本發(fā)明涉及用于數(shù)控機(jī)床的智能數(shù)控領(lǐng)域，具體為一種用于數(shù)控機(jī)床的智能數(shù)控系統(tǒng)。

背景技術(shù)：

1、在現(xiàn)代制造業(yè)中，數(shù)控機(jī)床扮演著極為重要的角色，廣泛應(yīng)用于各類精密機(jī)械加工領(lǐng)域，隨著制造業(yè)朝著高精度和智能化方向的不斷發(fā)展，傳統(tǒng)數(shù)控機(jī)床在實(shí)際應(yīng)用中逐漸暴露出諸多局限性，難以滿足日益增長(zhǎng)的生產(chǎn)需求，在加工材料管理方面，傳統(tǒng)數(shù)控機(jī)床缺乏有效的智能識(shí)別與管理手段，對(duì)于加工材料的類型和質(zhì)量狀況等信息，往往依賴于人工經(jīng)驗(yàn)進(jìn)行判斷，不僅效率低下，容易出現(xiàn)誤判，當(dāng)加工材料存在缺陷時(shí)，不能及時(shí)發(fā)現(xiàn)并處理，在加工過程中可能會(huì)導(dǎo)致加工精度下降，甚至使整個(gè)工件報(bào)廢，從而增加生產(chǎn)成本，降低生產(chǎn)效率。

2、為了適應(yīng)制造業(yè)的智能化發(fā)展趨勢(shì)，提高數(shù)控機(jī)床的整體性能和生產(chǎn)效益，迫切需要一種創(chuàng)新的智能數(shù)控系統(tǒng)，能夠?qū)崿F(xiàn)加工材料的智能識(shí)別與管理，本發(fā)明針對(duì)以上問題提出一種用于數(shù)控機(jī)床的智能數(shù)控系統(tǒng)，旨在克服現(xiàn)有技術(shù)的缺陷，為數(shù)控機(jī)床智能化發(fā)展提供有效的解決方案。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述背景技術(shù)提出的技術(shù)問題，本發(fā)明提供了一種用于數(shù)控機(jī)床的智能數(shù)控系統(tǒng)。

2、本發(fā)明的目的可以通過以下技術(shù)方案實(shí)現(xiàn)：

3、本發(fā)明為一種用于數(shù)控機(jī)床的智能數(shù)控系統(tǒng)，包括智能采集模塊、材料智能識(shí)別模塊、調(diào)整模塊、智能故障預(yù)測(cè)模塊、處理模塊、智能數(shù)控終端和數(shù)據(jù)庫(kù)。

4、智能采集模塊在各數(shù)控機(jī)床設(shè)備安裝各類型傳感器，實(shí)時(shí)采集各數(shù)控機(jī)床設(shè)備的設(shè)備狀態(tài)和加工材料的信息，其具體過程如下：

5、在各數(shù)控機(jī)床設(shè)備各位置安裝高清攝像頭，實(shí)時(shí)采集各待加工材料的圖像數(shù)據(jù)，獲取得到各待加工材料的圖像數(shù)據(jù)；在各數(shù)控機(jī)床材料傳輸路徑安裝重量傳感器，實(shí)時(shí)采集各待加工材料的重量參數(shù)值，智能采集模塊的輸出端連接材料智能識(shí)別模塊的輸入端，將各待加工材料的圖像數(shù)據(jù)和重量參數(shù)值發(fā)送至材料智能識(shí)別模塊，設(shè)置圖1有箭頭方向?yàn)檩斎攵?，無(wú)箭頭方向?yàn)檩敵龆恕?/p>

6、材料智能識(shí)別模塊根據(jù)智能數(shù)控終端內(nèi)各類型加工材料的預(yù)設(shè)整合圖像和當(dāng)前高清攝像頭獲取的各實(shí)際加工材料圖像進(jìn)行匹配，其具體過程如下：

7、s01：材料智能識(shí)別模塊的輸出端連接調(diào)整模塊的輸入端，材料智能識(shí)別模塊的輸入端連接數(shù)據(jù)庫(kù)的輸出端，材料智能識(shí)別模塊包括信息接收單元、智能識(shí)別單元和分析單元，信息接收單元獲取當(dāng)前高清攝像頭得到的待加工材料圖像和待加工材料重量參數(shù)值，將待加工材料圖像發(fā)送至智能數(shù)控終端和智能識(shí)別單元；

8、s02：智能數(shù)控終端接收到待加工材料圖像并生成檢索指令發(fā)送至檢索單元，檢索單元根據(jù)待加工材料圖像獲取對(duì)應(yīng)預(yù)設(shè)整合圖像，并將其發(fā)送至智能識(shí)別單元，智能識(shí)別單元將當(dāng)前待加工圖像和預(yù)設(shè)整合圖像進(jìn)行加工材料類型匹配，若類型匹配成功則繼續(xù)對(duì)當(dāng)前待加工材料圖像的外觀識(shí)別；

9、s03：智能識(shí)別單元識(shí)別待加工材料圖像的裂紋和孔洞，提取待加工材料圖像的裂紋數(shù)量和裂紋總面積；提取待加工材料圖像的孔洞數(shù)量和孔洞總體積，i表示待加工材料圖像的編號(hào)，i=1，2，...，n；

10、s04：對(duì)各加工材料的毛發(fā)和灰塵顆粒進(jìn)行特征提取，將獲取的加工材料圖像轉(zhuǎn)化為灰度圖像，得到加工材料圖像的總像素值數(shù)量，對(duì)毛發(fā)和灰塵顆粒的像素值數(shù)量進(jìn)行提取，標(biāo)記為影響總像素量，基于總像素值數(shù)量和污染總像素量得到相對(duì)污染系數(shù)rt；

11、s05：獲取當(dāng)前待加工材料的重量參數(shù)值，提取數(shù)據(jù)庫(kù)中對(duì)應(yīng)待加工材料的預(yù)設(shè)重量參數(shù)值，將實(shí)際重量參數(shù)值和預(yù)設(shè)重量參數(shù)值進(jìn)行作差，得到當(dāng)前待加工材料的重量差異值，標(biāo)記為gk；

12、s06：根據(jù)待加工材料的相對(duì)污染系數(shù)、重量差異值、裂紋數(shù)量、裂紋總面積、孔洞數(shù)量和孔洞總體積進(jìn)行計(jì)算，利用公式得到當(dāng)前待加工材料的材料缺陷指數(shù)th，其中，d1、d2、d3和d4為預(yù)設(shè)比例系數(shù)，分別取值為0.37、0.45、0.74和1.21，提取數(shù)據(jù)庫(kù)中預(yù)設(shè)材料缺陷指數(shù)，將當(dāng)前加工材料的材料缺陷指數(shù)和預(yù)設(shè)材料缺陷指數(shù)進(jìn)行比較，若當(dāng)前加工材料的材料缺陷指數(shù)大于預(yù)設(shè)材料缺陷指數(shù)，則對(duì)該加工材料標(biāo)記為缺陷材料，并生成更換信號(hào)發(fā)送至調(diào)整模塊。

13、調(diào)整模塊根據(jù)材料更換優(yōu)先值對(duì)已判定為缺陷材料的加工材料進(jìn)行智能更換，其具體獲取過程如下：

14、k01：調(diào)整模塊的輸出端連接數(shù)據(jù)庫(kù)的輸入端，調(diào)整模塊接收到更換信號(hào)，獲取當(dāng)前缺陷材料的材料種類和規(guī)格，根據(jù)材料種類的規(guī)格生成查詢指令發(fā)送至數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)接收到查詢指令并根據(jù)材料種類和規(guī)格篩選出更換使用的材料列表，將材料列表內(nèi)的材料標(biāo)記為篩選材料，獲取各篩選材料的入庫(kù)時(shí)間點(diǎn)，截止當(dāng)前系統(tǒng)時(shí)間點(diǎn)，將各篩選材料的入庫(kù)時(shí)間點(diǎn)和當(dāng)前系統(tǒng)時(shí)間點(diǎn)進(jìn)行作差得到各入庫(kù)時(shí)長(zhǎng)，將各入庫(kù)時(shí)長(zhǎng)按照從小到大進(jìn)行排列，獲取最大入庫(kù)時(shí)長(zhǎng)，標(biāo)記為；

15、k02：以待更換材料的數(shù)控機(jī)床設(shè)備為圓心點(diǎn)，獲取各篩選材料的位置，將待更換材料的數(shù)控機(jī)床設(shè)備和各篩選材料的位置連接，得到各條更換直線距離值，獲取最小更換距離值；

16、k03：設(shè)置各篩選材料質(zhì)量檢測(cè)報(bào)告的評(píng)分值；將得到的最大入庫(kù)時(shí)長(zhǎng)、最小更換距離值和評(píng)分值進(jìn)行計(jì)算，利用公式得到各篩選材料的更換優(yōu)先值tw，其中，b1、b2和b3為最大入庫(kù)時(shí)長(zhǎng)、最小更換距離值和評(píng)分值分別對(duì)應(yīng)的權(quán)重，f表示為篩選材料的編號(hào)，g表示為篩選材料的總數(shù)量，將各篩選材料根據(jù)更換優(yōu)先值從大到小進(jìn)行排列，將更換優(yōu)先值最大的篩選材料標(biāo)記為優(yōu)先更換材料，獲取優(yōu)先更換材料的位置發(fā)送至調(diào)整模塊，調(diào)整模塊根據(jù)優(yōu)先更換材料的位置生成調(diào)換指令發(fā)送至附近工作人員的手機(jī)終端，工作人員對(duì)材料進(jìn)行調(diào)換。

17、故障智能預(yù)測(cè)模塊根據(jù)對(duì)各數(shù)控機(jī)床設(shè)備的歷史運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)和分析，判斷各數(shù)控機(jī)床設(shè)備的故障結(jié)果，其具體過程如下：

18、f01：智能故障預(yù)測(cè)模塊的輸入端連接數(shù)據(jù)庫(kù)的輸出端，智能故障預(yù)測(cè)模塊包括特征提取單元和故障分析單元，特征提取單元獲取各數(shù)控機(jī)床設(shè)備的歷史維修次數(shù)、維修時(shí)長(zhǎng)、維修部件更換頻率和故障間隔時(shí)間，分別標(biāo)記為dk、dy、dh和da；

19、f02：獲取各數(shù)控機(jī)床設(shè)備運(yùn)行投放時(shí)間點(diǎn)，截止當(dāng)前運(yùn)行時(shí)間點(diǎn)，將各數(shù)控機(jī)床設(shè)備運(yùn)行投放時(shí)間點(diǎn)和當(dāng)前運(yùn)行時(shí)間點(diǎn)進(jìn)行作差，得到各數(shù)控機(jī)床設(shè)備的累計(jì)運(yùn)行時(shí)長(zhǎng)qt，獲取累計(jì)運(yùn)行時(shí)長(zhǎng)內(nèi)設(shè)備的電流運(yùn)行值，提取數(shù)據(jù)庫(kù)內(nèi)標(biāo)準(zhǔn)電流運(yùn)行范圍，將設(shè)備的電流運(yùn)行值和標(biāo)準(zhǔn)電流運(yùn)行范圍進(jìn)行比較，將大于或小于標(biāo)準(zhǔn)電流運(yùn)行范圍的電流值標(biāo)記為異常電流值，統(tǒng)計(jì)異常電流值的數(shù)量和持續(xù)時(shí)長(zhǎng)，得到異常電流次數(shù)qa和總異常持續(xù)時(shí)長(zhǎng)qk，特征提取單元將得到的數(shù)據(jù)發(fā)送至故障分析單元；

20、f03：故障分析單元根據(jù)得到的各數(shù)控機(jī)床設(shè)備的歷史維修次數(shù)、維修時(shí)長(zhǎng)、維修部件更換頻率、故障間隔時(shí)間、累計(jì)運(yùn)行時(shí)長(zhǎng)、異常電流次數(shù)和總異常持續(xù)時(shí)長(zhǎng)進(jìn)行計(jì)算，利用公式得到各數(shù)控機(jī)床上設(shè)備的故障傾向指數(shù)fpg，其中r1、r2、r3、r4、r5、r6和r7為預(yù)設(shè)比例系數(shù)，提取數(shù)據(jù)中心的預(yù)設(shè)故障傾向指數(shù)，將各數(shù)控機(jī)床上設(shè)備實(shí)際故障傾向指數(shù)和預(yù)設(shè)故障傾向指數(shù)進(jìn)行比較，若數(shù)控機(jī)床上設(shè)備實(shí)際故障傾向指數(shù)大于預(yù)設(shè)故障傾向指數(shù)，則將對(duì)應(yīng)數(shù)控機(jī)床設(shè)備標(biāo)記為故障高風(fēng)險(xiǎn)設(shè)備，生成檢測(cè)信號(hào)發(fā)送至處理模塊。

21、處理模塊根據(jù)接收到檢測(cè)信號(hào)獲取對(duì)應(yīng)故障高風(fēng)險(xiǎn)設(shè)備的位置修理，其具體過程如下：

22、處理模塊接收到檢測(cè)信號(hào)，處理模塊的輸入端連接數(shù)據(jù)庫(kù)的端口，實(shí)時(shí)獲取故障高風(fēng)險(xiǎn)設(shè)備的定位，以故障高風(fēng)險(xiǎn)設(shè)備為原點(diǎn)篩選各維護(hù)人員的手機(jī)終端位置，獲取最近的手機(jī)終端位置，生成維修指令發(fā)送至對(duì)應(yīng)維護(hù)人員的手機(jī)終端進(jìn)行修理。

23、智能數(shù)控終端包括存儲(chǔ)單元和檢索單元，通過工業(yè)相機(jī)對(duì)各類型加工材料的圖像進(jìn)行全方位圖像采集，全方位圖像包括正面圖像、側(cè)面圖像和斜面圖像，將各類型加工材料的各方位圖像進(jìn)行整合，得到各類型加工材料的預(yù)設(shè)整合圖像并發(fā)送至存儲(chǔ)單元，存儲(chǔ)單元將各預(yù)設(shè)整合圖像進(jìn)行編號(hào)，并記錄對(duì)應(yīng)加工材料類型、批次和供應(yīng)商信息，檢索單元與各預(yù)設(shè)整合圖像編號(hào)進(jìn)行連接并創(chuàng)建索引，索引為數(shù)控機(jī)床設(shè)備生成的各指令動(dòng)作。

24、數(shù)據(jù)庫(kù)的端口連接各智能數(shù)控終端，一個(gè)數(shù)控機(jī)床設(shè)備對(duì)應(yīng)一個(gè)智能數(shù)控終端，數(shù)據(jù)庫(kù)內(nèi)存儲(chǔ)了各類加工材料的庫(kù)存信息和各數(shù)控機(jī)床設(shè)備信息，庫(kù)存信息包括材料的種類、規(guī)格、數(shù)量、存放位置和入庫(kù)時(shí)間，各數(shù)控機(jī)床設(shè)備信息包括設(shè)備投放運(yùn)行時(shí)間點(diǎn)、數(shù)量和編號(hào)。

25、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明的材料智能識(shí)別模塊能夠精準(zhǔn)地對(duì)加工材料進(jìn)行識(shí)別與分析，通過高清攝像頭采集圖像并與智能數(shù)控終端內(nèi)的預(yù)設(shè)整合圖像進(jìn)行匹配，同時(shí)結(jié)合重量傳感器獲取的重量參數(shù)，全面評(píng)估材料的狀況，對(duì)存在裂紋、孔洞、重量差異和被毛發(fā)灰塵污染的材料，能準(zhǔn)確判斷其缺陷程度，若材料缺陷指數(shù)超過預(yù)設(shè)值，及時(shí)標(biāo)記為缺陷材料并生成更換信號(hào)，有效避免不良材料進(jìn)行加工，減少因材料問題導(dǎo)致的廢品率，確保產(chǎn)品質(zhì)量穩(wěn)定可靠，也避免了加工過程中因材料缺陷對(duì)刀具等設(shè)備造成的損壞，調(diào)整模塊根據(jù)科學(xué)計(jì)算的材料更換優(yōu)先值智能更換缺陷材料，綜合考慮篩選材料的入庫(kù)時(shí)長(zhǎng)、設(shè)備的更換距離和質(zhì)量檢測(cè)報(bào)告評(píng)分等因素，確保更換的材料質(zhì)量合格，使得材料更換過程更加高效合理，減少了因材料更換對(duì)生產(chǎn)進(jìn)度的影響，提升了加工過程效率。