[發明專利]一種機械加工控制系統

在審

• 申請號: 202110872871.2
• 申請日: 2021-07-30
• 公開（公告）號: CN113552840A
• 公開（公告）日: 2021-10-26
• 發明（設計）人: 王鈞;陳向陽;袁愈獻
• 申請（專利權）人: 婁底市同豐科技有限公司
• 主分類號: G05B19/406
• 分類號: G05B19/406
• 代理公司: 湖南正則奇美專利代理事務所(普通合伙) 43105
• 代理人: 肖琦

1.一種機械加工控制系統，包括若干臺數控機床和用于控制若干臺數控機床的監控系統，其特征在于，所述監控系統與若干臺所述數控機床通信和/或電氣連接；所述監控系統包括數據采集模塊、處理器和控制執行模塊；所述處理器還與智能終端通信和/或電氣連接；

所述處理器結合預設加工參數、設定程序對數控機床加工過程進行模擬，并獲取加工參數模擬曲線；

通過所述數據采集模塊獲取數控機床按照設定程序進行加工時的實時加工參數，并獲取加工參數實時曲線；

將加工參數模擬曲線和加工參數實時曲線進行對比分析獲取分析結果，將分析結果和故障預測模型結合獲取數控機床的故障標簽，根據故障標簽進行預警；所述故障標簽的取值為0或者1；

所述控制執行模塊根據分析結果和故障標簽對數控機床進行調節。

2.根據權利要求1所述的一種機械加工控制系統，其特征在于，所述預設加工參數和實時加工參數的參數內容一致，均包括速度、角度和位置。

3.根據權利要求2所述的一種機械加工控制系統，其特征在于，所述加工參數模擬曲線包括速度模擬曲線、角度模擬曲線和位置模擬曲線，所述加工參數模擬曲線的自變量為時間，且所述加工參數模擬曲線符合要求之后數控機床才能進行實際工件的加工。

4.根據權利要求2所述的一種機械加工控制系統，其特征在于，所述加工參數實時曲線包括速度實時曲線、角度實時曲線和位置實時曲線，所述加工參數實時曲線通過數據采集模塊實時采集的數據結合多項式擬合法實時擬合獲取。

5.根據權利要求3或4所述的一種機械加工控制系統，其特征在于，對所述加工參數模擬曲線和所述加工參數實時曲線的分析包括：

在保證初始時刻一致的情況下，任意選取N個時刻，分別獲取N個時刻在所述加工參數模擬曲線和所述加工參數實時曲線中對應的參數值，并分別標記為模擬參數序列和實時參數序列；其中，N為大于2的整數；

提取模擬參數序列和實施參數序列中的對應參數，分別進行擬合生成速度擬合曲線、角度擬合曲線和位置擬合曲線；

當速度擬合曲線、角度擬合曲線和位置擬合曲線的斜率均能滿足對應的斜率要求時，則判定數控機床工作正常；否則，判定數控機床工作異常，則通過故障預測模型判定數控機床是否故障。

6.根據權利要求5所述的一種機械加工控制系統，其特征在于，通過所述故障預測模型獲取故障標簽，包括：

實時獲取數控機床工作時的環境參數；所述環境參數包括溫度和濕度；

將環境參數與實時加工參數拼接生成初始參數，將初始參數輸入至故障預測模型獲取目標參數；所述目標參數即為初始參數對應的故障標簽。

7.根據權利要求6所述的一種機械加工控制系統，其特征在于，所述故障預測模型的獲取包括：

選取標準訓練數據；所述標準訓練數據包括數控機床故障時對應的實時工作參數和環境參數以及數控機床正常運行時對應的實時工作參數和環境參數；

為標準訓練數據設置故障標簽；

構建人工智能模型；所述人工智能模型包括誤差逆向反饋神經網絡、RBF神經網絡和深度卷積神經網絡中的一種或者多種；

標準訓練數據作為人工智能模型的輸入，對應的故障標簽作為人工智能模型的輸出完成人工智能模型進行訓練、測試和校驗，將訓練完成的人工智能模型標記為故障預測模型。

8.根據權利要求6任一項所述的一種機械加工控制系統，其特征在于，當數控機床工作異常，且對應的故障標簽為1時，則生成故障預警信號并發送至智能終端；當數控機床工作異常，且對應的故障標簽為0時，則生成工作異常信號并發送至智能終端。

9.根據權利要求1所述的一種機械加工控制系統，其特征在于，當數控機床工作異常，且對應的故障標簽為0時，根據預設加工參數對數控機床進行調整。

10.根據權利要求1所述的一種機械加工控制系統，其特征在于，所述設定程序為工作人員為數控機床設定的運行程序。