[發明專利]一種用于機床加工工時預測的方法及設備

有效

• 申請號: 202110893932.3
• 申請日: 2021-08-05
• 公開（公告）號: CN113341883B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 徐得玉;張祿;蔡文東;王文超;李海翔;孫濤;劉學彬;崔鳳君;李昱坤;席學偉;蘇星;夏夕亮
• 申請（專利權）人: 山東豪泉軟件技術有限公司
• 主分類號: G05B19/4097
• 分類號: G05B19/4097
• 代理公司: 北京君慧知識產權代理事務所(普通合伙) 11716
• 代理人: 董延麗

1.一種用于機床加工工時預測的方法，其特征在于，包括：

采集機床加工程序中的信息，以確定所述機床加工的若干產品分別對應的加工程序的加工時長，并在所述加工程序中提取與所述加工時長有關的數據特征；

將加工同一產品的所述數據特征與所述加工時長進行關聯，以得到所述加工程序對應的機床工時訓練樣本；

基于所述訓練樣本，生成數據清洗模型，并通過所述數據清洗模型對所述訓練樣本進行清洗；

基于清洗后的訓練樣本，生成產品工時預測模型，以通過所述產品工時預測模型對機床加工產品的工時進行預測；

所述基于所述訓練樣本，生成數據清洗模型，并通過所述數據清洗模型對所述訓練樣本進行清洗，具體包括：

將所述訓練樣本分成若干組，根據所述若干組中的第一組訓練樣本訓練所述數據清洗模型；

通過訓練后的數據清洗模型，對所述若干組中的第二組訓練樣本分別對應的生產工時進行預測，將預測結果與相應訓練樣本中的所述加工時長做比較，得到比較結果；

在所述第二組訓練樣本中，將所述比較結果不符合預設要求的訓練樣本移除，以更新所述第二組訓練樣本，從而實現對所述訓練樣本的清洗；

在所述將所述比較結果不符合預設要求的訓練樣本移除之后，所述方法還包括：

根據更新后的第二組訓練樣本，訓練所述數據清洗模型，通過該次訓練后的數據清洗模型，對所述第一組訓練樣本分別對應的生產工時進行預測，得到所述該次訓練對應的該次預測結果；將所述該次預測結果與相應訓練樣本中的所述加工時長做比較，得到所述該次訓練對應的該次比較結果；在所述第一組訓練樣本中，將所述該次比較結果不符合預設要求的訓練樣本移出，以更新所述第一組訓練樣本。

2.如權利要求1所述的方法，其特征在于，所述在所述加工程序中提取與所述加工時長有關的數據特征，具體包括：

根據所述加工程序中的信息，確定產品加工過程中加工刀具的轉向點數量、產品的尺寸以及機床各軸分別對應的移動距離和加工倍率；

根據所述機床各軸分別對應的所述移動距離、所述加工倍率，確定所述機床各軸分別對應的運行時長特征值，并根據所述轉向點數量確定所述加工刀具的轉向時長特征值，并根據所述產品的尺寸確定產品的尺寸特征值；

基于所述機床各軸分別對應的運行時長特征值，并根據所述加工刀具的轉向時長特征值，所述產品的尺寸特征值中的一個或多個，確定與所述加工時長有關的數據特征。

3.如權利要求2所述的方法，其特征在于，所述根據所述機床各軸分別對應的所述移動距離、所述加工倍率，確定所述機床各軸分別對應的運行時長特征值，具體包括：

根據樣本數據庫，對機器學習算法進行訓練，得到加工時長系數模型，所述樣本數據庫中的各樣本與加工時長相關；

將機床各軸分別對應的移動距離D、加工倍率S，輸入所述加工時長系數模型，得到對應的加工時長系數a；

根據，確定所述各軸對應的運行時長特征值。

4.如權利要求1所述的方法，其特征在于，所述提取與所述加工時長有關的數據特征，具體包括：

針對所述機床的每個軸，將該軸方向對應的加工時長中兩端的部分加工時長移除，以減少抬刀現象對所述產品工時預測模型訓練的影響。

5.如權利要求1所述的方法，其特征在于，所述采集機床加工程序中的信息，以確定所述機床加工的若干產品分別對應的加工程序的加工時長，具體包括：

通過機床上的采集端口，采集產品加工過程中的數控程序中的數據，形成若干采集點數據，通過分析相鄰的采集點數據是否屬于同一加工程序，進而確定相應加工程序的啟停時間，根據所述啟停時間得到該加工程序的加工時長。

6.如權利要求5所述的方法，其特征在于，所述在所述加工程序中提取與所述加工時長有關的數據特征，具體包括：

在所述加工程序中，通過所述數控程序中上一行程序指示出的加工倍率，得到下一行程序對應的加工倍率，以將加工倍率拆分到所述數控程序中的每一行；

根據每一行程序中對應的加工倍率，確定各采集點對應的加工倍率；

將各采集點坐標以及相應加工倍率，以表格方式對應存儲，以便于通過所述表格獲取所述與所述加工時間有關的數據特征。