CN110238244A - 一种基于云计算的材料弯曲工艺加工方法及*** - Google Patents
一种基于云计算的材料弯曲工艺加工方法及*** Download PDFInfo
- Publication number
- CN110238244A CN110238244A CN201910525550.8A CN201910525550A CN110238244A CN 110238244 A CN110238244 A CN 110238244A CN 201910525550 A CN201910525550 A CN 201910525550A CN 110238244 A CN110238244 A CN 110238244A
- Authority
- CN
- China
- Prior art keywords
- data
- bending
- departure degree
- cloud computing
- parameter
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D5/00—Bending sheet metal along straight lines, e.g. to form simple curves
- B21D5/004—Bending sheet metal along straight lines, e.g. to form simple curves with program control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D—WORKING OR PROCESSING OF SHEET METAL OR METAL TUBES, RODS OR PROFILES WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21D5/00—Bending sheet metal along straight lines, e.g. to form simple curves
- B21D5/006—Bending sheet metal along straight lines, e.g. to form simple curves combined with measuring of bends
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Bending Of Plates, Rods, And Pipes (AREA)
Abstract
本发明公开了一种基于云计算的材料弯曲工艺加工方法及***。加工方法包括:获取加工材料的初始化参数以及在线加工数据;在初始化参数的加工条件下,根据在线加工数据确定偏离程度;判断偏离程度是否大于预设偏离程度阈值,若是,将初始化参数以及在线加工数据由工控机发送至云端;利用云计算的粗粒度并行化遗传算法,根据在线加工数据确定材料力学性能参数;根据初始化参数以及材料力学性能参数确定弯曲行程;将弯曲行程由云端发送至工控机,并根据弯曲行程对所述加工材料进行加工;若否,利用名义力学性能参数对所述加工材料继续加工。采用本发明所提供的加工方法及***能够节省大量的时间和资源成本,大幅度提高产品的生产效率。
Description
技术领域
本发明涉及材料加工领域,特别是涉及一种基于云计算的材料弯曲工艺加工方法及***。
背景技术
在金属材料成形工艺中,弯曲工艺因操作简便、适用范围广的特点得到广泛应用,但由于加工板材成形过程受自身性能的波动性和温度等环境因素的影响,在完成加工后,会出现加工***控制回弹不准确、产品一致性差等问题;其次,当同批次材料加工完成更换新的加工材料时,需要重新测定材料的性能参数。
如果加工***具有实时自感知材料力学性能和优化调节的功能,例如对材料性能波动的监测、弱化环境因素对成形过程的影响和减少加工材料更换不便带来的问题,那么性能参数改变和产品一致性差等问题在一定程度上就有所改进;而对生产线上的工控计算机,实时自感知材料性能的时间成本很高,各工控机的生产节拍不一致,限制了生产瓶颈,管理成本高。
发明内容
本发明的目的是提供一种基于云计算的材料弯曲工艺加工方法及***,以解决生产线上的工控计算机实时自感知材料性能的时间成本很高,各工控机的生产节拍不一致,限制生产瓶颈,管理成本高的问题。
为实现上述目的,本发明提供了如下方案:
一种基于云计算的材料弯曲工艺加工方法,包括:
获取加工材料的初始化参数以及在线加工数据;所述初始化参数包括名义力学性能参数、轮廓尺寸以及模具的几何尺寸;所述在线加工数据包括凸模行程数据以及载荷数据;
在所述初始化参数的加工条件下,根据所述在线加工数据确定偏离程度;
判断所述偏离程度是否大于预设偏离程度阈值,得到第一判断结果;
若所述第一判断结果表示为所述偏离程度大于预设偏离程度阈值,将所述初始化参数以及所述在线加工数据由工控机发送至云端;
利用云计算的粗粒度并行化遗传算法,根据所述在线加工数据确定材料力学性能参数;
根据所述初始化参数以及所述材料力学性能参数确定弯曲行程;
将所述弯曲行程由所述云端发送至所述工控机,并根据所述弯曲行程对所述加工材料进行加工;
若所述第一判断结果表示为所述偏离程度不大于预设偏离程度阈值,利用所述名义力学性能参数对所述加工材料继续加工。
可选的,所述在所述初始化参数的加工条件下,根据所述在线加工数据确定偏离程度,具体包括:
根据公式确定偏离程度;其中,Wj为偏离程度;Fi'j为模型计算载荷;Fi”j为加工载荷值;i为每次加工的加工数据组数;j为加工次数;S为力数据索引最大值。
可选的,所述利用云计算的粗粒度并行化遗传算法,根据所述在线加工数据确定材料力学性能参数,具体包括:
利用云计算的粗粒度并行化遗传算法多次遗传迭代,根据公式确定材料力学性能参数;其中,Q(Xj)为材料力学性能参数;Xj为第j个个体基因,其中,个体基因X=[E,A,B,C]T,E为弹性模量、A、B、C为材料参数;n为载荷索引最大值;Fi为实际加工载荷值;Fi j为Xj对应的第i组计算载荷值。
可选的,所述根据所述初始化参数以及所述材料力学性能参数确定弯曲行程,具体包括:
在所述初始化参数不变的条件下,根据公式h=f(Xj,α)确定弯曲行程;其中,h为弯曲行程;α为材料弯曲的回弹角度;f(Xj,α)为在回弹角α、材料参数确定的情况下的弯曲行程方程。
一种基于云计算的材料弯曲工艺加工***,包括:
初始化参数以及在线加工数据获取模块,用于获取加工材料的初始化参数以及在线加工数据;所述初始化参数包括名义力学性能参数、轮廓尺寸以及模具的几何尺寸;所述在线加工数据包括凸模行程数据以及载荷数据;
偏离程度确定模块,用于在所述初始化参数的加工条件下,根据所述在线加工数据确定偏离程度;
第一判断模块,用于判断所述偏离程度是否大于预设偏离程度阈值,得到第一判断结果;
数据发送模块,用于若所述第一判断结果表示为所述偏离程度大于预设偏离程度阈值,将所述初始化参数以及所述在线加工数据由工控机发送至云端;
材料力学性能参数确定模块,用于利用云计算的粗粒度并行化遗传算法,根据所述在线加工数据确定材料力学性能参数;
弯曲行程确定模块,用于根据所述初始化参数以及所述材料力学性能参数确定弯曲行程;
第一加工模块,用于将所述弯曲行程由所述云端发送至所述工控机,并根据所述弯曲行程对所述加工材料进行加工;
第二加工模块,用于若所述第一判断结果表示为所述偏离程度不大于预设偏离程度阈值,利用所述名义力学性能参数对所述加工材料继续加工。
可选的,所述偏离程度确定模块具体包括:
偏离程度确定单元,用于根据公式确定偏离程度;其中,Wj为偏离程度;Fi'j为模型计算载荷;Fi”j为加工载荷值;i为每次加工的加工数据组数;j为加工次数;S为力数据索引最大值。
可选的,所述材料力学性能参数确定模块具体包括:
材料力学性能参数确定单元,用于利用云计算的粗粒度并行化遗传算法多次遗传迭代,根据公式确定材料力学性能参数;其中,Q(Xj)为材料力学性能参数;Xj为第j个个体基因,其中,个体基因X=[E,A,B,C]T,E为弹性模量,A、B、C为材料参数;n为载荷索引最大值;Fi为实际加工载荷值;Fi j为Xj对应的第i组计算载荷值。
可选的,所述弯曲行程确定模块具体包括:
弯曲行程确定单元,用于在所述初始化参数不变的条件下,根据公式h=f(Xj,α)确定弯曲行程;其中,h为弯曲行程;α为材料弯曲的回弹角度;f(Xj,α)为在回弹角α、材料参数确定的情况下的弯曲行程方程。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供了一种基于云计算的材料弯曲工艺加工方法及***,利用云计算完成了自感知材料参数和计算凸模行程的过程,在实际生产工艺中,可以定制化的完成加工过程,智能的检测加工材料变动和性能波动,并且避免了多台工控机工作下的节拍不一致的问题,可以节省大量的时间和资源成本,大幅度提高产品的生产效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的基于云计算的材料弯曲工艺加工方法流程图;
图2为本发明所提供的基于云计算的材料弯曲工艺加工***结构图;
图3为本发明所提供的更换材料时在线***处理加工数据的流程图;
图4为本发明所提供的各进程中遗传算法确定材料参数流程图;
图5为本发明所提供的云服务***和工控机双端数据通信模式示意图。
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、完整地描述,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。
本发明的目的是提供一种基于云计算的材料弯曲工艺加工方法及***,避免多台工控机工作下的节拍不一致的问题,能够节省大量的时间和资源成本,大幅度提高产品的生产效率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的基于云计算的材料弯曲工艺加工方法流程图,如图1所示,一种基于云计算的材料弯曲工艺加工方法,包括:
步骤101:获取加工材料的初始化参数以及在线加工数据;所述初始化参数包括名义力学性能参数、轮廓尺寸以及模具的几何尺寸;所述在线加工数据包括凸模行程数据以及载荷数据。
其中,凸模行程数据使用光栅尺检测,载荷数据使用力传感器检测,利用工控机中的labview软件构建并打开***的数据连接后,自动构建数据库,将获得的数据存储其中。
对于不同板材加工的数据,在数据库中保存的格式为(hij,Fij),其中,i为每次加工数据的组值,j为加工的次数值;hij为第j次加工下第i组行程数据;Fij为第j次加工下第i组力数据。
对于第j次加工数据,进行归一化处理为:
h′i=(hi-hmin)/(hmax-hmin) (1)
Fi'=(Fi-Fmin)/(Fmax-Fmin) (2)
其中,此时由于是新材料的第一次加工,j=1;h′i为第一次加工归一化行程数据;hi为第一次加工第i组行程数据;hmin为第一次加工行程数据最小值;hmax为第一次加工行程数据最大值;Fi'为第一次加工归一化力数据;Fi为第一次加工第i组力数据;Fmin为第一次加工力数据最小值;Fmax为第一次加工力数据最大值。
步骤102:在所述初始化参数的加工条件下,根据所述在线加工数据确定偏离程度。
所述步骤102具体包括:根据公式确定偏离程度;其中,Wj为偏离程度;Fi'j为模型计算载荷;Fi”j为加工载荷值;i为每次加工的加工数据组数;j为加工次数;S为力数据索引最大值。
步骤103:判断所述偏离程度是否大于预设偏离程度阈值,若是,执行步骤104,若否,执行步骤108。
步骤104:将所述初始化参数以及所述在线加工数据由工控机发送至云端。
步骤105:利用云计算的粗粒度并行化遗传算法,根据所述在线加工数据确定材料力学性能参数。
所述步骤105具体包括:利用云计算的粗粒度并行化遗传算法多次遗传迭代,根据公式确定材料力学性能参数;其中,Q(Xj)为材料力学性能参数;Xj为第j个个体基因,其中,个体基因X=[E,A,B,C]T,E为弹性模量、A、B、C为材料参数;n为载荷索引最大值;Fi为实际加工载荷值;Fi j为Xj对应的第i组计算载荷值。
1)工控机和云计算***的通信。
工控机和云计算***互为对方的发送端和接收端,两者通过设定网络端口和TCP/IP协议进行数据传输和通信;工控机和云计算***皆处于侦听状态。开始时,当工控机获得并存储实验数据后,向云计算***发送确认信号,确认对方处于可接收数据的状态后,向云计算端发送数据,发送数据完成后,双方断开连接。云计算***在接收到传输数据后,运行基于消息传递接口(Message passing interface,MPI)粗粒度并行化遗传算法的弯曲工艺中材料参数确定程序,计算出材料参数后,根据用户设定的回弹角,利用材料参数和解析模型计算凸模行程,然后作为发送端向工控机发送确认信号,确认对方处于可接收状态后,发送行程数据,在工控机获得行程数据后,通过在线控制后续的加工过程。
2)算法优化目标和自由度范围。
已知材料的流动应力应变关系为:
σ=C+A(1-exp(-Bε)) (4)
其中,σ为材料流动应力,A、B、C为材料的力学性能参数,ε为材料流动应变。
当材料的性能参数、形状参数、模具尺寸确定时,在V形弯曲力学解析模型中,每个凸模位移h皆有确定的载荷值F与之对应。那么在材料的形状参数、模具的尺寸固定不变的情况下,利用每一组材料性能参数,就可以计算出n组位移载荷数据(hij,Fij)i=1,2,3,...,n,j为材料性能参数的组索引。如果这n组数据和实际加工数据之间差距越来越小,直到有一组数据,当与实际加工数据之间的差距达到可以接受的阈值内时,那么这组材料参数就可以作为加工材料的性能参数。
在上述情形下,将材料参数作为个体的基因X=[E,A,B,C]T(E为弹性模量),利用MPI粗粒度并行化遗传算法的特性,将基因计算数据和实验数据的差距的倒数作为适应度函数,通过多次遗传迭代即可找到适应度最高的个体,即材料此时的性能参数。
3)MPI粗粒度并行化遗传算法。
MPI粗粒度并行化遗传算法是将群体划分成若干子群体独立演化,并以一定的迁移率和迁移间隔在子群体间交换个体。
种群初始化:对个体基因X=[E,A,B,C]T设定每次迭代的种群量,在主进程下,开辟相应个数的进程,每个进程负责一个子种群的迭代过程。每个种群的个体数量为m,对每个种群,随机化初始种群个体为:
P(0)=(X1,X2,X3,...,Xm) (5)
设定迭代次数、变异率、保留率。
适应度评价:以个体基因X=[E,A,B,C]T的载荷位移数据和实际加工数据确定适应度评价函数为:
其中,Fi为实际加工数据的载荷值,Fi j为种群内第j个个体的载荷值,j=1,2,3,...,m。
对种群中的每代个体,当适应度函数值越大时,实际加工数据和个体的载荷位移数据间的差距越小,即个体基因的表现越优秀。
在各进程的子种群完成计算后,由MPI中的通信子执行栅栏操作,即为了保证所有进程相互同步,使各进程相互等待,直到所有进程完成迭代。同步后,各子种群的几个最优解替代相邻种群中较差的个体,对各新种群个体进行选择、遗传、变异,然后进行下次迭代,当遗传次数达到设定的迭代次数,或者当找到的优秀个体使适应度函数达到设定精度时,主进程将最优个体Xb=[E,A,B,C]T保存,并行遗传算法停止运算。
步骤106:根据所述初始化参数以及所述材料力学性能参数确定弯曲行程。
通过算法确定材料性能参数后,在确定的材料形状参数和模具尺寸,每个回弹角α对应的凸模行程Fi对弯曲力学模型是确定的。
在所述初始化参数不变的条件下,根据公式h=f(Xj,α)确定弯曲行程;其中,h为弯曲行程;α为材料弯曲的回弹角度;f(Xj,α)为在回弹角α、材料参数确定的情况下的弯曲行程方程。
步骤107:将所述弯曲行程由所述云端发送至所述工控机,并根据所述弯曲行程对所述加工材料进行加工。
步骤108:利用所述名义力学性能参数对所述加工材料继续加工。
图2为本发明所提供的基于云计算的材料弯曲工艺加工***结构图,如图2所示,一种基于云计算的材料弯曲工艺加工***,包括:
初始化参数以及在线加工数据获取模块201,用于获取加工材料的初始化参数以及在线加工数据;所述初始化参数包括名义力学性能参数、轮廓尺寸以及模具的几何尺寸;所述在线加工数据包括凸模行程数据以及载荷数据。
偏离程度确定模块202,用于在所述初始化参数的加工条件下,根据所述在线加工数据确定偏离程度。
所述偏离程度确定模块202具体包括:偏离程度确定单元,用于根据公式确定偏离程度;其中,Wj为偏离程度;Fi'j为模型计算载荷;Fi”j为加工载荷值;i为每次加工的加工数据组数;j为加工次数;S为力数据索引最大值。
第一判断模块203,用于判断所述偏离程度是否大于预设偏离程度阈值,得到第一判断结果。
数据发送模块204,用于若所述第一判断结果表示为所述偏离程度大于预设偏离程度阈值,将所述初始化参数以及所述在线加工数据由工控机发送至云端。
材料力学性能参数确定模块205,用于利用云计算的粗粒度并行化遗传算法,根据所述在线加工数据确定材料力学性能参数。
所述材料力学性能参数确定模块205具体包括:材料力学性能参数确定单元,用于利用云计算的粗粒度并行化遗传算法多次遗传迭代,根据公式确定材料力学性能参数;其中,Q(Xj)为材料力学性能参数;Xj为第j个个体基因,其中,个体基因X=[E,A,B,C]T,E为弹性模量、A、B、C为材料参数;n为载荷索引最大值;Fi为实际加工载荷值;Fi j为Xj对应的第i组计算载荷值。
弯曲行程确定模块206,用于根据所述初始化参数以及所述材料力学性能参数确定弯曲行程。
所述弯曲行程确定模块206具体包括:弯曲行程确定单元,用于在所述初始化参数不变的条件下,根据公式h=f(Xj,α)确定弯曲行程;其中,h为弯曲行程;α为材料弯曲的回弹角度;f(Xj,α)为在回弹角α、材料参数确定的情况下的弯曲行程方程。
第一加工模块207,用于将所述弯曲行程由所述云端发送至所述工控机,并根据所述弯曲行程对所述加工材料进行加工。
第二加工模块208,用于若所述第一判断结果表示为所述偏离程度不大于预设偏离程度阈值,利用所述名义力学性能参数对所述加工材料继续加工。
图3为本发明所提供的更换材料时在线***处理加工数据的流程图,加工开始,对加工材料进行加工,工控机获得并存储数据后,和云计算***确认连接并发送加工数据,云计算***接收数据后,检测数据的波动情况,若当波动函数值超过阈值时,则通过算法重新计算材料的性能参数和回弹角下的凸模行程,然后发送行程数据给工控机。工控机接收行程数据后开始加工,重复上述过程。
图4为本发明所提供的各进程中遗传算法确定材料参数流程图,首先确定种群数量、种群大小、迭代次数、变异率和保留率等参数,随机化初始群体。然后通过适应度函数计算种群内个体的适应度值,通过对适应度排序来评估个体适应度。判断是否达到迭代次数或者适应度值是否达到设定精度。如果满足判断条件,则输出目前作为最优解的材料参数。如未满足判断条件,则各进程种群的最优解替代相邻种群的个体,各种群内进行选择、交叉、变异等过程生成新种群,重复上述过程。
图5为本发明所提供的云服务***和工控机双端数据通信模式示意图,云服务***和工控机由网络端口和TCP协议进行通信,两者皆处于侦听(Monitor)模式,当工控机获得加工***的载荷-行程数据后,向云服务发送确认信号,确认后云计算***接收到加工数据,检测波动情况,进行材料参数确定和计算回弹角下的凸模行程,然后向工控机发送确认信号,在得到确认后,发送行程数据,由工控机进行后续加工,重复上述过程。
步骤1:确定铝合金实验板材的名义力学性能参数为:
E=70000,A=200,B=20,C=140,υ=0.3。
板材轮廓尺寸为:长L0=110mm;宽b=50mm;厚t=2mm。
模具的几何尺寸为:凹模跨度L=70mm;凹模圆角半径Rd=5mm;张角θ=75°;凸模圆角半径Rp=10mm。
摩擦系数为μ=0.2;凸模位移h=25mm。
工控机进行第一次在线加工,获得当前试验下的载荷-位移数据2000组,存储当前的实验数据。
步骤2:通过Labview中的TCP网络模块建立工控机和云计算服务端的数据交换和通信机制。
步骤3:在云计算***中构建计算材料性能参数和回弹角下凸模行程的算法,并设定子种群个数为10个,子种群大小为100个体,迭代次数为500次,变异率为10%,子种群间迁移率为10%。
步骤4:工控机向云计算***发送确认信号,得到确认后,将实验数据发送给云计算***。
步骤5:云***计算数据波动函数值,如果超过设定的阈值200,则判断加工材料已更换或者之前的名义性能参数不适用。
步骤6:云计算***利用算法进行计算,重新求解铝合金材料参数:E=67005.19,A=194.37,B=17.86,C=139.039。
根据用户设定回弹角为5度,计算得到凸模需加工位移值为26.3mm;计算完成后向工控机发送确认信号,得到确认后,发送行程数据。
步骤7:工控机接收行程数据,进行后续加工过程。
步骤8:工控机完成加工过程后断开和云***连接,周期性发送连接信号,以保持通信,直到所有材料加工完成。
本发明通过云端的粗粒度并行化遗传算法感知材料性能以对加工材料进行柔性弯曲加工,建立云计算下基于MPI并行化遗传算法自感知材料力学性能、计算凸模行程的过程;建立基于工控机的在线数据处理***,实时的保存加工数据、检测数据变动;建立工控机和云计算***的双端数据通信框架。本发明利用云计算完成了自感知材料参数和计算凸模行程的过程,在实际生产工艺中,可以定制化的完成加工过程,智能的检测加工材料变动和性能波动,并且避免了多台工控机工作下的节拍不一致的问题。
除此之外,很多与弯曲工艺相类似的成形工艺都可以通过本发明利用云计算来完成,可以节省大量的时间和资源成本,大幅度提高产品的生产效率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于云计算的材料弯曲工艺加工方法,其特征在于,包括:
获取加工材料的初始化参数以及在线加工数据;所述初始化参数包括名义力学性能参数、轮廓尺寸以及模具的几何尺寸;所述在线加工数据包括凸模行程数据以及载荷数据;
在所述初始化参数的加工条件下,根据所述在线加工数据确定偏离程度;
判断所述偏离程度是否大于预设偏离程度阈值,得到第一判断结果;
若所述第一判断结果表示为所述偏离程度大于预设偏离程度阈值,将所述初始化参数以及所述在线加工数据由工控机发送至云端;
利用云计算的粗粒度并行化遗传算法,根据所述在线加工数据确定材料力学性能参数;
根据所述初始化参数以及所述材料力学性能参数确定弯曲行程;
将所述弯曲行程由所述云端发送至所述工控机,并根据所述弯曲行程对所述加工材料进行加工;
若所述第一判断结果表示为所述偏离程度不大于预设偏离程度阈值,利用所述名义力学性能参数对所述加工材料继续加工。
2.根据权利要求1所述的基于云计算的材料弯曲工艺加工方法,其特征在于,所述在所述初始化参数的加工条件下,根据所述在线加工数据确定偏离程度,具体包括:
根据公式确定偏离程度;其中,Wj为偏离程度;为模型计算载荷;为加工载荷值;i为每次加工的加工数据组数;j为加工次数;S为力数据索引最大值。
3.根据权利要求2所述的基于云计算的材料弯曲工艺加工方法,其特征在于,所述利用云计算的粗粒度并行化遗传算法,根据所述在线加工数据确定材料力学性能参数,具体包括:
利用云计算的粗粒度并行化遗传算法多次遗传迭代,根据公式确定材料力学性能参数;其中,Q(Xj)为材料力学性能参数;Xj为第j个个体基因,个体基因X=[E,A,B,C]T,E为弹性模量、A、B、C为材料参数;n为载荷索引最大值;Fi为实际加工载荷值;Fi j为Xj对应的第i组计算载荷值。
4.根据权利要求3所述的基于云计算的材料弯曲工艺加工方法,其特征在于,所述根据所述初始化参数以及所述材料力学性能参数确定弯曲行程,具体包括:
在所述初始化参数不变的条件下,根据公式h=f(Xj,α)确定弯曲行程;其中,h为弯曲行程;α为材料弯曲的回弹角度;f(Xj,α)为在回弹角α、材料参数确定的情况下的弯曲行程方程。
5.一种基于云计算的材料弯曲工艺加工***,其特征在于,包括:
初始化参数以及在线加工数据获取模块,用于获取加工材料的初始化参数以及在线加工数据;所述初始化参数包括名义力学性能参数、轮廓尺寸以及模具的几何尺寸;所述在线加工数据包括凸模行程数据以及载荷数据;
偏离程度确定模块,用于在所述初始化参数的加工条件下,根据所述在线加工数据确定偏离程度;
第一判断模块,用于判断所述偏离程度是否大于预设偏离程度阈值,得到第一判断结果;
数据发送模块,用于若所述第一判断结果表示为所述偏离程度大于预设偏离程度阈值,将所述初始化参数以及所述在线加工数据由工控机发送至云端;
材料力学性能参数确定模块,用于利用云计算的粗粒度并行化遗传算法,根据所述在线加工数据确定材料力学性能参数;
弯曲行程确定模块,用于根据所述初始化参数以及所述材料力学性能参数确定弯曲行程;
第一加工模块,用于将所述弯曲行程由所述云端发送至所述工控机,并根据所述弯曲行程对所述加工材料进行加工;
第二加工模块,用于若所述第一判断结果表示为所述偏离程度不大于预设偏离程度阈值,利用所述名义力学性能参数对所述加工材料继续加工。
6.根据权利要求5所述的基于云计算的材料弯曲工艺加工***,其特征在于,所述偏离程度确定模块具体包括:
偏离程度确定单元,用于根据公式确定偏离程度;其中,Wj为偏离程度;为模型计算载荷;为加工载荷值;i为每次加工的加工数据组数;j为加工次数;S为力数据索引最大值。
7.根据权利要求6所述的基于云计算的材料弯曲工艺加工***,其特征在于,所述材料力学性能参数确定模块具体包括:
材料力学性能参数确定单元,用于利用云计算的粗粒度并行化遗传算法多次遗传迭代,根据公式确定材料力学性能参数;其中,Q(Xj)为材料力学性能参数;Xj为第j个个体基因,其中,个体基因X=[E,A,B,C]T,E为弹性模量、A、B、C为材料参数;n为载荷索引最大值;Fi为实际加工载荷值;Fi j为Xj对应的第i组计算载荷值。
8.根据权利要求7所述的基于云计算的材料弯曲工艺加工***,其特征在于,所述弯曲行程确定模块具体包括:
弯曲行程确定单元,用于在所述初始化参数不变的条件下,根据公式h=f(Xj,α)确定弯曲行程;其中,h为弯曲行程;α为材料弯曲的回弹角度;f(Xj,α)为在回弹角α、材料参数确定的情况下的弯曲行程方程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910525550.8A CN110238244B (zh) | 2019-06-18 | 2019-06-18 | 一种基于云计算的材料弯曲工艺加工方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910525550.8A CN110238244B (zh) | 2019-06-18 | 2019-06-18 | 一种基于云计算的材料弯曲工艺加工方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110238244A true CN110238244A (zh) | 2019-09-17 |
CN110238244B CN110238244B (zh) | 2020-05-22 |
Family
ID=67887786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910525550.8A Active CN110238244B (zh) | 2019-06-18 | 2019-06-18 | 一种基于云计算的材料弯曲工艺加工方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110238244B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444578A (zh) * | 2019-11-21 | 2020-07-24 | 燕山大学 | 一种基于弯曲工艺的变模量模型参数的自动标定方法 |
CN113112470A (zh) * | 2021-04-08 | 2021-07-13 | 西安道法数器信息科技有限公司 | 一种基于人工智能的冷轧过程钢材弯曲检测分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101644921A (zh) * | 2009-08-05 | 2010-02-10 | 无锡信捷电气有限公司 | 一种改进型板料数控折弯设计方法 |
JP2016193455A (ja) * | 2015-03-31 | 2016-11-17 | 上海交通大学 | 金属板材曲げ成形制御方法 |
CN106295055A (zh) * | 2016-08-22 | 2017-01-04 | 南京埃斯顿自动化股份有限公司 | 一种对上模进深进行折弯回弹补偿的折弯机折弯方法 |
US20170320118A1 (en) * | 2016-05-03 | 2017-11-09 | Hamid Reza Abbasi | Method for determining filler types for press bending of pipes |
CN108246845A (zh) * | 2018-01-15 | 2018-07-06 | 浙江申吉钛业股份有限公司 | 钛合金板材等温弯曲工艺优化方法 |
CN109637598A (zh) * | 2019-01-17 | 2019-04-16 | 燕山大学 | 一种基于弯曲工艺的材料力学性能参数确定方法 |
-
2019
- 2019-06-18 CN CN201910525550.8A patent/CN110238244B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101644921A (zh) * | 2009-08-05 | 2010-02-10 | 无锡信捷电气有限公司 | 一种改进型板料数控折弯设计方法 |
JP2016193455A (ja) * | 2015-03-31 | 2016-11-17 | 上海交通大学 | 金属板材曲げ成形制御方法 |
US20170320118A1 (en) * | 2016-05-03 | 2017-11-09 | Hamid Reza Abbasi | Method for determining filler types for press bending of pipes |
CN106295055A (zh) * | 2016-08-22 | 2017-01-04 | 南京埃斯顿自动化股份有限公司 | 一种对上模进深进行折弯回弹补偿的折弯机折弯方法 |
CN108246845A (zh) * | 2018-01-15 | 2018-07-06 | 浙江申吉钛业股份有限公司 | 钛合金板材等温弯曲工艺优化方法 |
CN109637598A (zh) * | 2019-01-17 | 2019-04-16 | 燕山大学 | 一种基于弯曲工艺的材料力学性能参数确定方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444578A (zh) * | 2019-11-21 | 2020-07-24 | 燕山大学 | 一种基于弯曲工艺的变模量模型参数的自动标定方法 |
CN113112470A (zh) * | 2021-04-08 | 2021-07-13 | 西安道法数器信息科技有限公司 | 一种基于人工智能的冷轧过程钢材弯曲检测分析方法 |
CN113112470B (zh) * | 2021-04-08 | 2023-12-15 | 揭阳市柏亿不锈钢有限公司 | 一种基于人工智能的冷轧过程钢材弯曲检测分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110238244B (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110238244A (zh) | 一种基于云计算的材料弯曲工艺加工方法及*** | |
CN111208796B (zh) | 一种基于聚类小生境遗传算法的车间生产作业排程方法 | |
CN110809275B (zh) | 基于无线城域网的微云节点放置方法 | |
CN101539800A (zh) | 一种低功耗作业调度计算方法 | |
CN114302418A (zh) | 网元设备性能的检测方法、装置及计算机可读介质 | |
CN113065789A (zh) | 一种基于三标度层次分析法的制造成熟度等级快速自评方法 | |
US20230189075A1 (en) | Wireless communication network resource allocation method with dynamic adjustment on demand | |
CN110363244A (zh) | 一种营销数据处理的方法和装置 | |
CN113941624A (zh) | 板料的折弯成形方法、装置、***及计算机可读存储介质 | |
CN105205536A (zh) | 基于混合遗传算法的1553b总线消息传输优化方法 | |
CN116468253B (zh) | 结合智慧能源管理平台的多能源调度管控方法及*** | |
Zeng et al. | A highly efficient DAG task scheduling algorithm for wireless sensor networks | |
CN114926301A (zh) | 一种基于矩阵分解法的需求响应动态资源池建立方法 | |
CN112613146B (zh) | 一种校直自适应优化方法、***、存储介质及计算设备 | |
CN111124629B (zh) | 一种带结果收集的多趟调度模型的求解方法及*** | |
CN108805463A (zh) | 一种支持削峰型电力需求响应的生产调度方法 | |
CN115218270A (zh) | 一种终端变电站级的分散电供暖智能群控控制方法及*** | |
Çelik et al. | Modelling of the clearance effects in the blanking process of CuZn30 sheet metal using neural network− a comparative study | |
CN113469568B (zh) | 一种基于改进灰靶理论的工业用户负荷调节能力量化方法及装置 | |
CN117978679B (zh) | 异质物联网熵权确定方法、装置及电子设备 | |
WO2024056051A1 (zh) | 非侵入式柔性负荷聚合特性辨识与优化方法、装置及设备 | |
CN117996242B (zh) | 用于动力电池的智能均衡控制方法及*** | |
CN117237004B (zh) | 一种储能设备交易处理方法、装置和存储介质 | |
CN112232548B (zh) | 基于遗传算法的机械加工车间智能排产优化方法及*** | |
Hou et al. | Task scheduling method of production line workflow based on firefly algorithm |
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 |