重复宽容约束进行验证，最后根据验证结果生成第二故障识别结果。激活距离传感器：在运行映射节点中，可以通过编程或配置来激活距离传感器。距离传感器通常用于测量物体之间的距离，这里它被用来进行距离验证。获取反馈距离信号：一旦激活了距离传感器，就可以获取到反馈距离信号。这个信号通常包括第一距离信号和第二距离信号。通过坐标约束进行反馈距离信号验证：这里的坐标约束是根据加工要求设定的一个或多个约束条件，如位置精度、方向等。通过将反馈距离信号与坐标约束进行比较，可以验证信号是否满足要求。生成坐标偏移数据：如果反馈距离信号不满足坐标约束，那么就会生成相应的坐标偏移数据。这些数据可以用来调整加工过程，以使加工结果更符合要求。通过重复宽容约束进行复现偏差验证：重复宽容约束主要是为了保证重复加工的稳定性。通过对第一距离信号和第二距离信号进行比较，可以验证加工过程的稳定性。生成复现偏差数据：如果第一距离信号和第二距离信号的偏差超出重复宽容约束的范围，那么就会生成相应的复现偏差数据。这些数据可以用来调整加工过程，以使加工结果更加稳定和一致。根据坐标偏移数据和复现偏差数据生成第二故障识别结果：最后，根据坐标偏移数据和复现偏差数据，可以生成第二故障识别结果。这个结果可以用来指示是否存在故障或潜在问题，以及问题的性质和程度。
进一步而言，如图3所示，本申请方法还包括：
通过所述控制参数进行可视化采集节点的关注区域关联建立，建立的关注区域关联包括顺序定位关联、重复加工关联；
在进行采集结果和映射优化结果的故障识别过程中，依据所述关注区域关联进行第一故障识别结果的故障来源回溯标识；
根据回溯标识结果对所述第一故障识别结果更新，根据更新后的第一故障识别结果进行自适应运控预警管理。
具体而言，通过控制参数建立可视化采集节点的关注区域关联，并在故障识别过程中利用关注区域关联进行故障来源回溯标识，然后根据回溯标识结果更新第一故障识别结果，并进行自适应运控预警管理。通过控制参数进行可视化采集节点的关注区域关联建立：可视化采集节点可以通过控制参数来设定关注区域，这个区域可能是一个或多个特定的加工区域或工件部位。建立的关注区域关联可能包括顺序定位关联和重复加工关联等。进行采集结果和映射优化结果的故障识别过程：在故障识别过程中，可视化采集节点会采集相关的加工数据和控制参数，然后通过映射优化技术对采集到的数据进行处理和分析，以识别是否存在故障或潜在问题。依据关注区域关联进行第一故障识别结果的故障来源回溯标识：根据关注区域关联，可以对第一故障识别结果进行故障来源回溯标识。这个过程主要是通过分析故障发生时各个关注区域的加工状态和参数变化，来确定故障的来源和原因。根据回溯标识结果对第一故障识别结果更新：根据回溯标识结果，可以及时更新第一故障识别结果，以反映更准确和全面的故障情况。根据更新后的第一故障识别结果进行自适应运控预警管理：最后，根据更新后的第一故障识别结果，可以进行自适应运控预警管理。预警管理主要是通过分析故障情况和发展趋势，及时发出预警信号并采取相应的应对措施，以降低故障发生的风险和影响。
进一步而言，本申请方法，所述依据所述关注区域关联进行第一故障识别结果的故障来源回溯标识，还包括：
获得第N关注区域的区域故障识别，并根据所述区域故障识别调用顺序定位关联，生成顺序补偿；
基于所述顺序补偿对第N+1关注区域进行区域故障识别补偿，基于补偿结果完成所述第一故障识别结果更新。
具体而言，获得第N关注区域的区域故障识别，并利用顺序定位关联生成顺序补偿，然后基于该顺序补偿对第N+1关注区域进行区域故障识别补偿，以更新第一故障识别结果。获得第N关注区域的区域故障识别：通过可视化采集节点，可以采集第N关注区域的加工数据和控制参数，并利用映射优化技术对该区域的数据进行分析，以识别是否存在故障或潜在问题。根据区域故障识别调用顺序定位关联：根据第N关注区域的区域故障识别结果，可以调用顺序定位关联，以生成顺序补偿。顺序定位关联可能是在建立关注区域关联时设定的，用于确定各关注区域之间的顺序和定位关系。基于顺序补偿对第N+1关注区域进行区域故障识别补偿：根据生成的顺序补偿，可以对第N+1关注区域进行区域故障识别补偿。这个过程主要是通过调整第N+1关注区域的加工数据和控制参数，以考虑第N关注区域的故障对第N+1关注区域的影响。基于补偿结果完成第一故障识别结果更新：根据第N+1关注区域的区域故障识别补偿结果，可以更新第一故障识别结果，以反映更准确和全面的故障情况。
进一步而言，本申请方法还包括：
获得第M关注区域的第m次加工的偏差识别结果；
以所述偏差识别结果作为第m+1次加工的识别补偿；
根据识别补偿结果完成所述第一故障识别结果更新。
具体而言，获得第M关注区域的第m次加工的偏差识别结果，并将该结果作为第m+1次加工的识别补偿，然后根据识别补偿结果更新第一故障识别结果。获得第M关注区域的第m次加工的偏差识别结果：通过可视化采集节点，可以采集第M关注区域的第m次加工的加工数据和控制参数，并利用映射优化技术对该次加工的数据进行分析，以识别是否存在偏差或潜在问题。以偏差识别结果作为第m+1次加工的识别补偿：根据获得的第m次加工的偏差识别结果，可以将其作为第m+1次加工的识别补偿。这个过程主要是通过调整第m+1次加工的加工数据和控制参数，以纠正之前的偏差或问题。根据识别补偿结果完成第一故障识别结果更新：根据第m+1次加工的识别补偿结果，可以更新第一故障识别结果，以反映更准确和全面的故障情况。
进一步而言，本申请方法还包括：
记录预警信息，并基于预警信息生成所述雕刻机的注意敏感系数；
以所述注意敏感系数对所述可视化采集节点和所述运行映射节点重构；
根据重构后的可视化采集节点和运行映射节点进行雕刻机的运控预警管理。
具体而言，记录预警信息并生成雕刻机的注意敏感系数，然后利用该注意敏感系数对可视化采集节点和运行映射节点进行重构，以进行雕刻机的运控预警管理。记录预警信息：通过可视化采集节点和运行映射节点等设备，可以采集相关的加工数据和控制参数，并根据采集结果生成预警信息。预警信息可能包括故障类型、位置、程度等信息，以及相应的处理建议和措施等。基于预警信息生成雕刻机的注意敏感系数：根据记录的预警信息，可以生成雕刻机的注意敏感系数。注意敏感系数是一个用于衡量雕刻机对某种特定故障或潜在问题的敏感度和关注程度的系数。以注意敏感系数对可视化采集节点和运行映射节点重构：根据生成的注意敏感系数，可以对可视化采集节点和运行映射节点进行重构。重构可能包括调整数据采集的频率、优化数据映射算法、改变关注区域的关联等。根据重构后的可视化采集节点和运行映射节点进行雕刻机的运控预警管理：根据重构后的可视化采集节点和运行映射节点，可以进行更准确和有效的运控预警管理。预警管理可能包括实时监测加工过程、识别潜在问题、发出预警信号等。
实施例二
基于与前述实施例汽车内饰仪表台用雕刻机的自适应运控预警方法相同的发明构思，如图4所示，本申请提供了汽车内饰仪表台用雕刻机的自适应运控预警系统，所述系统包括：
映射节点建立模块10，所述映射节点建立模块10用于建立雕刻机的运行映射节点，其中，所述运行映射节点为复现节点，通过解析雕刻机的控制参数，完成所述运行映射节点的建立；
映射优化模块20，所述映射优化模块20用于通过大数据匹配雕刻机的故障与加工特征映射数据库，并根据所述雕刻机的临时配置特征和原材特征完成映射数据库的映射优化；
可视化采集节点建立模块30，所述可视化采集节点建立模块30用于建立可视化采集节点，所述可视化采集节点通过控制参数的间隔特征建立；
第一故障识别结果生成模块40，所述第一故障识别结果生成模块40用于在雕刻机运行过程中，以所述可视化采集节点执行雕刻原材的可视化数据采集，基于采集结果和映射优化结果进行故障识别，生成第一故障识别结果；
第二故障识别结果生成模块50，所述第二故障识别结果生成模块50用于以所述运行映射节点进行复现验证，生成第二故障识别结果；
运控预警管理模块60，所述运控预警管理模块60用于根据所述第一故障识别结果和所述第二故障识别结果进行自适应运控预警管理。
进一步地，该系统还包括：
第二故障识别结果生成模块，用于获得雕刻机运行前的对刀坐标，并将所述对刀坐标作为零点坐标；根据所述运行映射节点的控制参数确定理论加工尺寸，并通过所述零点坐标进行加工尺寸的坐标转换，生成复现检测约束，所述复现检测约束包括坐标约束和重复宽容约束；通过所述复现检测约束完成复现验证，生成第二故障识别结果。
进一步地，该系统还包括：
复现偏差数据生成模块，用于在所述运行映射节点激活距离传感器，其中，所述距离传感器为依据坐标约束配置的进行距离验证的传感器；获得所述距离传感器的反馈距离信号，其中，所述反馈距离信号包括第一距离信号和第二距离信号，通过所述坐标约束进行所述反馈距离信号验证，生成坐标偏移数据；通过所述重复宽容约束对所述第一距离信号和所述第二距离信号进行复现偏差验证，生成复现偏差数据；根据所述坐标偏移数据和所述复现偏差数据生成所述第二故障识别结果。
进一步地，该系统还包括：
预警管理模块，用于通过所述控制参数进行可视化采集节点的关注区域关联建立，建立的关注区域关联包括顺序定位关联、重复加工关联；在进行采集结果和映射优化结果的故障识别过程中，依据所述关注区域关联进行第一故障识别结果的故障来源回溯标识；根据回溯标识结果对所述第一故障识别结果更新，根据更新后的第一故障识别结果进行自适应运控预警管理。
进一步地，该系统还包括：
第一故障结果更新模块，用于获得第N关注区域的区域故障识别，并根据所述区域故障识别调用顺序定位关联，生成顺序补偿；基于所述顺序补偿对第N+1关注区域进行区域故障识别补偿，基于补偿结果完成所述第一故障识别结果更新。
进一步地，该系统还包括：
识别结果更新模块，用于获得第M关注区域的第m次加工的偏差识别结果；以所述偏差识别结果作为第m+1次加工的识别补偿；根据识别补偿结果完成所述第一故障识别结果更新。
进一步地，该系统还包括：
运控预警管理模块，用于记录预警信息，并基于预警信息生成所述雕刻机的注意敏感系数；以所述注意敏感系数对所述可视化采集节点和所述运行映射节点重构；根据重构后的可视化采集节点和运行映射节点进行雕刻机的运控预警管理。
说明书通过前述汽车内饰仪表台用雕刻机的自适应运控预警方法的详细描述，本领域技术人员可以清楚地知识本实施例中汽车内饰仪表台用雕刻机的自适应运控预警系统，对于实施例公开的系统而言，由于其与实施例公开装置相对应，所以描述得比较简单，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，在其他实施例中实现。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.汽车内饰仪表台用雕刻机的自适应运控预警方法，其特征在于，所述方法包括：
建立雕刻机的运行映射节点，其中，所述运行映射节点为复现节点，通过解析雕刻机的控制参数，完成所述运行映射节点的建立；
通过大数据匹配雕刻机的故障与加工特征映射数据库，并根据所述雕刻机的临时配置特征和原材特征完成映射数据库的映射优化；
建立可视化采集节点，所述可视化采集节点通过控制参数的间隔特征建立；
在雕刻机运行过程中，以所述可视化采集节点执行雕刻原材的可视化数据采集，基于采集结果和映射优化结果进行故障识别，生成第一故障识别结果；
以所述运行映射节点进行复现验证，生成第二故障识别结果；
根据所述第一故障识别结果和所述第二故障识别结果进行自适应运控预警管理。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
获得雕刻机运行前的对刀坐标，并将所述对刀坐标作为零点坐标；
根据所述运行映射节点的控制参数确定理论加工尺寸，并通过所述零点坐标进行加工尺寸的坐标转换，生成复现检测约束，所述复现检测约束包括坐标约束和重复宽容约束；
通过所述复现检测约束完成复现验证，生成第二故障识别结果。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
在所述运行映射节点激活距离传感器，其中，所述距离传感器为依据坐标约束配置的进行距离验证的传感器；
获得所述距离传感器的反馈距离信号，其中，所述反馈距离信号包括第一距离信号和第二距离信号，通过所述坐标约束进行所述反馈距离信号验证，生成坐标偏移数据；
通过所述重复宽容约束对所述第一距离信号和所述第二距离信号进行复现偏差验证，生成复现偏差数据；
根据所述坐标偏移数据和所述复现偏差数据生成所述第二故障识别结果。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
通过所述控制参数进行可视化采集节点的关注区域关联建立，建立的关注区域关联包括顺序定位关联、重复加工关联；
在进行采集结果和映射优化结果的故障识别过程中，依据所述关注区域关联进行第一故障识别结果的故障来源回溯标识；
根据回溯标识结果对所述第一故障识别结果更新，根据更新后的第一故障识别结果进行自适应运控预警管理。
5.如权利要求4所述的方法，其特征在于，所述依据所述关注区域关联进行第一故障识别结果的故障来源回溯标识，还包括：
获得第N关注区域的区域故障识别，并根据所述区域故障识别调用顺序定位关联，生成顺序补偿；
基于所述顺序补偿对第N+1关注区域进行区域故障识别补偿，基于补偿结果完成所述第一故障识别结果更新。
6.如权利要求4所述的方法，其特征在于，所述方法还包括：
获得第M关注区域的第m次加工的偏差识别结果；
以所述偏差识别结果作为第m+1次加工的识别补偿；
根据识别补偿结果完成所述第一故障识别结果更新。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
记录预警信息，并基于预警信息生成所述雕刻机的注意敏感系数；
以所述注意敏感系数对所述可视化采集节点和所述运行映射节点重构；
根据重构后的可视化采集节点和运行映射节点进行雕刻机的运控预警管理。
8.汽车内饰仪表台用雕刻机的自适应运控预警系统，其特征在于，所述系统包括：
映射节点建立模块，所述映射节点建立模块用于建立雕刻机的运行映射节点，其中，所述运行映射节点为复现节点，通过解析雕刻机的控制参数，完成所述运行映射节点的建立；
映射优化模块，所述映射优化模块用于通过大数据匹配雕刻机的故障与加工特征映射数据库，并根据所述雕刻机的临时配置特征和原材特征完成映射数据库的映射优化；
可视化采集节点建立模块，所述可视化采集节点建立模块用于建立可视化采集节点，所述可视化采集节点通过控制参数的间隔特征建立；
第一故障识别结果生成模块，所述第一故障识别结果生成模块用于在雕刻机运行过程中，以所述可视化采集节点执行雕刻原材的可视化数据采集，基于采集结果和映射优化结果进行故障识别，生成第一故障识别结果；
第二故障识别结果生成模块，所述第二故障识别结果生成模块用于以所述运行映射节点进行复现验证，生成第二故障识别结果；
运控预警管理模块，所述运控预警管理模块用于根据所述第一故障识别结果和所述第二故障识别结果进行自适应运控预警管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311556385.5A CN117572821B (zh) | 2023-11-21 | 2023-11-21 | 汽车内饰仪表台用雕刻机的自适应运控预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311556385.5A CN117572821B (zh) | 2023-11-21 | 2023-11-21 | 汽车内饰仪表台用雕刻机的自适应运控预警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117572821A true CN117572821A (zh) | 2024-02-20 |
| CN117572821B CN117572821B (zh) | 2024-07-02 |
Family
ID=89885815
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311556385.5A Active CN117572821B (zh) | 2023-11-21 | 2023-11-21 | 汽车内饰仪表台用雕刻机的自适应运控预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117572821B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190064775A1 (en) * | 2017-07-20 | 2019-02-28 | Wuhan China Star Optoelectronics Semiconductor Display Technology Co., Ltd. | Complement method and system of the identification number used in the engraving machine |
| CN114997207A (zh) * | 2021-09-09 | 2022-09-02 | 上海飞机制造有限公司 | 设备状态检测方法、装置、设备和存储介质 |
| CN115194555A (zh) * | 2022-07-18 | 2022-10-18 | 成都星麟数控科技有限公司 | 一种跟随任意摆放工件方位进行雕刻的方法 |
| CN115993807A (zh) * | 2023-03-23 | 2023-04-21 | 日照鲁光电子科技有限公司 | 一种碳化硅的生产监测优化控制方法及系统 |
| CN116092214A (zh) * | 2023-04-11 | 2023-05-09 | 海斯坦普汽车组件(北京)有限公司 | 一种轻量化白车身总成生产的同步监测方法及系统 |
| CN116300696A (zh) * | 2023-05-17 | 2023-06-23 | 天津岳东天合科技有限公司 | 一种基于镀锌工艺优化的机加工控制方法及系统 |
| CN116467662A (zh) * | 2023-03-24 | 2023-07-21 | 江苏邦鼎科技有限公司 | 一种制粒机故障识别方法及系统 |
| CN116520758A (zh) * | 2023-07-03 | 2023-08-01 | 沈阳宝隆飞机零部件有限公司 | 一种机加工设备远程控制方法及系统 |
-
2023
- 2023-11-21 CN CN202311556385.5A patent/CN117572821B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190064775A1 (en) * | 2017-07-20 | 2019-02-28 | Wuhan China Star Optoelectronics Semiconductor Display Technology Co., Ltd. | Complement method and system of the identification number used in the engraving machine |
| CN114997207A (zh) * | 2021-09-09 | 2022-09-02 | 上海飞机制造有限公司 | 设备状态检测方法、装置、设备和存储介质 |
| CN115194555A (zh) * | 2022-07-18 | 2022-10-18 | 成都星麟数控科技有限公司 | 一种跟随任意摆放工件方位进行雕刻的方法 |
| CN115993807A (zh) * | 2023-03-23 | 2023-04-21 | 日照鲁光电子科技有限公司 | 一种碳化硅的生产监测优化控制方法及系统 |
| CN116467662A (zh) * | 2023-03-24 | 2023-07-21 | 江苏邦鼎科技有限公司 | 一种制粒机故障识别方法及系统 |
| CN116092214A (zh) * | 2023-04-11 | 2023-05-09 | 海斯坦普汽车组件(北京)有限公司 | 一种轻量化白车身总成生产的同步监测方法及系统 |
| CN116300696A (zh) * | 2023-05-17 | 2023-06-23 | 天津岳东天合科技有限公司 | 一种基于镀锌工艺优化的机加工控制方法及系统 |
| CN116520758A (zh) * | 2023-07-03 | 2023-08-01 | 沈阳宝隆飞机零部件有限公司 | 一种机加工设备远程控制方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 徐东 等: "自动焊接设备故障状态监测方法优化设计", 科学技术创新, no. 25, 5 August 2020 (2020-08-05), pages 173 - 175 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117572821B (zh) | 2024-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6832327B2 (ja) | 生産プロセス中に異常なワークピースを自動検出するためのデータ駆動方法 | |
| US9508042B2 (en) | Method for predicting machining quality of machine tool | |
| JP6348137B2 (ja) | 工作物の良否を判定する加工機械システム | |
| Azamfirei et al. | Multi-layer quality inspection system framework for industry 4.0 | |
| CN108445838A (zh) | 一种数控机床加工质量分析方法、分类器及设备 | |
| Leco et al. | A perturbation signal based data-driven Gaussian process regression model for in-process part quality prediction in robotic countersinking operations | |
| Liu et al. | A survey on data-driven process monitoring and diagnostic methods for variation reduction in multi-station assembly systems | |
| CN116224930B (zh) | 一种数控磨床产品的加工控制方法及系统 | |
| Jourdan et al. | Machine learning for intelligent maintenance and quality control: A review of existing datasets and corresponding use cases | |
| CN113544608A (zh) | 用于在工业生产中的质量控制的方法和系统 | |
| CN112183919A (zh) | 质量预测系统和质量预测方法 | |
| US6898553B2 (en) | Method for identification and management of errors and defects in assembly and welding lines for automotive vehicle bodies and body parts or the like and plant in accordance with said method | |
| JP6764516B1 (ja) | 工作機械および表示装置 | |
| Leco et al. | A two-step machining and active learning approach for right-first-time robotic countersinking through in-process error compensation and prediction of depth of cuts | |
| CN117572821B (zh) | 汽车内饰仪表台用雕刻机的自适应运控预警方法及系统 | |
| US20180239330A1 (en) | Machine tool certification for part specific working volume | |
| Plessing et al. | AI-Based Surface Roughness Prediction Model for Automated CAM-Planning Optimization | |
| WO2024037769A1 (en) | Method and manufacturing installation for producing a plurality of workpieces | |
| Küfner et al. | Predictive maintenance: Using recurrent neural networks for wear prognosis in current signatures of production plants | |
| Das et al. | Parametric effect analysis of free-form shape error during sheet metal forming | |
| CN111633466B (zh) | 大数据分析五轴小龙门数控加工中心的动态精度检测方法 | |
| Griffa | A paradigm shift for inspection: complementing traditional CMM with DSSP innovation | |
| Zhu et al. | Full compensation method of thermal error of NC machine tool based on sequence depth learning | |
| Klees et al. | Building a smart database for predictive maintenance in already implemented manufacturing systems | |
| Barbato et al. | Method for automatic alignment recovery of a spur gear |
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 |