一种激光切割加工智能控制方法与流程

1.本发明属于激光切割加工控制分析技术领域，涉及到一种激光切割加工智能控制方法。
技术背景
2.随着工业制作业的快速发展，在工业制造占有分量很重的金属加工业也随之蓬勃发展，金属激光切割机的应用也愈来愈广泛，但由于目前金属激光切割机仍存在着一定的迟钝性，由此凸显了对金属激光切割机智能化控制的重要性。
3.目前对于金属激光切割机是对待切割动物图片统一设置切割速度和切割焦点孔径，具有一定的局限性，很显然，当前对于金属激光切割机智能控制还存在以下问题：1、当前金属激光切割机没有对待切割动物图片进行特征区域划分，进而对各特征区域进行智能控制，降低了金属激光切割机的智能化水平，无法保障各特征区域的切割完好度，同时还会提高待切割动物图片切割失败的可能性，存在一定的弊端。
4.2、当前没有根据待切割动物图片各特征区域的切割难度评估系数对金属激光切割机的切割速度进行调控，若切割速度过快，会导致无法切透，引起火花飞溅，降低了待切割动物图片的切割质量，容易形成切割缺陷。
5.3、当前没有根据待切割动物图片各特征区域中各孔洞面积、待切割材料的厚度和各弧线处对应的弧度对金属激光切割机的切割焦点进行调控，容易引起待切割动物图片加工沟的形状变化，影响加工沟内的加工气体及熔融金属的流动，无法保证切割质量，同时还无法保证切割面的平滑性。


技术实现要素：

6.鉴于此，为解决上述

背景技术：
中所提出的问题，现提出一种激光切割加工智能控制方法。
7.本发明的目的可以通过以下技术方案实现：本发明提供了一种激光切割加工智能控制方法，包括如下步骤：步骤一、切割材料监测与分析：对待切割材料进行基本信息监测，计算得出待切割材料对应的密度，进而分析得到待切割材料对应的名称，其中，基本信息包括质量、体积和厚度。
8.步骤二、激光切割光束选择：根据待切割材料对应的名称，与数据库存储的各切割材料名称对应的激光切割光束进行比对，选择待切割材料对应的激光切割光束。
9.步骤三、待切割图片导入：将待切割动物图片输入至目标金属激光切割机系统中。
10.步骤四、图片特征点划分：根据待切割动物图片各特征点对应的坐标位置进行整体划分，将其分别划分成各特征区域，其中，特征点包括头部、四肢躯干、面部纹路和发型尾饰。
11.步骤五、待切割图片边缘线分析：根据待切割动物图片各特征区域对应的边缘线轮廓，进而从中提取出待切割动物图片各特征区域对应的弧线数目和各弧线处对应的弧
度，分析得出待切割动物图片各特征区域对应的切割难度评估系数。
12.步骤六、切割顺序分配：根据待切割动物图片的各特征区域的切割难度评估系数对待切割动物图片各特征区域进行切割顺序分配。
13.步骤七、激光切割速度控制：根据待切割动物图片各特征区域的切割难度评估系数，对目标金属激光切割机的切割速度进行调控。
14.步骤八、待切割图片孔洞面积分析：对待切割动物图片的各特征区域中各孔洞对应的面积进行分析计算。
15.步骤九、激光切割焦点控制：根据待切割动物图片各特征区域的对应轮廓信息，对目标金属激光切割机的切割焦点距离位置和焦点孔径进行控制。
16.在一种可能实施的方式中，所述步骤一中分析得到待切割材料对应的名称，具体分析过程如下：a1、根据待切割材料对应的质量和体积，利用计算公式计算得出待切割材料的密度ρ，其中，m表示为待切割材料的质量，v表示为待切割材料的体积。
17.a2、将待切割材料的密度与数据库存储的各材料名称对应的标准密度区间进行比对，若待切割材料的密度在某材料名称对应的标准密度区间内，进而得到待切割材料对应的名称。
18.在一种可能实施的方式中，所述步骤五中分析得出待切割动物图片各特征区域对应的切割难度评估系数，具体分析过程如下：b1、根据待切割动物图片各特征区域对应的弧线数目和各弧线处对应的弧度，从中提取出待切割动物图片各特征区域中各弧线处对应的弧度，将待切割动物图片各特征区域中各弧线处对应的弧度进行相互比对，从中筛选出待切割动物图片各特征区域的最大弧度，并将其记为其中，i表示为待切割动物图片各特征区域对应的编号，i＝1,2,......m。
19.b2、根据待切割动物图片各特征区域对应的弧线位置数目和最大弧度，利用计算公式计算得出待切割动物图片各特征区域对应的切割难度评估系数αi，其中，qi表示为待切割动物图片第i个特征区域对应的弧线数目，q
′
表示为设定的参考弧线数目，q
″
表示为设定的标准切割弧度，b1和b2分别表示为设定的弧线数目和弧度对应的影响因子。
20.在一种可能实施的方式中，所述步骤六中对待切割动物图片各特征区域进行切割顺序分配，具体分配过程如下：将待切割动物图片各特征区域对应的切割难度评估系数依次按照从高到低的顺序进行排序，由此从中提取出待切割动物图片各特征区域的切割难度排序，进而按照待切割动物图片各特征区域的切割难度排序进行切割顺序分配。
21.在一种可能实施的方式中，所述步骤七中对目标金属激光切割机的切割速度进行调控，具体调控过程如下：c1、将待切割动物图片各特征区域对应的切割难度评估系数与数据库存储的各切割难度等级对应的切割难度评估系数范围进行匹配对比，筛选得到待切割动物图片各特征区域对应的切割难度等级。
22.c2、将待切割动物图片各特征区域对应的切割难度等级与数据库存储的目标金属激光切割机各激光切割速度对应的切割难度等级进行对比，进而得到待切割动物图片各特
征区域对应的激光切割速度。
23.c3、根据待切割动物图片各特征区域对应的激光切割速度对目标金属激光切割机的切割速度进行控制。
24.在一种可能实施的方式中，所述步骤八中对待切割动物图片的各特征区域中各孔洞对应的面积进行分析计算，具体计算过程如下：d1、将待切割动物图片各特征区域中各孔洞分割成对应各规则图形。
25.d2、利用计算公式计算得出待切割动物图片各特征区域中各孔洞对应的面积其中，j表示为各孔洞对应的编号，j＝1,2,......n，p表示为各规则图形对应的编号，p＝1,2,......q，表示为待切割动物图片第i个特征区域第j个孔洞分割的第p个规则图形对应的面积，ι表示为设定的规则图形面积之和对应的修正系数。
26.在一种可能实施的方式中，所述步骤九中对目标金属激光切割机的切割焦点距离位置进行控制，具体控制过程如下：e1、根据待切割动物图片各特征区域中各孔洞对应的面积和待切割材料对应的厚度，利用计算公式计算得出待切割动物图片各特征区域对应的焦点距离评估系数εi，其中，s'表示为设定的标准孔洞面积，h表示为待切割材料对应的厚度，h'表示为设定的标准材料厚度，a1和a2分别表示为设定的孔洞面积和材料厚度对应的权重因子。
27.e2、将待切割动物图片各特征区域对应的焦点距离评估系数与数据库存储的各焦点距离等级对应的焦点距离评估系数范围进行匹配对比，筛选得到待切割动物图片各特征区域对应的焦点距离等级。
28.e3、再将待切割动物图片各特征区域对应的焦点距离等级与数据库存储的目标金属激光切割机各激光切割焦点距离位置对应的焦点距离等级进行对比，进而得到待切割动物图片各特征区域对应的激光焦点距离位置。
29.e4、根据待切割动物图片各特征区域对应的激光焦点距离位置对目标金属激光切割机的激光焦点距离位置进行控制。
30.在一种可能实施的方式中，所述步骤九中还包括对目标金属激光切割机的切割焦点孔径进行控制，具体控制过程如下：f1、将待切割动物图片各特征区域中各孔洞对应的面积进行比对，并从中筛选得出待切割动物图片各特征区域最小孔洞面积，并将其记为
31.f2、根据待切割动物图片各特征区域各弧线处对应的弧度，将待切割动物图片各特征区域各弧线处对应的弧度进行相互比对，从中筛选得出待切割动物图片各特征区域的最小弧度，并将其记为
32.f3、利用计算公式计算得出待切割动物图片各特征区域对应的焦点孔径评估系数φi，其中，c1和c2分别表示为设定的最小孔洞面积和最小弧度对应的权重因子，e表示为自然常数。
33.f4、将待切割动物图片各特征区域对应的焦点孔径评估系数与数据库存储的各焦点孔径等级对应的焦点孔径评估系数范围进行匹配对比，筛选得到待切割动物图片各特征区域对应的焦点孔径等级。
34.f5、再将待切割动物图片各特征区域对应的焦点孔径等级与数据库存储的目标金属激光切割机各激光切割焦点孔径值对应的焦点孔径等级进行对比，进而得到待切割动物图片各特征区域对应的激光焦点孔径值。
35.f6、根据待切割动物图片各特征区域对应的激光焦点孔径值对目标金属激光切割机的激光焦点孔径进行控制。
36.如上所述，本发明提供的一种激光切割加工智能控制方法，至少具有以下有益效果：本发明提供的一种激光切割加工智能控制方法，通过对待切割材料的材质信息分析，进而选择对应的激光光束，再通过对待切割动物图片各特征区域信息进行分析，进而对金属激光切割机的切割速度、切割焦点位置和切割焦点孔径进行调控，一方面，有效地解决了当前金属激光切割机还存在一定局限性的问题，对待切割动物图片进行特征区域划分，进而对各特征区域进行智能控制，提高了金属激光切割机的智能化水平，保障了各特征区域的切割完好度，同时还降低了待切割动物图片切割失败的可能性，一方面，根据待切割动物图片各特征区域的切割难度评估系数对金属激光切割机的切割速度进行调控，提高了待切割动物图片的切割质量，减少造成切割缺陷的可能性，在一定程度上提高了金属激光切割机的工作效率，另一方面，根据待切割动物图片各特征区域中各孔洞面积、待切割材料的厚度和各弧线处对应的弧度对金属激光切割机的切割焦点进行调控，降低引起待切割动物图片加工沟的形状变化，避免影响了加工沟内的加工气体及熔融金属的流动，同时还保证了切割面的平滑性。
附图说明
37.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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的前提下，还可以根据这些附图获得其他的附图。
38.图1为本发明的方法实施步骤流程示意图。
具体实施方式
39.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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
40.请参阅图1所示，本发明提供的一种激光切割加工智能控制方法，包括以下步骤：步骤一、切割材料监测与分析：对待切割材料进行基本信息监测，计算得出待切割材料对应的密度，进而分析得到待切割材料对应的名称，其中，基本信息包括质量、体积和厚度。
41.作为一种优选方案，所述步骤一中分析得到待切割材料对应的名称，具体分析过程如下：a1、根据待切割材料对应的质量和体积，利用计算公式计算得出待切割材料的密度ρ，其中，m表示为待切割材料的质量，v表示为待切割材料的体积。
42.a2、将待切割材料的密度与数据库存储的各材料名称对应的标准密度区间进行比对，若待切割材料的密度在某材料名称对应的标准密度区间内，进而得到待切割材料对应的名称。
43.在一个具体的实施例中，根据量方称重一体机对待切割材料的质量和体积进行监测，根据卷尺对待切割材料的厚度进行监测。
44.步骤二、激光切割光束选择：根据待切割材料对应的名称，与数据库存储的各切割材料名称对应的激光切割光束进行比对，选择待切割材料对应的激光切割光束。
45.步骤三、待切割图片导入：将待切割动物图片输入至目标金属激光切割机系统中。
46.步骤四、图片特征点划分：根据待切割动物图片各特征点对应的坐标位置进行整体划分，将其分别划分成各特征区域，其中，特征点包括头部、四肢躯干、面部纹路和发型尾饰。
47.在一个具体地实施例中，将待切割动物图片放置在设立好的平面直角坐标系中，进而得到各特征点在待切割动物图片平面的坐标位置。
48.在一个具体地实施例中，各特征点的判别方式如下：将待切割动物图片进行各部位划分，进而获取待切割动物图片对应的各部位轮廓，将待切割动物图片的各部位轮廓与设定的参考切割动物图片的各特征点的标准轮廓进行比对，进而得到待切割动物图片对应的各特征区域，其中，各部位包括但不限于头部、四肢躯干和尾部。
49.步骤五、待切割图片边缘线分析：根据待切割动物图片各特征区域对应的边缘线轮廓，进而从中提取出待切割动物图片各特征区域对应的弧线数目和各弧线处对应的弧度，分析得出待切割动物图片各特征区域对应的切割难度评估系数。
50.在一个具体地实施例中，弧线具体划分过程为：根据各特征区域的边缘线轮廓，对各特征区域的边缘线轮廓进行等距划分，进而得到得出各特征区域的各边缘点，将各特征区域的各边缘点与自身距离最近的边缘点两两连线，进而将连成的线标记为弧线。
51.在一个具体地实施例中，各弧线处对应的弧度的监测过程如下：根据目标金属激光切割机内自带的弧度测量仪对待切割动物图片各特征区域对应各弧线的弧度进行测量。
52.作为一种优选方案，所述步骤五中分析得出待切割动物图片各特征区域对应的切割难度评估系数，具体分析过程如下：b1、根据待切割动物图片各特征区域对应的弧线数目和各弧线处对应的弧度，从中提取出待切割动物图片各特征区域中各弧线处对应的弧度，将待切割动物图片各特征区域中各弧线处对应的弧度进行相互比对，从中筛选出待切割动物图片各特征区域的最大弧度，并将其记为其中，i表示为待切割动物图片各特征区
域对应的编号，i＝1,2,......m。
53.b2、根据待切割动物图片各特征区域对应的弧线位置数目和最大弧度，利用计算公式计算得出待切割动物图片各特征区域对应的切割难度评估系数αi，其中，qi表示为待切割动物图片第i个特征区域对应的弧线数目，q
′
表示为设定的参考弧线数目，q
″
表示为设定的标准切割弧度，b1和b2分别表示为设定的弧线数目和弧度对应的影响因子。
54.步骤六、切割顺序分配：根据待切割动物图片的各特征区域的切割难度评估系数对待切割动物图片各特征区域进行切割顺序分配。
55.作为一种优选方案，所述步骤六中对待切割动物图片各特征区域进行切割顺序分配，具体分配过程如下：将待切割动物图片各特征区域对应的切割难度评估系数依次按照从高到低的顺序进行排序，由此从中提取出待切割动物图片各特征区域的切割难度排序，进而按照待切割动物图片各特征区域的切割难度排序进行切割顺序分配。
56.步骤七、激光切割速度控制：根据待切割动物图片各特征区域的切割难度评估系数，对目标金属激光切割机的切割速度进行调控。
57.作为一种优选方案，所述步骤七中对目标金属激光切割机的切割速度进行调控，具体调控过程如下：c1、将待切割动物图片各特征区域对应的切割难度评估系数与数据库存储的各切割难度等级对应的切割难度评估系数范围进行匹配对比，筛选得到待切割动物图片各特征区域对应的切割难度等级。
58.c2、再将待切割动物图片各特征区域对应的切割难度等级与数据库存储的目标金属激光切割机各激光切割速度对应的切割难度等级进行对比，进而得到待切割动物图片各特征区域对应的激光切割速度。
59.c3、根据待切割动物图片各特征区域对应的激光切割速度对目标金属激光切割机的切割速度进行控制。
60.本发明实施例根据待切割动物图片各特征区域的切割难度评估系数对金属激光切割机的切割速度进行调控，提高了待切割动物图片的切割质量，减少造成切割缺陷的可能性，在一定程度上提高了金属激光切割机的工作效率。
61.步骤八、待切割图片孔洞面积分析：对待切割动物图片的各特征区域中各孔洞对应的面积进行分析计算。
62.作为一种优选方案，所述步骤八中对待切割动物图片的各特征区域中各孔洞对应的面积进行分析计算，具体计算过程如下：d1、将待切割动物图片各特征区域中各孔洞分割成对应各规则图形。
63.d2、利用计算公式计算得出待切割动物图片各特征区域中各孔洞对应的面积其中，j表示为各孔洞对应的编号，j＝1,2,......n，p表示为各规则图形对应的编号，p＝1,2,......q，表示为待切割动物图片第i个特征区域第j个孔洞分割的第p个规则图形对应的面积，ι表示为设定的规则图形面积之和对应的修正系数。
64.在一个具体地实施例中，各孔洞为不规则图形。
65.步骤九、激光切割焦点控制：根据待切割动物图片各特征区域的对应轮廓信息，对目标金属激光切割机的切割焦点距离位置和焦点孔径进行控制。
66.作为一种优选方案，所述步骤九中对目标金属激光切割机的切割焦点距离位置进行控制，具体控制过程如下：e1、根据待切割动物图片各特征区域中各孔洞对应的面积和待切割材料对应的厚度，利用计算公式计算得出待切割动物图片各特征区域对应的焦点距离评估系数εi，其中，s'表示为设定的标准孔洞面积，h表示为待切割材料对应的厚度，h'表示为设定的标准材料厚度，a1和a2分别表示为设定的孔洞面积和材料厚度对应的权重因子。
67.e2、将待切割动物图片各特征区域对应的焦点距离评估系数与数据库存储的各焦点距离等级对应的焦点距离评估系数范围进行匹配对比，筛选得到待切割动物图片各特征区域对应的焦点距离等级。
68.e3、再将待切割动物图片各特征区域对应的焦点距离等级与数据库存储的目标金属激光切割机各激光切割焦点距离位置对应的焦点距离等级进行对比，进而得到待切割动物图片各特征区域对应的激光焦点距离位置。
69.e4、根据待切割动物图片各特征区域对应的激光焦点距离位置对目标金属激光切割机的激光焦点距离位置进行控制。
70.作为一种优选方案，所述步骤九中还包括对目标金属激光切割机的切割焦点孔径进行控制，具体控制过程如下：f1、将待切割动物图片各特征区域中各孔洞对应的面积进行比对，并从中筛选得出待切割动物图片各特征区域最小孔洞面积，并将其记为
71.f2、根据待切割动物图片各特征区域各弧线处对应的弧度，将待切割动物图片各特征区域各弧线处对应的弧度进行相互比对，从中筛选得出待切割动物图片各特征区域的最小弧度，并将其记为
72.f3、利用计算公式计算得出待切割动物图片各特征区域对应的焦点孔径评估系数φi，其中，c1和c2分别表示为设定的最小孔洞面积和最小弧度对应的权重因子，e表示为自然常数。
73.f4、将待切割动物图片各特征区域对应的焦点孔径评估系数与数据库存储的各焦点孔径等级对应的焦点孔径评估系数范围进行匹配对比，筛选得到待切割动物图片各特征区域对应的焦点孔径等级。
74.f5、再将待切割动物图片各特征区域对应的焦点孔径等级与数据库存储的目标金属激光切割机各激光切割焦点孔径值对应的焦点孔径等级进行对比，进而得到待切割动物图片各特征区域对应的激光焦点孔径值。
75.f6、根据待切割动物图片各特征区域对应的激光焦点孔径值对目标金属激光切割机的激光焦点孔径进行控制。
76.本发明实施例通过对待切割动物图片进行特征区域划分，进而对各特征区域进行智能控制，提高了金属激光切割机的智能化水平，保障了各特征区域的切割完好度，同时还降低了待切割动物图片切割失败的可能性。
77.本发明实施例根据待切割动物图片各特征区域中各孔洞面积、待切割材料的厚度和各弧线处对应的弧度对金属激光切割机的切割焦点进行调控，降低引起待切割动物图片加工沟的形状变化，避免影响了加工沟内的加工气体及熔融金属的流动，同时还保证了切割面的平滑性。
78.在本实施例中，本发明提供的一种激光切割加工智能控制方法，通过对待切割材料的材质信息分析，进而选择对应的激光光束，再通过对待切割动物图片各特征区域信息进行分析，进而对金属激光切割机的切割速度、切割焦点位置和切割焦点孔径进行调控，一方面，有效地解决了当前金属激光切割机还存在一定局限性的问题，对待切割动物图片进行特征区域划分，进而对各特征区域进行智能控制，提高了金属激光切割机的智能化水平，保障了各特征区域的切割完好度，同时还降低了待切割动物图片切割失败的可能性，一方面，根据待切割动物图片各特征区域的切割难度评估系数对金属激光切割机的切割速度进行调控，提高了待切割动物图片的切割质量，减少造成切割缺陷的可能性，在一定程度上提高了金属激光切割机的工作效率，另一方面，根据待切割动物图片各特征区域中各孔洞面积、待切割材料的厚度和各弧线处对应的弧度对金属激光切割机的切割焦点进行调控，降低引起待切割动物图片加工沟的形状变化，避免影响了加工沟内的加工气体及熔融金属的流动，同时还保证了切割面的平滑性。
79.以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。