CN111352398B - 智能精密加工单元 - Google Patents
智能精密加工单元 Download PDFInfo
- Publication number
- CN111352398B CN111352398B CN202010129016.8A CN202010129016A CN111352398B CN 111352398 B CN111352398 B CN 111352398B CN 202010129016 A CN202010129016 A CN 202010129016A CN 111352398 B CN111352398 B CN 111352398B
- Authority
- CN
- China
- Prior art keywords
- machining
- data
- processing
- module
- machine tool
- 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
- 238000003754 machining Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 32
- 238000010223 real-time analysis Methods 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000013135 deep learning Methods 0.000 claims abstract description 10
- 238000005520 cutting process Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 78
- 238000005516 engineering process Methods 0.000 claims description 23
- 238000013500 data storage Methods 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 238000013136 deep learning model Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 description 51
- 238000007726 management method Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 6
- 230000008520 organization Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 208000033830 Hot Flashes Diseases 0.000 description 1
- 206010060800 Hot flush Diseases 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012394 real-time manufacturing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31359—Object oriented model for fault, quality control
-
- 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)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明提出一种智能精密加工单元的组成和运行方法，旨在提升现有加工单元的的装夹效率，本发明通过下述技术方案实现：控制***将加工工艺知识库自动提供的加工程序发送至机床自身的控制***，将采集得到的数据回传到数据采集与实时分析***中，数据采集与实时分析***通过控制***对机床的加工过程数据参数、测力仪上的切削力参数和在线检测设备的检测数据进行采集，通过内部的加工质量预测模块实现对加工质量的实时分析与预测；自动识别***通过自动识别装置完成对零件的拍照，实现对零件身份的识别，工艺参数推荐模块自动分析零件的外观特征和加工要求，基于深度学习算法自动生成数据加工程序，根据已发送至机床上的数据加工程序进行加工。
Description
技术领域
本发明涉及一种智能制造***中的智能精密加工单元，具体包括智能精密加工单元的组成和运行。
背景技术
智造单元SMU(Smart Manufacturing Unit)是一种工业转型升级实践，可以阶段性地实现智能工厂的落地；智造单元是一种模块化的思想，是实现智能工厂的建设与规划的指南。智造单元可以定位为实现数字化工厂的基本工作单元。
近年来，全球各主要经济体都在大力推进制造业的复兴，在工业互联网、物联网、云计算等热潮下，全球众多优秀制造企业都开展了智能工厂建设实践。另一方面，物联网、协作机器人、大数据、机器视觉等新兴技术迅速兴起，为制造企业推进智能工厂建设提供了良好的技术支撑。智造单元成为离散型制造企业落地的重要抓手，也是智能工厂实现完全智能化的利器。根据产品情况，每个单元加工的零件可以是定向的，产品设计完毕后，会产生一个制造包，按零件的属性可以进行归类，把每类分配到对应的智造单元中去。物理上，构成敏捷化智能制造单元的设备位置不发生改变，而在逻辑上，设备则根据生产组织和管理需要组合成不同的敏捷化智能制造单元，实现制造资源的动态优化配置，并对变化的任务作出及时响应。智能制造包含智能制造技术和智能制造***，智能制造***不仅能够在实践中不断地充实知识库，而且还具有自学习功能，还有搜集与理解环境信息和自身的信息，并进行分析判断和规划自身行为的能力。智能制造单元在工厂设备布局和生产组织管理上，将综合传统意义上的固定制造***的布局及生产管理特点，使之既能与这些类型的制造***组织与管理相一致，又能通过资源优化组合及共享，将其他设备在管理上纳入固定结构的制造***，以适应生产任务的细小变化；智能加工单元可以利用智能技术将CNC、工业机器人、加工中心以及自动化程度较低的设备集成起来，使其具有更高的柔性，提高生产效率。根据生产任务对制造资源的要求，将物理位置上没有必然联系的设备，在逻辑结构上构成一个相对稳定的敏捷化智能制造单元，以完成一批特定的生产任务，从而提高制造资源在全社会范围内的共享，减少设备的闲置。
为了实现一个智造单元的高效率运转，基本工作单元必须要实现模块化、自动化和信息化。智造单元由于它的产品属性与结构，在产品端具备四化的特征：结构模块化、数据输出标准化、场景异构柔性化，以及软硬件一体化，不同制造企业可以根据企业自身条件的不同需要建立适合自己的柔性化、智能化的生产线。根据生产任务变化实现制造资源在生产组织和管理上的快速重构，实现以人为中心的智造单元。根据生产任务变化实现在单元的体系结构上的可重用、可重组、可扩充。将现有的具有柔性能力的制造设备(如加工中心)和运输设备按不同需求重新配置和组合形成制造单元，通过设计可重构的单元控制软件来控制协调单元生产，从而实现制造单元的快速重构，发挥制造单元层的敏捷性。
智造单元建设涉及到智能装备、自动化控制、传感器、工业软件等领域的供应商，集成难度很大。智能制造和智能工厂涵盖领域很多，***极其复杂。智能制造传统上的解决方法，往往采用各种设备叠加组合，缺少整体上的一体化设计，尤其是软件、硬件一体化的设计。随着制造企业中智能加工单元和柔性生产线的不断投入应用，智能建设中，往往忽视管理与技术标准的建立，容易造成缺少数据标准，一物多码；作业标准执行不到位；缺失设备管理标准，不同的设备采用不同的通讯协议，造成设备集成难度大；管理流程复杂，职权利不匹配；质检标准执行不到位，导致批次质量问题多等问题。当前的智能加工单元仍然存在以下几个不足：一是加工前工艺参数的确定仍主要依赖工艺或编程人员的人工确定，难以保证加工工艺参数的最优化；二是零件加工过程中一般仅实现了加工参数的实时采集，而缺乏对这些实时采集数据的实时分析，难以根据加工参数实现对加工质量的可预测；三是零件的装夹主要还是依赖虎钳或者吸盘等人工装夹方式，没有实现装夹过程的自动化。
发明内容
本发明的目的是针对现有技术存在的不足之处，提供一种自动识别准确、自动装夹和自适应推荐工艺参数准确可靠的智能精密加工单元，以提升现有加工单元的智能化、柔性化水平。
为实现上述目的，本发明提供一种智能精密加工单元，包括：自动识别装置、若干台机床、安装在机床上的自动装夹装置、测力仪和在线检测设备和运动导轨的硬件层和包含控制***、自动识别***、数据采集与实时分析***、加工工艺知识库的软件层，其特征在于：控制***将加工工艺知识库自动提供的加工程序发送至机床自身的控制***，控制机床上自动装夹装置的工作，将采集得到的数据回传到数据采集与实时分析***中，数据采集与实时分析***通过控制***对机床的加工过程数据参数、测力仪上的切削力参数和在线检测设备的检测数据进行采集，通过内部的加工质量预测模块实现对加工质量的实时分析与预测；自动识别***通过自动识别装置完成对零件的拍照，实现对零件身份的识别，将自动识别装置拍摄的零件图像进行处理与分析，给予每个加工的零件一个单独的身份识别标识；当零件需要加工时，加工工艺知识库中的工艺参数推荐模块自动分析零件的外观特征和加工要求，基于深度学习算法，根据数据存储模块中的历史数据推荐出满足一组满足要求的工艺参数，自动生成相应的数据加工程序，并通过控制***发送至机床上；控制***控制零件姿态，通过运动导轨移动至机床上，并通过自动装夹装置完成在机床上的装夹，根据已发送至机床上的数据加工程序进行加工。
本发明相比于现有技术具有如下有益效果：
本发明以“设备自动化+生产精益化+管理信息化+人工高效化”为构建理念，融合工业机器人技术、数字化设计技术、数控加工技术、工业物联网技术、RFID数字信息技术、包括工业机器人应用技术、定点高精度搬运技术、在线测量装置、信息化智能制造MES***等智能制造***技术构建一条可追溯生产流程的智能加工单元。利用PLC与***各单元进行通讯，通过在智能精密加工单元中集成机床，使用数控机床进行零部件的加工，实现加工过程实时制造数据采集、实现零件身份自动识别、自动装夹和工艺参数的加工过程自动化，控制简单直观。
自动识别准确。本发明采用控制***将加工工艺知识库自动提供的加工程序发送至机床自身的控制***，控制机床上自动装夹装置的工作，通过在智能精密加工单元中设置自动识别装置、自动装夹装置和运动导轨，将采集得到的数据回传到数据采集与实时分析***中，数据采集与实时分析***通过控制***对机床的加工过程数据参数、测力仪上的切削力参数和在线检测设备的检测数据进行采集，通过内部的加工质量预测模块实现对加工质量的实时分析与预测；基于深度学***，实现了加工单元的无人化。
自适应推荐工艺参数准确可靠。本发明采用包含控制***、自动识别***、数据采集与实时分析***、加工工艺知识库的软件层，通过加工工艺知识库中的工艺参数推荐模块实现对工艺参数的自适应推荐，准确率高，通过深度学习算法实现了零件的外观特征、加工要求与工艺参数、加工质量之间的关联，可以根据零件不同的外观特征和加工质量要求自动推荐出满足要求的工艺参数，并形成相应的数控加工程序，提升了工艺参数的合理性。
加工单元组成可扩展。本发明采用自动识别装置、若干台机床、安装在机床上的自动装夹装置、测力仪和在线检测设备和运动导轨，实现零件加工工艺数据的自适应推荐，实现加工过程中数据的实时采集和加工质量的实时预测，提升智能加工单元的智能化水平。机床的数量可以随时根据智能精密加工单元的需求进行定制和扩展从而满足不同尺寸、精度零件的加工需求，同时可以根据需要增加在线检测设备，实现了加工单元组成的可扩展、可重构。
附图说明
图1是本发明所述的智能精密加工单元的组成示意图。
以下结合附图和实施例对本发明作进一步详细说明,但并不因此将本发明限制在所述的实施例范围之中。
具体实施方式
参阅图1。在以下描述的优选实施例中，智能精密加工单元包括：硬件层和软件层两大部分。其中，硬件层主要包括自动识别装置、若干台机床、安装在机床上的自动装夹装置和测力仪、在线检测设备和运动导轨，软件层主要包括控制***、自动识别***、数据采集与实时分析***、加工工艺知识库。其中，自动识别***包括：顺次交联的图像采集模块、图像分析模块和图像分类模块。数据采集与实时分析***包括：顺次交联的数据采集模块、加工质量预测模块和可视化显示模块，加工工艺知识库包括：顺次交联的数据存储模块、工艺参数推荐模块和加工生成模块。控制***将加工工艺知识库自动提供的加工程序发送至机床自身的控制***，控制机床上自动装夹装置的工作，将采集得到的数据回传到数据采集与实时分析***中，数据采集与实时分析***通过控制***对机床的加工过程数据参数、测力仪上的切削力参数和在线检测设备的检测数据进行采集，通过内部的加工质量预测模块实现对加工质量的实时分析与预测；自动识别***通过自动识别装置完成对零件的拍照，实现对零件身份的识别，将自动识别装置拍摄的零件图像进行处理与分析，给予每个加工的零件一个单独的身份识别标识；当零件需要加工时，加工工艺知识库中的工艺参数推荐模块自动分析零件的外观特征和加工要求，基于深度学习算法，根据数据存储模块中的历史数据推荐出满足一组满足要求的工艺参数，自动生成相应的数据加工程序，并通过控制***发送至机床上；控制***控制零件姿态，通过运动导轨移动至机床上，并通过自动装夹装置完成在机床上的装夹，根据已发送至机床上的数据加工程序进行加工。
自动识别***中图像采集模块用于控制图像采集装置对零件进行拍照；图像分析模块通过自动提取零件的几何、纹理及轮廓特征，并进行相互融合，得到零件鲁棒性好的特征；图像分类模块通过将零件特征与原有零件的特征进行比较，完成对零件特征的识别与分类，并给予每个加工的零件一个单独的身份识别标识。
数据采集与实时分析***中数据采集模块通过控制通过控制***实现对机床加工过程数据和在线检测设备检测数据的采集；加工质量预测模块中内嵌零件加工特征-工艺参数-加工质量之间的深度学习模型，可以实现在特定加工特征下给予工艺参数的加工质量预测；可视化显示模块利用相关可视化方法完成对零件实时加工工艺参数的显示，并同步显示加工质量预测模块中加工质量的实时预测值。
零件需要加工时，加工工艺知识库中的工艺参数推荐模块通过自动分析零件的外观特征和加工要求，基于深度学习算法根据数据存储模块中的历史数据推荐出满足一组满足要求的工艺参数，自动生成相应的数据加工程序，并通过控制***发送至机床上。加工工艺知识库中数据存储模块实现对数据采集与实时分析***中采集的数据进行存储，加工生成模块通过内嵌基于深度学习算法的不同设计特征下工艺参数与质量参数之间的关联关系模型，能够根据零件特征自动在历史加工数据中进行数据匹配，自动生成满足现有零件特征的加工工艺参数。
控制***：控制***主要有三个功能，一是将加工工艺知识库自动提供的加工程序发送至机床自身的控制***中，二是控制机床上自动装夹装置的工作，三是接收数据采集与实时分析***的数据采集模块的命令对机床的加工过程参数、切削力实测值和在线检测设备的检测值进行采集，并将采集得到的数据回传到数据采集与实时分析***中。
本实施例中，按照下述步骤实现：
S1，当零件需要加工时，加工工艺知识库中的工艺参数推荐模块通过自动分析零件的外观特征和加工要求，根据数据存储模块中的历史数据推荐出满足一组满足要求的工艺参数，自动生成相应的数据加工程序，并通过控制***发送至机床上。
S2，零件进入精密加工单元时，通过自动识别装置完成对零件的拍照，实现对零件身份的识别，控制***控制零件通过运动导轨移动至机床上，并通过自动装夹装置完成在机床上的装夹，并根据已发送至机床上的数据加工程序进行加工。
S3，零件加工过程中，数据采集与实时分析***中的数据采集模块通过控制***实时采集机床上的加工工艺参数和测力仪上的切削力参数，通过加工质量预测模块实现基于加工工艺参数的加工质量和电性能预测，并通过可视化模块将加工工艺参数、加工质量预测值显示出来。
S4，零件加工完成后，控制***控制零件移出智能精密加工单元并完成零件加工质量的检测，零件的加工工艺参数、加工质量预测值、加工质量检测值和零件身份一起存储在数据存储模块中，用做下次零件加工的历史数据。
以上所述为本发明较佳实施例，应该注意的是上述实施例对本发明进行说明，然而本发明并不局限于此，并且本领域技术人员在脱离所附权利要求的范围情况下可设计出替换实施例。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种智能精密加工单元，包括：自动识别装置、若干台机床、安装在机床上的自动装夹装置、测力仪和在线检测设备和运动导轨的硬件层和包含控制***、自动识别***、数据采集与实时分析***、加工工艺知识库的软件层，其特征在于：控制***将加工工艺知识库自动提供的加工程序发送至机床自身的控制***，控制机床上自动装夹装置的工作，将采集得到的数据回传到数据采集与实时分析***中，数据采集与实时分析***通过控制***对机床的加工过程数据参数、测力仪上的切削力参数和在线检测设备的检测数据进行采集，通过内部的加工质量预测模块实现对加工质量的实时分析与预测；自动识别***通过自动识别装置完成对零件的拍照，实现对零件身份的识别，将自动识别装置拍摄的零件图像进行处理与分析，给予每个加工的零件一个单独的身份识别标识；当零件需要加工时，加工工艺知识库中的工艺参数推荐模块自动分析零件的外观特征和加工要求，基于深度学习算法，根据数据存储模块中的历史数据推荐出满足一组满足要求的工艺参数，自动生成相应的数据加工程序，并通过控制***发送至机床上；控制***控制零件姿态，通过运动导轨移动至机床上，并通过自动装夹装置完成在机床上的装夹，根据已发送至机床上的数据加工程序进行加工。
2.如权利要求1所述的智能精密加工单元，其特征在于：自动识别***包括：顺次交联的图像采集模块、图像分析模块和图像分类模块。
3.如权利要求1所述的智能精密加工单元，其特征在于：数据采集与实时分析***包括：顺次交联的数据采集模块、加工质量预测模块和可视化显示模块。
4.如权利要求1所述的智能精密加工单元，其特征在于：加工工艺知识库包括：顺次交联的数据存储模块、工艺参数推荐模块和加工生成模块。
5.如权利要求2所述的智能精密加工单元，其特征在于：图像采集模块控制图像采集装置对件进行拍照；图像分析模块通过自动提取零件的几何、纹理及轮廓特征，并进行相互融合，得到零件鲁棒性好的特征；图像分类模块通过将零件特征与原有零件的特征进行比较，完成对零件特征的识别与分类，并给予每个加工的零件一个单独的身份识别标识。
6.如权利要求3所述的智能精密加工单元，其特征在于：数据采集模块通过控制通过控制***实现对机床加工过程数据和在线检测设备检测数据的采集；加工质量预测模块中内嵌零件加工特征-工艺参数-加工质量之间的深度学习模型，实现在特定加工特征下给予工艺参数的加工质量预测；可视化显示模块利用相关可视化方法完成对零件实时加工工艺参数的显示，并同步显示加工质量预测模块中加工质量的实时预测值。
7.如权利要求4所述的智能精密加工单元，其特征在于：工艺参数推荐模块通过自动分析零件的外观特征和加工要求，基于深度学习算法，根据数据存储模块中的历史数据推荐出满足至少一组要求的工艺参数，自动生成相应的数据加工程序，并通过控制***发送至机床上。
8.如权利要求4所述的智能精密加工单元，其特征在于：数据存储模块实现对数据采集与实时分析***中采集的数据进行存储，加工生成模块通过内嵌基于深度学习算法的不同设计特征下工艺参数与质量参数之间的关联关系模型，根据零件特征自动在历史加工数据中进行数据匹配，自动生成满足现有零件特征的加工工艺参数。
9.如权利要求3所述的智能精密加工单元，其特征在于：控制***有三个功能，一是将加工工艺知识库自动提供的加工程序发送至机床自身的控制***中，二是控制机床上自动装夹装置的工作，三是接收数据采集与实时分析***的数据采集模块的命令对机床的加工过程参数、切削力实测值和在线检测设备的检测值进行采集，并将采集得到的数据回传到数据采集与实时分析***中。
10.如权利要求1所述的智能精密加工单元，其特征在于：零件加工完成后，控制***控制零件移出智能精密加工单元并完成零件加工质量的检测，零件的加工工艺参数、加工质量预测值、加工质量检测值和零件身份一起存储在数据存储模块中，用做下次零件加工的历史数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010129016.8A CN111352398B (zh) | 2020-02-28 | 2020-02-28 | 智能精密加工单元 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010129016.8A CN111352398B (zh) | 2020-02-28 | 2020-02-28 | 智能精密加工单元 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111352398A CN111352398A (zh) | 2020-06-30 |
| CN111352398B true CN111352398B (zh) | 2023-08-25 |
Family
ID=71194131
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010129016.8A Active CN111352398B (zh) | 2020-02-28 | 2020-02-28 | 智能精密加工单元 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111352398B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112182406A (zh) * | 2020-10-27 | 2021-01-05 | 上海设序科技有限公司 | 机械设计方案推荐方法及装置 |
| CN115048422A (zh) * | 2022-05-16 | 2022-09-13 | 上海控软网络科技有限公司 | 一种工艺推荐方法、装置、设备及存储介质 |
| CN116957310A (zh) * | 2023-09-21 | 2023-10-27 | 创思(广州)电子科技有限公司 | 一种基于云计算技术的智能制造数据管理***及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BG51555A1 (en) * | 1991-07-30 | 1993-06-15 | T Kom Metalorezheshti Mashini | Method and device for automatic machine-tool programme control |
| US6085978A (en) * | 1994-08-17 | 2000-07-11 | Metrologic Instruments, Inc. | Holographic laser scanners of modular construction and method and apparatus for designing and manufacturing the same |
| CN101763068A (zh) * | 2009-12-15 | 2010-06-30 | 沈阳飞机工业（集团）有限公司 | 飞机复杂构件快速数控加工准备***及方法 |
| CN103676785A (zh) * | 2013-12-13 | 2014-03-26 | 上海大学 | 一种风扇叶片的智能制造方法 |
| CN108508845A (zh) * | 2018-04-23 | 2018-09-07 | 南京航空航天大学 | 一种基于几何自适应的复杂曲面快速数控雕铣方法 |
| CN109396406A (zh) * | 2018-12-31 | 2019-03-01 | 兴化市精锐机械有限公司 | 一种智能精密浇铸*** |
| CN109684709A (zh) * | 2018-12-20 | 2019-04-26 | 中国民航大学 | 一种航空发动机叶片修复的自适应定位方法 |
| CN110744302A (zh) * | 2019-10-22 | 2020-02-04 | 华中科技大学 | 一种机器手-数控机床增减材复合制造***及方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SE545056C2 (en) * | 2016-02-19 | 2023-03-14 | Tomologic Ab | Method and machine system for controlling an industrial operation |
| JP6514264B2 (ja) * | 2017-04-20 | 2019-05-15 | ファナック株式会社 | 工作機械の制御システム |
-
2020
- 2020-02-28 CN CN202010129016.8A patent/CN111352398B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BG51555A1 (en) * | 1991-07-30 | 1993-06-15 | T Kom Metalorezheshti Mashini | Method and device for automatic machine-tool programme control |
| US6085978A (en) * | 1994-08-17 | 2000-07-11 | Metrologic Instruments, Inc. | Holographic laser scanners of modular construction and method and apparatus for designing and manufacturing the same |
| CN101763068A (zh) * | 2009-12-15 | 2010-06-30 | 沈阳飞机工业（集团）有限公司 | 飞机复杂构件快速数控加工准备***及方法 |
| CN103676785A (zh) * | 2013-12-13 | 2014-03-26 | 上海大学 | 一种风扇叶片的智能制造方法 |
| CN108508845A (zh) * | 2018-04-23 | 2018-09-07 | 南京航空航天大学 | 一种基于几何自适应的复杂曲面快速数控雕铣方法 |
| CN109684709A (zh) * | 2018-12-20 | 2019-04-26 | 中国民航大学 | 一种航空发动机叶片修复的自适应定位方法 |
| CN109396406A (zh) * | 2018-12-31 | 2019-03-01 | 兴化市精锐机械有限公司 | 一种智能精密浇铸*** |
| CN110744302A (zh) * | 2019-10-22 | 2020-02-04 | 华中科技大学 | 一种机器手-数控机床增减材复合制造***及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 飞机零部件连接孔在机视觉检测***开发;勾江洋;陈雪梅;叶南;张丽艳;;航空制造技术(05);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111352398A (zh) | 2020-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111352398B (zh) | 智能精密加工单元 | |
| CN109213079B (zh) | 一种自动化生产的控制方法及其装置 | |
| Nikishechkin et al. | An approach of developing solution for monitoring the status and parameters of technological equipment for the implementation of Industry 4.0 | |
| CN111222771B (zh) | 一种多品种复杂锻件智能生产线管控与集成***及方法 | |
| CN111645111A (zh) | 一种基于工业机器人的智能制造***及方法 | |
| Chen et al. | Predictive distant operation and virtual control of computer numerical control machines | |
| Cicconi et al. | An industry 4.0 framework for the quality inspection in gearboxes production | |
| KR101951332B1 (ko) | 제조공정 관리 향상 시스템 | |
| CN109712509B (zh) | 一种模拟生产线实训平台 | |
| Rocha et al. | Implementation of a vision-based worker assistance system in assembly: A case study | |
| Liu et al. | A mixed perception-based human-robot collaborative maintenance approach driven by augmented reality and online deep reinforcement learning | |
| Xia et al. | Tool wear image on-machine detection based on trajectory planning of 6-DOF serial robot driven by digital twin | |
| Lee et al. | A framework for process model based human-robot collaboration system using augmented reality | |
| CN110049110B (zh) | 一种云智能*** | |
| El Helou et al. | A Modular smart vision system for industrial inspection and control of conformity | |
| Majstorović et al. | CAPP model for prismatic parts in digital manufacturing | |
| Zogopoulos et al. | Image-based state tracking in augmented reality supported assembly operations | |
| Schmid et al. | Tacit knowledge based acquisition of verified machining data | |
| Kostal et al. | Possibilities of intelligent flexible manufacturing systems | |
| US20200202178A1 (en) | Automatic visual data generation for object training and evaluation | |
| CN113128515B (zh) | 一种基于rgb-d视觉的在线果蔬识别***及方法 | |
| Anggraeni et al. | Implementation of Task Routing on SCADA-Based Modular Production System Using Topkapi Vision Software | |
| Honglong et al. | Research on machining accuracy of workpiece oriented to autonomous behavior of equipment | |
| Huang et al. | Robotic automatic assembly system for random operating condition | |
| Neto et al. | Industry 4.0 and Technological Evolution in CNC Machines |
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 |