用于利用机床来自动化加工工件的方法和装置与流程

本发明涉及一种用于自动控制用于加工工件的机床的方法。本方法尤其涉及加工轨迹的优化，根据该加工轨迹通过机床来加工工件。

背景技术：

在通过自动化机床进行工件的切削加工时，各种因素可能影响加工时间、加工质量和经加工的工件的质量。通常，为了加工而预先给定加工轨迹，机床的加工头以该加工轨迹相对于待加工的工件运动。在此，根据多个加工参数实现在加工轨迹的驶离（abfahren），所述加工参数对于加工时间、加工质量和经加工的工件的质量是决定性的。

加工方法可以包括切削技术、像比如钻孔、铣削、锯、焊接等，切削技术、像比如激光切割，热处理、像比如钎焊、烧结等，以及连接技术、像比如粘合、粘接等，以及一般其他方法，其中刀具相对于工件运动，并且在此实施材料相关的（stofflich）措施，即材料改变的措施和/或形状改变的措施。

技术实现要素：

根据本发明，提出了一种根据权利要求1所述的用于利用机床来加工工件的方法以及一种根据并列权利要求所述的相应的装置和机床。

其它设计方案在从属权利要求中说明。

根据第一方面，提出一种用于利用自动化机床加工工件的方法，其中，加工头和工件相对于彼此沿着加工轨迹运动，其中，所述加工轨迹通过加工参数确定，所述方法具有以下步骤：

-沿着加工轨迹根据预先给定的加工参数加工工件；

-在沿着加工轨迹加工工件期间测量一个或多个加工参量、特别是加工参量的一条或多条变化曲线；

-借助于基于成本函数和至少一个边界条件的优化方法来优化加工参数，

其中，借助于加工模型，根据在优化时考虑的加工参数来确定建模的加工参量和配属于该建模的加工参量的不确定参量，所述加工模型设置为回归模型，其中，所述边界条件与用于所述建模的加工参量的、取决于预先给定的概率的数值范围相关，其中，所述建模的加工参量、所述不确定参量和所述预先给定的概率说明（angeben）围绕经建模的加工参量的数值范围。

工件的加工在自动化的加工方法中通常通过刀具的加工头相对于工件的运动来进行，从而实现工件的材料变化或形状变化。加工头的运动沿着加工轨迹进行并且可以通过加工参数来表征。加工轨迹可以被定义为由加工参数予以参数化的轨迹，或者可以被划分为由例如由相应单独的加工参数的线性的区段变化曲线所定义的轨迹区段。根据加工方法的类型，加工参数可以是进给速度、加工刀具到工件上的进给力、刀具转速（在旋转的加工头中，像比如在钻孔时）、加工头的加工温度等。

加工轨迹的轨迹区段由区段时间（abschnittszeit）或区段距离来定义。区段时间或者区段距离可以具有相同或者不同的持续时间或者长度。加工方法在每个轨迹区段中根据为此预先给定的加工参数实施加工。参数过渡可以根据其物理意义通过内插得到平滑处理。因此，例如进给速度或刀具温度不会阶跃式变化。

视在各个加工轨迹中加工的加工参数的选择而定，加工的速度、持续时间和/或质量更好或更差。因此可以规定，对于优化所考虑的成本函数取决于用于加工的总持续时间和/或一个或多个质量参数，所述质量参数说明加工的质量并且取决于建模的加工参量，其中，一个或多个质量参数特别是通过建模的加工参量的变化曲线来确定，并且特别是作为建模的加工参量的变化曲线的平均值、最大值、最小值针对整个加工轨迹或单独地针对一个、一些或所有轨迹区段来说明。

这种加工方法的优化根据成本函数和考虑边界条件来进行。边界条件可以在优化过程期间单独地或作为成本函数的一部分被考虑。优化可以自动地通过优化过程进行，其中，通过一个或多个相应的边界条件关于具有优化的加工参数的质量参数来确保加工质量。

边界条件关于加工参量来定义。由于在优化的计算过程中不能测量加工参量，因此这些加工参量根据加工模型作为建模的加工参量被提供。因为加工模型经常是有缺陷的，所以对于上述方法，回归模型被用作加工模型，其除了模型值之外还提供了不确定参量，该不确定参量说明模型值的可靠性。通过定义具有如下数值范围的边界条件，所考虑的加工参量的真值以通过边界条件预先给定的概率处于所述数值范围中，可以通过避免过长持续时间内处于数值范围之外的加工参量来避免加工的质量。虽然可能的是，加工参量的真值有时位于通过边界条件定义的数值范围之外，然而这由于预先给定的概率仅在相对短的时间段中是这种情况。

根据上述方法，现在在概率性地遵守边界条件的情况下优化通过总成本的最小化预先给定的加工目标。为此，计算目标参量的加工模型的梯度并且如此程度地跟随该梯度，使得至少以确定的预先给定的概率遵守边界条件，即，相关加工参量的边界值以预先确定的概率位于相关加工参量的数值范围内。

例如，刀具的特定进给速度决定了作用在工件上的特定的进给力（加工参量）。在加工工件时，该进给力可以关于进给速度（加工参数）被记录并且相应的加工模型被学习。作为优化时的边界条件，进给力由于刀具保护或磨损减少的原因可以被限制。通过加工模型的训练，在进给力和进给速度之间产生具有不确定界限的回归。现在可以预先给定适用于优化的边界条件，使得以特定的概率不超过对于进给力（加工参量）的预先给定的边界值。这种方法使得能够更好地进行用于机床的加工轨迹的轨迹确定。

这种加工方法的优化可以自动地通过优化过程进行，其中，还根据质量参数定义成本函数，并且基于成本函数优化每个轨迹区段的加工参数。

成本函数说明取决于质量参数的成本值，所述质量参数分别表示加工方法或其一部分的评估。例如，质量参数可以说明用于加工工件的时间耗费、在工件的加工期间的振动的出现、加工头的材料磨损和关于经加工的工件的加工精度、工件的温度、加工头的温度和/或作用于加工头的进给力。

上述方法使用经由在加工工件时的物理作用关系的可训练的加工模型，以便改善对于加工轨迹的优化。这通过选择模型作为加工模型来实现，该加工模型一方面提供模型值的回归曲线，并且另一方面提供回归曲线的各个模型值的相应的不确定性。因此，可训练的模型能够实现成本函数的可靠优化。在使用例如梯度下降方法时，通过模型不仅可以计算用于优化的梯度，而且可以求取其可靠边界的间隔，在所述可靠边界中说明建模的加工参数。

原则上，优化方法通过根据优化目标优化加工参数来进行，优化目标例如可以作为加工时间的最小化或一般地作为成本的最小化根据成本函数来预先给定，并且可以考虑边界条件、像比如质量和加工以及刀具的磨损。在此，加工参数通过成本的最小化来优化，同时遵守边界条件。

可以规定，加工模型被选择为可训练的加工模型，其中，基于关于用预先给定的加工参数进行的加工所测量的一个或多个加工参量来执行学习过程。由此可以规定，在每次或相应多次加工工序之后更新可训练的加工模型，其中，在学习过程中根据所使用的加工参数考虑加工结果。

可训练的加工模型可以是还能够提供模型值相对于加工参数中的每一个的不确定的任意的回归模型。此外，如下回归模型是有利的，该回归模型还说明关于加工参数中的每个的梯度。特别地，可以使用高斯过程模型、贝叶斯线性回归模型、规则内核脊形回归模型和/或贝叶斯神经网络等。

附图说明

下面借助于附图对实施方式进行详细解释。其中示出：

图1示出了自动化机床的示意图，该自动化机床构造用于执行用于加工工件的方法，

图2示出了用于说明用于通过图1的机床加工工件的方法的流程图的示意图；并且

图3示出了用于说明对建模的加工参量的不确定值的考虑的图表。

具体实施方式

图1示出具有加工头6的机床1，该加工头可以通过轴7旋转驱动。加工头6尤其能够构造为切削刀具，通过所述切削刀具能够加工工件2。加工头6通过驱动单元3运行，所述驱动单元通过刀具的加工头6的适当运动以材料或形状改变的方式来加工工件2。例如，加工头6可以是诸如钻头、铣头、激光器的切削刀具，诸如钎焊销、烧结刀具、焊头（电阻焊接）等的热处理刀具，超声波头（超声波粘合），粘结喷嘴等。

驱动单元3还能够引起加工头6的进给（vortrieb），以便沿着一段距离加工工件2。加工头6还可以与传感系统9连接，以便测量作用在加工头6和工件2之间的力、加工头6和/或工件2的温度或其他所产生的输出参量。此外，工件2可以设有传感系统8，该传感系统可以在加工期间测量工件的振动、温度和/或其他特性。

借助控制单元10，所述控制单元这样操控驱动单元3，使得工件2根据加工轨迹被加工，传感系统8、9的传感器值能够如下文所述那样被分析。

加工以通过控制单元10来控制的方式根据如下加工轨迹进行，该加工轨迹通过加工参数确定。加工轨迹可以包括多个轨迹区段。加工参数说明用于加工工件的加工预设值。加工参数例如可以针对加工轨迹的每个轨迹区段说明推进量（zustellung）、转速、切削深度、进给速度和/或类似参数。如果对于不同的轨迹区段规定加工参数的不同的参数值，则可以平滑处理在加工参数的参数值之间的过渡，以避免参数值的阶跃式变化。特别是可以在在轨迹区段之间进行加工的过渡时在参数值之间特别是线性地内插。由此可以避免在技术上不可实现的参数阶跃。替代地，可以无区段地定义加工轨迹，其中，加工轨迹的变化曲线通过一个或多个加工参数的变化曲线来定义。

在根据加工轨迹进行加工期间，控制单元10可以检测、考虑并且暂时存储关于加工头6（经由传感系统9）和关于工件（经由传感系统8）的传感器值。

下面借助于图2的流程图更详细地描述用于运行机床1的方法。

在步骤s1中，根据初始的或通过优化预先给定的加工轨迹利用相应的加工参数来加工工件2。为此，例如可以预先给定进给速度、推进量、转速和/或切削深度，以便利用圆锯实施示例性的锯切过程。对于钎焊过程，例如可以预先给定进给速度、钎焊材料输入和钎焊温度。

在通过加工头6驶离加工轨迹而进行加工的同时，在步骤s2中检测传感系统8、9的传感器值，这些传感器值涉及产生的加工参量，像比如逆着进给方向作用到工件2上的进给力、用于以预先给定的转速、刀具温度、加工期间的工件温度、加工期间的工件振动等驱动圆锯的旋转力矩。相应的加工参量的变化曲线根据加工轨迹予以存储。

在步骤s3中，基于所使用的加工参数和所测量的加工参量，对将加工过程以模型的方式进行映射的加工模型进行训练。加工模型例如可以是高斯过程、贝叶斯线性回归、规则内核脊形回归、贝叶斯神经网络等。一般而言，加工模型被选择为使得它能够基于加工参数提供加工参量中的至少一个的回归。此外，加工模型如此选择，使得除了加工参量的估算的模型值之外，它也可以分别输出对于相关的加工参量的模型值的不确定值。不确定值例如通过说明标准差的因子、加工模型的模型值周围的不确定范围来定义，相关的加工参量的真值以预先给定的不确定性位于所述不确定范围内。

根据近似方法，随后在步骤s4中优化用于轨迹区段的加工参数。为此，根据目标预设值（其例如可相应于成本函数的最小化），借助于合适的优化方法（例如梯度下降方法等）来执行对于用于驶离加工轨迹的加工参数的优化。

成本函数可以根据加工持续时间、加工的一个或多个质量参数等来定义成本。例如，用于一个、多个或所有轨迹区段的质量参数可以说明用于加工的相应的持续时间、在工件的加工期间出现振动的变化曲线的相应的度量（作为振动通过传感系统8测量）、加工头的材料磨损（通过进给力的变化曲线确定，所述进给力相应于通过加工头的进给作用到所述加工头上的力并且通过传感系统9测量）的相应的度量以及关于被加工的工件的加工精度的相应的度量，所述加工精度说明被加工的工件如何与工件的理论状态偏离。加工参量的变化曲线、像比如进给力的变化曲线、振动的出现的变化曲线等可以作为相关的加工参量的平均值、最大值、最小值针对整个加工轨迹或单独地针对一个、一些或所有轨迹区段说明。

现在将新的优化的加工参数提供用于另一个工件的后续加工。

优化方法除了预先给定的成本或目标函数之外也可以考虑一个或多个边界条件，所述边界条件可以关于一个或多个加工参量预先给定。在此，边界条件可以预先给定用于加工参量的边界值，所述加工参量从在执行优化方法期间被考虑的加工参数中得出。如下优化解决方案相应地是不允许的，在其中边界值被加工参量的预期值超过或低于所述加工参量的预期值。为此，根据相应考虑的加工参数将建模的加工参量作为模型值从可训练的、特别是自学习的加工模型中确定，并且在根据成本函数最小化目标参量/成本期间相应地加以考虑。

在此，边界条件不仅被定义为加工参量的固定的边界值，而且也可以在优化期间以合适的方式考虑加工参量的相应的模型值的、由相应的不确定值说明的不确定性。在这种情况下，加工参量的容许值的一个或多个边界值或范围取决于加工参量的建模值及其针对参数值的特定组合的所属的不确定值。

在通过边界条件预先给定的概率的情况下，可以从在特定的加工参数的预先给定值或特定的所考虑的加工参数组合的预先给定值的情况下的加工参量的模型值中分别确定围绕加工参量的模型值的数值范围，所述数值范围说明，加工参量的实际值在以相应的加工参数值进行加工时以预先给定的概率处于数值范围内。其中反映了通过可训练的加工模型进行建模的不确定性。

通过该加工模型，对于建模的加工轨迹的每个单独的点获得逐点（点-到-点）后（posterior）分布，也就是说，对于高斯过程作为回归模型的情况，这相应于高斯分布。

加工参量的数值范围由以下等式确定，加工参量的实际值以预先给定的概率位于该数值范围内：

，

其中，µ对应于相应于加工模型的加工参量的模型值，p对应于预先给定的概率，加工参量的实际值位于通过z（作为标准偏差σ的分位数z预先给定的）预先给定的散布区间内。从上面的等式的求解中得出对于散布区间的上和下边界值x1、x2。散布区间说明加工参量的如下数值范围，加工参量的实际值以预先给定的概率位于该数值范围内。

如在图3中示例性示出的那样，特别是通过加工模型预先给定的、用于建模的加工参量x的模型曲线可以根据示例性的加工参数z来说明数值范围变化曲线。通过模型曲线作为建模的加工参量x关于示例性的加工参数z的值的变化曲线。该模型曲线说明用于建模的加工参量的相应的值的数值范围的下和上范围边界gu、go的变化曲线，它们不应以通过边界条件预先给定的概率被低于或不超过。相关的建模的加工参量的下/上范围边界gu、go然后可以用作边界条件的边界值，其说明特定的测量可靠性。例如，通过预先给定概率产生范围边界。

由此，在优化期间分别检查对于加工参数的当前考虑的值的边界条件的遵守。为了通过预先给定概率来获得相应的范围边界，将用于累积的密度的等式（分布函数）考虑作为起始点，将所期望的概率带入并且根据标准偏差求解。以高斯过程的后标准偏差来利用这个值（例如在99%时得到z=2.576σ的宽度）。（即：上边界=µ+zσ）。

例如，在图3中，基于在特定的进给速度下作用到刀具上的所产生的力（加工参量x）的建模的变化曲线，来说明围绕建模的所产生的力的数值范围。在此，边界条件作为加工参量处于在这种情况下两个标准偏差（即以大约95%的概率）的范围内的条件来预先给定。

如果加工参数“进给速度”应被选择为使得作用到刀具上的力不应以95%的概率超过120n，则由此在数值范围120n的上限值的情况下得到320mm/min的进给速度。

上述方法可以在通过机床来加工工件期间循环地实施。也可以在机床的初始调整中提前使用该方法，以便确定一组用于加工工件的初始加工参数。在优化方法期间使用时，将进给速度作为边界条件限制如下一个值上，在该值时以特定的概率不超过作用到刀具上的力。