[發明專利]使用自學習系統模擬在機床上進行機加工的方法和設備

在審

• 申請號: 202111178370.0
• 申請日: 2021-10-09
• 公開（公告）號: CN114326596A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 湯米·庫恩;丹尼爾·尼德韋斯特貝格
• 申請（專利權）人: 德馬吉森精機數字有限公司
• 主分類號: G05B19/4097
• 分類號: G05B19/4097;G06F30/17
• 代理公司: 深圳尚業知識產權代理事務所(普通合伙) 44503
• 代理人: 文蓉

本發明涉及一種借助于自學習人工神經網絡AAKI來模擬工件在數控機床上的機加工過程的方法和裝置。來自位于制造環節FA中的真實機床上的機加工過程和在模擬環節SA中實現的數字機器模型的過程參數被提供給人工神經網絡AAKI，以學習包括所用的工具和工件的機床的行為，并借助于數學變換重新格式化為輸入參數E1?EN。通過學習機加工過程的行為，人工神經網絡AAKI可以反過來將輸出文件F1發送回模擬環節SA的模擬軟件，從而通過調整模擬參數使數字機器模型的行為最佳地適應真實機床的條件，同時使其更高效，以便優化機床上的機加工過程。

技術領域

本發明涉及一種借助于自學習人工神經網絡模擬工件在機床上的機加工過程的設備和方法，其中人工神經網絡能夠從真實機床以及從數字機器模型二者接收機加工過程的過程和參數數據，并且使用它們來優化模擬和/或真實機加工過程。

背景技術

由于當今的工件機加工過程的復雜性不斷增加，特別是在工件的機器執行或機器支持的機加工領域，新型機床通常面臨著大量提高的質量或經濟的要求。越來越困難的過程力學要求越來越強大和/或精確的機器運動學，伴隨著機器力學、驅動器或控制的改進功能，但在大多數情況下，也會導致增加的設置時間以及困難的、涉及損失并且特別昂貴的試運行。

機床模擬優選地在數字機床模型上再現相應工件的機加工過程的進程。為此，使用多種機械模型例如多質量模型、幾何運動學或有限元模型來描述機器元件和工件的物理特性和相互作用，并與控制軟件相結合以移動機器元件。此外，還可以利用基于工件和工具之間的穿透計算的過程模擬來獲得優勢。

EP1901149B1示出了用于定義在機床上對工件進行機加工的順序的機器模擬，其中，特別地，將數據結構整合到模擬中，這使得能夠整合由真實機床上的傳感器記錄的元件的數據或行為，從而進一步改進所實施機器模型的控制描述。

此外，WO2012/168427A1示出了使用虛擬機器在機床上的工作過程的機器模擬，其中CNC控制的子過程可以分布在并行操作的不同處理器核上，因此可以并行計算以加速模擬過程。

然而，在根據現有技術的對工具機加工過程中的機床進行模擬時，始終存在這樣的問題：對機床、所使用的工具和/或工件的所有狀態參數，尤其是它們的物理特性的時間演變的準確規范，是不可能不付出巨大努力的。

因此，本發明的一個目的是提供一種用于模擬工件在機床上的機加工過程的方法和用于模擬這種機加工過程的設備，其解決了現有技術的上述問題并且其特別允許用于使過程模擬中的數字機器模型適應真實機床的條件和屬性和/或盡可能高效、低成本和快速地改進它。此外，一個目的是優化模擬與相關模擬參數的適配，使得適配可以自動化并因此盡可能獨立于人為錯誤判斷而執行。

發明內容

提出獨立權利要求的特征以實現上述目的。從屬權利要求涉及本發明的優選實施例。

本發明具體說明了一種用于模擬工件在機床上的機加工過程的方法和設備，其被配置為使用通過在該方法的模擬環節中在數字機器模型上執行的機加工過程的模擬生成的模擬數據以及在該方法的獨立制造環節中在真實機床上實施的機加工過程的機加工數據的記錄，以便收集模擬和真實機加工過程之間的比較數據并將它們饋送給在該方法的分析環節中實施的人工智能(AI)，以提高模擬的有效性。人工神經網絡有利地用作人工智能，并且用于存儲模擬數據的數據模型特別有利地配置為時間連續的數據模型。

數字機器模型和真實機床的控制優選地以先前定義的NC和/或PLC數據的函數來執行，并且分析環節被配置為使得它通過饋送模擬數據和機加工數據到AI機器來學習機床、至少一個工具和/或工件的行為，并且例如，輸出用于更改和/或優化模擬屬性的模擬變化參數作為輸出數據集(用于過程控制、預測和優化的AI輸出)。此外，由AI建模的狀態可用于解釋和優化實際機床狀態。