CN116551475A - 一种用于五金工具的磨削加工方法及*** - Google Patents
一种用于五金工具的磨削加工方法及*** Download PDFInfo
- Publication number
- CN116551475A CN116551475A CN202310808948.9A CN202310808948A CN116551475A CN 116551475 A CN116551475 A CN 116551475A CN 202310808948 A CN202310808948 A CN 202310808948A CN 116551475 A CN116551475 A CN 116551475A
- Authority
- CN
- China
- Prior art keywords
- grinding
- control parameter
- result
- roughness
- surface roughness
- 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
- 238000000227 grinding Methods 0.000 title claims abstract description 470
- 238000003672 processing method Methods 0.000 title description 3
- 230000003746 surface roughness Effects 0.000 claims abstract description 97
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000004088 simulation Methods 0.000 claims abstract description 24
- 238000003754 machining Methods 0.000 claims description 45
- 238000001514 detection method Methods 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 19
- 238000012216 screening Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 238000013210 evaluation model Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 22
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012549 training Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003490 calendering Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
-
- 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
- B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
- B24B49/006—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation taking regard of the speed
-
- 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
- B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
- B24B49/14—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation taking regard of the temperature during grinding
-
- 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
- B24B51/00—Arrangements for automatic control of a series of individual steps in grinding a workpiece
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
-
- 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
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
本发明公开了一种用于五金工具的磨削加工方法及***，涉及数据处理技术领域，该方法包括：接收磨削概念模型和表面期望粗糙度，获取五金工件第一仿真模型；将磨削概念模型和五金工件第一仿真模型进行比对，获取待磨削标识区域，对磨削机床的磨削控制参数进行优化，根据磨削控制参数寻优结果进行粗糙度评估，当表面粗糙度预测结果小于或等于表面期望粗糙度，对待磨削五金工件进行磨削加工。本发明解决了现有技术中由于五金工具磨削加工粗糙度的管控不够智能，导致加工成本高的技术问题，达到了通过智能化管控五金工具磨削加工的粗糙度，提高产品成品率、降低加工成本的技术效果。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种用于五金工具的磨削加工方法及***。
背景技术
五金工具是指铁、钢、铝等金属经过锻造、压延、切割等物理加工，制造而成的各种金属器件的总称。通过将原材料用车床、铣床、钻床、抛光等等机械按图纸或样品加工成为各种各样的工具，传统五金工具磨削加工粗糙度的管控，是通过加工完成后的质量检测量化分析，导致加工成本较高。
发明内容
本申请提供了一种用于五金工具的磨削加工方法及***，用于解决现有技术中由于五金工具磨削加工粗糙度的管控不够智能，导致加工成本高的技术问题。
本申请的第一个方面，提供了一种用于五金工具的磨削加工方法，所述方法包括：接收客户端的磨削任务信息，其中，所述磨削任务信息包括磨削概念模型和表面期望粗糙度；当待磨削五金工件进入预设区域，启动图像采集装置获取五金工件基础信息，其中，所述五金工件基础信息包括五金工件第一仿真模型；将所述磨削概念模型和所述五金工件第一仿真模型进行比对，获取待磨削标识区域；基于所述待磨削标识区域对磨削机床的磨削控制参数进行优化，获取磨削控制参数寻优结果；根据所述磨削控制参数寻优结果进行粗糙度评估，获取表面粗糙度预测结果；当所述表面粗糙度预测结果小于或等于所述表面期望粗糙度，根据所述磨削控制参数寻优结果对所述待磨削五金工件进行磨削加工。
本申请的第二个方面，提供了一种用于五金工具的磨削加工***，所述***包括：磨削任务信息接收模块，所述磨削任务信息接收模块用于接收客户端的磨削任务信息，其中，所述磨削任务信息包括磨削概念模型和表面期望粗糙度；五金工件基础信息获取模块，所述五金工件基础信息获取模块用于当待磨削五金工件进入预设区域，启动图像采集装置获取五金工件基础信息，其中，所述五金工件基础信息包括五金工件第一仿真模型；待磨削标识区域获取模块，所述待磨削标识区域获取模块用于将所述磨削概念模型和所述五金工件第一仿真模型进行比对，获取待磨削标识区域；磨削控制参数寻优结果获取模块，所述磨削控制参数寻优结果获取模块用于基于所述待磨削标识区域对磨削机床的磨削控制参数进行优化，获取磨削控制参数寻优结果；表面粗糙度预测结果获取模块，所述表面粗糙度预测结果获取模块用于根据所述磨削控制参数寻优结果进行粗糙度评估，获取表面粗糙度预测结果；磨削加工模块，所述磨削加工模块用于当所述表面粗糙度预测结果小于或等于所述表面期望粗糙度，根据所述磨削控制参数寻优结果对所述待磨削五金工件进行磨削加工。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请提供的一种用于五金工具的磨削加工方法，涉及数据处理技术领域，通过接收磨削概念模型和表面期望粗糙度，获取五金工件第一仿真模型；将磨削概念模型和五金工件第一仿真模型进行比对，获取待磨削标识区域，对磨削机床的磨削控制参数进行优化，根据磨削控制参数寻优结果进行粗糙度评估，当表面粗糙度预测结果小于或等于表面期望粗糙度，对待磨削五金工件进行磨削加工，解决了现有技术中由于五金工具磨削加工粗糙度的管控不够智能，导致加工成本高的技术问题，实现了通过智能化管控五金工具磨削加工的粗糙度，提高产品成品率、降低加工成本的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，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的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种用于五金工具的磨削加工方法流程示意图；
图2为本申请实施例提供的一种用于五金工具的磨削加工方法中获取磨削控制参数寻优结果的流程示意图；
图3为本申请实施例提供的一种用于五金工具的磨削加工方法中根据磨削控制参数寻优结果对待磨削五金工件进行磨削加工的流程示意图；
图4为本申请实施例提供的一种用于五金工具的磨削加工***结构示意图。
附图标记说明：磨削任务信息接收模块11，五金工件基础信息获取模块12，待磨削标识区域获取模块13，磨削控制参数寻优结果获取模块14，表表面粗糙度预测结果获取模块15，磨削加工模块16。
具体实施方式
本申请提供了一种用于五金工具的磨削加工方法，用于解决现有技术中由于五金工具磨削加工粗糙度的管控不够智能，导致加工成本高的技术问题。
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、完整的描述。显然，所描述的实施例仅仅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的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。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示，本申请提供了一种用于五金工具的磨削加工方法，所述方法包括：
S100：接收客户端的磨削任务信息，其中，所述磨削任务信息包括磨削概念模型和表面期望粗糙度；
具体的，通过网络接收来自目标用户的客户端的五金工件磨削任务信息，包括目标用户需要的目标五金工件的磨削概念模型和表面期望粗糙度，所述磨削概念模型是指利用三维建模软件创建的目标五金工件的虚拟模型，也是目标五金工件的理想状态模型，该模型包含了目标五金工件的几何形状、几何尺寸、材质等信息，可以用直观的形式提供最基本的加工数据和工件效果，所述表面粗糙度是指加工物品表面具有的较小间距和微小峰谷的不平度，其两波峰或两波谷之间的距离很小，属于微观几何形状误差，表面粗糙度越小，则表面越光滑。所述表面期望粗糙度是指目标用户要求的目标五金工件的表面粗糙度，可作为目标五金工具表面粗糙度的控制参数。
S200：当待磨削五金工件进入预设区域，启动图像采集装置获取五金工件基础信息，其中，所述五金工件基础信息包括五金工件第一仿真模型；
具体而言，通过磨削机床传送带进行传送，当待磨削五金工件传送至磨削机床的预设区域时，启动图像采集装置获取五金工件基础信息，所述待磨削五金工件是按照所述磨削概念模型由机器初步加工出来的五金工件，形状尺寸都比较粗糙，与所述磨削概念模型差异较大，需要经过磨削机床进一步的打磨，因此在磨削机床的前端预设一个图像采集区域，通过提前安装的图像采集装置，比如摄像头、扫描仪等，来采集所述待磨削五金工件的几何尺寸和外观情况，也就是所述待磨削五金工件的五金工件基础信息，由所述五金工件基础信息生成五金工件第一仿真模型，所述五金工件第一仿真模型就是所述待磨削五金工件的虚拟模型，与目标五金工件的理想状态存在较大差异，可用来与所述磨削概念模型进行比较，找到所述待磨削五金工件需要优化的区域。
S300：将所述磨削概念模型和所述五金工件第一仿真模型进行比对，获取待磨削标识区域；
具体的，将所述磨削概念模型和所述五金工件第一仿真模型导入同一个项目文件中，也就是放在同一个坐标系内，通过中心点或任意一个可靠点作为固定点，将两个模型重合放置，筛选出所述五金工件第一仿真模型和所述磨削概念模型不一致的区域进行标识，并计算出所述五金工件第一仿真模型需要切除或打磨的尺寸，以此作为待磨削标识区域，可以作为后续优化磨削机床的磨削控制参数的参考数据。
S400：基于所述待磨削标识区域对磨削机床的磨削控制参数进行优化，获取磨削控制参数寻优结果；
具体而言，以所述待磨削标识区域为寻优对象，对当前使用的磨削机床的磨削控制参数进行寻优，所述磨削机床是利用磨具对工件表面进行磨削加工的机床，机床是指制造机器和机械的机器。找到当前使用的磨削机床对所述待磨削标识区域进行加工的最优参数区间，以此作为磨削控制参数寻优结果，可以用作后续进行粗糙度评估或作为磨削加工参数。
进一步的，如图2所示，本申请实施例步骤S400还包括：
S410：所述磨削控制参数包括磨削频率、磨削深度和磨削角度；
S420：获取磨削机床基础信息，其中，所述磨削机床基础信息包括磨削机床型号信息；
S430：根据所述磨削机床型号信息，确定磨削频率约束区间、磨削深度约束区间和磨削角度约束区间；
S440：基于所述待磨削标识区域，根据所述磨削频率约束区间、所述磨削深度约束区间和所述磨削角度约束区间对所述磨削频率、所述磨削深度和所述磨削角度进行赋值，获取多组磨削控制参数赋值结果；
S450：遍历所述多组磨削控制参数赋值结果进行磨削温度分析，获取多个磨削预测温度；
S460：将所述多个磨削预测温度不属于磨削温度预测区间的赋值结果删除，获取所述磨削控制参数寻优结果。
具体的，所述磨削机床是利用磨具对工件表面进行磨削加工的机床，所述磨削控制参数包括所述磨削机床的磨削频率、磨削深度和磨削角度，通过阅读当前使用的磨削机床的铭牌，获取所述磨削机床的基础信息，包括磨削机床的型号信息，通过当前使用的磨削机床的型号信息，查询磨削机床的磨削频率约束区间、磨削深度约束区间和磨削角度约束区间， 所述磨削频率即是所述磨削机床砂轮的转动频率，为砂轮外圆表面上任1s内所转动的圈数，所述磨削深度即所述磨削机床的砂轮每次转动磨削掉的五金工件的尺寸，所述磨削角度是所述磨削机床的砂轮与待加工五金工件的加工平面形成的角度。所述磨削频率约束区间、所述磨削深度约束区间和所述磨削角度约束区间即所述磨削机床的磨削参数可调节范围。基于所述待磨削五金工件的所述待磨削标识区域的几何特征，从所述磨削频率约束区间、所述磨削深度约束区间和所述磨削角度约束区间中，选取多组随机组合的磨削频率值、磨削深度值和磨削角度值，以此作为多组磨削控制参数赋值结果。由于磨削加工的磨削速度较高，导致磨削区域的温度通常都较高，可高达800-1000℃，温度过高容易引起工件表面局部烧伤，也可能会使工件变形，甚至使工件表面产生裂纹。因此需要基于所述待磨削五金工件的所述待磨削标识区域，分别使用所述多组磨削控制参数赋值结果进行磨削加工模拟，并预测加工时可能产生的温度，得到多个磨削预测温度，将所述多个磨削预测温度与磨削温度预测区间进行比较，删除磨削预测温度不在所述磨削温度预测区间的赋值结果，保留磨削预测温度在所述磨削温度预测区间内的赋值结果，所述磨削温度预测区间是指既能保证正常的加工效果，又不会对工件造成损害的磨削温度区间，将磨削预测温度在磨削温度预测区间内的赋值结果作为所述磨削控制参数寻优结果，可以用作后续进行粗糙度评估或作为磨削加工参数。
S500：根据所述磨削控制参数寻优结果进行粗糙度评估，获取表面粗糙度预测结果；
进一步的，本申请实施例步骤S500还包括：
S510：根据所述磨削控制参数寻优结果、待磨削五金工件型号信息和磨削机床型号信息进行联网检索，获取表面粗糙度检测数据；
S520：当所述表面粗糙度检测数据的数据量大于或等于第一数据量阈值时，根据所述表面粗糙度检测数据进行表面粗糙度集中值评价，获取所述表面粗糙度预测结果；
S530：当所述表面粗糙度检测数据的数据量小于所述第一数据量阈值时，将所述磨削控制参数寻优结果输入内嵌于服务端的表面粗糙度评估模型，获取所述表面粗糙度预测结果。
具体的，将所述磨削控制参数寻优结果、待磨削五金工件型号信息和磨削机床型号信息作为检索条件，使用互联网大数据进行信息检索，获得多组以所述磨削控制参数寻优结果为控制参数，使用相同型号的磨削机床对相同型号的待磨削五金工件进行磨削后，得到的成品的表面粗糙度检测数据。当所述磨削控制参数寻优结果中某个参数组合的所述表面粗糙度检测数据的数据量大于或等于第一数据量阈值时，说明该组参数的所述表面粗糙度检测数据的数据量足够大，具有较高的可信度，所述第一数据量阈值是根据数据的可信度要求设定的数据量最小值，当某个参数组合的所述表面粗糙度检测数据的数据量满足第一数据量阈值时，将所述表面粗糙度检测数据中的数据进行集中值评价，可以是去掉极大值、极小值之后进行平均值计算，将得到的平均值作为该组参数的表面粗糙度预测结果。
进一步的，当某组参数的所述表面粗糙度检测数据的数据量小于所述第一数据量阈值时，说明检索到的所述表面粗糙度检测数据的数据量过小，不具备可信度，不能直接作为所述表面粗糙度预测结果。那么使用检索到的多组基于所述磨削控制参数寻优结果中不同参数组合的表面粗糙度检测数据作为样本数据，并随机划分为训练数据集、验证数据集和测试数据集，结合BP神经网络模型的架构构建表面粗糙度评估模型，使用所述训练数据集、验证数据集和测试数据集对所述表面粗糙度评估模型进行训练、验证和测试，直至模型收敛并达到预设的准确度要求，完成所述表面粗糙度评估模型的训练。所述BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，无需事先确定输入输出之间映射关系的数学方程，仅通过自身的训练学习某种规则，在给定输入值时得到最接近期望输出值的结果。所述表面粗糙度评估模型内嵌于服务端，用来以所述磨削控制参数寻优结果为输入数据，对五金工件的表面粗糙度进行预测，输出所述表面粗糙度预测结果，所述表面粗糙度预测结果可以用来判断当前得到的所述磨削控制参数寻优结果是否可以用来进行后续的磨削加工。
S600：当所述表面粗糙度预测结果小于或等于所述表面期望粗糙度，根据所述磨削控制参数寻优结果对所述待磨削五金工件进行磨削加工。
具体而言，当所述表面粗糙度预测结果小于或等于所述表面期望粗糙度，说明所述表面粗糙度预测结果满足客户的表面期望粗糙度要求，可以使用所述磨削控制参数寻优结果中的磨削参数对所述待磨削五金工件进行磨削加工，可以保证成品的表面粗糙度达到客户要求的同时提高产品的成品率，进而降低生产成本。
进一步的，如图3所示，本申请实施例步骤S600还包括：
S610：获取可控磨削精度阈值；
S620：根据所述磨削控制参数寻优结果进行可控精度分析，获取最小加工精度；
S630：当所述最小加工精度大于或等于所述可控磨削精度阈值，根据所述磨削控制参数寻优结果对所述待磨削五金工件进行磨削加工。
具体的，通过当前使用的磨削机床的型号信息，获取磨削机床的可控磨削精度阈值，所述可控磨削精度阈值也就是磨削机床的参数精度阈值，包括可控的砂轮方向最小变化量，可控的砂轮切割深度最小变化量，示例性的，某个型号的磨削机床的砂轮方向最小变化量为3度，砂轮切割深度最小变化量为1毫米。根据所述磨削控制参数寻优结果进行可控精度分析，也就是找出根据所述磨削控制参数寻优结果进行磨削加工所需要的最小加工精度，然后将所述最小加工精度与所述可控磨削精度阈值进行比较，当所述最小加工精度大于或等于所述可控磨削精度阈值，说明磨削机床的精度阈值可以满足所述磨削控制参数寻优结果的最小精细程度要求，比如根据所述磨削控制参数寻优结果进行磨削加工需要的最小调整角度为3mm，磨削机床的最小调整角度为2mm，就可以满足精度要求，可以使用所述磨削控制参数寻优结果对所述待磨削五金工件进行磨削加工，若所述最小加工精度小于所述可控磨削精度阈值，说明选取的所述磨削控制参数寻优结果的参数调整精度过于精细，不在当前使用的磨削机床能够做到的磨削精度范围内，需要重新选择合适的磨削控制参数。
进一步的，本申请实施例步骤S620还包括：
S621：根据所述磨削控制参数寻优结果的磨削角度寻优结果，确定磨削方向变化序列；
S622：根据所述磨削控制参数寻优结果的磨削深度寻优结果，确定磨削深度变化序列；
S623：根据所述磨削方向变化序列筛选方向变化度最小值，获取方向调整最小精度；
S624：根据所述磨削深度变化序列筛选深度变化度最小值，获取深度调整最小精度；
S625：将所述方向调整最小精度和所述深度调整最小精度添加进所述最小加工精度。
具体而言，将所述磨削控制参数寻优结果中的磨削角度寻优结果数据，按照从小顺序进行排列，生成磨削方向变化序列，同理，将磨削控制参数寻优结果中的磨削深度寻优结果数据，按照大小顺序进行排列，生成磨削深度变化序列。从所述磨削方向变化序列中筛选出磨削方向变化度的最小值，以此作为方向调整最小精度，从所述磨削深度变化序列中筛选出磨削深度变化度最小值，以此作为深度调整最小精度。将所述方向调整最小精度和所述深度调整最小精度共同作为所述最小加工精度，所述最小加工精度可以用来判断所述磨削控制参数寻优结果中的参数调整精度是否在当前使用的磨削机床能够做到的磨削精度范围内。
进一步的，本申请实施例还包括步骤S700，步骤S700还包括：
S710：当所述表面粗糙度预测结果大于所述表面期望粗糙度，或/和所述最小加工精度小于所述可控磨削精度阈值时，基于所述待磨削标识区域对磨削机床的磨削控制参数进行二次优化，获取磨削控制参数二次寻优结果；
S720：根据所述磨削控制参数二次寻优结果对所述待磨削五金工件进行磨削加工。
具体的，当所述表面粗糙度预测结果大于所述表面期望粗糙度，或所述最小加工精度小于所述可控磨削精度阈值，或所述表面粗糙度预测结果和所述最小加工精度均不满足所述表面期望粗糙度和所述可控磨削精度阈值的要求时，针对所述待磨削标识区域，对磨削机床的磨削控制参数进行二次优化，重新选取所述表面粗糙度预测结果和所述最小加工精度均能满足所述表面期望粗糙度和所述可控磨削精度阈值的参数组合，作为磨削控制参数二次寻优结果，根据所述磨削控制参数二次寻优结果对所述待磨削五金工件进行磨削加工，可以保证能够使用当前的磨削机床进行打磨，并且保证成品五金工件的表面期望粗糙度满足客户要求，提高产品成品率，降低加工成本。
进一步的，本申请实施例步骤S710还包括：
S711：构建第一适应度函数，其中，所述第一适应度函数表征所述表面粗糙度预测结果与所述表面期望粗糙度的第一偏差值；
S712：构建第二适应度函数，其中，所述第二适应度函数表征所述可控磨削精度阈值与所述最小加工精度的第二偏差值；
S713：根据所述第一适应度函数遍历所述磨削控制参数寻优结果，获取第一偏差值集合；
S714：根据所述第二适应度函数遍历所述磨削控制参数寻优结果，获取第二偏差值集合；
S715：根据所述第一偏差值集合与所述第二偏差值集合，筛选所述第一偏差值小于或等于第一偏差阈值，且所述第二偏差值小于或等于第二偏差阈值的所述磨削控制参数寻优结果，设为初始控制参数，其中，所述第一偏差阈值和所述第一偏差值集合对应，所述第二偏差阈值和所述第二偏差值集合对应；
S716：根据预设调整步长，对所述初始控制参数进行调整，获取初始控制参数第一扩充结果；
S717：当所述初始控制参数第一扩充结果的所述表面粗糙度预测结果大于所述表面期望粗糙度，或/和所述最小加工精度小于所述可控磨削精度阈值时，重复扩充；
S718：当所述表面粗糙度预测结果小于或等于所述表面期望粗糙度，且所述最小加工精度大于或等于所述可控磨削精度阈值时，获取所述磨削控制参数二次寻优结果。
具体而言，根据所述表面粗糙度预测结果与所述表面期望粗糙度的差值关系，构建第一适应度函数，所述适应度函数就是问题中的全体个体与其适应度之间的一个对应关系，一般是一个实值函数。所述第一适应度函数表征所述表面粗糙度预测结果与所述表面期望粗糙度的第一偏差值，所述第一适应度函数可以用来计算不同的磨削控制参数下，工件的所述表面粗糙度预测结果和所述表面期望粗糙度的差值，差值越小，说明工件的表面粗糙度越接近表面期望粗糙度，选择的磨削控制参数越好。同理，根据所述可控磨削精度阈值与所述最小加工精度的差值关系，构建第二适应度函数，所述第二适应度函数表征所述可控磨削精度阈值与所述最小加工精度的第二偏差值。通过第一、第二适应度函数，可以实现磨削控制参数优劣评价，便于对磨削控制参数进行筛分。提取所述磨削控制参数寻优结果中的所有磨削控制参数数据，以及所述磨削控制参数寻优结果对应的多个所述表面粗糙度预测结果和多个所述表面期望粗糙度，然后分别将所述磨削控制参数寻优结果中的所有磨削控制参数数据、多个所述表面粗糙度预测结果和多个所述表面期望粗糙度输入所述第一适应度函数中，计算得到多个粗糙度偏差值，将得到多个偏差值整理成偏差值数据集合，作为第一偏差值集合，同理，所述第二适应度函数遍历所述磨削控制参数寻优结果中的所有数据将得到多个偏差值作为第二偏差值集合。进一步的，从所述第一偏差值集合与所述第二偏差值集合中，筛选出所述第一偏差值小于或等于第一偏差阈值，且所述第二偏差值小于或等于第二偏差阈值的所述磨削控制参数寻优结果，以此作为初始控制参数，也就是未优化前的控制参数。所述第一偏差阈值和所述第一偏差值集合对应，是预先设定的粗糙度偏差阈值，用来筛除与预测粗糙度与所述表面期望粗糙度偏差较大的磨削控制参数，所述第二偏差阈值和所述第二偏差值集合对应，是预先设定的精度偏差阈值，用来筛除精细度要求较高的磨削控制参数。为每个磨削控制参数预设一个调整步长，并基于所述预设调整步长，对所述初始控制参数进行向上或向下扩充，将调整后的初始控制参数作为初始控制参数第一扩充结果，比如磨削角度的预设调整步长为1度，基于所述预设调整步长，对所述初始控制参数进行一次调整，比如磨削角度扩大一度，得到调整后的初始控制参数，也就是初始控制参数第一扩充结果，当所述初始控制参数第一扩充结果的所述表面粗糙度预测结果和所述最小加工精度中，有一项不满足所述表面期望粗糙度或所述可控磨削精度阈值时，重复以上参数扩充步骤，直至所述表面粗糙度预测结果小于或等于所述表面期望粗糙度，且所述最小加工精度大于或等于所述可控磨削精度阈值，停止参数扩充，将最后一次调整过的磨削控制参数作为磨削控制参数二次寻优结果，并使用所述磨削控制参数二次寻优结果对所述待磨削五金工件进行磨削加工，进一步保证了产品成品率。
综上所述，本申请实施例至少具有如下技术效果：
本申请通过接收客户端的磨削任务信息，包括磨削概念模型和表面期望粗糙度；获取五金工件基础信息，包括五金工件第一仿真模型；将磨削概念模型和五金工件第一仿真模型进行比对，获取待磨削标识区域；基于待磨削标识区域对磨削机床的磨削控制参数进行优化；根据所述磨削控制参数寻优结果进行粗糙度评估，当表面粗糙度预测结果小于或等于表面期望粗糙度，对待磨削五金工件进行磨削加工。
达到了通过智能化管控五金工具磨削加工的粗糙度，提高产品成品率、降低加工成本的技术效果。
实施例二
基于与前述实施例中一种用于五金工具的磨削加工方法相同的发明构思，如图4所示，本申请提供了一种用于五金工具的磨削加工***，本申请实施例中的***与方法实施例基于同样的发明构思。其中，所述***包括：
磨削任务信息接收模块11，所述磨削任务信息接收模块11用于接收客户端的磨削任务信息，其中，所述磨削任务信息包括磨削概念模型和表面期望粗糙度；
五金工件基础信息获取模块12，所述五金工件基础信息获取模块12用于当待磨削五金工件进入预设区域，启动图像采集装置获取五金工件基础信息，其中，所述五金工件基础信息包括五金工件第一仿真模型；
待磨削标识区域获取模块13，所述待磨削标识区域获取模块13用于将所述磨削概念模型和所述五金工件第一仿真模型进行比对，获取待磨削标识区域；
磨削控制参数寻优结果获取模块14，所述磨削控制参数寻优结果获取模块14用于基于所述待磨削标识区域对磨削机床的磨削控制参数进行优化，获取磨削控制参数寻优结果；
表面粗糙度预测结果获取模块15，所述表面粗糙度预测结果获取模块15用于根据所述磨削控制参数寻优结果进行粗糙度评估，获取表面粗糙度预测结果；
磨削加工模块16，所述磨削加工模块16用于当所述表面粗糙度预测结果小于或等于所述表面期望粗糙度，根据所述磨削控制参数寻优结果对所述待磨削五金工件进行磨削加工。
进一步的，所述磨削控制参数寻优结果获取模块14还用于执行以下步骤：
所述磨削控制参数包括磨削频率、磨削深度和磨削角度；
获取磨削机床基础信息，其中，所述磨削机床基础信息包括磨削机床型号信息；
根据所述磨削机床型号信息，确定磨削频率约束区间、磨削深度约束区间和磨削角度约束区间；
基于所述待磨削标识区域，根据所述磨削频率约束区间、所述磨削深度约束区间和所述磨削角度约束区间对所述磨削频率、所述磨削深度和所述磨削角度进行赋值，获取多组磨削控制参数赋值结果；
遍历所述多组磨削控制参数赋值结果进行磨削温度分析，获取多个磨削预测温度；
将所述多个磨削预测温度不属于磨削温度预测区间的赋值结果删除，获取所述磨削控制参数寻优结果。
进一步的，所述表面粗糙度预测结果获取模块15还用于执行以下步骤：
根据所述磨削控制参数寻优结果、待磨削五金工件型号信息和磨削机床型号信息进行联网检索，获取表面粗糙度检测数据；
当所述表面粗糙度检测数据的数据量大于或等于第一数据量阈值时，根据所述表面粗糙度检测数据进行表面粗糙度集中值评价，获取所述表面粗糙度预测结果；
当所述表面粗糙度检测数据的数据量小于所述第一数据量阈值时，将所述磨削控制参数寻优结果输入内嵌于服务端的表面粗糙度评估模型，获取所述表面粗糙度预测结果。
进一步的，所述磨削加工模块16还用于执行以下步骤：
获取可控磨削精度阈值；
根据所述磨削控制参数寻优结果进行可控精度分析，获取最小加工精度；
当所述最小加工精度大于或等于所述可控磨削精度阈值，根据所述磨削控制参数寻优结果对所述待磨削五金工件进行磨削加工。
进一步的，所述磨削加工模块16还用于执行以下步骤：
根据所述磨削控制参数寻优结果的磨削角度寻优结果，确定磨削方向变化序列；
根据所述磨削控制参数寻优结果的磨削深度寻优结果，确定磨削深度变化序列；
根据所述磨削方向变化序列筛选方向变化度最小值，获取方向调整最小精度；
根据所述磨削深度变化序列筛选深度变化度最小值，获取深度调整最小精度；
将所述方向调整最小精度和所述深度调整最小精度添加进所述最小加工精度。
进一步的，所述***还包括：
磨削控制参数二次寻优结果获取模块，所述磨削控制参数二次寻优结果获取模块用于当所述表面粗糙度预测结果大于所述表面期望粗糙度，或/和所述最小加工精度小于所述可控磨削精度阈值时，基于所述待磨削标识区域对磨削机床的磨削控制参数进行二次优化，获取磨削控制参数二次寻优结果；
磨削加工模块，所述磨削加工模块用于根据所述磨削控制参数二次寻优结果对所述待磨削五金工件进行磨削加工；
进一步的，所述***还包括：
第一适应度函数构建模块，所述第一适应度函数构建模块用于构建第一适应度函数，其中，所述第一适应度函数表征所述表面粗糙度预测结果与所述表面期望粗糙度的第一偏差值；
第二适应度函数构建模块，所述第二适应度函数构建模块用于构建第二适应度函数，其中，所述第二适应度函数表征所述可控磨削精度阈值与所述最小加工精度的第二偏差值；
第一偏差值集合获取模块，所述第一偏差值集合获取模块用于根据所述第一适应度函数遍历所述磨削控制参数寻优结果，获取第一偏差值集合；
第二偏差值集合获取模块，所述第二偏差值集合获取模块用于根据所述第二适应度函数遍历所述磨削控制参数寻优结果，获取第二偏差值集合；
初始控制参数设定模块，所述初始控制参数设定模块用于根据所述第一偏差值集合与所述第二偏差值集合，筛选所述第一偏差值小于或等于第一偏差阈值，且所述第二偏差值小于或等于第二偏差阈值的所述磨削控制参数寻优结果，设为初始控制参数，其中，所述第一偏差阈值和所述第一偏差值集合对应，所述第二偏差阈值和所述第二偏差值集合对应；
第一扩充结果获取模块，所述第一扩充结果获取模块用于根据预设调整步长，对所述初始控制参数进行调整，获取初始控制参数第一扩充结果；
重复扩充模块，所述重复扩充模块用于当所述初始控制参数第一扩充结果的所述表面粗糙度预测结果大于所述表面期望粗糙度，或/和所述最小加工精度小于所述可控磨削精度阈值时，重复扩充；
二次寻优结果获取模块，所述二次寻优结果获取模块用于当所述表面粗糙度预测结果小于或等于所述表面期望粗糙度，且所述最小加工精度大于或等于所述可控磨削精度阈值时，获取所述磨削控制参数二次寻优结果。
需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种用于五金工具的磨削加工方法，其特征在于，所述方法包括：
接收客户端的磨削任务信息，其中，所述磨削任务信息包括磨削概念模型和表面期望粗糙度；
当待磨削五金工件进入预设区域，启动图像采集装置获取五金工件基础信息，其中，所述五金工件基础信息包括五金工件第一仿真模型；
将所述磨削概念模型和所述五金工件第一仿真模型进行比对，获取待磨削标识区域；
基于所述待磨削标识区域对磨削机床的磨削控制参数进行优化，获取磨削控制参数寻优结果；
根据所述磨削控制参数寻优结果进行粗糙度评估，获取表面粗糙度预测结果；
当所述表面粗糙度预测结果小于或等于所述表面期望粗糙度，根据所述磨削控制参数寻优结果对所述待磨削五金工件进行磨削加工。
2.如权利要求1所述的方法，其特征在于，当所述表面粗糙度预测结果小于或等于所述表面期望粗糙度，根据所述磨削控制参数寻优结果对所述待磨削五金工件进行磨削加工，还包括：
获取可控磨削精度阈值；
根据所述磨削控制参数寻优结果进行可控精度分析，获取最小加工精度；
当所述最小加工精度大于或等于所述可控磨削精度阈值，根据所述磨削控制参数寻优结果对所述待磨削五金工件进行磨削加工。
3.如权利要求2所述的方法，其特征在于，还包括：
当所述表面粗糙度预测结果大于所述表面期望粗糙度，或/和所述最小加工精度小于所述可控磨削精度阈值时，基于所述待磨削标识区域对磨削机床的磨削控制参数进行二次优化，获取磨削控制参数二次寻优结果；
根据所述磨削控制参数二次寻优结果对所述待磨削五金工件进行磨削加工。
4.如权利要求1所述的方法，其特征在于，基于所述待磨削标识区域对磨削机床的磨削控制参数进行优化，获取磨削控制参数寻优结果，包括：
所述磨削控制参数包括磨削频率、磨削深度和磨削角度；
获取磨削机床基础信息，其中，所述磨削机床基础信息包括磨削机床型号信息；
根据所述磨削机床型号信息，确定磨削频率约束区间、磨削深度约束区间和磨削角度约束区间；
基于所述待磨削标识区域，根据所述磨削频率约束区间、所述磨削深度约束区间和所述磨削角度约束区间对所述磨削频率、所述磨削深度和所述磨削角度进行赋值，获取多组磨削控制参数赋值结果；
遍历所述多组磨削控制参数赋值结果进行磨削温度分析，获取多个磨削预测温度；
将所述多个磨削预测温度不属于磨削温度预测区间的赋值结果删除，获取所述磨削控制参数寻优结果。
5.如权利要求1所述的方法，其特征在于，根据所述磨削控制参数寻优结果进行粗糙度评估，获取表面粗糙度预测结果，包括：
根据所述磨削控制参数寻优结果、待磨削五金工件型号信息和磨削机床型号信息进行联网检索，获取表面粗糙度检测数据；
当所述表面粗糙度检测数据的数据量大于或等于第一数据量阈值时，根据所述表面粗糙度检测数据进行表面粗糙度集中值评价，获取所述表面粗糙度预测结果；
当所述表面粗糙度检测数据的数据量小于所述第一数据量阈值时，将所述磨削控制参数寻优结果输入内嵌于服务端的表面粗糙度评估模型，获取所述表面粗糙度预测结果。
6.如权利要求2所述的方法，其特征在于，根据所述磨削控制参数寻优结果进行可控精度分析，获取最小加工精度，包括：
根据所述磨削控制参数寻优结果的磨削角度寻优结果，确定磨削方向变化序列；
根据所述磨削控制参数寻优结果的磨削深度寻优结果，确定磨削深度变化序列；
根据所述磨削方向变化序列筛选方向变化度最小值，获取方向调整最小精度；
根据所述磨削深度变化序列筛选深度变化度最小值，获取深度调整最小精度；
将所述方向调整最小精度和所述深度调整最小精度添加进所述最小加工精度。
7.如权利要求3所述的方法，其特征在于，当所述表面粗糙度预测结果大于所述表面期望粗糙度，或/和所述最小加工精度小于所述可控磨削精度阈值时，基于所述待磨削标识区域对磨削机床的磨削控制参数进行二次优化，获取磨削控制参数二次寻优结果，包括：
构建第一适应度函数，其中，所述第一适应度函数表征所述表面粗糙度预测结果与所述表面期望粗糙度的第一偏差值；
构建第二适应度函数，其中，所述第二适应度函数表征所述可控磨削精度阈值与所述最小加工精度的第二偏差值；
根据所述第一适应度函数遍历所述磨削控制参数寻优结果，获取第一偏差值集合；
根据所述第二适应度函数遍历所述磨削控制参数寻优结果，获取第二偏差值集合；
根据所述第一偏差值集合与所述第二偏差值集合，筛选所述第一偏差值小于或等于第一偏差阈值，且所述第二偏差值小于或等于第二偏差阈值的所述磨削控制参数寻优结果，设为初始控制参数，其中，所述第一偏差阈值和所述第一偏差值集合对应，所述第二偏差阈值和所述第二偏差值集合对应；
根据预设调整步长，对所述初始控制参数进行调整，获取初始控制参数第一扩充结果；
当所述初始控制参数第一扩充结果的所述表面粗糙度预测结果大于所述表面期望粗糙度，或/和所述最小加工精度小于所述可控磨削精度阈值时，重复扩充；
当所述表面粗糙度预测结果小于或等于所述表面期望粗糙度，且所述最小加工精度大于或等于所述可控磨削精度阈值时，获取所述磨削控制参数二次寻优结果。
8.一种用于五金工具的磨削加工***，其特征在于，所述***包括：
磨削任务信息接收模块，所述磨削任务信息接收模块用于接收客户端的磨削任务信息，其中，所述磨削任务信息包括磨削概念模型和表面期望粗糙度；
五金工件基础信息获取模块，所述五金工件基础信息获取模块用于当待磨削五金工件进入预设区域，启动图像采集装置获取五金工件基础信息，其中，所述五金工件基础信息包括五金工件第一仿真模型；
待磨削标识区域获取模块，所述待磨削标识区域获取模块用于将所述磨削概念模型和所述五金工件第一仿真模型进行比对，获取待磨削标识区域；
磨削控制参数寻优结果获取模块，所述磨削控制参数寻优结果获取模块用于基于所述待磨削标识区域对磨削机床的磨削控制参数进行优化，获取磨削控制参数寻优结果；
表面粗糙度预测结果获取模块，所述表面粗糙度预测结果获取模块用于根据所述磨削控制参数寻优结果进行粗糙度评估，获取表面粗糙度预测结果；
磨削加工模块，所述磨削加工模块用于当所述表面粗糙度预测结果小于或等于所述表面期望粗糙度，根据所述磨削控制参数寻优结果对所述待磨削五金工件进行磨削加工。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310808948.9A CN116551475B (zh) | 2023-07-04 | 2023-07-04 | 一种用于五金工具的磨削加工方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310808948.9A CN116551475B (zh) | 2023-07-04 | 2023-07-04 | 一种用于五金工具的磨削加工方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116551475A true CN116551475A (zh) | 2023-08-08 |
| CN116551475B CN116551475B (zh) | 2023-09-22 |
Family
ID=87502133
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310808948.9A Active CN116551475B (zh) | 2023-07-04 | 2023-07-04 | 一种用于五金工具的磨削加工方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116551475B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117055513A (zh) * | 2023-10-10 | 2023-11-14 | 张家港市卓华金属科技有限公司 | 基于人工智能的设备自动化控制方法及装置 |
| CN117144616A (zh) * | 2023-10-31 | 2023-12-01 | 江苏华一机械有限公司 | 一种磨毛机的反馈控制方法及*** |
| CN117697613A (zh) * | 2023-12-22 | 2024-03-15 | 上海强华实业股份有限公司 | 应用于石英产品研磨设备的识别与研磨控制方法及*** |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102120307A (zh) * | 2010-12-23 | 2011-07-13 | 中国科学院自动化研究所 | 一种基于视觉信息的工业机器人磨削***及方法 |
| CN106530291A (zh) * | 2016-10-28 | 2017-03-22 | 重庆工商职业学院 | 一种基于图像处理的抛光表面检测方法及其*** |
| US20170370856A1 (en) * | 2016-06-27 | 2017-12-28 | Disco Corporation | Internal crack detecting method and internal crack detecting apparatus |
| CN109581963A (zh) * | 2018-11-15 | 2019-04-05 | 天津大学 | 基于陶瓷材料磨削加工数据库平台的陶瓷材料多尺度磨削加工工艺参数的选择方法 |
| CN110216530A (zh) * | 2019-07-18 | 2019-09-10 | 佛山市高明金石建材有限公司 | 一种板材磨削装置及磨削方法 |
| CN110348075A (zh) * | 2019-06-20 | 2019-10-18 | 湖南科技大学 | 一种基于改进支持向量机算法的磨削表面粗糙度预测方法 |
| JP2021133454A (ja) * | 2020-02-26 | 2021-09-13 | 株式会社ナガセインテグレックス | 回転切削工具の加工によるワークの面粗度予測方法及び面粗度予測装置 |
| JP2021171833A (ja) * | 2020-04-20 | 2021-11-01 | 株式会社ジェイテクト | 表面粗さ推定システム |
| CN114346851A (zh) * | 2021-12-06 | 2022-04-15 | 襄阳华中科技大学先进制造工程研究院 | 叶片磨削工艺参数调整方法、装置、设备及存储介质 |
-
2023
- 2023-07-04 CN CN202310808948.9A patent/CN116551475B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102120307A (zh) * | 2010-12-23 | 2011-07-13 | 中国科学院自动化研究所 | 一种基于视觉信息的工业机器人磨削***及方法 |
| US20170370856A1 (en) * | 2016-06-27 | 2017-12-28 | Disco Corporation | Internal crack detecting method and internal crack detecting apparatus |
| CN106530291A (zh) * | 2016-10-28 | 2017-03-22 | 重庆工商职业学院 | 一种基于图像处理的抛光表面检测方法及其*** |
| CN109581963A (zh) * | 2018-11-15 | 2019-04-05 | 天津大学 | 基于陶瓷材料磨削加工数据库平台的陶瓷材料多尺度磨削加工工艺参数的选择方法 |
| CN110348075A (zh) * | 2019-06-20 | 2019-10-18 | 湖南科技大学 | 一种基于改进支持向量机算法的磨削表面粗糙度预测方法 |
| CN110216530A (zh) * | 2019-07-18 | 2019-09-10 | 佛山市高明金石建材有限公司 | 一种板材磨削装置及磨削方法 |
| JP2021133454A (ja) * | 2020-02-26 | 2021-09-13 | 株式会社ナガセインテグレックス | 回転切削工具の加工によるワークの面粗度予測方法及び面粗度予測装置 |
| JP2021171833A (ja) * | 2020-04-20 | 2021-11-01 | 株式会社ジェイテクト | 表面粗さ推定システム |
| CN114346851A (zh) * | 2021-12-06 | 2022-04-15 | 襄阳华中科技大学先进制造工程研究院 | 叶片磨削工艺参数调整方法、装置、设备及存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117055513A (zh) * | 2023-10-10 | 2023-11-14 | 张家港市卓华金属科技有限公司 | 基于人工智能的设备自动化控制方法及装置 |
| CN117055513B (zh) * | 2023-10-10 | 2024-04-26 | 张家港市卓华金属科技有限公司 | 基于人工智能的设备自动化控制方法及装置 |
| CN117144616A (zh) * | 2023-10-31 | 2023-12-01 | 江苏华一机械有限公司 | 一种磨毛机的反馈控制方法及*** |
| CN117144616B (zh) * | 2023-10-31 | 2024-01-23 | 江苏华一机械有限公司 | 一种磨毛机的反馈控制方法及*** |
| CN117697613A (zh) * | 2023-12-22 | 2024-03-15 | 上海强华实业股份有限公司 | 应用于石英产品研磨设备的识别与研磨控制方法及*** |
| CN117697613B (zh) * | 2023-12-22 | 2024-05-07 | 上海强华实业股份有限公司 | 应用于石英产品研磨设备的识别与研磨控制方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116551475B (zh) | 2023-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116551475B (zh) | 一种用于五金工具的磨削加工方法及*** | |
| Zuperl et al. | Optimization of cutting conditions during cutting by using neural networks | |
| CN104898565A (zh) | 改进的用于颤振预测的数据库 | |
| EP3736648B1 (en) | Method for autonomous optimization of a grinding process | |
| CN111143990B (zh) | 一种敏感测点选择及融合的机床铣刀剩余寿命预测方法 | |
| Radomska-Zalas et al. | IT support for optimisation of abrasive water cutting process using the TOPSIS method | |
| Friedrich et al. | Online learning of stability lobe diagrams in milling | |
| CN112757052B (zh) | 不同磨损刀具的车削热与多元影响因子的相关性分析方法 | |
| Miranda et al. | Monitoring single-point dressers using fuzzy models | |
| Rao | Optimizing machining parameters of wire-EDM process to cut Al7075/SiCp composites using an integrated statistical approach | |
| CN110414727A (zh) | 一种基于数据挖掘的生产进度预测方法及*** | |
| CN116560327A (zh) | 一种基于物联网的电动工具生产控制方法及*** | |
| Denkena et al. | Augmenting milling process data for shape error prediction | |
| CN115577020B (zh) | 一种修磨周期能耗状态识别***及识别方法 | |
| JP7015807B2 (ja) | 研削状態監視方法、研削状態監視プログラムおよび研削状態監視装置 | |
| CN111881860A (zh) | 滚刀磨损在位识别模型建模方法及滚刀磨损在位识别方法 | |
| CN113592064B (zh) | 环抛机工艺参数预测方法、***、应用、终端及介质 | |
| Fountas et al. | Development of a software-automated intelligent sculptured surface machining optimization environment | |
| CN117055513B (zh) | 基于人工智能的设备自动化控制方法及装置 | |
| CN114326593A (zh) | 一种刀具寿命预测***及方法 | |
| Vallejo et al. | Cost-effective supervisory control system in peripheral milling using HSM | |
| CN110658782A (zh) | 一种基于特征的数控机床固有能效预测方法 | |
| TW202347062A (zh) | 用於半導體廠房中之等待時間預測之方法 | |
| Deng et al. | Multi-objective machining parameters optimization for chatter-free milling process considering material removal rate and surface location error | |
| Bonci et al. | Machine learning for monitoring and predictive maintenance of cutting tool wear for clean-cut machining 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 |