CN114153816A - 一种用户-基础-过程-知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法 - Google Patents

一种用户-基础-过程-知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法 Download PDF

Info

Publication number
CN114153816A
CN114153816A CN202111408649.3A CN202111408649A CN114153816A CN 114153816 A CN114153816 A CN 114153816A CN 202111408649 A CN202111408649 A CN 202111408649A CN 114153816 A CN114153816 A CN 114153816A
Authority
CN
China
Prior art keywords
grinding
data
database
user
processing
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
Application number
CN202111408649.3A
Other languages
English (en)
Inventor
田业冰
王进玲
胡鑫涛
韩金国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Technology
Original Assignee
Shandong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University of Technology filed Critical Shandong University of Technology
Priority to CN202111408649.3A priority Critical patent/CN114153816A/zh
Publication of CN114153816A publication Critical patent/CN114153816A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/211—Schema design and management
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B1/00—Processes of grinding or polishing; Use of auxiliary equipment in connection with such processes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Mechanical Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

本发明公开一种用户‑基础‑过程‑知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法，属于智能制造领域。针对数据驱动的智能磨削技术亟需解决的柔性最优加工方案自动搜索问题，本发明提供一种基于磨削加工过程监测功率信号的磨削工艺知识获取和智能调控加工方法，同时，本发明集成了磨削全产业链用户、基础、过程和知识数据的高效管理，能够实现自动生产监控***到车间的远程控制和1对N网络资源共享，增强磨削加工的智能化、柔性化生产能力，提升磨削加工产品核心竞争力。

Description

一种用户-基础-过程-知识递进结构的远程磨削数据库管理 ***及高效低耗智能磨削方法
技术领域
本发明涉及一种用户-基础-过程-知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法，尤其是一种根据磨削加工过程监测数据实时调整砂轮修整策略和磨削工艺参数的智能加工方法，属于智能制造领域。
背景技术
磨削技术是精密与超精密加工领域应用最广泛的加工方法之一，约占70%。然而，由于磨具表面大量不规则磨粒的不均匀性磨损、磨具与工件表面接触较大的负前角和刃口圆弧半径，磨削过程材料去除机理相对复杂且极其不稳定，磨具磨损严重且能耗高，加工成本甚至高达整元件成本的80-90%。在实际磨削加工中，并无可靠的磨削数据查询方式，依赖长期加工经验设定磨削参数，通过看磨削火花、听磨削声音的方式判断磨削状态，再反复调整磨削参数。这种经验试凑加工方式严重制约了磨削加工均一性和加工效率的提高，也无法对磨削过载、砂轮钝化、磨削烧伤进行有效分析与预判，直接影响了制造企业的生产效益。
大数据驱动的智能制造成为当今制造业发展的主流趋势，数据是衡量制造技术水平高低的一个重要标准。国际生产工程学会（CIRP）统计切削数据库的应用并认为：使用切削数据库可显著降低生产效率，提高10%以上的加工成本。美国开发了金属切削数据库CUTDATA，德国开发了金属切削数据库INFOS，日本开发了TRI***，中国开发了NAIMDS等，现有切削数据库基本为大量切削实验或生产实践累积形成，在面向工程应用时对机床、刀具和工件的更新能力明显不足。中国发明专利CN104267676B发明了一种面向工程应用的数控切削工艺参数管理***，建立了由用户信息管理子***、数控切削工艺参数子***、典型零件工艺子***和后处理子***组成的切削工艺参数管理***，所述后处理子***通过切削力仿真数据优化获取切削工艺知识数据；中国发明专利CN106776712B发明了一种基于i5智能数控车床的车削工艺数据库及其应用方法，根据零件型面的不同加工特征定义加工方法，以用户提供的切削用量、刀具、机床和加工精度及用户交互选定的优化模型，推理并计算优化的切削参数；中国发明专利CN107798081B发明了一种基于材料-结构-工艺-过程相关性的分层次数据库模型，该模型沿加工轨迹，依据刀具-工件接触状态、零件结构与位置关系进行工况划分，将零件结构特征与加工工艺、过程参数进行对应。
磨削作为切削的一个分支，以往磨削数据库的研究和开发作为切削数据库的一部分进行。然而，磨削是利用磨具表面大量不规则磨粒的不均匀性磨损去除工件材料，与车削、铣削、钻削等切削方式的作用机理不同，现有的切削数据库实际上并不能用以指导磨削加工生产。近年来，国内外研究学者对专有磨削数据库的研究逐步开展起来，英国开发了IGPS磨削参数选择模块，美国推出了GIGAS基于磨削车间工艺数据的磨削咨询***，中国建立了一个具有检索查询功能的磨削数据库。目前，我国仍没有磨削数据库授权发明专利。切削数据库的开发虽然可为磨削数据库建立提供借鉴，但目前切削和磨削数据库研究和开发主要还存在以下问题：（1）现有磨削数据库基本上基于生产加工经验的统计和管理，现有切削数据库虽然开展了通过切削力仿真数据或用户优选经验优化模型推理并计算切削工艺知识，但仿真模型或经验优化模型并不能真实反映实际加工过程的动态变化，而且，基于加工过程经验和仿真数据的管理***，无法根据磨削加工过程的动态变化灵活优化磨削工艺，导致加工能耗高，效率低，磨削烧伤频繁；（2）实现磨削加工全过程用户数据、设备数据、过程动态数据、工艺知识数据管理，数据信息量大、结构多样化，若未进行数据分类，则无法统一处理，应用和后期更新维护困难；（3）现有加工数据库基于本地数据管理，无法实现工艺数据资源的远程控制和网络资源共享服务。
因此，本发明提出实时监控磨削加工过程主轴功率信号的动态变化，开发用户-基础-过程-知识递进结构的远程磨削数据库管理***，实现磨削加工全过程磨削数据的高效管理和1+N网络资源共享，所发明的一种用户-基础-过程-知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法，能够实时调控磨削加工工艺参数和砂轮修整策略，降低磨削能耗，提高加工效率，减少磨削烧伤。
发明内容
本发明的目的是提供一种用户-基础-过程-知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法，建立磨料磨具生产企业、磨削液生产企业、磨削加工企业以及磨削研究机构所共享的分析数据库，集成磨削企业供应用户管理、磨削基础信息管理、磨削过程监测动态数据管理与磨削知识数据管理，支持企业生产制造或柔性磨削加工的大数据分析与专家决策，实现从生产监控***到车间的远程控制和1对N网络共享服务，使磨削数据与车间实际生产应用结合，工程上实用性好。
所发明的一种用户-基础-过程-知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法，其特征在于，所述用户-基础-过程-知识递进结构的远程磨削数据库管理***包括四层递进数据管理结构，第一层数据结构为磨削用户数据（1-1），具体以用户权限对磨削用户数据进行授权与跟踪，所述用户权限包括数据库使用者（1-1-1）、数据库设计者（1-1-2）、数据库维护者（1-1-3）和数据库高级管理者（1-1-4），第二层数据结构为磨削加工基础数据（1-2），包括磨床设备数据（1-2-1），磨具数据（1-2-2），磨削液数据（1-2-3）和磨削加工对象数据（1-2-4），第三层数据结构为磨削加工过程动态数据（1-3），包括主轴功率实时监测数据（1-3-1）和从所述主轴功率实时监测数据（1-3-1）进行特征提取得到主轴功率特征数据（1-3-2），所述主轴功率特征数据（1-3-2）包括初始阈值功率（1-3-2-1）、净材料去除比磨削能（1-3-2-2）、净材料去除功率峰值（1-3-2-3）、加工能耗（1-3-2-4）、加工时间（1-3-2-5），第四层数据结构为磨削工艺知识数据（1-4），包括最优磨削工艺参数（1-4-1）、最优砂轮修整策略（1-4-2）、砂轮钝化状态阈值功率（1-4-3）和阈值比磨削能（1-4-4）、磨削烧伤阈值功率（1-4-5）。
所述磨削用户数据（1-1）以用户权限对磨削用户数据进行授权与跟踪，用户权限包括数据库使用者（1-1-1）、数据库设计者（1-1-2）、数据库维护者（1-1-3）和数据库高级管理者（1-1-4）。
所述磨削加工基础数据（1-2）包括磨床设备数据（1-2-1），磨具数据（1-2-2），磨削液数据（1-2-3）和磨削加工对象数据（1-2-4）。所述磨床设备数据（1-2-1）包括磨床类型（1-2-1-1），磨床生产商（1-2-1-2），磨床型号（1-2-1-3），磨削方式（1-2-1-4），磨削容量能力（1-2-1-5），磨削速度范围（1-2-1-6），磨削尺寸精度（1-2-1-7）。所述磨削方式（1-2-1-4）包括平面磨削（1-2-1-4-1）、沟槽磨削（1-2-1-4-2）、Z型磨削（1-2-1-4-3）、外圆磨削（1-2-1-4-4）、内圆磨削（1-2-1-4-5）、导轨磨削（1-2-1-4-6）、曲轴磨削（1-2-1-4-7）和自由曲面磨削（1-2-1-4-8）；所述磨削容量能力（1-2-1-5）包括最大磨削长度（1-2-1-5-1）、最大磨削宽度（1-2-1-5-2）、最大磨削高度（1-2-1-5-3）、容许加工负载（1-2-1-5-4）；所述磨削速度范围（1-2-1-6）包括工作台速度范围（1-2-1-6-1）、横向移动速度（1-2-1-6-2）、横向移动最小输入单位（1-2-1-6-3）、垂直移动速度（1-2-1-6-4）、垂直移动最小输入单位（1-2-1-6-5）、主轴转速（1-2-1-6-6）；所述磨削尺寸精度（1-2-1-7）包括定位精度（1-2-1-7-1）、重复精度（1-2-1-7-2）。所述磨具数据（1-2-2）包括磨具类型（1-2-2-1），磨料数据（1-2-2-2）和结合剂数据（1-2-2-3）。所述磨具类型（1-2-2-1）包括磨具生产商（1-2-2-1-1）、磨具型号（1-2-2-1-2）、尺寸参数（1-2-2-1-3）；所述磨料数据（1-2-2-2）包括磨料材料（1-2-2-2-1）、磨料硬度（1-2-2-2-2）、磨料粒径（1-2-2-2-3）；所述结合剂数据（1-2-2-3）包括结合剂类型（1-2-2-3-1）、结合剂材料（1-2-2-3-2）、结合剂浓度（1-2-2-3-3）。所述磨削液数据（1-2-3）包括磨削液类型（1-2-3-1），磨削液压力（1-2-3-2）和磨削液流速（1-2-3-3）。所述磨削液类型（1-2-3-1）包括磨削液生产商（1-2-3-1-1）、磨削液牌号（1-2-3-1-2）、PH值（1-2-3-1-3）。所述磨削加工对象数据（1-2-4）包括加工对象来源（1-2-4-1），工件形状（1-2-4-2），工件尺寸（1-2-4-3）和材料类型（1-2-4-4）。所述材料类型（1-2-4-4）包括材料牌号（1-2-4-4-1）、材料参数（1-2-4-4-2）；所述材料参数（1-2-4-4-2）包括杨氏模量（1-2-4-4-2-1）、泊松比（1-2-4-4-2-2）、密度（1-2-4-4-2-4）、表面硬度（1-2-4-4-2-5）、熔点（1-2-4-4-2-6）、断裂强度（1-2-4-4-2-7）、断裂韧性（1-2-4-4-2-8）、断裂表面能量（1-2-4-4-2-9）。
所述磨削加工过程动态数据（1-3）包括主轴功率实时监测数据（1-3-1）和从所述主轴功率实时监测数据（1-3-1）进行特征提取得到主轴功率特征数据（1-3-2）。所述主轴功率实时监测数据（1-3-1）包括功率采集设备数据（1-3-1-1），功率采集设置数据（1-3-1-2）和实时功率动态数据（1-3-1-3）。所述功率采集设备数据（1-3-1-1）包括功率传感器型号（1-3-1-1-1）、功率传感器输出范围（1-3-1-1-2）、功率数据采集卡类型（1-3-1-1-3）、功率数据采集卡型号（1-3-1-1-4）、功率数据采集卡输入范围（1-3-1-1-5）、功率数据采集卡输出范围（1-3-1-1-6）；所述功率采集设置数据（1-3-1-2）包括采样通道（1-3-1-2-1）、采样范围（1-3-1-2-2）、采样率（1-3-1-2-3）、采样精度（1-3-1-2-4）、响应时间（1-3-1-2-5）；所述实时功率动态数据（1-3-1-3）包括数据格式实时功率动态数据（1-3-1-3-1）、数据存储相对地址实时功率动态数据（1-3-1-3-2）、数据存储绝对地址实时功率动态数据（1-3-1-3-3）。所述主轴功率特征数据（1-3-2）包括初始阈值功率（1-3-2-1）、净材料去除比磨削能（1-3-2-2）、净材料去除功率峰值（1-3-2-3）、加工能耗（1-3-2-4）、加工时间（1-3-2-5）。
所述磨削工艺知识数据（1-4）包括最优磨削工艺参数（1-4-1）、最优砂轮修整策略（1-4-2）、砂轮钝化状态阈值功率（1-4-3）和阈值比磨削能（1-4-4）、磨削烧伤阈值功率（1-4-5）。所述最优磨削工艺参数（1-4-1）包括砂轮线速度（1-4-1-1）、砂轮移动速度（1-4-1-2）、工件进给速度（1-4-1-3）、磨削深度（1-4-1-4）、磨削用量（1-4-1-5）、磨削间隙（1-4-1-6）、加工节拍（1-4-1-7）。所述最优砂轮修整策略（1-4-2）包括砂轮修整线速度（1-4-2-1）、砂轮修整移动速度（1-4-2-2）、砂轮修整深度（1-4-2-3）、砂轮修整耗时（1-4-2-4）。所述磨削烧伤阈值功率（1-4-5）包括I级烧伤阈值功率（1-4-5-1）、II级烧伤阈值功率（1-4-5-2）、III级烧伤阈值功率（1-4-5-3）。
所述用户-基础-过程-知识递进结构的远程磨削数据库管理***包括两个处理器，前处理器（1-5）和后处理器（1-6），所述前处理器（1-5）包括服务器端应用程序接口（1-5-1）、移动客户端应用程序接口（1-5-2）和网络服务云端（1-5-3），在所述服务器端应用程序接口（1-5-1）实现磨削用户数据（1-1）管理和磨削加工基础数据（1-2）管理，要求数据库使用者（1-1-1）手动编辑、输入或导入规定范式的.txt、.excel、.tdms、.jpg、.bmp格式文件，在所述移动客户端应用程序接口（1-5-2）实现磨削加工过程动态数据（1-3）管理，要求数据库使用者（1-1-1）将主轴功率实时监测数据（1-3-1）进行规定.tdms或.lvm格式存储，并从所述主轴功率实时监测数据（1-3-1）中提取主轴功率特征数据（1-3-2），在网络服务云端（1-5-3）实现磨削工艺知识数据（1-4）管理，所述服务器端应用程序接口（1-5-1）、移动客户端应用程序接口（1-5-2）和网络服务云端（1-5-3）三者间数据传输通过TCP/IP协议实现，所述远程磨削数据库管理***后处理器（1-6）包括数据库查询、***、编辑、删除、更新、约束、阈值报警和数据保护基本功能（1-6-1），数据匹配功能（1-6-2）、动态流数据压缩处理功能（1-6-3），功率信号特征提取功能（1-6-4），以及智能决策优化功能（1-6-5）。
所述高效低耗智能磨削方法包括以下步骤：
步骤1（S2.1）：数据库使用者（1-1-1）在服务器端应用程序接口（1-5-1）输入磨削加工基础数据（1-2）；
步骤2（S2.2）：调用数据匹配功能（1-6-2），自动比对网络服务云端（1-5-3）中适用于磨削加工对象数据（1-2-4）的最优磨削工艺参数（1-4-1）和最优砂轮修整策略（1-4-2），若信息匹配失败，跳转至步骤3（S2.3），若信息匹配成功，跳转至步骤7（S2.7）；
步骤3（S2.3）：远程磨削数据库管理***将***权限反馈至数据库设计者（1-1-2），进行全因素磨削加工实验方案设计；
步骤4（S2.4）：远程磨削数据库管理***将***权限反馈至数据库使用者（1-1-1），按照所述全因素磨削加工实验方案进行磨削实验，构建实验数据样本；
步骤5（S2.5）：远程磨削数据库管理***将***权限反馈至数据库设计者（1-1-2），调用智能决策优化功能（1-6-5），以加工能耗（1-3-2-4）和加工时间（1-3-2-5）为目标进行高效低耗磨削工艺决策，智能获取磨削工艺知识数据（1-4），并在网络服务云端（1-5-3）存储磨削工艺知识数据（1-4）；
步骤6（S2.6）：远程磨削数据库管理***将***权限反馈至数据库使用者（1-1-1）；
步骤7（S2.7）：网络服务云端（1-5-3）通过TCP/IP数据传输协议将磨削工艺知识数据（1-4）传递给移动客户端应用程序接口（1-5-2）；
步骤8（S2.8）：根据最优磨削工艺参数（1-4-1）、最优砂轮修整策略（1-4-2）进行磨削加工；
步骤9（S2.9）：移动客户端应用程序接口（1-5-2）实时监测磨削加工中的主轴功率信号，调用动态流数据压缩处理功能（1-6-3）对主轴功率信号进行压缩处理后，存储为主轴功率实时监测数据（1-3-1），并调用功率信号特征提取功能（1-6-4），提取主轴功率特征数据（1-3-2）；
步骤10（S2.10）：调用数据匹配功能（1-6-2），进行初始阈值功率（1-3-2-1）、净材料去除比磨削能（1-3-2-2）与砂轮钝化状态阈值功率（1-4-3）和阈值比磨削能（1-4-4）比较，判断砂轮是否钝化，若砂轮钝化，跳转至步骤11（S2.11）；若砂轮未钝化，进一步进行净材料去除功率峰值（1-3-2-3）与磨削烧伤阈值功率（1-4-5）比较，判断是否临近发生磨削烧伤，若未临近发生磨削烧伤，则返回步骤8（S2.8）继续进行磨削加工；若临近发生磨削烧伤，跳转至步骤12（S2.12）；
步骤11（S2.11）：调用智能决策优化功能（1-6-5），获取砂轮修整优化策略，并返回步骤8（S2.8）实时调整最优砂轮修整策略（1-4-2），进行磨削加工，并将优化后的最优砂轮修整策略（1-4-2）暂存至移动客户端应用程序接口（1-5-2）；
步骤12（S2.12）：调用智能决策优化功能（1-6-5），获取磨削工艺参数优化策略，并返回步骤8（S2.8）实时调整最优磨削工艺参数（1-4-1），进行磨削加工，并将优化后的最优磨削工艺参数（1-4-1）暂存至移动客户端应用程序接口（1-5-2）；
步骤13（S2.13）：远程磨削数据库管理***将***权限反馈至数据库高级管理者（1-1-4），审核所述暂存移动客户端应用程序接口（1-5-2）的最优磨削工艺参数（1-4-1）和最优砂轮修整策略（1-4-2）；
步骤14（S2.14）：若审核失败，删除暂存数据，若审核成功，远程磨削数据库管理***将***权限反馈至数据库维护者（1-1-3），更新所述网络服务云端（1-5-3）中的最优磨削工艺参数（1-4-1）和最优砂轮修整策略（1-4-2）。
本发明所述一种用户-基础-过程-知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法能够根据磨削过程监测数据为企业提供灵活优化的在线磨削加工和磨具修整实时调控方案，实现从生产监控***到车间的远程控制和1对N网络共享服务。通过磨削数据的高效管理和分类，方便进行快速查询、后期维护和更新。本发明可应用到磨削加工企业、磨具与磨削液等磨削耗材生产产业，促进磨具、磨削相关制造行业实现智能生产，取得良好的经济和社会效益。
附图说明
图1为一种用户-基础-过程-知识递进结构的远程磨削数据库管理***。
图2为一种利用用户-基础-过程-知识递进结构的远程磨削数据库管理***的高效低耗智能磨削方法。
具体实施方式
具体实施方式一：结合附图1，详细说明一种用户-基础-过程-知识递进结构的远程磨削数据库管理***，所述用户-基础-过程-知识递进结构的远程磨削数据库管理***顶层利用程序开发环境LabVIEW开发远程磨削数据库管理***的前处理器（1-5）和后处理器（1-6），利用数据管理软件SQL Server管理底层磨削用户数据（1-1）、磨削加工基础数据（1-2）、磨削加工过程动态数据（1-3）和磨削工艺知识数据（1-4），所述程序开发环境LabVIEW和数据管理软件SQL Server的接口通过LabVIEW开放式软件工具包LabSQL实现。
所述用户-基础-过程-知识递进结构的远程磨削数据库管理***的底层数据包括四层递进数据管理结构，第一层数据结构为磨削用户数据（1-1），具体以用户权限对磨削用户数据进行授权与跟踪，所述用户权限包括数据库使用者（1-1-1）、数据库设计者（1-1-2）、数据库维护者（1-1-3）和数据库高级管理者（1-1-4），第二层数据结构为磨削加工基础数据（1-2），包括磨床设备数据（1-2-1），磨具数据（1-2-2），磨削液数据（1-2-3）和磨削加工对象数据（1-2-4），第三层数据结构为磨削加工过程动态数据（1-3），包括主轴功率实时监测数据（1-3-1）和从所述主轴功率实时监测数据（1-3-1）进行特征提取得到主轴功率特征数据（1-3-2），所述主轴功率特征数据（1-3-2）包括初始阈值功率（1-3-2-1）、净材料去除比磨削能（1-3-2-2）、净材料去除功率峰值（1-3-2-3）、加工能耗（1-3-2-4）、加工时间（1-3-2-5），第四层数据结构为磨削工艺知识数据（1-4），包括最优磨削工艺参数（1-4-1）、最优砂轮修整策略（1-4-2）、砂轮钝化状态阈值功率（1-4-3）和阈值比磨削能（1-4-4）、磨削烧伤阈值功率（1-4-5）。
所述用户-基础-过程-知识递进结构的远程磨削数据库管理***包括两个处理器，前处理器（1-5）和后处理器（1-6），所述前处理器（1-5）包括服务器端应用程序接口（1-5-1）、移动客户端应用程序接口（1-5-2）和网络服务云端（1-5-3），在所述服务器端应用程序接口（1-5-1）实现磨削用户数据（1-1）管理和磨削加工基础数据（1-2）管理，要求数据库使用者（1-1-1）手动编辑、输入或导入规定范式的.txt、.excel、.tdms、.jpg、.bmp格式文件，在所述移动客户端应用程序接口（1-5-2）实现磨削加工过程动态数据（1-3）管理，要求数据库使用者（1-1-1）将主轴功率实时监测数据（1-3-1）进行规定.tdms或.lvm格式存储，并从所述主轴功率实时监测数据（1-3-1）中提取主轴功率特征数据（1-3-2），在网络服务云端（1-5-3）实现磨削工艺知识数据（1-4）管理，所述服务器端应用程序接口（1-5-1）、移动客户端应用程序接口（1-5-2）和网络服务云端（1-5-3）三者间数据传输通过TCP/IP协议实现，所述远程磨削数据库管理***后处理器（1-6）包括数据库查询、***、编辑、删除、更新、约束、阈值报警和数据保护基本功能（1-6-1），数据匹配功能（1-6-2）、动态流数据压缩处理功能（1-6-3），功率信号特征提取功能（1-6-4），以及智能决策优化功能（1-6-5）。
具体实施方式二：结合附图2，详细说明一种利用用户-基础-过程-知识递进结构的远程磨削数据库管理***的高效低耗智能磨削方法，包括以下步骤：
步骤1（S2.1）：数据库使用者（1-1-1）在服务器端应用程序接口（1-5-1）输入磨削加工基础数据（1-2）；
步骤2（S2.2）：调用数据匹配功能（1-6-2），自动比对网络服务云端（1-5-3）中适用于磨削加工对象数据（1-2-4）的最优磨削工艺参数（1-4-1）和最优砂轮修整策略（1-4-2），若信息匹配失败，跳转至步骤3（S2.3），若信息匹配成功，跳转至步骤7（S2.7）；
步骤3（S2.3）：远程磨削数据库管理***将***权限反馈至数据库设计者（1-1-2），进行全因素磨削加工实验方案设计；
步骤4（S2.4）：远程磨削数据库管理***将***权限反馈至数据库使用者（1-1-1），按照所述全因素磨削加工实验方案进行磨削实验，构建实验数据样本；
步骤5（S2.5）：远程磨削数据库管理***将***权限反馈至数据库设计者（1-1-2），调用智能决策优化功能（1-6-5），以加工能耗（1-3-2-4）和加工时间（1-3-2-5）为目标进行高效低耗磨削工艺决策，智能获取磨削工艺知识数据（1-4），并在网络服务云端（1-5-3）存储磨削工艺知识数据（1-4）；
步骤6（S2.6）：远程磨削数据库管理***将***权限反馈至数据库使用者（1-1-1）；
步骤7（S2.7）：网络服务云端（1-5-3）通过TCP/IP数据传输协议将磨削工艺知识数据（1-4）传递给移动客户端应用程序接口（1-5-2）；
步骤8（S2.8）：根据最优磨削工艺参数（1-4-1）、最优砂轮修整策略（1-4-2）进行磨削加工；
步骤9（S2.9）：移动客户端应用程序接口（1-5-2）实时监测磨削加工中的主轴功率信号，调用动态流数据压缩处理功能（1-6-3）对主轴功率信号进行压缩处理后，存储为主轴功率实时监测数据（1-3-1），并调用功率信号特征提取功能（1-6-4），提取主轴功率特征数据（1-3-2）；
步骤10（S2.10）：调用数据匹配功能（1-6-2），进行初始阈值功率（1-3-2-1）、净材料去除比磨削能（1-3-2-2）与砂轮钝化状态阈值功率（1-4-3）和阈值比磨削能（1-4-4）比较，判断砂轮是否钝化，若砂轮钝化，跳转至步骤11（S2.11）；若砂轮未钝化，进一步进行净材料去除功率峰值（1-3-2-3）与磨削烧伤阈值功率（1-4-5）比较，判断是否临近发生磨削烧伤，若未临近发生磨削烧伤，则返回步骤8（S2.8）继续进行磨削加工；若临近发生磨削烧伤，跳转至步骤12（S2.12）；
步骤11（S2.11）：调用智能决策优化功能（1-6-5），获取砂轮修整优化策略，并返回步骤8（S2.8）实时调整最优砂轮修整策略（1-4-2），进行磨削加工，并将优化后的最优砂轮修整策略（1-4-2）暂存至移动客户端应用程序接口（1-5-2）；
步骤12（S2.12）：调用智能决策优化功能（1-6-5），获取磨削工艺参数优化策略，并返回步骤8（S2.8）实时调整最优磨削工艺参数（1-4-1），进行磨削加工，并将优化后的最优磨削工艺参数（1-4-1）暂存至移动客户端应用程序接口（1-5-2）；
步骤13（S2.13）：远程磨削数据库管理***将***权限反馈至数据库高级管理者（1-1-4），审核所述暂存移动客户端应用程序接口（1-5-2）的最优磨削工艺参数（1-4-1）和最优砂轮修整策略（1-4-2）；
步骤14（S2.14）：若审核失败，删除暂存数据，若审核成功，远程磨削数据库管理***将***权限反馈至数据库维护者（1-1-3），更新所述网络服务云端（1-5-3）中的最优磨削工艺参数（1-4-1）和最优砂轮修整策略（1-4-2）。

Claims (1)

1.一种用户-基础-过程-知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法，其特征在于，所述用户-基础-过程-知识递进结构的远程磨削数据库管理***包括四层递进数据管理结构，第一层数据结构为磨削用户数据（1-1），具体以用户权限对磨削用户数据进行授权与跟踪，所述用户权限包括数据库使用者（1-1-1）、数据库设计者（1-1-2）、数据库维护者（1-1-3）和数据库高级管理者（1-1-4），第二层数据结构为磨削加工基础数据（1-2），包括磨床设备数据（1-2-1），磨具数据（1-2-2），磨削液数据（1-2-3）和磨削加工对象数据（1-2-4），第三层数据结构为磨削加工过程动态数据（1-3），包括主轴功率实时监测数据（1-3-1）和从所述主轴功率实时监测数据（1-3-1）进行特征提取得到主轴功率特征数据（1-3-2），所述主轴功率特征数据（1-3-2）包括初始阈值功率（1-3-2-1）、净材料去除比磨削能（1-3-2-2）、净材料去除功率峰值（1-3-2-3）、加工能耗（1-3-2-4）、加工时间（1-3-2-5），第四层数据结构为磨削工艺知识数据（1-4），包括最优磨削工艺参数（1-4-1）、最优砂轮修整策略（1-4-2）、砂轮钝化状态阈值功率（1-4-3）和阈值比磨削能（1-4-4）、磨削烧伤阈值功率（1-4-5）；
所述用户-基础-过程-知识递进结构的远程磨削数据库管理***包括两个处理器，前处理器（1-5）和后处理器（1-6），所述前处理器（1-5）包括服务器端应用程序接口（1-5-1）、移动客户端应用程序接口（1-5-2）和网络服务云端（1-5-3），在所述服务器端应用程序接口（1-5-1）实现磨削用户数据（1-1）管理和磨削加工基础数据（1-2）管理，要求数据库使用者（1-1-1）手动编辑、输入或导入规定范式的.txt、.excel、.tdms、.jpg、.bmp格式文件，在所述移动客户端应用程序接口（1-5-2）实现磨削加工过程动态数据（1-3）管理，要求数据库使用者（1-1-1）将主轴功率实时监测数据（1-3-1）进行规定.tdms或.lvm格式存储，并从所述主轴功率实时监测数据（1-3-1）中提取主轴功率特征数据（1-3-2），在网络服务云端（1-5-3）实现磨削工艺知识数据（1-4）管理，所述服务器端应用程序接口（1-5-1）、移动客户端应用程序接口（1-5-2）和网络服务云端（1-5-3）三者间数据传输通过TCP/IP协议实现，所述远程磨削数据库管理***后处理器（1-6）包括数据库查询、***、编辑、删除、更新、约束、阈值报警和数据保护基本功能（1-6-1），数据匹配功能（1-6-2）、动态流数据压缩处理功能（1-6-3），功率信号特征提取功能（1-6-4），以及智能决策优化功能（1-6-5）；
所述高效低耗智能磨削方法包括以下步骤：
步骤1（S2.1）：数据库使用者（1-1-1）在服务器端应用程序接口（1-5-1）输入磨削加工基础数据（1-2）；
步骤2（S2.2）：调用数据匹配功能（1-6-2），自动比对网络服务云端（1-5-3）中适用于磨削加工对象数据（1-2-4）的最优磨削工艺参数（1-4-1）和最优砂轮修整策略（1-4-2），若信息匹配失败，跳转至步骤3（S2.3），若信息匹配成功，跳转至步骤7（S2.7）；
步骤3（S2.3）：远程磨削数据库管理***将***权限反馈至数据库设计者（1-1-2），进行全因素磨削加工实验方案设计；
步骤4（S2.4）：远程磨削数据库管理***将***权限反馈至数据库使用者（1-1-1），按照所述全因素磨削加工实验方案进行磨削实验，构建实验数据样本；
步骤5（S2.5）：远程磨削数据库管理***将***权限反馈至数据库设计者（1-1-2），调用智能决策优化功能（1-6-5），以加工能耗（1-3-2-4）和加工时间（1-3-2-5）为目标进行高效低耗磨削工艺决策，智能获取磨削工艺知识数据（1-4），并在网络服务云端（1-5-3）存储磨削工艺知识数据（1-4）；
步骤6（S2.6）：远程磨削数据库管理***将***权限反馈至数据库使用者（1-1-1）；
步骤7（S2.7）：网络服务云端（1-5-3）通过TCP/IP数据传输协议将磨削工艺知识数据（1-4）传递给移动客户端应用程序接口（1-5-2）；
步骤8（S2.8）：根据最优磨削工艺参数（1-4-1）、最优砂轮修整策略（1-4-2）进行磨削加工；
步骤9（S2.9）：移动客户端应用程序接口（1-5-2）实时监测磨削加工中的主轴功率信号，调用动态流数据压缩处理功能（1-6-3）对主轴功率信号进行压缩处理后，存储为主轴功率实时监测数据（1-3-1），并调用功率信号特征提取功能（1-6-4），提取主轴功率特征数据（1-3-2）；
步骤10（S2.10）：调用数据匹配功能（1-6-2），进行初始阈值功率（1-3-2-1）、净材料去除比磨削能（1-3-2-2）与砂轮钝化状态阈值功率（1-4-3）和阈值比磨削能（1-4-4）比较，判断砂轮是否钝化，若砂轮钝化，跳转至步骤11（S2.11）；若砂轮未钝化，进一步进行净材料去除功率峰值（1-3-2-3）与磨削烧伤阈值功率（1-4-5）比较，判断是否临近发生磨削烧伤，若未临近发生磨削烧伤，则返回步骤8（S2.8）继续进行磨削加工；若临近发生磨削烧伤，跳转至步骤12（S2.12）；
步骤11（S2.11）：调用智能决策优化功能（1-6-5），获取砂轮修整优化策略，并返回步骤8（S2.8）实时调整最优砂轮修整策略（1-4-2），进行磨削加工，并将优化后的最优砂轮修整策略（1-4-2）暂存至移动客户端应用程序接口（1-5-2）；
步骤12（S2.12）：调用智能决策优化功能（1-6-5），获取磨削工艺参数优化策略，并返回步骤8（S2.8）实时调整最优磨削工艺参数（1-4-1），进行磨削加工，并将优化后的最优磨削工艺参数（1-4-1）暂存至移动客户端应用程序接口（1-5-2）；
步骤13（S2.13）：远程磨削数据库管理***将***权限反馈至数据库高级管理者（1-1-4），审核所述暂存移动客户端应用程序接口（1-5-2）的最优磨削工艺参数（1-4-1）和最优砂轮修整策略（1-4-2）；
步骤14（S2.14）：若审核失败，删除暂存数据，若审核成功，远程磨削数据库管理***将***权限反馈至数据库维护者（1-1-3），更新所述网络服务云端（1-5-3）中的最优磨削工艺参数（1-4-1）和最优砂轮修整策略（1-4-2）。
CN202111408649.3A 2021-11-25 2021-11-25 一种用户-基础-过程-知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法 Pending CN114153816A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111408649.3A CN114153816A (zh) 2021-11-25 2021-11-25 一种用户-基础-过程-知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111408649.3A CN114153816A (zh) 2021-11-25 2021-11-25 一种用户-基础-过程-知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法

Publications (1)

Publication Number Publication Date
CN114153816A true CN114153816A (zh) 2022-03-08

Family

ID=80457810

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111408649.3A Pending CN114153816A (zh) 2021-11-25 2021-11-25 一种用户-基础-过程-知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法

Country Status (1)

Country Link
CN (1) CN114153816A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115091283A (zh) * 2022-07-06 2022-09-23 天润工业技术股份有限公司 一种高效磨削曲轴的控制调整方法及***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115091283A (zh) * 2022-07-06 2022-09-23 天润工业技术股份有限公司 一种高效磨削曲轴的控制调整方法及***
CN115091283B (zh) * 2022-07-06 2023-08-22 天润工业技术股份有限公司 一种高效磨削曲轴的控制调整方法及***

Similar Documents

Publication Publication Date Title
Aramcharoen et al. Critical factors in energy demand modelling for CNC milling and impact of toolpath strategy
CN102929210B (zh) 基于特征的数控加工过程控制和优化***及方法
CN105929793B (zh) 一种基于gt技术的刀具管理方法及***
CN108581108B (zh) 一种电火花加工电极在位修整方法
CN114153816A (zh) 一种用户-基础-过程-知识递进结构的远程磨削数据库管理***及高效低耗智能磨削方法
CN106777660A (zh) 一种构建切削参数低碳优化模型的方法
Kao et al. Design and tuning of a fuzzy logic controller for micro-hole electrical discharge machining
CN103105822A (zh) 智能选择切削参数的方法
CN106777877B (zh) 一种基于隐含碳能的机床装备产品碳排放量化方法
CN107283219B (zh) 一种切削加工方法及装置
CN108415366B (zh) 基于伺服技术的切削深度反馈方法及智能切削方法及***
CN111240265A (zh) 一种数控加工切削工艺参数优化方法
CN106944881A (zh) 一种数控机床***
Vu et al. Multi-objective optimization of surface roughness and cutting forces in hard milling using Taguchi and response surface methodology
Asiltürk et al. Intelligent adaptive control and monitoring of band sawing using a neural-fuzzy system
CN105583449A (zh) 大型柴油机机体主轴孔油槽加工方法
CN101885191B (zh) 木工cnc加工中心工序的优化方法
El-Dardery Economic study of electrochemical machining
DE50214924D1 (de) Verfahren und verwendung einer vorrichtung zum spanenden bearbeiten eines werkstücks
Ahamed et al. Fuzzy logic controller design for intelligent drilling system
Epureanu et al. On-line geometrical identification of reconfigurable machine tool using virtual machining
Zhou et al. Vibration signal acquisition and extraction for cutter wear monitoring
Xu et al. A hierarchical energy efficiency evaluation model of numerical control workshop
Arunachalam et al. Taguchi-controlled knowledge-based assistant for improving quality of hollow cylindrical sections
Powar et al. Application of ANN to predict surface roughness and tool wear under MQL turning of AISI 1040

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