CN117697343A - 筒夹的智能加工方法 - Google Patents

Abstract

本发明涉及自动生产领域，尤其涉及一种筒夹的智能加工方法，该方法包括：在当前加工周期内记录在加工过程中对待加工件的切削深度值以及在切削过程中车刀与待加工件的进刀角度值，以在所述当前加工周期内完成将所述待加工件切削为筒夹；检测所述筒夹的实际表面粗糙度和在所述筒夹表面形成的实际裂纹分布状况；统计在当前加工周期内的实际加工良率是否满足加工要求；若不满足所述加工要求，则根据所述表面粗糙度和所述裂纹分布情况调整下一加工周期内的切削深度值和进刀角度值；或，更换对所述待加工件的硬度的筛选条件。本发明提高筒夹生产过程中的精度。

Description

筒夹的智能加工方法

技术领域

本发明涉及自动生产领域，尤其涉及一种筒夹的智能加工方法。

背景技术

筒夹是一种夹持刀具或工件的锁紧装置，通常用在钻铣床和加工中心上。自动化生产技术的核心是机器人技术。机器人作为一种可以替代人类完成重复性、危险性工作的设备，被广泛应用于工业制造领域。它们具有高速、高精度、高效率和可靠性的特点，为工业生产带来了巨大的改变。目前，全球自动化生产技术的发展呈现出多样化的趋势。一方面，传统的工业制造领域，如汽车制造、电子产品制造等，已经实现了高度自动化的生产工艺。另一方面，新兴的领域，如生物医药、新能源等，也开始应用自动化生产技术来提高生产效率和产品质量。

中国专利公开号为CN114523268A的专利文献公开了一种数控机床铣刀筒夹加工方法，该方法包括：步骤S1：前期准备，客户发送铣刀筒夹规格型号及技术要求确立订单，根据客户要求制定生产规划及工艺方案，并向CNC车床发放生管原材，准备工件加工；步骤S2：生管粗加工，通过CNC车床对生管筒夹的整体表面进行粗加工，粗加工时首先以生管夹筒的内表面为定位面，对生管夹筒外表面车加工，并保证生管夹筒外表面与内表面的同轴度，再对生管夹筒的锥形端面进行车削粗加工，保证加工精度达到Ra6.3～Ra10.3；步骤S3：生管半精加工，首先将生管垂直夹装在铣床上，以生管夹筒外表面及锥形端面作为定位面，通过铣刀对生管夹筒内孔进行铣削半精加工；然后通过传统车床对筒管表面进行车削半精加工，使其表面粗糙度达到Ra3.2～Ra5.3；步骤S3：热处理，对生管夹筒的两端分别进行淬火处理，使其硬度达到40HRC～45HRC，保证夹筒两端硬度的同时，也使未进行热处理的夹筒中间段保持弹性；步骤S4：振动研磨，采用振动研磨抛光机对夹筒表面进行初步研磨处理，使其表面精度得到进一步保证；步骤S5：抛丸，采用抛丸工艺对夹筒表面进行抛丸处理，使表面硬度得到进一步强化；步骤S6：研磨处理，依次对夹筒外表面及内表面进行研磨处理，使表面粗糙度达到Ra1.2～Ra2.5，并将夹筒清洗干净，准备切槽；步骤S7：切槽，先用立铣刀铣六等分槽，槽端面保留2mm～3mm宽的连筋；然后再用片铣刀铣分瓣用的六等分窄槽，保证窄槽端面留有3mm～4mm宽的连筋，保证夹筒整体完整；步骤S8：针研处理，采用粗针研工艺对夹筒表面进行研磨处理，清洗干净之后进行检验，若检验不达标则再次进行抛光，直至表面质量满足要求；若检验达标则继续进行细针研处理，使表面精度达到Ra0.8～Ra1.2，然后进行镭射加工处理；步骤S9：检测包装，对镭射加工的成品进行外观检测，将符合要求的成品进行包装并入库，等待交付客户。

现有技术中在筒夹生产过程中没有实时检测并调整加工参数，使筒夹加工过程精度低，造成筒夹生产质量不稳定的问题。

发明内容

为此，本发明提供一种筒夹的智能加工方法及装置，通过实时采集当前周期内的实际表面粗糙度与实际裂纹分布值与标准表面粗糙度和标准裂纹分布值进行比较计算实际调整系数，对下一周期内的切削深度值和进刀角度值进行调整可以解决筒夹加工过程精度低的问题。

为实现上述目的，本发明提供一种筒夹的智能加工方法，该方法包括：

在当前加工周期内记录在加工过程中对待加工件的切削深度值以及在切削过程中车刀与待加工件的进刀角度值，以在所述当前加工周期内完成将所述待加工件切削为筒夹；

检测所述筒夹的实际表面粗糙度和在所述筒夹表面形成的实际裂纹分布状况；

统计在当前加工周期内的实际加工良率是否满足加工要求；

若不满足所述加工要求，则根据所述表面粗糙度和所述裂纹分布情况调整下一加工周期内的切削深度值和进刀角度值；

或，更换对所述待加工件的硬度的筛选条件。

进一步地，检测所述筒夹的实际表面粗糙度包括：

通过轮廓仪对所述筒夹的表面进行数据采集，根据采集的数据绘制所述筒夹的表面轮廓图像，获取实际轮廓图像；

将所述实际轮廓图像与标准表面粗糙度对应的标准轮廓图像进行相似度对比，获取相似度值；

根据所述相似度值与所述标准表面粗糙度确定所述筒夹的实际表面粗糙度。

进一步地，检测所述筒夹表面形成的实际裂纹分布状况包括：

通过图像采集设备采集所述筒夹的表面图像，获取实际表面图像；

对所述实际表面图像通过图像处理软件进行去噪处理；

通过边缘检测算法提取处理后的所述实际表面图像中的若干边缘轮廓；

识别若干所述边缘轮廓的区域的若干灰度值；

将若干所述灰度值中小于标准灰度值的边缘轮廓的区域作为所述筒夹表面形成的裂纹；

将若干所述区域进行标记，获取所述筒夹表面形成的实际裂纹分布状况。

进一步地，根据所述实际表面粗糙度和所述实际裂纹分布情况调整下一加工周期内的切削深度值和进刀角度值包括：

根据所述实际表面粗糙度和所述实际裂纹分布情况计算实际调整系数；

根据所述实际调整系数与当前加工周期内的切削深度值和进刀角度值进行计算，获取下一加工周期内的切削深度值和进刀角度值。

进一步地，将若干所述区域进行标记，获取所述筒夹表面形成的实际裂纹分布状况包括：

将所述实际表面图像按照预设长度和预设宽度进行划分，获取若干图像块；

统计所述实际表面图像的总图像块的总数量与所述区域内的图像块的分数量，并将所述分数量除以所述总数量，获取实际裂纹分布值，将所述实际裂纹分布值作为所述筒夹表面形成的实际裂纹分布状况。

进一步地，根据所述实际表面粗糙度和所述实际裂纹分布情况计算实际调整系数包括：

通过所述实际表面粗糙度与所述标准表面粗糙度相除，获取表面粗糙度调整系数；

通过所述实际裂纹分布值与所述标准裂纹分布值相除，获取裂纹调整系数；

将所述表面粗糙度调整系数与所述裂纹调整系数进行相乘，获取所述实际调整系数。

进一步地，统计在当前加工周期内的实际加工良率是否满足加工要求包括：

通过图像采集设备采集通过当前加工周期加工的所述筒夹的当前表面图像；

对所述当前表面图像进行去噪处理；

提取所述当前表面图像中所述筒夹的当前表面粗糙度和当前裂纹分布值；

将所述当前表面粗糙度小于等于所述标准表面粗糙度及所述当前裂纹分布值小于等于所述标准裂纹分布值的所述筒夹的实际数量进行统计；

将所述实际数量与当前加工周期内加工完成的筒夹的总数量进行相除，获取相除结果为实际加工良率；

将所述实际加工良率与预设加工良率进行对比，若所述实际加工良率大于等于所述预设加工良率，则满足加工要求，若所述实际加工良率小于所述预设加工良率，则不满足加工要求。

进一步地，记录在加工过程中对待加工件的切削深度以及在切削过程中车刀与待加工件的进刀角度包括：

通过深度卡尺记录在切削过程中对所述待加工件的若干切削深度值；

通过角度测量仪记录在切削过程中所述车刀与所述待加工件的若干进刀角度值。

进一步地，还包括：

当前加工周期内的加工良率满足加工要求，则在下一加工周期内维持所述切削深度和进刀角度。

进一步地，更换对所述待加工件的硬度的筛选条件包括：

对所述待加工件的硬度值进行检测，获取实际硬度值；

根据所述表面粗糙度调整系数与所述实际硬度值相乘，获取第一硬度值；

根据所述裂纹调整系数与所述实际硬度值相乘，获取第二硬度值；

将所述待加工件的硬度的筛选范围确定为所述第一硬度值与所述第二硬度值之间。

与现有技术相比，本发明的有益效果在于，通过记录当前加工周期内的切削深度值和进刀角度值，实时了解当前加工周期过程中的参数变化，从而在下一周期生产过程中针对性地调整切削深度和进刀角度，有助于提高下一加工过程的生产精度，提高下一周期筒夹生产过程中的加工效率，通过检测筒夹的实际表面粗糙度和裂纹分布情况，实时了解筒夹生产的质量状况，有助于及时发现潜在的质量问题，确保筒夹生产的质量的稳定性和一致性，当实际加工良率不满足加工要求时，根据表面粗糙度和裂纹分布情况调整切削深度值和进刀角度值，提高调整过程的准确性和效率，进而提升下一周期筒夹的加工良率，当待加工件的硬度不满足要求时，还可以更换硬度筛选条件的选项，使得对下一周期筒夹的质量提升提供不同的调整方法，保证了下一周期筒夹生产的效率。

尤其，通过轮廓仪对筒夹的表面进行数据采集，高精度地获取表面的形貌数据，使得所述表面轮廓图像绘制准确，为后续的表面粗糙度评估提供准确的数据依据，将实际轮廓图像与标准表面粗糙度对应的标准轮廓图像进行相似度对比，对所述筒夹表面的实际粗糙度进行评估，通过获取相似度值确粗糙度保评估的结果的准确性，根据相似度值与标准表面粗糙度的对比，确定筒夹的实际表面粗糙度，更全面地反映筒夹的表面质量，为后续调整下一周期的切削深度值和进刀角度值提供准确的数据基础，保证了下一周期筒夹的生产质量。

尤其，通过图像采集设备采集筒夹的表面图像，实现了对筒夹表面的非接触式的无损检测，不会对筒夹表面造成任何损伤，使得对筒夹表面的裂纹分布情况的分析结果准确，同时提高了获取表面裂纹的分布情况的效率，对实际表面图像进行去噪处理，有效去除图像中的噪声和干扰，提高图像的清晰度和对比度，有助于更准确地提取裂纹的边缘轮廓，通过边缘检测算法提取处理后的实际表面图像中的边缘轮廓，提高了裂纹边缘轮廓获取的准确性，识别边缘轮廓区域的灰度值，将灰度值小于标准灰度值的边缘轮廓区域标记为裂纹，准确判断筒夹表面的裂纹分布状况，有助于及时发现筒夹表面的裂纹分布情况，为下一周期的调整提供准确的数据基础，保证了下一周期筒夹的生产质量。

尤其，通过实际表面粗糙度和实际裂纹分布情况计算出实际调整系数，使得调整下一周期的切削深度值和进刀角度值更加准确，从而提高下一周期筒夹的加工质量，根据实际调整系数调整切削深度值和进刀角度值，降低在下一周期加工过程中产生新裂纹的风险，有助于延长筒夹和加工工具的使用寿命，减少因裂纹导致的失效和更换次数，通过实际调整系数调整切削深度值和进刀角度值，优化下一周期切削过程中的参数设置，提高下一周期的切削效率和材料去除率，从而提高下一周期筒夹的生产效率。

尤其，通过将实际表面图像按照预设长度和预设宽度进行划分，获取若干图像块，实现对所述实际表面图像的精细化的划分，有助于更准确地统计裂纹在所述实际表面图像中的分布情况，为后续的处理提供更详细的数据，统计实际表面图像的总图像块的总数量与区域内的图像块的分数量，并将分数量除以总数量，获取实际裂纹分布值，客观地量化筒夹表面的裂纹分布状况，更直观地理解所述筒夹表面的裂纹分布情况，将实际裂纹分布值作为筒夹表面形成的实际裂纹分布状况，更全面地评估筒夹的质量，更准确地反映筒夹的可靠性和使用寿命。

尤其，通过综合考虑实际表面粗糙度和实际裂纹分布情况来计算实际调整系数，从而更全面地反映筒夹表面的质量状况，更准确地评估并调整加工参数，提高产品的整体质量，通过实际表面粗糙度与标准表面粗糙度相除，获取表面粗糙度调整系数，以及通过实际裂纹分布值与标准裂纹分布值相除，获取裂纹调整系数，量化地确定调整的依据，提高调整的准确性和客观性，将表面粗糙度调整系数与裂纹调整系数相乘，获取实际调整系数，从而简化了调整过程，提高调整的效率和便捷性。

尤其，通过图像采集设备采集当前加工周期内的筒夹表面图像，实时监控加工过程中的质量变化，有助于及时发现筒夹存在的潜在问题，确保筒夹质量的稳定性和一致性，对采集的当前表面图像进行去噪处理，去除图像中的干扰和噪声，提高数据的准确性，通过提取当前表面图像中的表面粗糙度和裂纹分布值，并与标准和预设值进行比较，对所述筒夹的质量进行直观的了解，提高了对筒夹质量评估效率，将实际加工良率与预设加工良率进行对比，客观地反映当前加工周期内的加工效果，明确地判断加工要求是否得到满足，为后续的调整和改进提供准确的依据，根据实际加工良率是否满足加工要求，及时调整下一周期内筒夹加工的加工参数，提高实际加工良率和整体的生产效率。

附图说明

图1为本发明实施例提供的筒夹的智能加工方法的第一种流程示意图；

图2为本发明实施例提供的筒夹的智能加工方法的第二种流程示意图；

图3为本发明实施例提供的筒夹的智能加工方法的第三种流程示意图；

图4为本发明实施例提供的筒夹的智能加工方法的第四种流程示意图。

具体实施方式

为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。

需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体的连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。

请参阅图1所示，本发明提供一种筒夹的智能加工方法，该方法包括：

步骤S100，在当前加工周期内记录在加工过程中对待加工件的切削深度值以及在切削过程中车刀与待加工件的进刀角度值，以在所述当前加工周期内完成将所述待加工件切削为筒夹；

步骤S200，检测所述筒夹的实际表面粗糙度和在所述筒夹表面形成的实际裂纹分布状况；

步骤S300，统计在当前加工周期内的实际加工良率是否满足加工要求；

步骤S400，若不满足所述加工要求，则根据所述表面粗糙度和所述裂纹分布情况调整下一加工周期内的切削深度值和进刀角度值；

或，更换对所述待加工件的硬度的筛选条件。

具体而言，本发明实施例通过记录当前加工周期内的切削深度值和进刀角度值，实时了解当前加工周期过程中的参数变化，从而在下一周期生产过程中针对性地调整切削深度和进刀角度，有助于提高下一加工过程的生产精度，提高下一周期筒夹生产过程中的加工效率，通过检测筒夹的实际表面粗糙度和裂纹分布情况，实时了解筒夹生产的质量状况，有助于及时发现潜在的质量问题，确保筒夹生产的质量的稳定性和一致性，当实际加工良率不满足加工要求时，根据表面粗糙度和裂纹分布情况调整切削深度值和进刀角度值，提高调整过程的准确性和效率，进而提升下一周期筒夹的加工良率，当待加工件的硬度不满足要求时，还可以更换硬度筛选条件的选项，使得对下一周期筒夹的质量提升提供不同的调整方法，保证了下一周期筒夹生产的效率。

参阅图2所示，检测所述筒夹的实际表面粗糙度包括：

步骤S210，通过轮廓仪对所述筒夹的表面进行数据采集，根据采集的数据绘制所述筒夹的表面轮廓图像，获取实际轮廓图像；

步骤S220，将所述实际轮廓图像与标准表面粗糙度对应的标准轮廓图像进行相似度对比，获取相似度值；

步骤S230，根据所述相似度值与所述标准表面粗糙度确定所述筒夹的实际表面粗糙度。

具体而言，所述标准表面粗糙度为1.3μm。

具体而言，本发明实施例通过轮廓仪对筒夹的表面进行数据采集，高精度地获取表面的形貌数据，使得所述表面轮廓图像绘制准确，为后续的表面粗糙度评估提供准确的数据依据，将实际轮廓图像与标准表面粗糙度对应的标准轮廓图像进行相似度对比，对所述筒夹表面的实际粗糙度进行评估，通过获取相似度值确粗糙度保评估的结果的准确性，根据相似度值与标准表面粗糙度的对比，确定筒夹的实际表面粗糙度，更全面地反映筒夹的表面质量，为后续调整下一周期的切削深度值和进刀角度值提供准确的数据基础，保证了下一周期筒夹的生产质量。

具体而言，检测所述筒夹表面形成的实际裂纹分布状况包括：

通过图像采集设备采集所述筒夹的表面图像，获取实际表面图像；

对所述实际表面图像通过图像处理软件进行去噪处理；

通过边缘检测算法提取处理后的所述实际表面图像中的若干边缘轮廓；

识别若干所述边缘轮廓的区域的若干灰度值；

将若干所述灰度值中小于标准灰度值的边缘轮廓的区域作为所述筒夹表面形成的裂纹；

将若干所述区域进行标记，获取所述筒夹表面形成的实际裂纹分布状况。

具体而言，所述标准灰度值为所述边缘轮廓的区域的若干灰度值的均值。

具体而言，本发明实施例通过图像采集设备采集筒夹的表面图像，实现了对筒夹表面的非接触式的无损检测，不会对筒夹表面造成任何损伤，使得对筒夹表面的裂纹分布情况的分析结果准确，同时提高了获取表面裂纹的分布情况的效率，对实际表面图像进行去噪处理，有效去除图像中的噪声和干扰，提高图像的清晰度和对比度，有助于更准确地提取裂纹的边缘轮廓，通过边缘检测算法提取处理后的实际表面图像中的边缘轮廓，提高了裂纹边缘轮廓获取的准确性，识别边缘轮廓区域的灰度值，将灰度值小于标准灰度值的边缘轮廓区域标记为裂纹，准确判断筒夹表面的裂纹分布状况，有助于及时发现筒夹表面的裂纹分布情况，为下一周期的调整提供准确的数据基础，保证了下一周期筒夹的生产质量。

参阅图3所示，根据所述实际表面粗糙度和所述实际裂纹分布情况调整下一加工周期内的切削深度值和进刀角度值包括：

步骤S410，根据所述实际表面粗糙度和所述实际裂纹分布情况计算实际调整系数；

步骤S420，根据所述实际调整系数与当前加工周期内的切削深度值和进刀角度值进行计算，获取下一加工周期内的切削深度值和进刀角度值。

具体而言，本发明实施例通过实际表面粗糙度和实际裂纹分布情况计算出实际调整系数，使得调整下一周期的切削深度值和进刀角度值更加准确，从而提高下一周期筒夹的加工质量，根据实际调整系数调整切削深度值和进刀角度值，降低在下一周期加工过程中产生新裂纹的风险，有助于延长筒夹和加工工具的使用寿命，减少因裂纹导致的失效和更换次数，通过实际调整系数调整切削深度值和进刀角度值，优化下一周期切削过程中的参数设置，提高下一周期的切削效率和材料去除率，从而提高下一周期筒夹的生产效率。

具体而言，将若干所述区域进行标记，获取所述筒夹表面形成的实际裂纹分布状况包括：

将所述实际表面图像按照预设长度和预设宽度进行划分，获取若干图像块；

统计所述实际表面图像的总图像块的总数量与所述区域内的图像块的分数量，并将所述分数量除以所述总数量，获取实际裂纹分布值，将所述实际裂纹分布值作为所述筒夹表面形成的实际裂纹分布状况。

具体而言，所述预设长度为所述实际表面图像的长度的二十分之一，所述预设宽度为所述实际表面图像的宽度的二十分之一。

具体而言，本发明实施例通过将实际表面图像按照预设长度和预设宽度进行划分，获取若干图像块，实现对所述实际表面图像的精细化的划分，有助于更准确地统计裂纹在所述实际表面图像中的分布情况，为后续的处理提供更详细的数据，统计实际表面图像的总图像块的总数量与区域内的图像块的分数量，并将分数量除以总数量，获取实际裂纹分布值，客观地量化筒夹表面的裂纹分布状况，更直观地理解所述筒夹表面的裂纹分布情况，将实际裂纹分布值作为筒夹表面形成的实际裂纹分布状况，更全面地评估筒夹的质量，更准确地反映筒夹的可靠性和使用寿命。

具体而言，根据所述实际表面粗糙度和所述实际裂纹分布情况计算实际调整系数包括：

通过所述实际表面粗糙度与所述标准表面粗糙度相除，获取表面粗糙度调整系数；

通过所述实际裂纹分布值与所述标准裂纹分布值相除，获取裂纹调整系数；

将所述表面粗糙度调整系数与所述裂纹调整系数进行相乘，获取所述实际调整系数。

具体而言，所述标准裂纹分布值为0.2。

具体而言，本发明实施例通过综合考虑实际表面粗糙度和实际裂纹分布情况来计算实际调整系数，从而更全面地反映筒夹表面的质量状况，更准确地评估并调整加工参数，提高产品的整体质量，通过实际表面粗糙度与标准表面粗糙度相除，获取表面粗糙度调整系数，以及通过实际裂纹分布值与标准裂纹分布值相除，获取裂纹调整系数，量化地确定调整的依据，提高调整的准确性和客观性，将表面粗糙度调整系数与裂纹调整系数相乘，获取实际调整系数，从而简化了调整过程，提高调整的效率和便捷性。

参阅图4所示，统计在当前加工周期内的实际加工良率是否满足加工要求包括：

步骤S310，通过图像采集设备采集通过当前加工周期加工的所述筒夹的当前表面图像；

步骤S320，对所述当前表面图像进行去噪处理；

步骤S330，提取所述当前表面图像中所述筒夹的当前表面粗糙度和当前裂纹分布值；

步骤S340，将所述当前表面粗糙度小于等于所述标准表面粗糙度及所述当前裂纹分布值小于等于所述标准裂纹分布值的所述筒夹的实际数量进行统计；

步骤S350，将所述实际数量与当前加工周期内加工完成的筒夹的总数量进行相除，获取相除结果为实际加工良率；

步骤S360，将所述实际加工良率与预设加工良率进行对比，若所述实际加工良率大于等于所述预设加工良率，则满足加工要求，若所述实际加工良率小于所述预设加工良率，则不满足加工要求。

具体而言，所述预设加工良率为90％。

具体而言，本发明实施例通过图像采集设备采集当前加工周期内的筒夹表面图像，实时监控加工过程中的质量变化，有助于及时发现筒夹存在的潜在问题，确保筒夹质量的稳定性和一致性，对采集的当前表面图像进行去噪处理，去除图像中的干扰和噪声，提高数据的准确性，通过提取当前表面图像中的表面粗糙度和裂纹分布值，并与标准和预设值进行比较，对所述筒夹的质量进行直观的了解，提高了对筒夹质量评估效率，将实际加工良率与预设加工良率进行对比，客观地反映当前加工周期内的加工效果，明确地判断加工要求是否得到满足，为后续的调整和改进提供准确的依据，根据实际加工良率是否满足加工要求，及时调整下一周期内筒夹加工的加工参数，提高实际加工良率和整体的生产效率。

具体而言，记录在加工过程中对待加工件的切削深度以及在切削过程中车刀与待加工件的进刀角度包括：

通过深度卡尺记录在切削过程中对所述待加工件的若干切削深度值；

通过角度测量仪记录在切削过程中所述车刀与所述待加工件的若干进刀角度值。

具体而言，还包括：

当前加工周期内的加工良率满足加工要求，则在下一加工周期内维持所述切削深度和进刀角度。

具体而言，更换对所述待加工件的硬度的筛选条件包括：

对所述待加工件的硬度值进行检测，获取实际硬度值；

根据所述表面粗糙度调整系数与所述实际硬度值相乘，获取第一硬度值；

根据所述裂纹调整系数与所述实际硬度值相乘，获取第二硬度值；

将所述待加工件的硬度的筛选范围确定为所述第一硬度值与所述第二硬度值之间。

具体而言，本发明实施例通过对待加工件的硬度值进行检测，并获取实际硬度值，为后续调整下一周期筒夹硬度值筛选提供准确的数据基础，提高筒夹加工的准确性和效果，根据表面粗糙度调整系数和裂纹调整系数与实际硬度值相乘，获取第一硬度值和第二硬度值，综合考虑表面粗糙度、裂纹分布以及硬度因素对待加工件的影响，更全面地评估待加工件的适用性，增加筛选的准确性和可靠性，将待加工件的硬度的筛选范围确定为第一硬度值与第二硬度值之间，提高筛选的灵活性和效率，通过更换待加工件的硬度的筛选条件，选择更适合加工的待加工件，从而优化加工过程，降低因硬度不适而导致的加工难题和风险，提高整体加工效率和产品质量。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种筒夹的智能加工方法，其特征在于，包括：

在当前加工周期内记录在加工过程中对待加工件的切削深度值以及在切削过程中车刀与待加工件的进刀角度值，以在所述当前加工周期内完成将所述待加工件切削为筒夹；

检测所述筒夹的实际表面粗糙度和在所述筒夹表面形成的实际裂纹分布状况；

统计在当前加工周期内的实际加工良率是否满足加工要求；

若不满足所述加工要求，则根据所述表面粗糙度和所述裂纹分布情况调整下一加工周期内的切削深度值和进刀角度值；

或，更换对所述待加工件的硬度的筛选条件。

2.根据权利要求1所述的筒夹的智能加工方法，其特征在于，检测所述筒夹的实际表面粗糙度包括：

通过轮廓仪对所述筒夹的表面进行数据采集，根据采集的数据绘制所述筒夹的表面轮廓图像，获取实际轮廓图像；

将所述实际轮廓图像与标准表面粗糙度对应的标准轮廓图像进行相似度对比，获取相似度值；

根据所述相似度值与所述标准表面粗糙度确定所述筒夹的实际表面粗糙度。

3.根据权利要求2所述的筒夹的智能加工方法，其特征在于，检测所述筒夹表面形成的实际裂纹分布状况包括：

通过图像采集设备采集所述筒夹的表面图像，获取实际表面图像；

对所述实际表面图像通过图像处理软件进行去噪处理；

通过边缘检测算法提取处理后的所述实际表面图像中的若干边缘轮廓；

识别若干所述边缘轮廓的区域的若干灰度值；

将若干所述灰度值中小于标准灰度值的边缘轮廓的区域作为所述筒夹表面形成的裂纹；

将若干所述区域进行标记，获取所述筒夹表面形成的实际裂纹分布状况。

4.根据权利要求3所述的筒夹的智能加工方法，其特征在于，根据所述实际表面粗糙度和所述实际裂纹分布情况调整下一加工周期内的切削深度值和进刀角度值包括：

根据所述实际表面粗糙度和所述实际裂纹分布情况计算实际调整系数；

根据所述实际调整系数与当前加工周期内的切削深度值和进刀角度值进行计算，获取下一加工周期内的切削深度值和进刀角度值。

5.根据权利要求4所述的筒夹的智能加工方法，其特征在于，将若干所述区域进行标记，获取所述筒夹表面形成的实际裂纹分布状况包括：

将所述实际表面图像按照预设长度和预设宽度进行划分，获取若干图像块；

统计所述实际表面图像的总图像块的总数量与所述区域内的图像块的分数量，并将所述分数量除以所述总数量，获取实际裂纹分布值，将所述实际裂纹分布值作为所述筒夹表面形成的实际裂纹分布状况。

6.根据权利要求5所述的筒夹的智能加工方法，其特征在于，根据所述实际表面粗糙度和所述实际裂纹分布情况计算实际调整系数包括：

通过所述实际表面粗糙度与所述标准表面粗糙度相除，获取表面粗糙度调整系数；

通过所述实际裂纹分布值与所述标准裂纹分布值相除，获取裂纹调整系数；

将所述表面粗糙度调整系数与所述裂纹调整系数进行相乘，获取所述实际调整系数。

7.根据权利要求6所述的筒夹的智能加工方法，其特征在于，统计在当前加工周期内的实际加工良率是否满足加工要求包括：

通过图像采集设备采集通过当前加工周期加工的所述筒夹的当前表面图像；

对所述当前表面图像进行去噪处理；

提取所述当前表面图像中所述筒夹的当前表面粗糙度和当前裂纹分布值；

将所述当前表面粗糙度小于等于所述标准表面粗糙度及所述当前裂纹分布值小于等于所述标准裂纹分布值的所述筒夹的实际数量进行统计；

将所述实际数量与当前加工周期内加工完成的筒夹的总数量进行相除，获取相除结果为实际加工良率；

将所述实际加工良率与预设加工良率进行对比，若所述实际加工良率大于等于所述预设加工良率，则满足加工要求，若所述实际加工良率小于所述预设加工良率，则不满足加工要求。

8.根据权利要求7所述的筒夹的智能加工方法，其特征在于，记录在加工过程中对待加工件的切削深度以及在切削过程中车刀与待加工件的进刀角度包括：

通过深度卡尺记录在切削过程中对所述待加工件的若干切削深度值；

通过角度测量仪记录在切削过程中所述车刀与所述待加工件的若干进刀角度值。

9.根据权利要求8所述的筒夹的智能加工方法，其特征在于，还包括：

当前加工周期内的加工良率满足加工要求，则在下一加工周期内维持所述切削深度和进刀角度。

10.根据权利要求9所述的筒夹的智能加工方法，其特征在于，更换对所述待加工件的硬度的筛选条件包括：

对所述待加工件的硬度值进行检测，获取实际硬度值；

根据所述表面粗糙度调整系数与所述实际硬度值相乘，获取第一硬度值；

根据所述裂纹调整系数与所述实际硬度值相乘，获取第二硬度值；

将所述待加工件的硬度的筛选范围确定为所述第一硬度值与所述第二硬度值之间。