本發(fā)明屬于鉆孔機技術(shù)領(lǐng)域，尤其涉及一種全自動鉆孔機。

背景技術(shù)：

目前，鉆孔機是指利用比目標物更堅硬、更銳利的工具通過旋轉(zhuǎn)切削或旋轉(zhuǎn)擠壓的方式，在目標物上留下圓柱形孔或洞的機械和設(shè)備統(tǒng)稱。也有稱為鉆機、打孔機、打眼機、通孔機等。通過對精密部件進行鉆孔，來達到預(yù)期的效果，鉆孔機有半自動鉆孔機和全自動鉆孔機，隨著人力資源成本的增加；大多數(shù)企業(yè)均考慮全自動鉆孔機作為發(fā)展方向。

多輸入多輸出(Multiple Input Multiple Output,MIMO)作為下一代移動通信系統(tǒng)的關(guān)鍵技術(shù)，由于處理器的硬件約束和處理能力受限，當處理器能夠獲得完整的信道狀態(tài)信息(Channel State Information,CSI)時，采用窮舉搜索可以獲得最優(yōu)的調(diào)度結(jié)果，但是該方法復(fù)雜度高，實際中難以應(yīng)用。一些次優(yōu)的貪婪算法相繼被提出。貪婪算法根據(jù)特定的調(diào)度準則、采用迭代的方式逐步更新數(shù)據(jù)。

但是上述算法以系統(tǒng)和速率最大化為目標，通常選擇信道質(zhì)量好的傳輸數(shù)據(jù)，信道質(zhì)量差的數(shù)據(jù)無法獲得通信資源，導(dǎo)致檢測和定位不準確。

現(xiàn)有的算法在調(diào)度過程中依次選擇信道增益大的用戶，可能導(dǎo)致與已選通道之間存在較強干擾的高增益通道被選擇，而與其它通道相互干擾小但增益不夠大的通道得不到調(diào)度，致使速率降低。

綜上所述，傳統(tǒng)的鉆孔機容易發(fā)生意外事故，安全性能和工作效率低，同時無法保證鉆孔質(zhì)量，鉆孔現(xiàn)場容易堆積粉塵、顆粒等污染物，危害工作人員身心健康；智能化定位程度低。

技術(shù)實現(xiàn)要素：

本發(fā)明為解決傳統(tǒng)的鉆孔機容易發(fā)生意外事故，安全性能和工作效率低，同時無法保證鉆孔質(zhì)量，鉆孔現(xiàn)場容易堆積粉塵、顆粒等污染物，危害工作人員身心健康；智能化定位程度低的問題而提供一種全自動鉆孔機。

本發(fā)明為解決公知技術(shù)中存在的技術(shù)問題所采取的技術(shù)方案是：一種全自動鉆孔機，設(shè)置有鉆孔機支撐臺和鉆孔機主支撐柱；所述鉆孔機支撐臺的內(nèi)部安裝有集塵抽屜；所述集塵抽屜的一側(cè)安裝有負壓風(fēng)機，且集塵抽屜的上方設(shè)置有集塵網(wǎng)；所述鉆孔機支撐臺的上方安裝有載物臺；所述鉆孔機支撐臺內(nèi)部設(shè)置有縱向滑槽；所述鉆孔機主支撐柱安裝在縱向滑槽的上方，且鉆孔機主支撐柱的一側(cè)安裝有承接橫梁；

所述承接橫梁的下方安裝有鉆孔機承接板；所述鉆孔機承接板的內(nèi)部設(shè)置有橫向滑槽；且鉆孔機承接板的下方設(shè)置有伸縮外臂；所述鉆孔機承接板的下方位于伸縮外臂的側(cè)邊位置設(shè)置有動力電機；所述伸縮外臂的內(nèi)部安裝有定位傳感器裝置和定位處理器系統(tǒng)，且伸縮外臂的下方安裝有鉆孔裝置；所述鉆孔裝置上安裝有激光收發(fā)裝置；且鉆孔裝置的底部安裝有鉆孔機頭；

所述激光收發(fā)裝置和定位傳感器裝置均與定位處理器系統(tǒng)電性連接；所述動力電機、定位處理器和負壓風(fēng)機均與外部控制器電性連接。

進一步，所述載物臺上設(shè)置有滑軌，所述滑軌上安裝有固定柱，所述固定柱根據(jù)物料大小在滑軌上滑動調(diào)節(jié)距離。

進一步，所述動力電機與鉆孔裝置通過聯(lián)軸器傳動連接。

進一步，所述伸縮外臂的一側(cè)設(shè)置有氣壓連接口。

進一步，所述鉆孔機頭與鉆孔裝置通過扭力調(diào)節(jié)環(huán)螺紋旋合連接。

進一步，所述集塵抽屜為可拉出拆卸結(jié)構(gòu)。

進一步，所述定位傳感器裝置設(shè)置有圖像信息采集器和與圖像信息采集器連接的多個通信傳輸信道；所述多個通信傳輸信道均與定位處理器系統(tǒng)電連接；

所述定位處理器系統(tǒng)設(shè)置有定位處理控制器、儲存器；所述定位處理控制器通過串口與儲存器連接；所述定位處理控制器通過信號線與外部總控制器電連接。

定位處理控制器控制多個通信傳輸信道傳輸信號的方法包括以下步驟：

1)、初始化已選當前輸入圖像集合為空集，待輸入圖像集合為全集，隨著調(diào)度過程的進行，已選當前輸入圖像和待輸入圖像集合的元素不斷更新，A_n和S_n分別為在第n次迭代結(jié)束時待輸入圖像集合和當前輸入圖像集合，n＝1,…,N_T為迭代的次數(shù)，初始化n＝1；

2)、定位處理控制器對輸入圖像k反饋的信道信息矩陣H_k進行奇異值分解其中，λ_k,1表示第k個輸入圖像的信道矩陣的奇異值，表示維度1×(N_T-1)的零向量，和分別由與非零奇異值λ_k,1和零奇異值對應(yīng)的右奇異值向量構(gòu)成，因為rank(H_k)＝1，所以v_i,1為V_i的第一個列向量，其中，rank(·)表示求矩陣的秩；

3)、定位處理控制器根據(jù)分解后的矩陣構(gòu)造中間矩陣和以及其中，diag(·)表示對角化操作；

4)、定位處理控制器構(gòu)造相關(guān)矩陣R，R為L×L方陣，第i行第j列的元素為其中，|·|表示求模運算；

5)、從R中選擇出與已經(jīng)調(diào)度的n-1個輸入圖像對應(yīng)的n-1列，構(gòu)成矩陣將剩余的部分分別對行元素進行升序排列，得到矩陣即

6)、計算輸入圖像的相關(guān)因子即對R_n中每一行的前ξ個元素分別求和并取倒數(shù)，等效于簡化得到列向量ψ_n＝[ψ_1,n…ψ_L,n]^Η；

7)、按照公式選擇第n個輸入圖像；

8)、若n＜N_T，返回步驟5)；否則調(diào)度完成，根據(jù)被調(diào)度的輸入圖像受到的實際干擾計算相關(guān)因子ψ_k；若輸入圖像未被調(diào)度ψ_k＝0，并按照公式更新輸入圖像k，k∈{1,…,L}平均相關(guān)因子，用于計算下一個傳輸周期中的輸入圖像調(diào)度權(quán)重，調(diào)度完成后，定位處理控制器通知激活輸入圖像并進行下行數(shù)據(jù)通信，在下一個傳輸周期(t+1)的開銷時隙階段，重復(fù)執(zhí)行步驟1)～步驟8)。

進一步，在步驟6)中綜合考慮待輸入圖像受到已選當前輸入圖像以及潛在的可能被調(diào)度的輸入圖像的影響根據(jù)式(1)計算輸入圖像的相關(guān)因子即對R_n中每一行的前ξ個元素分別求和并取倒數(shù)，等效于簡化式(2)；

得到列向量ψ_n＝[ψ_1,n…ψ_L,n]^Η，其中，A_l表示潛在的、后續(xù)可能被選擇的輸入圖像集合，card(·)表示集合中的元素的個數(shù)；

在步驟7)中按照公式選擇第n個輸入圖像；

s_n表示被選擇的輸入圖像的標號，是輸入圖像k的調(diào)度權(quán)重，是上一傳輸周期結(jié)束時輸入圖像k的平均相關(guān)因子，更新S_n＝S_n-1∪{s_n}，A_n＝A_n-1-{s_n}，n＝n+1；

對輸入圖像進行調(diào)度，隨著時間的推移，平均相關(guān)因子增大，權(quán)值μ_k隨之減小，調(diào)度優(yōu)先級降低；

在步驟8)中更新輸入圖像k的平均相關(guān)因子的公式為

其中，δ_c＝0.99；

在步驟7)中權(quán)重的值由輸入圖像平均相關(guān)因子決定。

進一步，所述圖像信息采集器包括圖像采集模塊、智能視頻分析模塊、射頻模塊，所述的圖像采集模塊用于將采集到的圖像建立圖像顯著模型傳送至智能視頻分析模塊，智能視頻分析模塊將處理后的數(shù)據(jù)信號發(fā)送至所述的射頻模塊；所述射頻模塊與多個通信傳輸信道通過串口連接。

進一步，圖像采集模塊將采集到的圖像建立圖像顯著模型方法包括：利用預(yù)定過分割算法對所述圖像進行過分割，得到至少一個區(qū)域，同一個所述區(qū)域中各個像素點的顏色值相同；

確定每個所述區(qū)域的顏色值和質(zhì)心；

根據(jù)各個區(qū)域所對應(yīng)的顏色值以及各個區(qū)域的質(zhì)心，建立所述顯著性模型；

所述顯著性模型為：

其中，S_i1為區(qū)域R_i中任一像素點的顯著性值，w(R_j)為區(qū)域R_j中的像素點的個數(shù)，D_S(R_i,R_j)用于表征所述區(qū)域R_i和所述區(qū)域R_j之間空間位置差異的度量值，D_C(R_i,R_j)用于表征所述區(qū)域R_i和所述區(qū)域R_j之間顏色差異的度量值，N為對所述圖像進行過分割后得到的區(qū)域的總個數(shù)，D_S(R_i,R_j)為：Center(R_i)為所述區(qū)域R_i的質(zhì)心，Center(R_j)為所述區(qū)域R_j的質(zhì)心，當所述圖像中各個像素點的坐標均歸一化到[0,1]時；

進一步，圖像采集模塊將采集到的圖像建立圖像顯著模型前需進行：

小波包去噪；即利用改進小波包算法對采集的圖像信號進行去噪；

小波包分解與重構(gòu)；即利用改進小波包算法對采集的圖像信號進行小波包分解與重構(gòu)，得到單子帶重構(gòu)信號。

進一步，所述小波包去噪和小波包分解與重構(gòu)包括：

信號延拓，對小波包分解的各層信號進行拋物線延拓；

設(shè)信號數(shù)據(jù)為x(a),x(a+1),x(a+2)，則延拓算子E的表達式為：

消去單子帶多余頻率成分；

將延拓后的信號與分解低通濾波器h₀卷積，得到低頻系數(shù)，然后經(jīng)過HF-cut-IF算子處理，去掉多余的頻率成分，再進行下采樣，得到下一層的低頻系數(shù)；將延拓后的信號與分解高通濾波器g₀卷積，得到高頻系數(shù)，然后經(jīng)過LF-cut-IF算子處理，去掉多余的頻率成分，再進行下采樣，得到下一層高頻系數(shù)，HF-cut-IF算子如式(4)所示，LF-cut-IF算子如式(5)所示；

在(4)、(5)式中，x(n)為在2^j尺度上小波包的系數(shù)，N_j表示在2^j尺度上數(shù)據(jù)的長度，k＝0，1，…，N_j-1；n＝0，1，…，N_j-1；

單子帶信號重構(gòu)：

將得到的高、低頻系數(shù)進行上采樣，然后分別與高通重建濾波器g₁和低通重建濾波器h₁卷積，將得到的信號分別用HF-cut-IF、LF-cut-IF算子處理，得到單子帶重構(gòu)信號。

本發(fā)明的另一目的在于提供一種利用上述全自動鉆孔機的高精度模板鉆孔機。

與現(xiàn)有技術(shù)相比，本發(fā)明設(shè)計科學(xué)合理，操作簡單安全，本發(fā)明在鉆孔機支撐臺的內(nèi)部設(shè)置有專門的負壓風(fēng)機和集塵抽屜，能夠在鉆孔過程中同步收集因鉆孔發(fā)生的微塵顆粒等有害物質(zhì)，改善車間環(huán)境，保護工作人員的身心健康，有益于環(huán)保，在鉆孔裝置上安裝激光收發(fā)裝置，能夠利用激光準確定位鉆孔位置，且鉆孔裝置的內(nèi)部安裝有定位傳感器裝置，提高鉆孔的定位精度，保證鉆孔質(zhì)量，能夠有效代替人工進行鉆孔作業(yè)，提高鉆孔效率。

本發(fā)明的定位處理控制器根據(jù)獲得的輸入圖像的信道矩陣H，進行奇異值分解，通過構(gòu)造中間矩陣以及相關(guān)矩陣，估計每個輸入圖像受到的干擾，并為其賦予權(quán)值，以加權(quán)輸入圖像相關(guān)最大為準則來選擇輸入圖像，合理的選擇出一組相互之間干擾小的輸入圖像，實現(xiàn)了速率與多個輸入圖像的兼顧。本發(fā)明的方法簡單，操作方便，較好的解決了傳統(tǒng)的算法在逐次改變輸入圖像的過程中不能準確計算輸入圖像可達速率，從而無法兼顧多個輸入圖像和速率的問題。

本發(fā)明圖像信號采集方法，增強了對信號收集的范圍；提高了數(shù)據(jù)采集準確性。

附圖說明

圖1是本發(fā)明實施例提供的全自動鉆孔機示意圖。

圖2是本發(fā)明實施例提供的定位傳感器裝置連接原理圖。

圖中：1、氣壓連接口；2、鉆孔機主支撐柱3、縱向滑槽；4、鉆孔機支撐臺；5、負壓風(fēng)機；6、固定柱；7、集塵抽屜；8、集塵網(wǎng)；9、載物臺；10、鉆孔機頭；11、扭力調(diào)節(jié)環(huán)；12、激光收發(fā)裝置；13、動力電機；14、定位傳感器裝置；14-1、圖像信息采集器；14-1-1、圖像采集模塊；14-1-2、智能視頻分析模塊；14-1-3、射頻模塊；14-2、通信傳輸信道；15、定位處理器系統(tǒng)；15-1、定位處理控制器；15-2、儲存器；16、橫向滑槽；17、伸縮外臂；18、承接橫梁；19、鉆孔裝置；20、鉆孔機承接板。

具體實施方式

為能進一步了解本發(fā)明內(nèi)容、特點及功效，茲例舉以下實施例，并配合附圖詳細說明如下。

下面結(jié)合附圖對本發(fā)明的應(yīng)用原理作詳細的描述。

如圖1和圖2所示，本發(fā)明實施例提供的全自動鉆孔機，設(shè)置有鉆孔機支撐臺4和鉆孔機主支撐柱2；鉆孔機支撐臺的內(nèi)部安裝有集塵抽屜7；集塵抽屜的一側(cè)安裝有負壓風(fēng)機5，且集塵抽屜的上方設(shè)置有集塵網(wǎng)8；鉆孔機支撐臺的上方安裝有載物臺9；鉆孔機支撐臺內(nèi)部設(shè)置有縱向滑槽3；鉆孔機主支撐柱安裝在縱向滑槽的上方，且鉆孔機主支撐柱的一側(cè)安裝有承接橫梁18；承接橫梁的下方安裝有鉆孔機承接板20；鉆孔機承接板的內(nèi)部設(shè)置有橫向滑槽16；且鉆孔機承接板的下方設(shè)置有伸縮外臂17；

鉆孔機承接板的下方位于伸縮外臂的側(cè)邊位置設(shè)置有動力電機13；伸縮外臂的內(nèi)部安裝有定位傳感器裝置14和定位處理器系統(tǒng)15，且伸縮外臂的下方安裝有鉆孔裝置19；

鉆孔裝置上安裝有激光收發(fā)裝置12，且鉆孔裝置的底部安裝有鉆孔機頭10；激光收發(fā)裝置12和定位傳感器裝置14均與定位處理器系統(tǒng)15電性連接；動力電機、定位處理器和負壓風(fēng)機均與外部控制器電性連接。

載物臺上設(shè)置有滑軌；滑軌上安裝有固定柱6；固定柱根據(jù)物料大小在滑軌上滑動調(diào)節(jié)距離；

動力電機與鉆孔裝置通過聯(lián)軸器傳動連接；

伸縮外臂的一側(cè)設(shè)置有氣壓連接口1；

鉆孔機頭與鉆孔裝置通過扭力調(diào)節(jié)環(huán)11螺紋旋合連接，集塵抽屜為可拉出拆卸結(jié)構(gòu)。

進一步，所述定位傳感器裝置14設(shè)置有圖像信息采集器14-1和與圖像信息采集器連接的多個通信傳輸信道14-2；所述多個通信傳輸信道均與定位處理器系統(tǒng)電連接；

所述定位處理器系統(tǒng)15設(shè)置有定位處理控制器15-1、儲存器15-2；所述定位處理控制器通過串口與儲存器連接；所述定位處理控制器通過信號線與外部總控制器電連接。

定位處理控制器控制多個通信傳輸信道傳輸信號的方法包括以下步驟：

1)、初始化已選當前輸入圖像集合為空集，待輸入圖像集合為全集，隨著調(diào)度過程的進行，已選當前輸入圖像和待輸入圖像集合的元素不斷更新，A_n和S_n分別為在第n次迭代結(jié)束時待輸入圖像集合和當前輸入圖像集合，n＝1,…,N_T為迭代的次數(shù)，初始化n＝1；

2)、定位處理控制器對輸入圖像k反饋的信道信息矩陣H_k進行奇異值分解其中，λ_k,1表示第k個輸入圖像的信道矩陣的奇異值，表示維度1×(N_T-1)的零向量，和分別由與非零奇異值λ_k,1和零奇異值對應(yīng)的右奇異值向量構(gòu)成，因為rank(H_k)＝1，所以v_i,1為V_i的第一個列向量，其中，rank(·)表示求矩陣的秩；

3)、定位處理控制器根據(jù)分解后的矩陣構(gòu)造中間矩陣和以及其中，diag(·)表示對角化操作；

4)、定位處理控制器構(gòu)造相關(guān)矩陣R，R為L×L方陣，第i行第j列的元素為其中，|·|表示求模運算；

5)、從R中選擇出與已經(jīng)調(diào)度的n-1個輸入圖像對應(yīng)的n-1列，構(gòu)成矩陣將剩余的部分分別對行元素進行升序排列，得到矩陣即

6)、計算輸入圖像的相關(guān)因子即對R_n中每一行的前ξ個元素分別求和并取倒數(shù)，等效于簡化得到列向量ψ_n＝[ψ_1,n…ψ_L,n]^Η；

7)、按照公式選擇第n個輸入圖像；

8)、若n＜N_T，返回步驟5)；否則調(diào)度完成，根據(jù)被調(diào)度的輸入圖像受到的實際干擾計算相關(guān)因子ψ_k；若輸入圖像未被調(diào)度ψ_k＝0，并按照公式更新輸入圖像k，k∈{1,…,L}平均相關(guān)因子，用于計算下一個傳輸周期中的輸入圖像調(diào)度權(quán)重，調(diào)度完成后，定位處理控制器通知激活輸入圖像并進行下行數(shù)據(jù)通信，在下一個傳輸周期(t+1)的開銷時隙階段，重復(fù)執(zhí)行步驟1)～步驟8)。

進一步，在步驟6)中綜合考慮待輸入圖像受到已選當前輸入圖像以及潛在的可能被調(diào)度的輸入圖像的影響根據(jù)式(1)計算輸入圖像的相關(guān)因子即對R_n中每一行的前ξ個元素分別求和并取倒數(shù)，等效于簡化式(2)；

得到列向量ψ_n＝[ψ_1,n…ψ_L,n]^Η，其中，A_l表示潛在的、后續(xù)可能被選擇的輸入圖像集合，card(·)表示集合中的元素的個數(shù)；

在步驟7)中按照公式選擇第n個輸入圖像；

s_n表示被選擇的輸入圖像的標號，是輸入圖像k的調(diào)度權(quán)重，是上一傳輸周期結(jié)束時輸入圖像k的平均相關(guān)因子，更新S_n＝S_n-1∪{s_n}，A_n＝A_n-1-{s_n}，n＝n+1；

對輸入圖像進行調(diào)度，隨著時間的推移，平均相關(guān)因子增大，權(quán)值μ_k隨之減小，調(diào)度優(yōu)先級降低；

在步驟8)中更新輸入圖像k的平均相關(guān)因子的公式為

其中，δ_c＝0.99；

在步驟7)中權(quán)重的值由輸入圖像平均相關(guān)因子決定。

進一步，所述圖像信息采集器包括圖像采集模塊14-1-1、智能視頻分析模塊14-1-2、射頻模塊14-1-3，所述的圖像采集模塊用于將采集到的圖像建立圖像顯著模型傳送至智能視頻分析模塊，智能視頻分析模塊將處理后的數(shù)據(jù)信號發(fā)送至所述的射頻模塊；所述射頻模塊與多個通信傳輸信道通過串口連接。

進一步，圖像采集模塊將采集到的圖像建立圖像顯著模型方法包括：利用預(yù)定過分割算法對所述圖像進行過分割，得到至少一個區(qū)域，同一個所述區(qū)域中各個像素點的顏色值相同；

確定每個所述區(qū)域的顏色值和質(zhì)心；

根據(jù)各個區(qū)域所對應(yīng)的顏色值以及各個區(qū)域的質(zhì)心，建立所述顯著性模型；

所述顯著性模型為：

其中，S_i1為區(qū)域R_i中任一像素點的顯著性值，w(R_j)為區(qū)域R_j中的像素點的個數(shù)，D_S(R_i,R_j)用于表征所述區(qū)域R_i和所述區(qū)域R_j之間空間位置差異的度量值，D_C(R_i,R_j)用于表征所述區(qū)域R_i和所述區(qū)域R_j之間顏色差異的度量值，N為對所述圖像進行過分割后得到的區(qū)域的總個數(shù)，D_S(R_i,R_j)為：Center(R_i)為所述區(qū)域R_i的質(zhì)心，Center(R_j)為所述區(qū)域R_j的質(zhì)心，當所述圖像中各個像素點的坐標均歸一化到[0,1]時；

進一步，圖像采集模塊將采集到的圖像建立圖像顯著模型前需進行：

小波包去噪；即利用改進小波包算法對采集的圖像信號進行去噪；

小波包分解與重構(gòu)；即利用改進小波包算法對采集的圖像信號進行小波包分解與重構(gòu)，得到單子帶重構(gòu)信號。

進一步，所述小波包去噪和小波包分解與重構(gòu)包括：

信號延拓，對小波包分解的各層信號進行拋物線延拓；

設(shè)信號數(shù)據(jù)為x(a),x(a+1),x(a+2)，則延拓算子E的表達式為：

消去單子帶多余頻率成分；

將延拓后的信號與分解低通濾波器h₀卷積，得到低頻系數(shù)，然后經(jīng)過HF-cut-IF算子處理，去掉多余的頻率成分，再進行下采樣，得到下一層的低頻系數(shù)；將延拓后的信號與分解高通濾波器g₀卷積，得到高頻系數(shù)，然后經(jīng)過LF-cut-IF算子處理，去掉多余的頻率成分，再進行下采樣，得到下一層高頻系數(shù)，HF-cut-IF算子如式(4)所示，LF-cut-IF算子如式(5)所示；

在(4)、(5)式中，x(n)為在2^j尺度上小波包的系數(shù)，N_j表示在2^j尺度上數(shù)據(jù)的長度，k＝0，1，…，N_j-1；n＝0，1，…，N_j-1；

單子帶信號重構(gòu)：

將得到的高、低頻系數(shù)進行上采樣，然后分別與高通重建濾波器g₁和低通重建濾波器h₁卷積，將得到的信號分別用HF-cut-IF、LF-cut-IF算子處理，得到單子帶重構(gòu)信號。

下面結(jié)合原理分析對本發(fā)明的應(yīng)用作進一步的描述。

本發(fā)明按正常程序安裝好后，首先將設(shè)備主體連接電源，將氣動裝置與氣壓連接口通過軟管連接，工作人員將待鉆孔物料板放置于載物臺上，滑動固定柱并固定待鉆孔物料板，工作人員在外部控制器上選定鉆孔程序并啟動，鉆孔機主支撐柱在縱向滑槽上縱向調(diào)節(jié)位置，伸縮外臂在橫向滑槽上橫向調(diào)節(jié)位置，激光收發(fā)裝置能夠?qū)ξ锪习暹M行激光定位，同時定位傳感器裝置能夠感應(yīng)鉆孔機頭的位置，提高鉆孔定位精度，動力電機帶動鉆孔機頭轉(zhuǎn)動對物料板進行鉆孔，鉆孔過程中，負壓風(fēng)機能夠?qū)@孔產(chǎn)生的微塵吸入集塵抽屜的內(nèi)部，改善車間環(huán)境。

以上所述僅是對本發(fā)明的較佳實施例而已，并非對本發(fā)明作任何形式上的限制，凡是依據(jù)本發(fā)明的技術(shù)實質(zhì)對以上實施例所做的任何簡單修改，等同變化與修飾，均屬于本發(fā)明技術(shù)方案的范圍內(nèi)。