一种金属构件加工数控铣床运行检测及控制方法与流程

1.本发明涉及计算机和辅助设备修理领域，具体涉及一种金属构件加工数控铣床运行检测及控制方法。


背景技术：

2.数控机床是一种装有程序控制系统的自动化机床，已经成为衡量一个国家制造业水平的重要标志之一。其中数控铣床主要用于对金属产品的加工处理等。随着生产技术的发展，用户对产品的性能、精度要求越来越高，对生产的效率要求也越来越高。因此，为了保证数控铣床的生产效率，对数控铣床的运行状态进行检测是非常有必要的。
3.目前对数控铣床的运行状态进行检测多为相关操作工进行定期检测，或者在工作过程中进行检测。但是，这种检测方法不具有实时性，极易出现漏检状况，且无法实时对数控铣床的运行状态进行调控，检测覆盖率低。针对上述问题，本发明提出一种金属构件加工数控铣床运行检测及控制方法，利用计算机和辅助设备对数控铣床进行修理，以实现自动对金属构件加工过程中的数控铣床运行状态进行控制、调整。


技术实现要素：

4.本发明提供一种金属构件加工数控铣床运行检测及控制方法，包括：获取数控铣床关键参数的实时数据；构建数据矩阵；对数据矩阵中的行向量进行粗粒度化，将粗粒度化后的矩阵中各行数据进行排序得到重构数据矩阵；对重构数据矩阵中的行向量进行滑窗检测，利用每个滑窗内的数据得到每个滑窗的窗口描述子；利用重构数据矩阵中每个行向量中窗口描述子的种类数量及各种窗口描述子的数量得到数控铣床每个关键参数的监测指标，根据监测指标对数控铣床的运行状态进行控制并利用金属构件加工刀具的监测向量对数控铣床的刀具进行调控，相比于现有技术，本发明通过金属构件加工过程中数控铣床各关键参数的运行数据构建数据矩阵，并对数据矩阵进行分析，获取各关键参数的监测指标，以对金属加工过程中数控铣床各关键参数的运行状况进行实时检测，并基于监测矩阵对各关键参数进行预警调控，避免金属加工过程中的事故发生，同时基于切割完成金属构件表面图像的特征参数，对金属加工过程中的刀具状况进行判定，并对刀具状况进行检测，以便提示工作人员对刀具进行调控及更换等，本发明利用计算机和辅助设备对数控铣床进行修理，过程稳定可靠，不受人为主观因素和环境因素的影响，检测精度高，能够充分满足实际生产的需要。
5.为达到上述目的，本发明采用如下技术方案，一种金属构件加工数控铣床运行检测方法，包括：获取金属构件加工数控铣床关键参数的实时数据。
6.利用数控铣床关键参数的实时数据构建数据矩阵。
7.对数据矩阵中的各个行向量进行粗粒度化，将粗粒度化后的数据矩阵中每个行向量中的数据进行排序得到重构数据矩阵。
8.对重构数据矩阵中的各个行向量进行滑窗检测，利用每个滑窗内的数据计算得到每个滑窗的窗口描述子。
9.利用重构数据矩阵中每个行向量中窗口描述子的种类数量及各种窗口描述子的数量计算得到数控铣床每个关键参数的监测指标。
10.进一步的，所述一种金属构件加工数控铣床运行检测方法，所述重构数据矩阵是按照如下方式得到：设置数据间隔，根据数据间隔将数据矩阵中的每个行向量划分为多个序列。
11.计算每个行向量中的各个序列的均值，得到每个行向量中各序列的序列表征值。
12.利用每个行向量中各序列的序列表征值构建粗粒度数据矩阵。
13.将粗粒度数据矩阵中的每行数据按照从大到小的顺序进行排序，得到重构数据矩阵。
14.进一步的，所述一种金属构件加工数控铣床运行检测方法，所述每个滑窗的窗口描述子的表达式如下：式中，为第d个滑窗的窗口描述子, 为滑窗内数据的数量，为滑窗d对应的窗口序列中的第r个数据，为滑窗d内的数据标准差，为数据r的异常因子，为关键参数在正常工作时的人为设定标准参数数据。
15.进一步的，所述一种金属构件加工数控铣床运行检测方法，所述数控铣床每个关键参数的监测指标是按照如下方式得到：获取重构数据矩阵中每个行向量的所有窗口描述子。
16.统计每个行向量的所有窗口描述子中各种窗口描述子的数量。
17.利用每个行向量中窗口描述子的种类数量及各种窗口描述子的数量计算得到数控铣床每个关键参数的监测指标。
18.进一步的，所述一种金属构件加工数控铣床运行检测方法，所述数控铣床每个关键参数的监测指标的表达式如下：式中，为数控铣床第i个关键参数的监测指标，为第i个关键参数对应的行向量中窗口描述子的种类数量，为第i个关键参数对应的行向量中第c种窗口描述子的数量，为第c种窗口描述子。
19.本发明还提供了一种金属构件加工数控铣床运行控制方法，所述的数控铣床每个关键参数的监测指标对金属构件加工数控铣床的运行状态进行控制。
20.进一步的，所述一种金属构件加工数控铣床运行控制方法，所述对金属构件加工数控铣床的运行状态进行控制的过程具体如下：
利用数控铣床每个关键参数的监测指标构建监测矩阵。
21.对各个关键参数进行编号。
22.设置阈值，对监测矩阵中的数据进行判断：当监测矩阵中存在数据高于阈值时，则将编号对应的关键参数进行预警警报，提示工作人员对该关键参数进行调控。
23.进一步的，所述一种金属构件加工数控铣床运行控制方法，还包括：采集金属构件加工后的切割面图像。
24.对切割面图像进行颜色空间转换，获取亮度通道分量图像。
25.对亮度通道分量图像进行超像素分割，利用得到的每个超像素块中各像素点及中心像素点的亮度值计算得到每个超像素块的亮度指标。
26.利用每个超像素块的亮度指标获取切割面的亮度分布指标。
27.对切割面图像进行边缘检测，对得到的边缘图像进行霍夫直线检测获取边缘图像中的直线段。
28.利用边缘图像中相邻两直线段间的水平间隔、每条直线段的长度和直线段的数量计算得到切割面的纹路指标。
29.根据切割面的亮度分布指标和纹路指标获取金属构件加工刀具的监测向量。
30.利用金属构件加工刀具的监测向量对金属构件加工数控铣床的刀具进行调控。
31.本发明的有益效果在于：本发明通过金属构件加工过程中数控铣床各关键参数的运行数据构建数据矩阵，并对数据矩阵进行分析，获取各关键参数的监测指标，以对金属加工过程中数控铣床各关键参数的运行状况进行实时检测，并基于监测矩阵对各关键参数进行预警调控，避免金属加工过程中的事故发生，同时基于切割完成金属构件表面图像的特征参数，对金属加工过程中的刀具状况进行判定，并对刀具状况进行检测，以便提示工作人员对刀具进行调控及更换等，本发明利用计算机和辅助设备对数控铣床进行修理，过程稳定可靠，不受人为主观因素和环境因素的影响，检测精度高，能够充分满足实际生产的需要。
附图说明
32.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，下面将对实施例或现有技术描述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。
33.图1为本发明实施例提供的一种金属构件加工数控铣床运行检测及控制方法流程示意图。
具体实施方式
34.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。
35.实施例
为了实现本发明所述内容，本实施例设计了一种金属构件加工数控铣床运行检测及控制方法。本实施例适用于对金属进行切割加工过程中的数控铣床的运行检测控制。
36.本发明实施例提供一种金属构件加工数控铣床运行检测及控制方法，如图1所示，包括：s101、获取各参数数据和图像数据。
37.本实施例所建系统为在虚拟机床模型中进行虚拟装配以及测试，对金属加工过程中的数控铣床进行控制，然后对实际金属加工过程中的数控铣床进行实时调控。首先，本实施例将通过各种传感器等设备采集数据，获取数控铣床在进行金属加工过程中的各种关键参数的数据信息。数控铣床运行过程中的关键参数有很多：运行速度、电机温度、功率以及主轴转速等，具体关键参数的提取实施者可根据实际情况自行选取，将关键参数数量记为n，通过对应的数据采集传感器等设备对数据进行实时采集，以获取金属加工数控铣床运行过程中的各数据状况。对于数控铣床关键参数的检测及调控控制时间间隔为a，也即每隔a时间进行一次数据采集，数据采集具体为：t时段内采集的m次数据，基于所提取的m次数据对对应关键参数进行分析，检测关键参数的运行状况，并基于分析结果对存在异常风险的关键参数进行实时预警，以便相关工作人员及时进行相应调控。
38.同时，为保证加工后的金属满足企业需求，本实施例将通过图像采集设备对加工过程中的金属进行图像采集，基于加工金属的表面图像特征参数实现对运行状态的调控。
39.至此，即可根据本实施例所述方法获取金属加工过程中的各关键参数的实时数据，用于对金属构件加工处理过程中数控铣床进行自动调控。
40.s102、构建数据矩阵。
41.通过传感器等数据采集设备获取各关键参数的数据之后，对于每个参数将获取多个实时数据，用于对关键参数的工作状态进行分析调控，为避免数据分析的单一性且数据量大分析不精确等问题，本实施例将构建数据矩阵，基于数据矩阵对金属加工过程中的数控铣床各关键参数进行分析，并对存在异常风险的参数进行实时监测调控。所述数据矩阵具体为：式中，n为关键参数数量，m为参数所采集的数据量，对于各关键参数进行实时采集，可获取金属加工过程中数控铣床的各关键参数的数据信息，进而得到对应的数据矩阵，用于对数控铣床的运行状态进行检测分析。
42.s103、获取粗粒度数据矩阵。
43.本实施例构建数据矩阵之后，将构建数控铣床运行检测模型，用于对金属加工过程中的数控铣床运行状态进行快速准确的检测，同时可实现对金属加工过程中的数控铣床参数进行自动调控。所述数控铣床运行检测模型具体为：首先，对于所述数据矩阵，本实施例将对其行向量进行分析，以初步提取关键参数运行指标，先将行向量进行粗粒度化，设置数据间隔t（其中m为t的整倍数），则将每个行向量分为 个序列，具体为：
其中，。然后，本实施例将基于此构建粗粒度数据矩阵，将每个序列的均值作为该序列的序列表征值，比如：，至此，可得到各序列的序列表征值，构建粗粒度之后的数据矩阵：，该步骤能够有效降低系统计算量，同时在对数据进行粗粒度的过程中能够细化细节分量，在数据较少时也能够对关键参数的状况进行准确分析。
44.s104、获取重构数据矩阵。
45.然后，将粗粒度数据矩阵进行分析，本实施例将粗粒度数据矩阵中的各行数据进行从大到小排列，得到一个重构数据矩阵。
46.s105、获取窗口描述子。
47.对于重构数据矩阵，本实施例将设置滑动窗口，对重构数据矩阵中的各行向量进行滑窗分析，获取各窗口的描述子，并用于对行向量数据的分布状况进行检测。所述滑动窗口尺寸为1，步长为3，w实施者可根据实际情况自行设定，本实施例将其设置为w=5，可基于滑动窗口得到各窗口数据，每个窗口数据对应一个窗口序列，每个行向量滑窗之后所得窗口序列个数记为w，然后本实施例基于每个窗口序列内的数据建立窗口描述子，对窗口内的数据进行分析，所述窗口描述子具体为：式中，为第d个窗口的描述子, 为窗口内的数据的数量，为窗口d对应的窗口序列中的第r个数据，为窗口d内的数据标准差，为数据r的异常因子，以突出对应窗口序列中异常数据的影响度，为对应关键参数在正常工作时的人为设定标准参数数据。
48.s106、获取关键参数监测指标。
49.根据所述方法则行向量可得到w个窗口描述子组成窗口描述子集合，并基于行向量的窗口描述子集合对行向量内的数据分布状况进行分析，统计窗口描述子集合中每个窗口描述子出现的次数，并基于此对行向量数据分布状况进行检测，建立关键参数监测指标：
式中，为第i行行向量对应的窗口描述子集合中窗口描述子的种类数，为窗口描述子集合中第c种窗口描述子出现的次数，为第c种窗口描述子，为第i行行向量（也即第i个关键参数）的监测指标，对指标进行归一化处理，保证函数值处于[0,1]，所述指标值越大，则行向量内的数据规则度越低，异常数据越多。
[0050]
s107、获取监测矩阵。
[0051]
至此，根据本实施例所述方法可获取各关键参数在t时段内所采集的m次数据的状态，得到各关键参数的监测指标，并建立对应的监测矩阵：，为t时段内的监测矩阵，用于对金属加工过程中数控铣床的各关键参数的状态进行检测分析。
[0052]
s108、获取金属构件切割面的亮度分布指标。
[0053]
考虑到铣床的刀具长期反复对金属构件进行切削加工，极易导致刀具松动、刀具角度发生变化等状况（本实施例中刀具初始状态为刀口一侧竖直向下），导致切割的金属表面不够平整光滑，存在较大的切割问题，因此，为准确对金属加工过程中的数控铣床进行调控，保证金属构件的加工精度以及质量，本实施例将基于所述图像采集设备对数控铣床切削后的金属构件的切割面进行采集，以提取切削处理后的金属构件表面特征信息，基于此对数控铣床的刀具角度进行自适应的调控，所述金属构件表面特征参数提取过程具体为：a)考虑到当刀具角度发生变化，金属构件切割表面是不平整的，由于光的反射等因素，基于图像采集设备进行切割面图像采集过程中其表面视觉信息将会发生变化，存在表面亮度不均衡的现象，因此，本实施例将首先对切割面图像数据进行颜色空间转换，获取亮度通道分量图像，通过超像素分割算法将其分为k个超像素块，以便降低系统计算量，提高检测速度；b)对于各超像素块，本实施例将对其亮度分布状况进行分析，构建超像素块亮度指标模型，获取其亮度指标：指标模型，获取其亮度指标：式中，为超像素块k的亮度指标，为超像素块k所包含的像素点数量，为超像素块的中心点，代表像素点p和超像素块中心点o之间的空间欧式距离，为像素点p的亮度值，超像素块k的中心点o的亮度值。为像素点p的权值因子。
[0054]
基于所述方法获取各超像素块的亮度指标，得到图像对应的亮度指标集合
，然后，本实施例将建立金属构件切割面亮度分布模型：式中，为大于零的模型参数，本实施例设置为，为亮度指标集合均值，k为超像素块数量，为超像素块k的亮度指标，为切割面亮度分布指标，并归一化使得函数值处于[0,1]，模型函数值越大，则认为金属构件切割面的表面亮度分布越不均衡，则认为数控铣床刀具角度倾斜的可能性越高。
[0055]
s109、获取金属构件切割面的纹路指标。
[0056]
c)同时，考虑到当数控铣床刀具发生松动等情况时，将会导致刀具切割金属的过程中出现卡顿现象，造成切割完成的金属构件表面出现大量线条状卡顿纹路，本实施例将通过边缘检测算法获取金属构件切割面的边缘图像，进一步通过霍夫直线检测获取边缘图像中的各直线段，将检测到的直线段集合记为u，统计图像中直线段的数量，记为q，获取各直线段的长度，同时为准确分析刀具的松动状况，本实施例将对边缘图像中的相邻直线段之间的间隔进行分析，代表相邻a,b两个直线段之间的水平间隔，所述间隔越大，则认为刀具松动的情况越严重；d)至此，即可根据c)所述过程对金属切割面的纹路特征信息进行提取，基于此对金属构件切割面卡顿纹路进行检测，建立切割面纹路分析模型：金属构件切割面卡顿纹路进行检测，建立切割面纹路分析模型：代表金属切割面的纹路指标，对其归一化，保证函数值处于[0,1]，函数值越高，则认为在金属切割加工过程中刀具晃动、松动的可能性越高，且松动情况越严重。代表相邻a,b两个直线段之间的水平间隔，q为图像中直线段的数量， 为第q个直线段的长度。
[0057]
基于此对金属构件切割面的纹理信息进行表征，用于对铣床刀具状况进行检测。
[0058]
s110、建立刀具监测向量。
[0059]
e)基于所提取的金属构件切割面特征参数，本实施例将建立刀具监测向量：，用于对金属构件加工过程中的数控铣床刀具进行实时监测。
[0060]
至此，提取了金属构件切割面的特征参数。
[0061]
s111、对数控铣床进行调控。
[0062]
根据所述步骤即可获取金属构件加工过程中数控铣床各关键参数的运行状况，同时也可得到切割完成后金属构件表面的特征参数，用于对金属加工过程中的数控铣床刀具状况进行检测。
[0063]
首先，基于本实施例所述监测矩阵可对金属加工过程中各关键参数运行状态的实时监测，通过监测矩阵对各关键参数进行实时提示预警，对于关键参数监测矩阵，本实施例将设置监测阈值（0.75），并对各关键参数进行编号，以便操作人员直观了解各关键参数的状态信息，当监测矩阵中存在数据高于监测阈值时，系统将对相应的关键参数编号进行预警警报，提示工作人员对对应关键参数进行调控检测，避免金属加工过程中数据铣床出现安全事故问题。
[0064]
然后，对于所提取的加工后金属构件表面特征参数，本实施例将基于所述刀具监测向量h对加工过程中的刀具状况进行检测调节，本实施例设置：本实施例将对刀具监测向量数据进行阈值设定，当存在数据高于预设（0.5）时，本实施例将认为金属加工过程中的数控铣床刀具存在问题，系统将对刀具监测向量中的编号进行播报，其中1代表刀具角度偏离预警，2代表刀具松动预警，基于提示相关操作人员对数控铣床刀具进行及时调控检修，以保证金属加工质量，基于此对数控铣床刀具状况进行实时检测，并基于此及时提示相关人员对其进行调节，可降低人为检测的工作量，增加实时性。
[0065]
本实施例的有益效果在于：本实施例通过金属构件加工过程中数控铣床各关键参数的运行数据构建数据矩阵，并对数据矩阵进行分析，获取各关键参数的监测指标，以对金属加工过程中数控铣床各关键参数的运行状况进行实时检测，并基于监测矩阵对各关键参数进行预警调控，避免金属加工过程中的事故发生，同时基于切割完成金属构件表面图像的特征参数，对金属加工过程中的刀具状况进行判定，并对刀具状况进行检测，以便提示工作人员对刀具进行调控及更换等，本实施例利用计算机和辅助设备对数控铣床进行修理，过程稳定可靠，不受人为主观因素和环境因素的影响，检测精度高，能够充分满足实际生产的需要。
[0066]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。