技术特征：
1.一种基于模式识别的车加工过程优化方法，其特征在于，包括：s100，采集车加工参数，并通过预先训练的识别模型判断车加工所处的模式；s200，比较相同模式下不同工件的加工参数获得第一优化准则，比较同一工件不同模式下的加工参数获得第二优化准则；s300，基于所述第一优化准则和所述第二优化准则，对车加工过程进行优化。2.根据权利要求1所述的基于模式识别的车加工过程优化方法，其特征在于，所述方法还包括：将车加工过程预先划分为多个模式，以采集的车加工过程中的预设参数通过神经网络模型进行训练，获得用于识别各模式的所述识别模型。3.根据权利要求2所述的基于模式识别的车加工过程优化方法，其特征在于，所述神经网络模型采用lstm，所述预设参数包括：功率、x轴方向进给速度、z轴方向进给速度、主轴x轴方向振动、主轴z轴方向振动、刀塔x轴方向振动、z轴方向振动。4.根据权利要求1所述的基于模式识别的车加工过程优化方法，其特征在于，步骤s200中，比较相同模式下不同工件的加工参数获得第一优化准则，包括：s211，统计预设量不同工件在相同模式下的加工时长，并确定时长阈值；s212，基于所述时长阈值对相应模式下的进给速度进行调整优化。5.根据权利要求1所述的基于模式识别的车加工过程优化方法，其特征在于，步骤s200中，比较同一工件不同模式下的加工参数获得第二优化准则，包括：比较同一工件不同模式下的振动参数，若同一工件不同模式下振动有效值差距超过第一阈值，对相应模式下的进给速度进行调整优化。6.根据权利要求5所述的基于模式识别的车加工过程优化方法，其特征在于，对相应模式下的进给速度进行调整优化，包括：提高振动有效值较低的对应模式下的进给速度；和/或降低高于第二阈值的对应模式下的进给速度。7.一种批量生产的机械零件的加工优化方法，其特征在于，所述加工优化方法采用如权利要求1-6中任一项所述的基于模式识别的车加工过程优化方法进行批量生产的机械零件的加工优化。8.根据权利要求7所述的批量生产的机械零件的加工优化方法，其特征在于，通过加装的功率传感器、振动传感器及加工设备的plc来获取车加工参数。9.根据权利要求7或8所述的批量生产的机械零件的加工优化方法，其特征在于，所述加工方法基于实时采集的车加工参数，对机械零件的车加工过程进行实时优化。
技术总结
本发明提出了一种基于模式识别批量生产的机械零件车加工过程优化方法，优化方法包括：S100，采集车加工参数，并通过预先训练的识别模型判断车加工所处的模式；S200，比较相同模式下不同工件的加工参数获得第一优化准则，比较同一工件不同模式下的加工参数获得第二优化准则；S300，基于第一优化准则和第二优化准则，对车加工过程进行优化。本发明将加工过程分成不同的阶段，并将训练好的模型识别不同阶段。通过对相同加工阶段不同工件的加工参数及同一工件不同加工阶段间加工参数的对比，一旦检测到异常的/存在优化潜力的点，则系统发出提示并给出优化建议。由此，可以兼顾不同加工过程的特性，并对车加工过程进行优化，提升车加工效率。车加工效率。车加工效率。
技术研发人员：杨磊 樊伟 蒋益波 曾国文
受保护的技术使用者：嘉兴数拓科技有限公司
技术研发日：2022.10.28
技术公布日：2023/3/14