具有加工时间测量和在机测量功能的加工装置制造方法及图纸

本发明专利技术涉及加工装置技术领域，提供了一种具有加工时间测量和在机测量功能的加工装置，包括具有至少一工件尺寸采集部，采集工件的形状数据；加工时间采集部，采集加工时间；输入部、输出部；计算控制部；还包括智能学习单元。借此，本发明专利技术通过设置工件尺寸采集部、加工时间采集部、输入部、输出部以及计算控制部，输入来自于工件尺寸采集部和输入部的数据，并将计算得到的加工参数输送至输出部实现自动加工；同时通过设置智能学习单元，通过机器学习及时适应输入条件的改变，并输出更新的最优加工条件，保证加工结果。避免了人工操作的试错过程，提高了工件加工精度的稳定性。

【技术实现步骤摘要】
具有加工时间测量和在机测量功能的加工装置
本专利技术属于加工装置
，尤其涉及一种具有加工时间测量和在机测量功能的加工装置。
技术介绍
随着自动化程度的提高，工件加工主要采用基于加工程序控制的自动加工设备。然而加工精度的保证主要还是通过作业人员在加工过程中根据个人的经验进行调整来实现。由于个体的差异，精度的提高依赖与操作人员的不断试错与积累来得到最佳值。但是这些经验及积累难以在不同操作人员之间共享，从而造成不同工件的加工精度的一致性差，从而限制了工件尤其是高精度工件的加工质量的提高。目前，针对该问题也有人提出一种解决办法，将过去加工运转中所使用的加工条件做成数据库以期帮助操作人员尽快提升。虽然操作人员可以对过去相似状况的加工条件进行再利用，取得了一定的效果。但是，当加工条件输入条件(如加工设计数值、加工参数等)出现变化时，数据库无法做出相应的变化。因此作业人员依然不得重新不进行试错，采用最初的方法获得最佳加工条件，也就是说，该解决方法无法应对该种情况。综上可知，现有技术在实际使用上显然存在不便与缺陷，所以有必要加以改进。
技术实现思路
针对上述的缺陷，本专利技术的目的在于提供一种具有加工时间测量和在机测量功能的加工装置，通过设置工件尺寸采集部、加工时间采集部、输入部、输出部以及计算控制部，输入来自于工件尺寸采集部和输入部的数据，并将计算得到的加工参数输送至输出部实现自动加工；同时通过设置智能学习单元，通过机器学习及时适应输入条件的改变，并输出更新的最优加工条件，保证加工结果。避免了人工操作的试错过程，提高了工件加工精度的稳定性。为了实现上述目的，本专利技术提供一种具有加工时间测量和在机测量功能的加工装置，包括具有至少一工件尺寸采集部，用于采集待加工工件的预定加工部位的形状数据；加工时间采集部，用于采集并记录加工过程中各加工部位的加工时间；输入部，用于输入加工条件；输出部，用于输出加工参数；计算控制部，输入来自于工件尺寸采集部和输入部的数据，并将计算得到的加工参数输送至输出部。根据本专利技术的具有加工时间测量和在机测量功能的加工装置，所述加工装置还具有至少一智能学习单元，用于输入来自于计算控制部和输出部的数据，采用预设的算法进行机器学习，并将学习结果形成新的加工条件输送给输入部。根据本专利技术的具有加工时间测量和在机测量功能的加工装置，所述智能学习单元的数量为4-6个，且各智能学习单元通过网络连接构成智能学习系统，用于实现各智能学习单元之间的信息共享。根据本专利技术的具有加工时间测量和在机测量功能的加工装置，所述智能学习单元的数量为5个。根据本专利技术的具有加工时间测量和在机测量功能的加工装置，所述算法为：Q学习法、SARSA法、TD学习法或AC法。根据本专利技术的具有加工时间测量和在机测量功能的加工装置，所述智能学习单元包括状态观察部、数据存储部、结果存储部、回报条件设定部、回报计算部、整学习部以及加工条件输出部。根据本专利技术的具有加工时间测量和在机测量功能的加工装置，所述工件尺寸采集部包括激光测量器和磁测量器。根据本专利技术的具有加工时间测量和在机测量功能的加工装置，所述加工时间采集部包括至少一计时器。根据本专利技术的具有加工时间测量和在机测量功能的加工装置，所述智能学习单元的学习过程包括：步骤1：智能学习单元对某时刻的控制对象的状态st进行观测；步骤2：基于观测结果和选择行为at，并执行行为at；步骤3：执行行为at后，控制对象的状态st变化为st+1；步骤4：根据步骤3的变化结果，智能学习单元收到回报rt+1；步骤5：智能学习单元重复步骤1-4，进行持续学习。本专利技术通过的目的在于提供一种具有加工时间测量和在机测量功能的加工装置，通过设置工件尺寸采集部、加工时间采集部、输入部、输出部以及计算控制部，输入来自于工件尺寸采集部和输入部的数据，并将计算得到的加工参数输送至输出部实现自动加工；同时通过设置智能学习单元，通过机器学习及时适应输入条件的改变，并输出更新的最优加工条件，保证加工结果。避免了人工操作的试错过程，提高了工件加工精度的稳定性。附图说明图1是本专利技术的结构示意图；图2是本专利技术的智能学习单元的结构示意图；图3是本专利技术的智能学习单元的工作原理示意图；图中：1-工件尺寸采集部，2-加工时间采集部，3-计算控制部，4-智能学习单元，41-状态观察部，42-数据存储部，43-结果存储部，44-回报条件设定部，45-回报计算部，46-调整学习部，47-加工条件输出部；5-输入部，6-输出部。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本说明书提到的上、下、左、右等方向或位置关系，是为更好的结合附图描述技术方案，以便读者理解，实际实施的情形包括但不限于此描述。参见图1，本专利技术提供了一种具有加工时间测量和在机测量功能的加工装置，包括：具有至少一工件尺寸采集部1，用于采集待加工工件的预定加工部位的形状数据；加工时间采集部2，用于采集并记录加工过程中各加工部位的加工时间；输入部5，用于输入加工条件；输出部6，用于输出加工参数；如加工时间、加工精度、加工位置、进刀速度以及转速等。计算控制部3，输入来自于工件尺寸采集部1和输入部5的数据，并将计算得到的加工参数输送至输出部6；计算控制部3中输入加工件各加工面的图纸尺寸，与工件尺寸采集部1采集来的待加工件的尺寸经过比较计算后确定加工量及加工精度。还具有至少一智能学习单元4，输入来自于计算控制部3和输出部6的数据采用预设的算法进行机器学习，并将学习结果形成新的加工条件输送给输入部5。进一步的，本专利技术的智能学习单元4为4-6个，且各智能学习单元4通过网络连接构成智能学习系统，用于实现各智能学习单元4之间的信息共享。本专利技术的智能学习单元的个数优选为5个。做为一种实施方式，本专利技术的工件尺寸采集部1包括激光测量器和磁测量器；测量固定好的工件的各加工面的形状的数据，包括但不限于：表示各工件的高度差的深度方向(Z轴向)上的设计数据与工件实际测量数据的差值(记为Az)；表示各工件的宽度差的宽度方向(X轴向)上的设计数据与工件实际测量数据的差值(记为Ax)；表示在各工件的角度差的设计数据与工件实际测量数据的差值(记为Ac)；还有表示在各加工面的粗糙度、形位误差的面精度(记为As)等。加工时间采集部2包括至少一计时器，记录加工过程中各加工部位的加工时间。并将结果送至计算控制部3。计算控制部3将加工时间作为回报信号送至智能学习单元4。参见图3，本专利技术的智能学习单元4的工作原理为，包括如下步骤：步骤1：智能学习单元4对某时刻的控制对象的状态st进行观测；步骤2：基于观测结果和选择行为at，并执行行为at；步骤3：执行行为at后，控制对象的状态st变化为st+1；步骤4：根据步骤3的变化结果，智能学习单元4收到回报rt+1；步骤5：智能学习单元4重复步骤1-4，并基于状态st、行为at、回报rt+1及过去的学习结果来进行持续学习；在所述步骤5的学习中，作为用于判断将来能够取得的回报量的基准的信息，智能学习单元4获得观测到状态st、行为at、回报rt+1的映射。例如，设各时刻取得的状态本文档来自技高网...

【技术保护点】
1.一种具有加工时间测量和在机测量功能的加工装置，其特征在于，包括具有至少一工件尺寸采集部，用于采集待加工工件的预定加工部位的形状数据；加工时间采集部，用于采集并记录加工过程中各加工部位的加工时间；输入部，用于输入加工条件；输出部，用于输出加工参数；包括，加工时间、加工精度、加工位置、进刀速度以及转速；计算控制部，输入包括来自于工件尺寸采集部和输入部的加工件各加工面的图纸尺寸的数据；与工件尺寸采集部采集来的待加工件的尺寸经过比较计算后确定加工量及加工精度；并将计算得到的加工参数输送至输出部；还具有至少一智能学习单元，用于输入来自于计算控制部和输出部的数据，采用预设的算法进行机器学习，并将学习结果形成新的加工条件输送给输入部；所述智能学习单元的学习过程包括：步骤1：智能学习单元对某时刻的控制对象的状态st进行观测；步骤2：基于观测结果和选择行为at，并执行行为at；步骤3：执行行为at后，控制对象的状态st变化为st+1；步骤4：根据步骤3的变化结果，智能学习单元收到回报rt+1；步骤5：智能学习单元重复步骤1‑4，进行持续学习。

【技术特征摘要】
1.一种具有加工时间测量和在机测量功能的加工装置，其特征在于，包括具有至少一工件尺寸采集部，用于采集待加工工件的预定加工部位的形状数据；加工时间采集部，用于采集并记录加工过程中各加工部位的加工时间；输入部，用于输入加工条件；输出部，用于输出加工参数；包括，加工时间、加工精度、加工位置、进刀速度以及转速；计算控制部，输入包括来自于工件尺寸采集部和输入部的加工件各加工面的图纸尺寸的数据；与工件尺寸采集部采集来的待加工件的尺寸经过比较计算后确定加工量及加工精度；并将计算得到的加工参数输送至输出部；还具有至少一智能学习单元，用于输入来自于计算控制部和输出部的数据，采用预设的算法进行机器学习，并将学习结果形成新的加工条件输送给输入部；所述智能学习单元的学习过程包括：步骤1：智能学习单元对某时刻的控制对象的状态st进行观测；步骤2：基于观测结果和选择行为at，并执行行为at；步骤3：执行行为at后，控制对象的状态st变化为st+1；步骤4：根据步骤3的变化结果，智能学习单元收到回报rt+1；步骤5：智能学习单元重复步骤1-4，进行持续学习。2.根据权利要求1所...

【专利技术属性】
技术研发人员：许泽银，黄智豪，方志明，乔世豪，
申请(专利权)人：合肥学院，
类型：发明
国别省市：安徽,34