【技术实现步骤摘要】
一种智能生产线激光熔化切割毛刺监测系统及方法
[0001]本专利技术涉及毛刺监测
,更具体地说,本专利技术涉及一种智能生产线激光熔化切割毛刺监测系统及方法
。
技术介绍
[0002]激光熔化切割是利用激光加热使金属材料熔化,然后通过与光束同轴的喷嘴喷吹非氧化性气体
(Ar、He、N
等
)
,依靠气体的强大压力使液态金属排出,形成切口,完成切割操作
。
[0003]申请公告号
CN116213963A
的中国专利公开了一种薄板激光切割装置及激光切割方法,实现自动上下料
、
切割和排出废料工作,具有自动化程度高,工作效率高的优点;降低支撑板组因被切割而导致板材切割表面产生发黑的概率
。
[0004]但是,对于每一种钢件,不能精密的设计激光切割的方案,不能精准设计激光切割机的各项参数以减少毛刺的产生,在实验得出切割方案之前,产生的钢件废件较多,浪费资源
。
[0005]鉴于此,本专利技术提出一种智能生产线激光熔化切割毛刺监测系统及方法以解决上述问题
。
技术实现思路
[0006]为了克服现有技术的上述缺陷,本专利技术的实施例提供一种智能生产线激光熔化切割毛刺监测系统及方法
。
[0007]为实现上述目的,本专利技术提供如下技术方案:一种智能生产线激光熔化切割毛刺监测方法,所述方法包括:
[0008]仿真模拟使用激光熔化切割方式切割钢件的过程并生成仿真 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种智能生产线激光熔化切割毛刺监测方法,其特征在于,包括:仿真模拟使用激光熔化切割方式切割钢件的过程并生成仿真模拟结果;收集每组切割方案对应的仿真模拟结果,生成对应的毛刺程度指标;根据毛刺程度指标判断钢件是否为合格件或废件;基于仿真模拟结果和毛刺程度指标,训练根据切割方案预测出毛刺程度指标的机器学习模型;根据机器学习模型结果设置目标函数,使用梯度下降算法对目标函数优化,得到一组最优切割方案;根据最优切割方案,生成激光切割机调节方案
。2.
根据权利要求1所述的一种智能生产线激光熔化切割毛刺监测方法,其特征在于,设置毛刺程度指标阈值
MCok
,当
MC≤MCok
时,标记钢件为合格件,当
MC>MCok
时,标记钢件为废件
。3.
根据权利要求2所述的一种智能生产线激光熔化切割毛刺监测方法,其特征在于,生成毛刺程度指标的过程如下:通过公式:求得毛刺程度指标
MC
,式中,
n
为熔池边界凸起的个数;
Δ
H
a
为第
a
个熔池边界的凸起到钢件几何中心的距离与第
a
个熔池边界的凹陷到钢件几何中心的距离之差;
D
b
为第
b
个熔池边界的凸起到邻近的熔池边界的凸起的直线距离;
T
z
为温度梯度指标
。4.
根据权利要求3所述的一种智能生产线激光熔化切割毛刺监测方法,其特征在于,式中,
T
c
为,距钢件几何中心的第
c
单位长度处的温度,
T
c
‑1为距钢件几何中心的第
c
‑1单位长度的温度,
m
为大于2的整数
。5.
根据权利要求4所述的一种智能生产线激光熔化切割毛刺监测方法,其特征在于,训练出根据切割方案预测出毛刺程度指标的机器学习模型的方法包括:将每组切割方案的激光功率
、
扫描速度
、
激光直径与氮气气流速度转换为特征向量,将每组切割方案对应的毛刺程度指标转换为标签,将每组特征向量和与每组特征向量对应的标签构建为一个样本,收集多个样本构建为机器学习的数据集;所述数据集分为训练集
、
验证集和测试集,其中训练集占数据集的
70
%,验证集和测试集各占数据集的
15
%;将所述训练集作为机器学习模型的输入,所述机器学习模型以钢件的毛刺程度指标作为输出,以一组切割方案特征向量对应的毛刺程度指标作为预测目标,通过将损失函数最小化为目标来训练机器学习模型,损失函数中
mse
为损失函数值,
i
为特征向量组号;
u
为特征向量组数;
y
i
为第
i
组特征向量对应的真实毛刺程度指标,为第
i
组特征向量对应预测的毛刺程度指标
。
以最小化机器学习模型损失函数作为训练目标;当机器学习模型损失函数小于等于目标损失值时停止训练
。6.
根据权利要求5所述的一种智能生产线激光熔化切割毛刺监测方法,其特征在于,在目标函数
G(A,B,C,D)
=
(F(A,B,C,D)
‑
E)2式中,
F(A,B,C,D)
为机器学习模型训练完成后得
到的关于激光功率
A、
扫描速度
B、
激光直径
C
与氮气气流速度
D
的函数,
F(A,B,C,D)
的值表示毛刺程度指标;
E
表示毛刺程度指标阈值;所述最优切割方案的调节参数为对应毛刺程度指标阈值
E
的一组
A、B、C
与
D
的值,将值设为
A
=
A
E
,
B
=
B
E
,C
=
C
E
,D
=
D
E
,A
E
、B
E
、C
技术研发人员:章俊,郑峤峰,俞荫乾,
申请(专利权)人:安徽助行软件科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。