CN117724401A - 一种数控机床自动化数据采集方法、装置、设备及介质 - Google Patents
一种数控机床自动化数据采集方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117724401A CN117724401A CN202311777067.1A CN202311777067A CN117724401A CN 117724401 A CN117724401 A CN 117724401A CN 202311777067 A CN202311777067 A CN 202311777067A CN 117724401 A CN117724401 A CN 117724401A
- Authority
- CN
- China
- Prior art keywords
- processing
- calibration
- image
- historical
- time
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 299
- 238000003754 machining Methods 0.000 claims abstract description 134
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000013480 data collection Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Numerical Control (AREA)
Abstract
本申请涉及一种数控机床自动化数据采集方法、装置、设备及介质,涉及数据采集的领域,该方法包括获取待加工零件的标定图像以及加工数量;基于所述标定图像以及所述加工数量进行计算,得到第一加工时间;基于所述标定图像从历史数据库中确定历史故障概率,所述历史故障概率为所述历史数据库中与所述标定图像相同的加工图像在加工时出现故障的概率;基于所述历史故障概率计算第二加工时间;将所述第一加工时间与所述第二加工时间进行计算,得到预计交付时间。本申请具有提高交付周期预测的准确性的效果。
Description
技术领域
本申请涉及数据采集的领域,尤其是涉及一种数控机床自动化数据采集方法、装置、设备及介质。
背景技术
随着数控机床技术的发展,数控机床越来越智能化。数控技术是用数字信息对机械运动过程进行控制的技术,而数控设备是以数控技术为支撑的机电一体化产品。
相关一种数控机床通过采集传感器的工作数据,并利用数据分析方法确定数控机床的当前加工状态,从而根据当前的加工状态控制数控机床,并且记录每个零件加工的时间,当部分零件加工完毕时,计算平均加工时间,从而计算零件加工完预计需要的时间。
当零件进行加工时,若零件加工出现失误或数控机床发生故障,则无法准确地计算加工完所有零件所需的时间,从而无法准确预测交付周期。
发明内容
为了提高交付周期预测的准确性,本申请提供一种数控机床自动化数据采集方法、装置、设备及介质。
第一方面,本申请提供一种数控机床自动化数据采集方法,采用如下的技术方案:
一种数控机床自动化数据采集方法,包括:
获取待加工零件的标定图像以及加工数量;
基于所述标定图像以及所述加工数量进行计算,得到第一加工时间;
基于所述标定图像从历史数据库中确定历史故障概率,所述历史故障概率为所述历史数据库中与所述标定图像相同的加工图像在加工时出现故障的概率;
基于所述历史故障概率计算第二加工时间;
将所述第一加工时间与所述第二加工时间进行计算,得到预计交付时间。
通过采用上述技术方案,通过获取待加工零件的标定图像以及加工数量,可以准确地计算待加工零件在加工完毕时需要的加工时间,即第一加工时间,由于历史故障概率表征在历史加工过程中出现故障的频率,频率越高则需要的加工时间越长,因此,为了准确的确定待加工零件出现故障的频率,根据标定图像从历史数据库中确定历史故障概率,然后基于历史故障概率计算第二加工时间,第一加工时间表征待加工零件在正常加工时,即无故障发生时所需的加工时间,第二加工时间表征待加工零件在发生故障时所需的加工时间,根据第一加工时间以及第二加工时间进行计算,得到预计交付时间,从而提高交付周期预测的准确性。
在另一种可能实现的方式中,所述基于所述标定图像以及所述加工数量进行计算,得到第一加工时间,包括:
对所述标定图像进行特征提取,获取所述标定图像的加工信息,所述加工信息包括所述标定图像的标定形状以及标定尺寸;
基于所述标定形状以及标定尺寸,确定加工路径;
获取加工速度;
将所述加工路径、所述加工速度以及所述加工数量进行计算,得到第一加工时间。
通过采用上述技术方案,通过对标定图像进行特征提取,可以准确地获取标定图像的标定形状以及标定尺寸,从而准确地确定加工路径;由于加工速度不同,加工数量不同,则第一加工时间也不同,因此,为了准确地确定第一加工时间,从而获取加工速度,然后将加工路径、加工速度以及加工数量进行计算,得到第一加工时间。
在另一种可能实现的方式中,所述基于所述标定形状以及标定尺寸,确定加工路径包括:
根据所述标定形状以及标定尺寸,确定所述待加工零件的起点位置、终点位置以及加工走向;
将所述起点位置、所述终点位置以及所述加工走向进行计算,得到加工路径。
通过采用上述技术方案,通过确定待加工零件的起点位置、终点位置以及加工走向,可以更快速、准确地确定加工路径,从而有助于减少不必要的路径规划,提高加工路径计算的效率。
在另一种可能实现的方式中,所述基于所述标定图像从历史数据库中确定历史故障概率包括:
将所述标定图像与所述历史数据库中的历史加工图像进行对比,确定目标加工图像以及历史加工数量;
确定所述目标加工图像的历史故障数量,所述历史故障数量为所述目标加工图像在加工时出现故障数量;
将所述历史加工数量以及所述历史故障数量进行除法运算,得到所述历史故障概率。
通过采用上述技术方案,由于每个历史加工图像均对应有加工数量,因此在确定目标加工图像后可以确定历史加工数量,根据历史加工数量以及所述历史故障数量进行故障概率的计算,从而可以准确地确定故障概率。
在另一种可能实现的方式中,所述基于所述标定形状以及标定尺寸,确定加工路径之后还包括:
确定当前加工图像;
将所述当前加工图像与所述标定图像进行比对,得到比对结果;
基于所述比对结果,确定所述加工路径是否需要更新。
通过采用上述技术方案,由于在加工后,当前加工图像可能与标定图像有误差,造成当前加工零件规格不符合标准,因此,将当前加工图像与标定图像进行比对,从而可以方便快捷地确定当前加工图像是否符合标准,即是否需要更新。
在另一种可能实现的方式中,所述将所述当前加工图像与所述标定图像进行比对,得到比对结果包括:
对所述当前加工图像进行特征提取,得到当前轮廓信息;
对所述标定图像进行特征提取,得到标定轮廓信息;
将所述当前轮廓信息与所述标定轮廓信息进行相似度计算,得到对比结果。
通过采用上述技术方案,当前轮廓信息表征当前加工图像的轮廓,标定轮廓信息表征标定图像轮廓,通过将当前轮廓信息与标定轮廓信息进行相似度计算,可以准确地确定当前加工图像与标定图像的相似度。
在另一种可能实现的方式中,所述基于所述比对结果,确定所述加工路径是否需要更新,包括:
若所述比对结果大于预设相似度阈值,则对当前加工尺寸进行校准,得到校准后的加工尺寸,所述当前加工尺寸为所述当前加工图像的尺寸;
基于所述校准后的加工尺寸,对所述加工路径进行更新。
通过采用上述技术方案,相似度值越大,则说明当前轮廓信息与标定轮廓信息越不相似。因此,为了准确地确定当前轮廓信息与标定轮廓信息是否相似,则设置预设相似度阈值。当比对结果大于预设相似度阈值,则说明当前加工尺寸与标定加工尺寸不一致,需要对当前加工尺寸进行校准,从而准确地得到校准后的加工尺寸,从而可以方便快捷地确定当前轮廓信息与标定轮廓信息是否一致,进而快速便捷地确定加工路径是否需要更新。
第二方面,本申请提供一种数控机床自动化数据采集装置,采用如下的技术方案:
一种数控机床自动化数据采集装置,包括:
获取模块,用于获取待加工零件的标定图像以及加工数量;
第一时间确定模块,用于基于所述标定图像以及所述加工数量进行计算,得到第一加工时间;
概率确定模块,用于基于所述标定图像从历史数据库中确定历史故障概率,所述历史故障概率为所述历史数据库中与所述标定图像相同的加工图像在加工时出现故障的概率;
第二时间确定模块,用于基于所述历史故障概率计算第二加工时间;
预计时间确定模块,用于将所述第一加工时间与所述第二加工时间进行计算,得到预计交付时间。
通过采用上述技术方案,获取模块获取待加工零件的标定图像以及加工数量,从而使得第一时间确定模块可以准确地计算待加工零件在加工完毕时需要的加工时间,即第一加工时间,由于历史故障概率表征在历史加工过程中出现故障的频率,频率越高则需要的加工时间越长,因此,为了准确的确定待加工零件出现故障的频率,概率确定模块根据标定图像从历史数据库中确定历史故障概率,然后第二时间确定模块基于历史故障概率计算第二加工时间,第一加工时间表征待加工零件在正常加工时,即无故障发生时所需的加工时间,第二加工时间表征待加工零件在发生故障时所需的加工时间,预计时间确定模块根据第一加工时间以及第二加工时间进行计算,得到预计交付时间,从而提高交付周期预测的准确性。
在另一种可能的实现方式中,第一时间确定模块在所述基于所述标定图像以及所述加工数量进行计算,得到第一加工时间时,具体用于:
对所述标定图像进行特征提取,获取所述标定图像的加工信息,所述加工信息包括所述标定图像的标定形状以及标定尺寸;
基于所述标定形状以及标定尺寸,确定加工路径;
获取加工速度;
将所述加工路径、所述加工速度以及所述加工数量进行计算,得到第一加工时间。
在另一种可能的实现方式中,第一时间确定模块在所述基于所述标定形状以及标定尺寸,确定加工路径时,具体用于:
根据所述标定形状以及标定尺寸,确定所述待加工零件的起点位置、终点位置以及加工走向;
将所述起点位置、所述终点位置以及所述加工走向进行计算,得到加工路径。
在另一种可能的实现方式中,概率确定模块在所述基于所述标定图像从历史数据库中确定历史故障概率时,具体用于:
将所述标定图像与所述历史数据库中的历史加工图像进行对比,确定目标加工图像以及历史加工数量;
确定所述目标加工图像的历史故障数量,所述历史故障数量为所述目标加工图像在加工时出现故障数量;
将所述历史加工数量以及所述历史故障数量进行除法运算,得到所述历史故障概率。
在另一种可能的实现方式中,所述装置还包括:
当前图像确定模块,用于确定当前加工图像;
结果确定模块,用于将所述当前加工图像与所述标定图像进行比对,得到比对结果;
判断更新模块,用于基于所述比对结果,确定所述加工路径是否需要更新。
在另一种可能的实现方式中,结果确定模块在所述将所述当前加工图像与所述标定图像进行比对,得到比对结果时,具体用于:
对所述当前加工图像进行特征提取,得到当前轮廓信息;
对所述标定图像进行特征提取,得到标定轮廓信息;
将所述当前轮廓信息与所述标定轮廓信息进行相似度计算,得到对比结果。
在另一种可能的实现方式中,判断更新模块在所述基于所述比对结果,确定所述加工路径是否需要更新时,具体用于:
若所述比对结果大于预设相似度阈值,则对当前加工尺寸进行校准,得到校准后的加工尺寸,所述当前加工尺寸为所述当前加工图像的尺寸;
基于所述校准后的加工尺寸,对所述加工路径进行更新。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,至少一个配置用于:执行根据第一方面任一种可能的实现方式所示的一种数控机床自动化数据采集方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,当所述计算机程序在计算机中执行时,令所述计算机执行第一方面任一项所述的XX方法。
综上所述,本申请包括以下至少一种有益技术效果:
1.通过获取待加工零件的标定图像以及加工数量,可以准确地计算待加工零件在加工完毕时需要的加工时间,即第一加工时间,由于历史故障概率表征在历史加工过程中出现故障的频率,频率越高则需要的加工时间越长,因此,为了准确的确定待加工零件出现故障的频率,根据标定图像从历史数据库中确定历史故障概率,然后基于历史故障概率计算第二加工时间,第一加工时间表征待加工零件在正常加工时,即无故障发生时所需的加工时间,第二加工时间表征待加工零件在发生故障时所需的加工时间,根据第一加工时间以及第二加工时间进行计算,得到预计交付时间,从而提高交付周期预测的准确性;
2. 相似度值越大,则说明当前轮廓信息与标定轮廓信息越不相似。因此,为了准确地确定当前轮廓信息与标定轮廓信息是否相似,则设置预设相似度阈值。当比对结果大于预设相似度阈值,则说明当前加工尺寸与标定加工尺寸不一致,需要对当前加工尺寸进行校准,从而准确地得到校准后的加工尺寸,从而可以方便快捷地确定当前轮廓信息与标定轮廓信息是否一致,进而快速便捷地确定加工路径是否需要更新。
附图说明
图1是本申请实施例中的一种数控机床自动化数据采集方法的流程示意图。
图2是本申请实施例中的一种数控机床自动化数据采集装置的流程示意图。
图3是本申请实施例中的一种电子设备的结构示意图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,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作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。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种数控机床自动化数据采集方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括:步骤S10、步骤S11、步骤S12、步骤S13以及步骤S14,其中:
步骤S10,获取待加工零件的标定图像以及加工数量。
在本申请实施例中,电子设备可以控制高精度的相机或扫描仪对标准加工零件进行拍摄或扫描,获取标定图像,也可以通过向数据库发送访问请求,数据库通过电子设备发送的访问请求,并将标定图像反馈给电子设备,本申请实施例不做具体限定。加工数量为待加工零件本次需要加工的数量,其中,待加工数量通过用户的加工需求进行获取。
步骤S11,基于标定图像以及加工数量进行计算,得到第一加工时间。
在本申请实施例中,由于标定图像不一致,则加工的路径以及加工参数也不一致;加工数量越多,所需的加工时间越长。因此为了准确地确定第一加工时间,将标定图像以及加工数量进行计算。
步骤S12,基于标定图像从历史数据库中确定历史故障概率,历史故障概率为历史数据库中与标定图像相同的加工图像在加工时出现故障的概率。
在本申请实施例中,电子设备发送访问历史数据库,从历史数据库中提取与标定图像相同的加工图像,以及该加工图像在历史加工过程出现的故障概率,由于标定图像与加工图像相同,则说明加工图像的加工条件与标定图像的加工条件相同,因此,电子设备通过标定图像以及历史数据库可以确定出历史故障概率。需要说明的是,由于加工条件相同,因此可以根据历史故障概率快速便捷地预测待加工零件在加工时出现的故障概率。
步骤S13,基于历史故障概率计算第二加工时间。
在本申请实施例中,由于历史故障概率表征历史加工零件在历史加工过程中出现故障的频率,频率越高,则需要的加工时间越长,因此,为了准确预测第二加工时间,需要将历史故障概率输入至预先训练的模型中进行计算其中预先训练的模型可以是马尔科夫模型也可以是决策树模型,只需要可以描述故障概率与加工时间的关系即可,本申请不做具体限定。
步骤S14,将第一加工时间与第二加工时间进行计算,得到预计交付时间。
在本申请实施例中,第一加工时间为在正常加工过程中,待加工零件在加工时需要的时间,第二加工时间为待加工零件在出现故障时需要的加工时间,为了准确地预测预计交付时间,将第一加工时间与第二加工时间进行计算。
本申请实施例的一种可能的实现方式,基于标定图像以及加工数量进行计算,得到第一加工时间,包括:步骤S110、步骤S111、步骤S112以及步骤S113,其中:
步骤S110,对标定图像进行特征提取,获取标定图像的加工信息。
其中,加工信息包括标定图像的标定形状以及标定尺寸。
在本申请实施例中,对标定图像进行灰度化以及去噪处理,从而提高标定图像的质量,然后将进行灰度化以及去噪处理的标定图像输入至训练好的卷积神经网络中,从而确定出标定图像中标定加工零件的标定形状以及标定尺寸,进而方便后续进行计算。
步骤S111,基于标定形状以及标定尺寸,确定加工路径。
在本申请实施例中,标定形状表征待加工零件在进行加工时的参照的形状,标定尺寸表征待加工零件在进行加工时的参照尺寸,因此,通过标定形状以及标定尺寸可以准确地确定在加工零件时,数控机床主轴移动的距离,即加工路径。
步骤S112,获取加工速度。
在本申请实施例中,电子设备可以与数控机床的通信接口进行连接,然后获取数控机床的加工速度,也可以向数控机床的数据库发送访问请求,数控机床通过电子设备的访问申请之后,将数控机床的加工速度反馈给电子设备,本申请实施例不做具体限定。其中,需要说明的是,加工速度包括切削速度(Vc)、进给速度(Vf)、主轴转速(n)、刀具直径(d)以及进给量(f)。具体的,切削速度Vc=π×d×n/1000;进给速度Vf=n×f;加工速度 V = Vc×Vf。
假设,主轴转速n=10000r/min、刀具直径d=10mm、进给量f=0.1mm/r,则加工速度 V= Vc×Vf=(π×d×n/1000×(n×f)=(π×10×10000/1000)×(10×0.1)=628mm/min。
步骤S113,将加工路径、加工速度以及加工数量进行计算,得到第一加工时间。
在本申请实施例中,加工路径表征在加工待加工零件时主轴需要移动的路径长度,加工速度表征数控机床主轴在的单位时间内的移动速度。根据加工路径以及加工速度可以准确地的得到单个待加工零件的加工时间,代加工零件的加工数量越多则总的加工时间越长。因此为了准确地预测第一加工时间,将加工路径、加工速度以及加工数量进行计算。其中,需要说明的是,为了准确地计算单个待加工零件的加工时间,根据标定形状,将加工路径分成多个子加工路径,将多个自加工路径分别与加工速度进行计算,得到单个待加工零件的加工时间。
根据公式,加工时间 T0(min)=加工路径P(m)÷ 加工速度V(m/mmin);第一加工时间 T1(min)= 加工时间 T(min)× 加工数量 N进行计算。
以步骤S112为例,加工速度为628mm/min。假设,加工路径为1.5米,加工数量为1000个,则第一加工时间 T1(min)= T0×N=(P÷V)×N=(1.5m÷628mm/min)×1000=2389min。
本申请实施例的一种可能的实现方式,基于加工特征,确定加工路径包括:步骤S1110以及步骤S1111,其中:
步骤S1110,根据标定形状以及标定尺寸,确定待加工零件的起点位置、终点位置以及加工走向
在本申请实施例中,起点位置为待加工零件的一个边缘或一个角,终点位置为待加工零件的另一个边缘或另一个角,其中,由于标定尺寸为起点位置以及终点位置之间的距离,因此,当确定起点位置之后,根据标定形状将距离起点位置为标定尺寸的距离确定为终点位置。由于标定图像为一个闭合的图像,因此,当确定起点位置以及终点位置后,基于标定图像将起点位置以及终点位置连接成闭合的图像,则可以准确的确定出加工走向。
具体的,为了准确地确定待加工零件的加工走向,将加工路径分成多个子加工路径,建立坐标系,确定多子路径的起点坐标、终点坐标以及每个子路径的顺序,根据每个子路径的顺序将多子路径的起点坐标、终点坐标进行连接,从而准确确定加工走向。
假设,标定图像为直角三角形,标定尺寸为直角边为3的直角三角形。则将直角三角形分为3个路径,第一条子路径为直角三角形竖直的直角边,第二条子路径为直角三角形水平的直角边,第三条子路径为直角三角形的斜边,建立坐标系,坐标系的长度单位为dm,其中,第一条子路径的起始坐标为(3,0)、终点位置为(0,0);第二条子路径的起始坐标为(0,0)、终点坐标为(0,4);第三条子路径的起始坐标为(0,3)、终点坐标为(3,0),其中,加工走向为逆时针走向。
步骤S1111,将起点位置、终点位置以及加工走向进行计算,得到加工路径。
在本申请实施例中,由于标定图像可能是规则的也可能是不规则的,因此,为了准确地加工路径需要根据起点位置、终点位置以及加工走向进行计算,得到加工路径。
以步骤S1110为例,第一条子路径的起始坐标为(3,0)、终点位置为(0,0);第二条子路径的起始坐标为(0,0)、终点坐标为(0,4);第三条子路径的起始坐标为(0,3)、终点坐标为(3,0),其中,加工走向为逆时针走向,则可以得到第一条子路径的边长为3,第二条子路径的长度为4,第三条子路径的长度为5,则通过计算得到的加工路径为3+4+5=12dm=1.2m。
本申请实施例的一种可能的实现方式,基于标定图像从历史数据库中确定历史故障概率包括:步骤S120、步骤S121以及步骤S122,其中:
步骤S120,将标定图像与历史数据库中的历史加工图像进行对比,确定目标加工图像以及历史加工数量。
在本申请实施例中,电子设备通过向数控机床的历史数据库发送访问请求,数控机床通过电子设备的访问请求,将历史加工图像以及每个历史加工图像的加工数量反馈给电子设备。其中,电子设备对标定图像以及历史加工图像进行相似度检测,从而准确地确定出历史加工图像中与标定图像相同的图像,即目标加工图像,由于每个历史加工图像均对应有加工数量,因此在确定目标加工图像后可以确定历史加工数量。假设,目标加工图像的历史加工数量为1500。
步骤S121,确定目标加工图像的历史故障数量,历史故障数量为目标加工图像在加工时的故障数量。
在本申请实施例中,由于历史数据库中记录有历史加工图像、历史加工图像的加工数量以及历史加工图像在加工时的故障数量,因此,电子设备通过访问历史数据库从中确定历史故障数量。其中,需要说明的是,历史数据库中还记录有每个历史加工图像从而方便快捷。假设,历史故障数量为50。
步骤S122,将历史加工数量以及历史故障数量进行除法运算,得到历史故障概率。
在本申请实施例中,历史故障概率=历史故障数量÷历史加工数量。以步骤S121以及步骤S122为例,历史故障概率=50÷1500=1/30。
本申请实施例的一种可能的实现方式,基于标定形状以及标定尺寸,确定加工路径之后还包括:步骤Sa、步骤Sb以及步骤Sc,其中:
步骤Sa,确定当前加工图像。
步骤Sb,将当前加工图像与标定图像进行比对,得到比对结果。
步骤Sc,基于比对结果,确定加工路径是否需要更新。
在本申请实施例中,电子设备通过通过摄像头或扫描仪等对当前加工的图像进行扫描。将当前加工图像与标定图像进行相似度比对,从而得到比对结果。将比对结果进行分析,从而快速便捷地确定加工路径是否需要进行更新。
本申请实施例的一种可能的实现方式,将当前加工图像与标定图像进行比对,得到比对结果包括:步骤Sb1、步骤Sb2以及步骤Sb3,其中:
步骤Sb1,对当前加工图像进行特征提取,得到当前轮廓信息。
步骤Sb2,对标定图像进行特征提取,得到标定轮廓信息。
在本申请实施例中,电子设备对当前加工图像进行去噪处理,然后将经过去噪后的当前加工图像信息转化为灰度图,找出灰度值的梯度,从而将当前加工图像的边缘进行提取,进而准确地确定当前轮廓信息;电子设备确定标定轮廓信息的方法与当前轮廓信息的确定方法一致,故不再赘述。
步骤Sb3,将当前轮廓信息与标定轮廓信息进行相似度计算,得到对比结果。
在本申请实施例中,电子设备通过特征提取,分别确定当前轮廓信息的中心点与外边缘点、标定轮廓信息的中心点与外边缘点,其中,标定轮廓的外边缘点的位置对应。然后通过欧几里得距离确定当前轮廓信息与标定轮廓信息的相似度,从而准确地确定当前轮廓与标定轮廓是否相似。假设,当前轮廓信息的中心点到标定轮廓信息的中心点的距离为D1=0,当前轮廓信息的外边缘点到标定轮廓信息的外边缘点的距离为D2=0.4。
本申请实施例的一种可能的实现方式,基于比对结果,确定加工路径是否需要更新,包括:步骤Sc1以及步骤Sc2,其中:
步骤Sc1,若比对结果大于预设相似度阈值,则对当前加工尺寸进行校准,得到校准后的加工尺寸,当前加工尺寸为当前加工图像的尺寸。
在本申请实施例中,相似度表征当前轮廓信息与标定轮廓信息的相似性,相似度值越大,则说明当前轮廓信息与标定轮廓信息越不相似。因此,为了准确地确定当前轮廓信息与标定轮廓信息是否相似,则设置预设相似度阈值。预设相似度阈值为通过实验设定的,用于判定当前轮廓信息与标定轮廓信息相似程度的标准。当比对结果大于预设相似度阈值,则说明当前加工尺寸与标定加工尺寸不一致,需要对当前加工尺寸进行校准,从而准确地得到校准后的加工尺寸。
以步骤Sb3为例,当前轮廓信息的中心点到标定轮廓信息的中心点的距离为D1=0,当前轮廓信息的外边缘点到标定图像的外边缘点的距离为D2=0.4。假设,预设相似度阈值为0.2,则D1=0<0.2,D2=0.4>0.2,由于D1为当前轮廓信息的中心点到标定轮廓信息的中心点的距离,D2为当前轮廓信息的外边缘点到标定图像的外边缘点的距离,因此,D1=0<0.2,则说明当前轮廓信息与标定轮廓信息相似,D2=0.4>0.2,则说明当前轮廓信息与标定轮廓信息的大小不同。
步骤Sc2,基于校准后的加工尺寸,对加工路径进行更新。
在本申请实施例中,电子设备重新校准加工尺寸后,重新计算加工路径,然后根据更新后的加工路径计算,得到更新后的预计交付时间。
上述实施例从方法流程的角度介绍一种数控机床自动化数据采集方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种数控机床自动化数据采集装置20,具体详见下述实施例。
本申请实施例提供一种数控机床自动化数据采集装置20,如图2所示,该数控机床自动化数据采集的装置20具体可以包括:
获取模块201,用于获取待加工零件的标定图像以及加工数量;
第一时间确定模块202,用于基于标定图像以及加工数量进行计算,得到第一加工时间;
概率确定模块203,用于基于标定图像从历史数据库中确定历史故障概率,历史故障概率为历史数据库中与标定图像相同的加工图像在加工时出现故障的概率;
第二时间确定模块204,用于基于历史故障概率计算第二加工时间;
预计时间确定模块205,用于将第一加工时间与第二加工时间进行计算,得到预计交付时间。
本申请实施例中公开了一种数控机床自动化数据采集装置20,其中,获取模块201获取待加工零件的标定图像以及加工数量,从而使得第一时间确定模块202可以准确地计算待加工零件在加工完毕时需要的加工时间,即第一加工时间,由于历史故障概率表征在历史加工过程中出现故障的频率,频率越高则需要的加工时间越长,因此,为了准确的确定待加工零件出现故障的频率,概率确定模块203根据标定图像从历史数据库中确定历史故障概率,然后第二时间确定模块204基于历史故障概率计算第二加工时间,第一加工时间表征待加工零件在正常加工时,即无故障发生时所需的加工时间,第二加工时间表征待加工零件在发生故障时所需的加工时间,预计时间确定模块205根据第一加工时间以及第二加工时间进行计算,得到预计交付时间,从而提高交付周期预测的准确性。
本申请实施例的一种可能的实现方式,第一时间确定模块202在基于标定图像以及加工数量进行计算,得到第一加工时间时,具体用于:
对标定图像进行特征提取,获取标定图像的加工信息,加工信息包括标定图像的标定形状以及标定尺寸;
基于标定形状以及标定尺寸,确定加工路径;
获取加工速度;
将加工路径、加工速度以及加工数量进行计算,得到第一加工时间。
本申请实施例的一种可能的实现方式,第一时间确定模块202在基于标定形状以及标定尺寸,确定加工路径时,具体用于:
根据标定形状以及标定尺寸,确定待加工零件的起点位置、终点位置以及加工走向;
将起点位置、终点位置以及加工走向进行计算,得到加工路径。
本申请实施例的一种可能的实现方式,概率确定模块203在基于标定图像从历史数据库中确定历史故障概率时,具体用于:
将标定图像与历史数据库中的历史加工图像进行对比,确定目标加工图像以及历史加工数量;
确定目标加工图像的历史故障数量,历史故障数量为目标加工图像在加工时出现故障数量;
将历史加工数量以及历史故障数量进行除法运算,得到历史故障概率。
本申请实施例的一种可能的实现方式,装置20还包括:
当前图像确定模块,用于确定当前加工图像;
结果确定模块,用于将当前加工图像与标定图像进行比对,得到比对结果;
判断更新模块,用于基于比对结果,确定加工路径是否需要更新。
本申请实施例的一种可能的实现方式,结果确定模块在将当前加工图像与标定图像进行比对,得到比对结果时,具体用于:
对当前加工图像进行特征提取,得到当前轮廓信息;
对标定图像进行特征提取,得到标定轮廓信息;
将当前轮廓信息与标定轮廓信息进行相似度计算,得到对比结果。
本申请实施例的一种可能的实现方式,判断更新模块在基于比对结果,确定加工路径是否需要更新时,具体用于:
若比对结果大于预设相似度阈值,则对当前加工尺寸进行校准,得到校准后的加工尺寸,当前加工尺寸为当前加工图像的尺寸;
基于校准后的加工尺寸,对加工路径进行更新。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例中提供了一种电子设备,如图3所示,图3所示的电子设备30包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备30还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备30的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与相关技术相比,本申请实施例中通过获取待加工零件的标定图像以及加工数量,可以准确地计算待加工零件在加工完毕时需要的加工时间,即第一加工时间,由于历史故障概率表征在历史加工过程中出现故障的频率,频率越高则需要的加工时间越长,因此,为了准确的确定待加工零件出现故障的频率,根据标定图像从历史数据库中确定历史故障概率,然后基于历史故障概率计算第二加工时间,第一加工时间表征待加工零件在正常加工时,即无故障发生时所需的加工时间,第二加工时间表征待加工零件在发生故障时所需的加工时间,根据第一加工时间以及第二加工时间进行计算,得到预计交付时间,从而提高交付周期预测的准确性。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种数控机床自动化数据采集方法,其特征在于,包括:
获取待加工零件的标定图像以及加工数量;
基于所述标定图像以及所述加工数量进行计算,得到第一加工时间;
基于所述标定图像从历史数据库中确定历史故障概率,所述历史故障概率为所述历史数据库中与所述标定图像相同的加工图像在加工时出现故障的概率;
基于所述历史故障概率计算第二加工时间;
将所述第一加工时间与所述第二加工时间进行计算,得到预计交付时间。
2.根据权利要求1所述的一种数控机床自动化数据采集方法,其特征在于,所述基于所述标定图像以及所述加工数量进行计算,得到第一加工时间,包括:
对所述标定图像进行特征提取,获取所述标定图像的加工信息,所述加工信息包括所述标定图像的标定形状以及标定尺寸;
基于所述标定形状以及标定尺寸,确定加工路径;
获取加工速度;
将所述加工路径、所述加工速度以及所述加工数量进行计算,得到第一加工时间。
3.根据权利要求2所述的一种数控机床自动化数据采集方法,其特征在于,所述基于所述标定形状以及标定尺寸,确定加工路径,包括:
根据所述标定形状以及标定尺寸,确定所述待加工零件的起点位置、终点位置以及加工走向;
将所述起点位置、所述终点位置以及所述加工走向进行计算,得到加工路径。
4.根据权利要求1所述的一种数控机床自动化数据采集方法,其特征在于,所述基于所述标定图像从历史数据库中确定历史故障概率,包括:
将所述标定图像与所述历史数据库中的历史加工图像进行对比,确定目标加工图像以及历史加工数量;
确定所述目标加工图像的历史故障数量,所述历史故障数量为所述目标加工图像在加工时出现故障数量;
将所述历史加工数量以及所述历史故障数量进行除法运算,得到所述历史故障概率。
5.根据权利要求2所述的一种数控机床自动化数据采集方法,其特征在于,所述基于所述标定形状以及标定尺寸,确定加工路径,之后还包括:
确定当前加工图像;
将所述当前加工图像与所述标定图像进行比对,得到比对结果;
基于所述比对结果,确定所述加工路径是否需要更新。
6.根据权利要求5所述的一种数控机床自动化数据采集方法,其特征在于,所述将所述当前加工图像与所述标定图像进行比对,得到比对结果,包括:
对所述当前加工图像进行特征提取,得到当前轮廓信息;
对所述标定图像进行特征提取,得到标定轮廓信息;
将所述当前轮廓信息与所述标定轮廓信息进行相似度计算,得到对比结果。
7.根据权利要求5所述的一种数控机床自动化数据采集方法,其特征在于,所述基于所述比对结果,确定所述加工路径是否需要更新,包括:
若所述比对结果大于预设相似度阈值,则对当前加工尺寸进行校准,得到校准后的加工尺寸,所述当前加工尺寸为所述当前加工图像的尺寸;
基于所述校准后的加工尺寸,对所述加工路径进行更新。
8.一种数控机床自动化数据采集的装置,其特征在于,包括:
获取模块,用于获取待加工零件的标定图像以及加工数量;
第一时间确定模块,用于基于所述标定图像以及所述加工数量进行计算,得到第一加工时间;
概率确定模块,用于基于所述标定图像从历史数据库中确定历史故障概率,所述历史故障概率为所述历史数据库中与所述标定图像相同的加工图像在加工时出现故障的概率;
第二时间确定模块,用于基于所述历史故障概率计算第二加工时间;
预计时间确定模块,用于将所述第一加工时间与所述第二加工时间进行计算,得到预计交付时间。
9.一种电子设备,其特征在于,其包括:
至少一个处理器;
存储器;
至少一个应用程序,其中所述至少一个应用程序被存储在所述存储器中并被配置为由所述至少一个处理器执行,所述至少一个应用程序:用于执行根据权利要求1~7任一项所述的一种数控机床自动化数据采集方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~7任一项所述的一种数控机床自动化数据采集方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311777067.1A CN117724401A (zh) | 2023-12-21 | 2023-12-21 | 一种数控机床自动化数据采集方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311777067.1A CN117724401A (zh) | 2023-12-21 | 2023-12-21 | 一种数控机床自动化数据采集方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117724401A true CN117724401A (zh) | 2024-03-19 |
Family
ID=90201383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311777067.1A Pending CN117724401A (zh) | 2023-12-21 | 2023-12-21 | 一种数控机床自动化数据采集方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117724401A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117974167A (zh) * | 2024-03-28 | 2024-05-03 | 江苏省卫生健康发展研究中心 | 三维铜基金属有机框架的合成数据处理方法 |
-
2023
- 2023-12-21 CN CN202311777067.1A patent/CN117724401A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117974167A (zh) * | 2024-03-28 | 2024-05-03 | 江苏省卫生健康发展研究中心 | 三维铜基金属有机框架的合成数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112179330B (zh) | 移动设备的位姿确定方法及装置 | |
CN117724401A (zh) | 一种数控机床自动化数据采集方法、装置、设备及介质 | |
CN108638062B (zh) | 机器人定位方法、装置、定位设备及存储介质 | |
CN110640746A (zh) | 机器人的坐标系标定及定位方法、系统、设备、介质 | |
CN110083475B (zh) | 一种异常数据的检测方法及装置 | |
CN111078639A (zh) | 数据标准化方法、装置以及电子设备 | |
CN115993804B (zh) | 一种基于数控机床的刀具参数调整方法及相关设备 | |
CN111311651B (zh) | 点云配准方法和装置 | |
CN112198878B (zh) | 一种即时地图构建方法、装置、机器人及存储介质 | |
CN110909804B (zh) | 基站异常数据的检测方法、装置、服务器和存储介质 | |
CN112631200A (zh) | 一种机床轴线测量方法以及装置 | |
CN110968835A (zh) | 一种近似分位数计算方法及装置 | |
CN116304227A (zh) | 一种零件加工工艺复用方法、系统及电子设备 | |
CN113420604B (zh) | 多人姿态估计方法、装置和电子设备 | |
CN115439069A (zh) | 无人档案仓库智能盘点方法、装置、设备及存储介质 | |
CN115643231A (zh) | 车载终端设备检测的方法、装置、电子设备及存储介质 | |
CN111633337B (zh) | 用于激光焊缝测量的消除反光方法及装置 | |
CN108858197B (zh) | 货架移动的精度监测方法、装置、机器人、服务器和介质 | |
CN116978440B (zh) | 一种存储器芯片电压调整方法、装置、设备和介质 | |
CN117252513A (zh) | 一种法兰储存车间的出入库统计方法、装置、设备及介质 | |
CN117348577B (zh) | 一种生产工艺仿真检测方法、装置、设备以及介质 | |
CN113752252B (zh) | 一种叶轮的水约束层与激光冲击轨迹的联动方法及系统 | |
CN117876359B (zh) | 一种橡胶制品缺陷检测方法、装置、设备及介质 | |
CN111339134B (zh) | 一种数据查询方法及装置 | |
CN116978440A (zh) | 一种存储器芯片电压调整方法、装置、设备和介质 |
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 |