一种数控铣床的控制方法、装置及电子设备与流程

本技术涉及数据处理的，具体涉及一种数控铣床的控制方法、装置及电子设备。

背景技术：

1、数控铣床是一种在普通铣床上集成了数字控制系统的机床。这种机床可以在程序代码的控制下，进行精确的铣削加工

2、目前，传统的数控铣床控制系统主要依赖于预设的固定参数和手动操作来进行调节，这种方式在面对复杂多变的加工环境和严苛的加工要求时，显得捉襟见肘。例如，当切削力、铣床振动等关键参数发生变化时，传统的数控铣床控制系统往往无法及时作出相应的调整，这可能导致铣床在加工过程中出现不稳定，甚至引发故障。

3、因此，为了实现数控铣床的自适应控制，急需一种数控铣床的控制方法、装置及电子设备。

技术实现思路

1、本技术提供了一种数控铣床的控制方法、装置及电子设备，便于实现数控铣床的自适应控制。

2、在本技术的第一方面提供了一种数控铣床的控制方法，所述方法包括：获取数控铣床在运行过程中的运行数据，所述运行数据用于反映所述数控铣床的工作状况；采用预设控制模型判断所述运行数据是否正常，所述运行数据包括切削力数据、振动数据、工件表面粗糙度数据、切削温度数据以及主轴功率数据；若确定所述运行数据正常，则根据所述切削力数据和所述振动数据，采用所述预设控制模型对所述数控铣床的切削速度进行处理，得到第一控制指令；若确定所述运行数据正常，则根据所述工件表面粗糙度数据和所述切削温度数据，采用所述预设控制模型对所述数控铣床的进给率进行处理，得到第二控制指令；若确定所述运行数据正常，则根据所述切削力数据和所述主轴功率数据，采用所述预设控制模型对所述数控铣床的切削深度进行处理，得到第三控制指令；将所述第一控制指令、所述第二控制指令以及所述第三控制指令进行整合，得到目标控制指令，以根据所述目标控制指令对所述数控铣床进行控制。

3、通过采用上述技术方案，首先，通过获取数控铣床在运行过程中的多种运行数据，如切削力、振动、工件表面粗糙度、切削温度和主轴功率，这种方法实现了对机床工作状况的全面监控。这些实时数据能够准确反映机床的当前状态，为后续的决策和控制提供了依据。通过利用预设控制模型对这些运行数据进行判断，能够及时发现异常情况。这种基于数据的故障诊断方法比传统的基于经验的诊断更为准确和及时，有助于预防潜在故障的发生。通过提前预警和干预，可以显著提高数控铣床的稳定性和可靠性。在确认运行数据正常后，根据不同类型的运行数据，通过预设控制模型对数控铣床的切削速度、进给率和切削深度等关键参数进行智能调整。最后，将基于不同运行数据的控制指令进行整合，得到一个统一的目标控制指令。这种集成控制策略能够综合考虑多种因素，使数控铣床在加工过程中保持最佳的工作状态。由此，通过根据实时的加工需求和机床状态，自动优化加工参数，实现了数控铣床的自适应控制。

4、可选地，所述采用预设控制模型判断所述运行数据是否正常，具体包括：将所述运行数据输入至所述预设控制模型中，所述预设控制模型中预先存储有运行正常的历史运行数据；将所述运行数据与所述历史运行数据进行比较，得到比较结果，所述历史运行数据对应的工件与所述运行数据对应的工件一致，所述比较结果用于指示所述运行数据正常或异常。

5、通过采用上述技术方案，预设控制模型中预先存储了运行正常的历史运行数据。这些数据是在过去正常运行的条件下收集的，代表了机床在正常工作状态下的各种参数范围。这些历史数据为当前运行数据的判断提供了标准参考。将实时收集的运行数据输入到预设控制模型中，并与预先存储的历史运行数据进行比较。这种比较机制能够直接反映出当前运行数据与正常状态之间的差异。历史运行数据对应的工件与当前运行数据对应的工件保持一致。这确保了比较的准确性和相关性，因为不同的工件可能需要不同的加工参数和条件。通过比较，可以得到一个比较结果。这个结果能够清晰地指示出当前运行数据是正常还是异常。如果运行数据超出了历史运行数据的正常范围，那么就可以判断为异常，这有助于及时发现潜在的问题和故障。由于这种比较是在实时进行的，因此一旦检测到异常，就可以立即采取相应的措施进行调整或干预，从而保持数控铣床的稳定运行和加工质量。

6、可选地，所述若确定所述运行数据正常，则根据所述切削力数据和所述振动数据，采用所述预设控制模型对所述数控铣床的切削速度进行处理，得到第一控制指令，具体包括：根据所述切削力数据，计算得到所述数控铣床的切削力；根据所述振动数据，计算得到所述数控铣床的振动速度；若确定所述切削力大于或等于预设切削力阈值，和/或所述振动速度大于或等于预设振动速度阈值，则生成所述第一控制指令，所述第一控制指令为降低切削速度。

7、通过采用上述技术方案，通过分析切削力数据，可以准确了解数控铣床在加工过程中的切削力大小。切削力是反映切削过程中工件与刀具之间相互作用的重要指标，它直接影响到刀具的磨损、工件的加工质量和机床的振动情况。同时，通过分析振动数据，可以计算出数控铣床的振动速度。当切削力大于或等于预设的切削力阈值，或者振动速度大于或等于预设的振动速度阈值时，说明当前的切削条件可能过于激烈，需要调整。当满足上述条件时，即切削力过大或振动速度过快，系统生成第一控制指令。这个指令的作用是降低数控铣床的切削速度。通过降低切削速度，可以减少切削过程中的切削力和振动，从而保护刀具、提高加工质量并延长机床的使用寿命。由于这个过程是实时的，它允许数控铣床在加工过程中根据当前的切削力和振动情况动态地调整切削速度。这种自适应调整能够确保机床在加工过程中始终保持在最佳的工作状态，从而提高加工效率和工件质量。

8、可选地，所述若确定所述运行数据正常，则根据所述工件表面粗糙度数据和所述切削温度数据，采用所述预设控制模型对所述数控铣床的进给率进行处理，得到第二控制指令，具体包括：根据所述工件表面粗糙度数据，得到工件表面粗糙度；根据所述切削温度数据，得到所述数控铣床的切削温度；若确定所述工件表面粗糙度大于或等于预设粗糙度阈值，和/或所述切削温度大于或等于预设切削温度阈值，则生成所述第二控制指令，所述第二控制指令为减小进给率。

9、通过采用上述技术方案，工件表面粗糙度是衡量加工质量的重要指标之一。通过分析工件表面粗糙度数据，可以准确了解当前加工过程中工件表面的平滑程度。如果工件表面粗糙度过大，意味着加工质量不佳，需要调整加工参数。切削温度是反映切削过程中能量转换和热量产生的重要指标。通过实时监测切削温度数据，可以了解机床在加工过程中的热状态。过高的切削温度可能导致刀具磨损加剧、工件热变形等问题，影响加工精度和稳定性。当工件表面粗糙度大于或等于预设的粗糙度阈值，或者切削温度大于或等于预设的切削温度阈值时，说明当前的加工条件可能不适合当前的进给率，需要调整。当满足上述条件时，即工件表面粗糙度过大或切削温度过高，系统生成第二控制指令。这个指令的作用是减小数控铣床的进给率。通过降低进给率，可以减少单位时间内刀具与工件的接触次数，从而降低切削温度，同时也有助于提高工件表面质量。由于这个过程是实时的，它允许数控铣床在加工过程中根据当前的工件表面质量和切削温度动态地调整进给率。这种自适应调整能够确保机床在加工过程中始终保持在最佳的工作状态，从而提高加工质量和效率。

10、可选地，所述若确定所述运行数据正常，则根据所述切削力数据和所述主轴功率数据，采用所述预设控制模型对所述数控铣床的切削深度进行处理，得到第三控制指令，具体包括：根据所述主轴功率数据，计算得到主轴功率；若确定所述切削力大于或等于所述预设切削力阈值，和/或所述主轴功率大于或等于预设功率阈值，则生成所述第三控制指令，所述第三控制指令为减小切削深度。

11、通过采用上述技术方案，主轴功率是反映数控铣床在加工过程中主轴所消耗的功率。通过分析主轴功率数据，可以了解机床当前的负载情况和能量消耗。主轴功率的大小直接关系到切削过程中刀具与工件之间的相互作用力以及机床的切削能力。在此过程中，不仅考虑了切削力数据，还结合了主轴功率数据。切削力是评估切削过程是否顺畅的重要指标，而主轴功率则反映了机床在切削过程中的实际负载。通过综合分析这两个参数，可以更全面地了解机床的加工状态和性能。当切削力大于或等于预设的切削力阈值，或者主轴功率大于或等于预设的功率阈值时，意味着当前的切削深度可能过大，导致机床负载过重或加工质量下降。在满足上述条件时，即切削力过大或主轴功率过高，系统会生成第三控制指令。这个指令的作用是减小数控铣床的切削深度。通过减小切削深度，可以降低机床的负载，减少刀具与工件之间的相互作用力，从而避免机床过载和潜在的加工质量问题。通过实时调整切削深度，该过程能够确保数控铣床在加工过程中保持稳定的运行状态，提高加工效率和质量。同时，减小切削深度也有助于延长刀具的使用寿命，减少机床的维护成本。

12、可选地，所述将所述第一控制指令、所述第二控制指令以及所述第三控制指令进行整合，得到目标控制指令，具体包括：判断所述第一控制指令、所述第二控制指令以及所述第三控制指令各对应的指向性指令，所述指向性指令包括第一指向性指令和第二指向性指令，所述第一指向性指令包括升高切削速度、增大进给率以及增大切削深度，所述第二指向性指令包括降低切削速度、减小进给率以及减下切削深度；统计所述第一指向性指令的数量以及所述第二指向性指令的数量；若确定所述第一指向性指令的数量大于所述第二指向性指令的数量，则确定所述目标控制指令为所述第一指向性指令。

13、通过采用上述技术方案，首先，系统对第一控制指令、第二控制指令和第三控制指令进行分析，确定它们各自的指向性指令。这些指向性指令分为两类：第一指向性指令和第二指向性指令。第一指向性指令包括升高切削速度、增大进给率以及增大切削深度，而第二指向性指令则包括降低切削速度、减小进给率以及减小切削深度。这样的分类有助于系统理解每个控制指令的目的和效果。接下来，系统统计第一指向性指令和第二指向性指令的数量。这一步骤是为了评估哪一类指令在控制过程中占据主导地位。如果第一指向性指令的数量多于第二指向性指令，这可能意味着在加工过程中需要提高切削参数以优化生产效率；反之，如果第二指向性指令的数量多于第一指向性指令，则可能需要降低切削参数以保证加工质量或保护机床。根据上述统计结果，系统确定目标控制指令。如果第一指向性指令的数量大于第二指向性指令的数量，则目标控制指令确定为第一指向性指令，即提高切削速度、增大进给率或增大切削深度。这意味着系统优先考虑提高加工效率，同时认为当前的机床状态和加工条件允许这样做。通过整合多个控制指令并确定目标控制指令，这一过程有助于优化数控铣床的加工过程。系统能够根据实时的运行数据和加工条件，动态地调整切削参数，以在保证加工质量的同时，尽可能地提高生产效率。

14、可选地，所述方法还包括：将所述历史运行数据进行处理，得到多个特征数值；将多个所述特征数值中，大于预设阈值的特征数值作为代表特征数值；将所述代表特征数值对应的历史运行数据作为训练样本；将所述训练样本输入至神经网络的输入层，以及将对应的比较结果输入至所述神经网络的输出层进行监督训练，得到初始控制模型；对所述初始控制模型进行精度检测，选取精度满足预设条件的模型作为所述预设控制模型。

15、通过采用上述技术方案，首先，从历史运行数据中提取多个特征数值。接着，从这些特征数值中筛选出大于预设阈值的代表特征数值。这一步的目的是突出那些对机床性能有显著影响的特征，排除那些影响较小的特征，从而简化模型并提高训练效率。将筛选出的代表特征数值对应的历史运行数据作为训练样本。这些训练样本包含了机床在不同运行状态下的各种参数，这样，神经网络就能够学会根据输入特征预测相应的输出结果。将训练样本输入到神经网络的输入层，并通过监督训练使神经网络学会从输入特征中预测输出结果。在训练过程中，神经网络不断调整其权重和偏置项，以减小预测误差。随着训练的进行，神经网络的性能逐渐提升，对机床运行状态的预测能力也越来越强。经过一定轮数的训练后，得到一个初始的控制模型。这个模型能够根据输入的机床运行数据预测出相应的切削参数调整方向。对初始控制模型进行精度检测，评估其在实际应用中的性能，从而筛选出满足精度要求的模型作为预设控制模型。

16、在本技术的第二方面提供了一种数控铣床的控制装置，所述控制装置包括获取模块和处理模块，其中，所述获取模块，用于获取数控铣床在运行过程中的运行数据，所述运行数据用于反映所述数控铣床的工作状况；所述处理模块，用于采用预设控制模型判断所述运行数据是否正常，所述运行数据包括切削力数据、振动数据、工件表面粗糙度数据、切削温度数据以及主轴功率数据；所述处理模块，还用于若确定所述运行数据正常，则根据所述切削力数据和所述振动数据，采用所述预设控制模型对所述数控铣床的切削速度进行处理，得到第一控制指令；所述处理模块，还用于若确定所述运行数据正常，则根据所述工件表面粗糙度数据和所述切削温度数据，采用所述预设控制模型对所述数控铣床的进给率进行处理，得到第二控制指令；所述处理模块，还用于若确定所述运行数据正常，则根据所述切削力数据和所述主轴功率数据，采用所述预设控制模型对所述数控铣床的切削深度进行处理，得到第三控制指令；所述处理模块，还用于将所述第一控制指令、所述第二控制指令以及所述第三控制指令进行整合，得到目标控制指令，以根据所述目标控制指令对所述数控铣床进行控制。

17、在本技术的第三方面提供了一种电子设备，所述电子设备包括处理器、存储器、用户接口以及网络接口，所述存储器用于存储指令，所述用户接口和所述网络接口均用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如上所述的方法。

18、在本技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如上所述的方法。

19、综上所述，本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

20、首先，通过获取数控铣床在运行过程中的多种运行数据，如切削力、振动、工件表面粗糙度、切削温度和主轴功率，这种方法实现了对机床工作状况的全面监控。这些实时数据能够准确反映机床的当前状态，为后续的决策和控制提供了依据。通过利用预设控制模型对这些运行数据进行判断，能够及时发现异常情况。这种基于数据的故障诊断方法比传统的基于经验的诊断更为准确和及时，有助于预防潜在故障的发生。通过提前预警和干预，可以显著提高数控铣床的稳定性和可靠性。在确认运行数据正常后，根据不同类型的运行数据，通过预设控制模型对数控铣床的切削速度、进给率和切削深度等关键参数进行智能调整。最后，将基于不同运行数据的控制指令进行整合，得到一个统一的目标控制指令。这种集成控制策略能够综合考虑多种因素，使数控铣床在加工过程中保持最佳的工作状态。由此，通过根据实时的加工需求和机床状态，自动优化加工参数，实现了数控铣床的自适应控制。